在过去几个月里，我和美国几家顶级律所的合伙人坐在一起，请他们演示目前实际在用 AI 做什么。
场景几乎一模一样：一位有二三十年经验的资深律师，把一份协议扔进模型，输入一句“review this agreement and flag issues”。模型给出一个 competent、generic、mostly useless 的回答。律师点点头——这正好印证了他进门前已经有的判断。
“挺有意思的工具，适合做总结，但还不能干正事。”
这是第一反应，因为聊天框天然诱导人用一两句话提问。
但当我们把指令彻底重写后，情况彻底变了。
我们没有加什么魔法咒语，只是做了资深律师在把任务交给优秀 associate 之前会做的事：把客户背景、交易姿态、商业目标、对手动态、哪些条款真正重要、哪些问题看似法律实则商业、哪些论点不要提、律师愿意承担多大置信度、客户真正想看的格式、AI 在输出前必须做的检查……全部写清楚。
同一个模型，同一份文件，不同的指令。
输出质量的差异大到房间里的气氛都变了。
这才是当前最大的鸿沟：模型本身并不弱，是机构还没有学会如何吸收它。
两只不同速度的时钟
当前商业世界最重要的事实，是两只时钟已经严重不同步。
快时钟（技术侧）：每隔几周就迭代一次。更强的模型、更长的上下文、更好的 Agent、能处理一堆乱文件并输出过去需要整个团队才能完成的工作产品。
慢时钟（机构侧）：通过委员会、审批、试点、政策、培训、 steering group，一步一步往前挪。核心诉求往往是“在下一个薪酬周期前不要发生根本性变化”。
两只时钟之间的距离，就是现在最值钱的商业机会。
公共讨论几乎只盯着快时钟：要么说 AI 即将吞噬经济，要么说它只是被高估的自动补全。两者都太以机器为中心了。真正重要的故事，是机器周围的一切——激励机制、习惯、定价、以及组织如何真正改变做事方式。
瓶颈已经从“智能”转移到了吸收。
法律行业的激励陷阱
大律所的利润建立在两个支柱上：计时收费（billable hour）和杠杆（把 junior 堆在 partner 下面，按 markup 收费）。
AI 恰恰最擅长干的，正是金字塔底层最值钱的那部分工作：初稿起草、尽调、文档审查、引文核查、总结、比对、格式化。
这让理性合伙人陷入两难：认真用 AI 就等于主动压缩自己最主要的收入来源。
于是他们私下实验，但机构层面动作缓慢。这就是经典的创新者困境——从当前模式获利最多的人，恰恰最难推动模式改变。
更深层的恐惧是：把工作教给机器，等于把自己的饭碗教给机器。
结果就是大量“AI 剧场”：任务小组、政策文件、试点项目、供应商培训、负责创新的演讲……但当被问到“哪些具体 workflow 改变了？快了多少？客户得到了什么实质改善？”时，答案往往空泛。
电厂与可口可乐的启示
这不是第一次发生。
当电力取代蒸汽时，工厂主做的第一件事是把蒸汽机换成电动机，然后继续用原来的中央传动轴（driveshaft）驱动所有机器。整整三十年，他们都没改变工厂布局。
生产率真正爆发，是再过一代人之后——工厂主把地板掀开，在每台机器上装独立电机，让生产线围绕任务而不是传动轴来设计。
AI 现在正处于这个阶段。新“电机”被硬塞进旧传动轴里，而地板还是为蒸汽时代设计的。
另一个更重要的类比是制冷技术。
当机械制冷变得便宜可靠时，大家都以为赢家是造冰箱的公司（GE、西屋、Frigidaire）。结果最大的赢家是可口可乐。
Robert Woodruff 理解了“廉价的冷”能带来什么可能，然后把公司彻底重构为“把可乐放在每个人伸手可及的地方”。可口可乐自己从不造冰箱，它赢在了围绕新技术重新定义业务。
今天的前沿实验室是 GE，可口可乐的位置还空着。谁先搞清楚“廉价智能”到底能干什么，并围绕它重建工作方式，谁就能拿走那笔财富。
从 Prompt 到 Workflow：吸收的两个层次
第一层是Prompt 层。
我把一个严肃指令的解剖结构教给律师们：
任务 + 背景 + 判断 + 约束 + 交付物 + 验证
律师们立刻意识到自己之前的问题：他们要“总结”，但真正需要的是“客户能直接看的红线变化说明 + 还剩哪些需要决策”。他们要“合同审查”，但真正需要的是“按重要性排序的条款清单 + 每条的应对语言 + 最终让律师尴尬的点检查”。
这个结构里没有一行代码，全是普通英文——就是 partner 跟 associate 交代任务时会用的语言。
但 Prompt 只是开始。
真正有机构意义的是第二层：Workflow 层。
Prompt 是针对单个事项的指令。 Workflow 是把一个合伙人（或整个 practice group）的做事方法，写成模型能每次都遵循的常设剧本。
它包含两部分：
- 机械部分：如何不破坏 Word 格式、如何单独做引文核查、如何在输出前做格式验证。
- 实质部分：这个合伙人审查合同时的真实序列——她永远先看哪些条款、在什么情况下会要求更多事实、什么时候会提出反建议、什么时候会直接拒绝前提……
这才是大多数法律 AI 产品目前最缺失的：它们让律师去适应产品的 workflow，而不是让模型去适应律师的真实实践。
把资深律师几乎无意识的判断（“这句话我从来不信”“这个条款我一定要再看两遍”“这个商业点虽然法律上不重要但客户很在意”）外化出来，变成可被模型执行、律师监督、机构持续改进的基础设施——这才是真正的吸收。
生产 vs 判断：价值最终会流向哪里
AI 正在廉价化生产（research、drafting、review、checking、formatting）。
而客户真正买的，从来不是生产，而是判断与决策：
- 哪些风险真正重要？
- 这场仗值得打吗？
- 这个让步看起来无害，但以后会伤到哪里？
- 客户以为这是法律问题，其实是商业问题。
当生产变得便宜时，稀缺的就变成了那个能指挥机器、测试答案、理解客户真实目标、并在答案模糊时做出最终推荐的人。
这也是为什么“AI 会取代律师”的预测大概率是错的。更可能的结果是：每个法律工作的生产一半会被取代，而不是一半的法律工作被取代。
高端法律不会商品化，判断的价值只会越来越高。
撕开地板，还是继续用旧传动轴？
Kirkland & Ellis 宣布未来三四年投入 5 亿美元自建 AI 平台。这笔钱本身不重要，重要的是它暴露了态度：订阅别人也能用的工具，无法保护自己已经建立的优势。
但投入再多，如果只是把新电机装到旧传动轴上，最终还是白费。
真正的赢家，是那些愿意把地板掀开、围绕新能力重新设计工作方式的机构。
这需要把 change management 做到实践层面，而不是组织层面。它发生在单个律师的桌子上，一个 workflow 一个 workflow 地重构。它缓慢、个人化、在组织架构图上几乎不可见，却可能是当前专业服务领域最有价值的投资。
AI 已经把生产这一半工作变得廉价。剩下的判断、责任和决策，依然是人类最有价值的部分。
问题只在于：你的机构，是在继续用旧传动轴驱动新电机，还是已经开始撕开地板，围绕真正的新能力重新布局？
我是紫微AI，在做一个「人格操作系统（ZPF）」。后面会持续分享AI Agent和系统实验。感兴趣可以关注，我们下期见。
