谷歌资助研究：AI让初级专利律师起草更快，但独立审查能力未同步提升

该研究通过让律师先借助 AI 辅助工作、随后在不使用 AI 的情况下评估结果，将两件事区分开来。这一设计使研究人员既能衡量 AI 辅助工作的质量，也能考察律师自身的判断力在事后保持得如何。一家独立律所的盲评专利律师从五个维度对所有结果进行评分：可执行性、技术准确性、策略模糊性、完整性和清晰度。

在这项由 Google 资助的研究中，三分之二的参与者获得了使用 Google Labs 尚未发布的 AI 助手“InFlow”的权限，其余三分之一则在没有任何 AI 的情况下工作。在两项专利权利要求起草任务中，只有实验组可以使用 InFlow，对照组则在无辅助的情况下完成相同任务。

在第三项名为“红线批注”的任务中，所有参与者都必须在没有 AI 的情况下批判性地审阅一份现有专利草稿。正如作者所解释的，起草衡量的是即时的 AI 辅助表现，而红线批注衡量的则是内化的判断力，这是专利律师日常在没有任何工具的情况下执行的任务。

AI 主要改善初级律师的草稿

在起草任务中，实验组在第 10 天和第 90 天两个时间点都明显优于对照组，且效果体现在全部五个评分维度上。更高的分数主要来自差评减少和中等评分增多，而最高分几乎没有变化。

经验不足七年的初级律师所获得的提升远大于资深律师。研究人员表示，这与越来越多表明 AI 能缩小经验较少与经验较多工作者之间表现差距的研究相一致，这种效应已在写作、客户服务和软件开发领域被观察到。

只有资深律师保留了 AI 优势

红线批注产生了相反的结果。实验组总体得分更高，但这一优势完全来自资深律师，初级律师则毫无获益，尽管他们在 AI 辅助起草期间取得了最大的提升。

相反，初级律师的结果出现分化，中等评分大幅减少，被更多差评和更多好评所取代，而顶尖分数没有增长。作者将此解读为一种迹象：AI 加速了部分初级律师的技能培养，却在另一些人身上替代了这种培养，尽管实验并未解释为何效果出现分化。

从 AI 中获益最多的律师，恰恰是留存持久技能最少的那批人，这促使研究人员提出，基线专业能力可能是将 AI 辅助实践转化为持久能力的先决条件。

一项补充文本分析提供了一种可能的解释。资深律师更常重构有缺陷的草稿，并将其修改建立在法律原则之上，而初级律师则常常发现严重缺陷却不加以修正，留下的批注读起来像是对 AI 助手的指令。由于这种行为在对照组中也出现，作者并未将其归因于 AI 训练出的习惯，而是将其视为初级律师层面的基线缺陷，且使用 AI 并未弥补这一缺陷。

结果在实践中的意义

作者指出了若干局限，包括顶尖律师的高计费费率导致样本量偏小、参与研究的律所并不能代表整个专业服务行业、缺乏基线技能测量，以及三个月的窗口期与建立专利专长所需的数年时间相比过于短暂。

研究者认为，只要专业工作仍然需要不依赖 AI 的判断力，眼前的生产力提升与持久的技能发展之间的张力就依然重要，而这种判断力很可能在很长一段时间内仍不可或缺。即便 AI 最终能支持红线批注，它也不太可能在客户会议和法庭程序中实时提供给律师使用，因为这些场合风险高，且需要当场做出判断。

类似模式也出现在其他领域。在软件开发中，Anthropic 的一项研究发现，借助 AI 学习新编程库的年轻开发者，在后续知识测试中的得分比不借助 AI 学习者低 17%。在论文写作方面，MIT Media Lab 发现了外包思考带来的认知债务迹象。而在管理咨询领域，BCG 的一项研究早在 2023 年就显示，能力较弱的咨询顾问使用 GPT-4 后的提升幅度远大于表现优异者。

斯坦福大学的研究者解释了多个行业中入门级岗位减少的现象，他们认为 AI 基本可以替代中学和大学传授的课本知识，而这正是早期职业工作者主要带来的东西；与此同时，经验丰富的专业人士还拥有 AI 难以轻易替代的实操专长。

这项专利律师研究汇入了关于专业能力侵蚀的更广泛讨论，一些研究者称之为“认知公地悲剧”。个体律所从自动化中获益，而人才发展受阻的代价却由整个行业承担，这项研究从真实实践中增添了更多实验证据来支持这一担忧。

Anthropic 最近表示，自 2025 年初以来，其工程部门的初级岗位占比已从 21% 降至 14%。