上下文诚可贵，判断力价更高。
若为直觉故，二者皆可抛。
——邓小闲koki
上周我去香港大学参加 AI For Young Lawyers Forum并发表演讲。观众基本都是青年法律人和学生，让我感受到AI对年轻人无穷的吸引力。
开始前，一位采访者问我：在法律工作中，什么是 AI 无法替代的？
“很多人会说是判断力，”我回答，“但我认为是直觉。”
乍听之下，这似乎只是在咬文嚼字。法律人习惯把一切区别于机械执行的专业能力，都装进“判断力”这个词里：分辨哪些事实重要，权衡不同依据，发现风险，再给出建议。久而久之，“判断力”仿佛成了一道护城河，只要一项工作需要判断，就理应由人来做。
但我说实话，这道护城河正在变窄。
许多所谓的判断，其实可以拆成一连串看得见的动作：找出相关事实，套用明确规则，与过往案例比较，排列风险，说明为什么应当这样处理。一旦律所能把这些动作写进审查规则或工作手册，AI 就越来越有能力照着执行。
“判断力”这个大词所包含的许多具体工作，已经不再为人类独有。
真正难以界定的能力，也许发生在判断之外。
一位叱咤律界多年的资深律师看到我这篇文章后，非常赞成直觉的价值。
他负责团队招聘也很多年，他的招人方式更偏向于看本质，而不是看标化成绩。他喜欢通过随意聊天发现候选者的本质性格，浅层一点可以说是“vibe”“sense”。这种敏锐的直觉往往能把人带到更深的境界，发现一个案件中最关键的细节。
AI 越来越会回答法律问题，而真正的专业能力，常常始于发现大家问错了问题。AI 可以沿着前提推理，但它能自己提出前提吗？
Google DeepMind 研究员 Tom Zahavy 在 2026 年的立场论文LLMs Can't Jump中提出：AI 很擅长从资料中寻找规律，也越来越会沿着既定前提推导答案，却仍不擅长在证据不足时跳出原有框架，提出一个全新的解释。爱因斯坦正是先通过自由落体思想实验，把引力与加速度理解成同一物理原理，才为广义相对论找到了新的前提。Zahavy 把这种从经验跳到新前提的能力称为“溯因跳跃”。
绝大多数法律事务都不需要创造新公理，但优秀的法律工作，经常从一次规模小得多的“跳跃”开始。
客户把一宗争议说成责任问题，经验丰富的律师却发现真正的症结在可执行性、时间或证据；
清单显示一项交易再熟悉不过，利益关系中的某个细节却让人意识到，它可能属于另一类风险；
现有依据似乎都指向同一个结论，一个不寻常的事实却迫使律师另找一套解释框架。
AI让我们走路越来越快，但直觉让我们Jump，跃升到下一个level。法律 AI 最擅长的，是完成“Jump”之后的工作
这次盛会上，我见到了非常多的优秀Legal Builder们。如虎添翼，原本就颇具洞察力的他们，插上了AI的翅膀，做出了许多有用又很有启发的作品。
比如一位香港律师展示的 Agent，可以完成判断交易是否需要根据《香港交易所上市规则》申报的规模测试。过去，手动走完整套流程大约需要一小时和 30 个步骤。她的系统把它缩短成两个步骤和大约一分钟。
还有Casebyte 能够检索超过 18 万份香港案例，但会把用户带回相关判决和具体段落。
NoAI 在文字到达云端模型前，先在本地移除敏感信息，等答案返回后再恢复原文。
还有一个工具让签署文件包工作流保持离线，并接受人工修正，以换取保密性和控制权。
这些工具都说明了一件事：一旦说明书由专业人士写好，AI便会完美执行任务，但如果没有说明书，AI便无所适从。
于是很多年轻职场人要问了，现在初级工作都是老板让AI干了，那我怎么培养写说明书的能力呢？请往下看。
如何避免“human in the loop”沦为治理表演
第一个方法是自我问答。
这次港大盛会的现场有一位嘉宾提出了一个有趣的测试：如果 Agent 给你一篇很长的答案，你看完后，刚好和客户一起走进电梯，你能不能用五秒钟给客户讲清楚这段AI答案的大意？
这也是我使用AI的一个很强烈的感觉。AI给我造成了一种假象，那就是“答案唾手可得”。我们常常看到很多大学生拿AI做了作业，但自己却说不出个所以然。
现在已有公司法务部为了避免这样的情况，禁止初级律师使用内部AI系统，这是为了避免让缺乏理解的律师参与到工作流程，也为了锻炼初级律师。
第二个方法是有意识地给AI明智分工。
明智分工是我发明的一个词，就是克制自己的懒惰，只给AI分配已经确定的低判断密度的工作，高判断密度的工作先自己做，连头脑风暴都不要先让AI帮你做，不然你就会困在AI给你的框架里。
低判断密度的工作只消耗时间，并不会明显改善律师的推理能力。
高判断密度的工作则包含选择：哪个事实具有决定性，哪个来源值得信任，哪个例外会打破规则，哪项风险对这个客户真正重要。
自动化第一类工作，可以释放能力；自动化第二类工作却不补上新的学习机制，就会制造判断力债务，也会拿走年轻律师积累直觉的原材料。
无论是哪一种方法，其实都是在避免积累大笔的判断力债务。
所谓判断力债务，指的是系统已经能完成的判断，与使用者尚未练成的判断之间，会逐渐拉开一道差距。把由此积累的长期成本被称为判断力债务。
它和技术债务很像：机构用今天的速度，换来一个留给未来解决的难题。AI 替初级律师完成一小时工作，律所确实省下了一小时。但如果那一小时原本会让律师学会哪些事实重要、错误通常藏在哪里、哪一句看似熟悉的条款其实不太对劲，那么省下来的时间里，有一部分其实是从律所未来的专业能力中借来的。
初级工作从来都有两份产出：一份交给客户，另一份留在做事的人身上。
账面可以很好看，但债不会消失。多年以后，它仍然要由律所和行业偿还：资深律师发现手里的工作已经无法放心交给下一层，客户拿到的是没有人真正理解的答案，或者机构到最后才意识到，自己自动化掉的正是专家成长的路径。
青年律师真正的to do，是驾驭AI
相信很多人和我一样，从小就听说过这样一种说法：想要验证自己学会这道题没，最好的验证方式就是给同学讲题。
AI时代的工作也是这样。想要验证自己真的懂这套工作流了，最好的验证方式就是自己手搓AI工具，把AI当成你的同学给ta讲通这套工作流程。在这个过程中，你将发现原来对自己平时的工作理解还有很多不足的地方，也有很多环节是AI无法代劳的，顺便缓解了AI焦虑。
开头提到的采访，给我最后一个问题是：“正确使用 AI 的年轻律师，将会变得……”
“更像他们自己。”我回答。
AI 可以拿走那些迫使律师像机器一样工作的部分：关掉情绪，忍受dirty work。
AI的辅助，应该为个人兴趣、好奇心和直觉腾出更多空间，让一名职场人能够有个性发展的空间，而不是沦为标准化的螺丝钉，像鱼肉一样被任人摆布。
我是邓小闲koki，全网同名。微信 m61502202，推特@kokisanai，加好友请说明来意。
我的个人故事：
AI系列
热门跟贴