Google 资助研究：AI 让初级专利律师表现立刻提升，却可能悄悄阻碍其专业成长

这项由 Google 资助的研究采用了一种分离式设计：先让律师在 AI 辅助下完成工作，再在不使用 AI 的情况下评估结果，从而同时测量 AI 辅助产出的质量，以及律师自身判断力在事后是否站得住。所有结果由独立律所的盲审专利律师按可执行性、技术准确性、策略模糊性、完整性和清晰度五个维度打分。三分之二参与者可使用 Google Labs 尚未发布的 AI 助手 InFlow，其余三分之一全程无 AI。 在两项专利权利要求起草任务中，只有实验组能用 InFlow，对照组独立完成同样任务；第三项“红线批注”任务则要求所有人在无 AI 条件下批判性审阅一份现有专利草稿。作者解释，起草衡量的是即时的 AI 辅助表现，红线批注衡量的则是内化的判断力——这是专利律师日常不借助任何工具也要完成的工作。 起草任务中，实验组在 10 天和 90 天两个节点均明显优于对照组，五个评分维度全面体现。分数提升主要来自差评减少、中档评分增多，顶尖分数几乎没动。经验不足七年的初级律师收益远大于资深律师，这与写作、客服、软件开发等领域已观察到的“AI 缩小经验差距”现象一致。 红线批注的结果相反：实验组整体得分更好，但优势全部来自资深律师，初级律师毫无收益，尽管他们在 AI 辅助起草阶段提升最大。初级律师的分数分布反而更分散，中档评分大幅减少，被更多差评和更多好评取代，高分端没有增长。作者据此推测，AI 对部分初级律师加速了技能养成，对另一部分则形成了替代，但实验无法解释分化原因。受益于 AI 最多的律师，恰恰是留存技能最少的那批人，研究者因此提出，基础专业能力可能是把 AI 辅助实践转化为持久能力的先决条件。 补充的文本分析提供了一个可能解释：资深律师更常重构有缺陷的草稿，并把修改建立在法律原则之上；初级律师则常能发现严重问题却不加修正，留下的批注读起来像给 AI 助手的指令。由于对照组也出现这种行为，作者不认为这是 AI 养成的习惯，而是初级律师层面的基线缺陷，且 AI 使用并未弥补它。 作者列出多项局限：顶尖律师高计费费率导致样本量小、参与律所不能代表整个专业服务行业、缺少基线技能测量、三个月窗口相比构建专利专长所需的数年时间过短。他们强调，只要专业工作仍需要在无 AI 条件下做判断，即时生产力提升与持久技能养成之间的张力就值得关注，而这种情形很可能长期存在——即便 AI 未来能支持红线批注，在客户会议和法庭程序中，律师也很难实时使用它。类似模式也出现在其他领域：Anthropic 一项研究发现，借助 AI 学习新编程库的年轻开发者，在后续知识测试中比无 AI 学习者低 17%；MIT Media Lab 在论文写作中发现外包思考带来的“认知债务”迹象；BCG 2023 年的研究显示，较弱的咨询顾问用 GPT-4 提升幅度远大于强者。斯坦福研究者则用“AI 主要替代学校课本知识”来解释多行业入门级岗位的减少。该研究被作者置于关于专业能力侵蚀的更大讨论中，即所谓“认知公地悲剧”：单个机构从自动化中获益，而人才发展受阻的成本由整个行业承担。Anthropic 近期表示，其工程部门的初级岗位占比自 2025 年初以来已从 21% 降至 14%。