律所的 AI 变革，是设计出来的，还是长出来的？

“AI 时代的组织变革”系列之一

散会之后，变化发生在哪里

过去一年，不少律所做了几件相似的事：成立 AI 委员会或者工作组，采购一批账号，安排几场培训，再发一份应用指引。

这些动作我都熟悉，有些还是我参与做的。做完之后，管理者心里通常有一个疑问，只是不太好意思问出口：然后呢？

我的观察是，答案往往不在会议室里。委员会散会以后，真正的变化发生在另一批地方：某个合伙人晚上回去，把自己经手多年的合同审查清单喂给了模型，发现它居然能按他的思路先挑出付款条件的问题；某位年轻的执业律师接手一堆尽调材料，不再按老办法先分工再汇总，而是让 AI 先读完，自己集中核验疑点。

这些事没有一个出现在律所的工作计划里。它们发生在一块块私人屏幕上。

所以我给这个系列定的第一个问题就是标题这一句：律所的 AI 变革，到底是设计出来的，还是长出来的？

我的看法是：变革是长出来的。但长出变革的那块土壤，可以被设计。

这两句话不矛盾，恰恰是律所管理者最需要分开处理的两件事。

看得见的动作，统计不出用法

先说为什么设计不出。

管理层能做的动作，几乎都是可见的、可统计的。买了多少个账号，办了几场培训，多少人参加了考核，这些数字可以放进年终总结。它们的短板在另一个地方：统计不到最关键的东西，律师到底怎样用。

智能体和传统软件不一样。给所有人装同一套办案系统，大家得到的功能大同小异。智能体给两个人的产出可能天差地别，差别不在账号，而在使用者怎么拆任务、给什么材料、能不能判断结果好坏。

同一家律所里，有人把 AI 用成了高级搜索框，问一句就走；有人让它先通读全部材料、列出事实清单、挑出可疑条款，再自己逐条验证。账号是同一个，用法是两个世界。

而用法这个东西，恰恰长在具体案件里。一个律师只有在自己经手的真实任务上碰过壁，才会知道长材料要先做摘要再提问、模型会一本正经地编造条文、核验要回到原文。这些认知没有一页纸能教会，培训课上更教不会，因为它们是从失败里长出来的。

设计可以发放工具，发放不了用法。

先行者长什么样

变革起点既然是个人，就值得看清这些人是谁。

结合我自己和身边团队的情况，先动手的律师大致有几个共同点。

一是主动找问题。他们不等所里布置，自己先挑一个反复做、最耗时间的环节下手，比如合同初审、类案检索或者尽调清单。

二是敢在真任务上试错。他们不怕 AI 出错，因为清楚出错的地方就是自己该把关的地方。第一版不满意，就改问法、补材料，再跑一遍。

三是能评估质量。这一点最关键，也最容易被忽略。敢用 AI 的前提是知道什么是好，而这来自多年的专业积累。判断力弱的人拿着 AI 的产出无从下手，强的人一眼看出哪个结论站不住。

四是愿意把方法交出来。做到前三点的人不少，做到第四点的少。愿意把自己摸索的流程讲给同事、写成模板、放进团队的知识库里，个人突破才可能变成组织能力。

我们团队里有过这样的场景：一位同事先在某一类文书上重做了整个流程，把原来逐段起草改成了先定审查要点、再让 AI 按要点逐项过、人工只看它标出来的疑点。方法是他在办案里磨出来的，没有立项，没有汇报。团队看到效果之后，其他几类文书很快照这个思路改了。

回头看，这件事没有任何一个环节是"设计"出来的。它先长出来，然后被看见，然后扩散。

中间隔着的那一步，叫"被看见"

大多数律所卡住的地方，不在没有人先跑通，而在跑通的事无人知晓。

律师的工作汇报记录什么？工时、创收、结案数量。一位律师用新方法把某类工作的时间压缩了一半、质量还更稳，这套汇报体系里看不到，因为它不产生新的计费小时。他花在摸索流程上的时间，甚至在现有考核里是负分。

于是最常见的结果是：先行者把方法锁在自己电脑里。不是不愿意分享，是分享了也没有人看见、没有回响，久而久之就成了私人技巧。

我在各种场合讲 AI 应用，一年讲了三十多场。讲得越多越确认一件事：改变律师行为的很少是台下听讲的那些时刻，而是同行当场演示一个真实成果的瞬间。同样做法律工作的人拿出来的一版尽调问题清单、一份审校流程，比外部专家的十页框架更能缩短心理距离——他会想，他能做到，我也能。

这也是后来我办四明山 AI 夜校时反复强调的起点：先让一个人在真实任务里跑通，再让这件事被看见。公益培训能做的只是降低第一次尝试的门槛，扩散仍然要靠成果自己说话。

所以如果只允许我给律所一个建议，不是买工具，不是办培训，而是给已经发生的方法创新一个被演示、被讨论、被复用的场所。哪怕每月一次午餐会，用的是真实的案子、真实的产出，不设门槛，也不考核。

看见，是把个人突破变成团队信号的第一机制。

管理者能设计的是土壤，不是果实

说到这里，似乎管理层无事可做了。不是。

设计不出变革，不等于设计没有用。管理者真正能设计的，是让变革更容易长出来的条件。

第一，给完整的问题。把一个有边界的真实任务交给想尝试的人，而不是让他停在"研究一下 AI 能干什么"这种没有出口的话题上。问题越完整，逼出来的方法越接近实战。

第二，给权限和额度。模型账号、可用工具、数据使用的边界，这些是律师个人很难自己解决的合规障碍。把它们理清楚，是管理层能做而且该做的。

第三，给容错。用新方法做的第一版，大概率比不过老办法做熟了的产出。如果第一次尝试就要接受同样的验收标准，没有人会试第二次。允许初期返工，明示哪些环节不许省（核验、签发、保密），其余放开。

第四，除草。有人习惯把信息和方法锁成自己的不可替代性，有人乐于在协作里设卡。这类行为在靠共享上下文运转的团队里是毒性的。容忍高标准的技术分歧，不容忍故意的信息封锁。