NBER研究：AI让初级专利律师起草水平立竿见影提升，但独立判断能力未必随之增长

该研究通过让律师先在 AI 辅助下工作、再在没有 AI 的情况下评估结果，将两件事区分开来。这一设计让研究人员既能衡量 AI 辅助工作的质量，又能衡量律师自身判断力在此后的保持程度。一家独立事务所的盲测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、策略性模糊、完整性和清晰度。

在这项由谷歌资助的研究中，三分之二的参与者获得了 "InFlow" 的使用权限——这是 Google Labs 的一款未发布 AI 助手，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撰写任务中，只有实验组可以使用 InFlow，对照组则在无辅助的情况下完成同样的任务。

在第三项称为红线审阅（redlining）的任务中，所有参与者都必须在不使用 AI 的情况下批判性地审查一份现有专利草稿。正如作者所解释的，撰写衡量的是 AI 辅助下的即时表现，而红线审阅衡量的是内化的判断力——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 主要提升初级律师的草稿质量

在撰写任务中，实验组在第 10 天和第 90 天两个时间点都明显优于对照组，效果体现在所有五个评分维度上。分数的提高主要来自差评减少、中档评分增多，而最高分几乎没有变化。

对于经验少于七年的初级律师来说，收益远大于资深律师。研究人员表示，这与越来越多的研究结果一致，即 AI 缩小了经验较少与经验较多工作者之间的绩效差距——这一效应已在写作、客户服务和软件开发领域得到证实。

只有资深律师能保持 AI 带来的优势

红线审阅产生了相反的结果。实验组的整体得分更高，但优势完全来自资深律师，初级律师毫无获益——尽管他们在 AI 辅助撰写中取得了最大的提升。

相反，初级律师的结果出现分化：中档评分大幅减少，被更多差评和更多好评所取代，而最高分没有任何增长。作者将此解读为 AI 加速了部分初级律师的技能成长，同时在另一些人身上替代了技能成长的迹象，不过实验并未解释为什么效果会出现分化。

从 AI 中获益最多的律师，恰恰是长期技能保留最少的人，这促使研究人员提出：基础专业能力可能是将 AI 辅助练习转化为持久能力的前提条件。

一项补充文本分析提供了一种可能的解释。资深律师更多地重构有缺陷的草稿，并将修改建立在法律原则之上，而初级律师经常能发现严重缺陷却不予修复，留下的批注读起来就像给 AI 助手的指令。由于这种行为在对照组中同样出现，作者并未将其归因于使用 AI 养成的习惯，而是将其视为初级层面的一种基础能力欠缺，而使用 AI 并未能弥补这一欠缺。

这些结果在实践中的意义

作者指出了几项局限性：由于顶级律师的计费费率很高导致样本量偏小、参与的律所不能代表整个专业服务行业、缺乏基线技能测量，以及与积累专利专长所需的多年时间相比，三个月的窗口期太短。

研究人员认为，只要专业工作在没有 AI 的情况下仍然需要判断力，即时生产力提升与持久技能发展之间的张力就会存在，而这在很长一段时间内可能都会如此。即使 AI 最终能够支持红线修订，在客户会议和法庭审理等风险高、需要当场做出判断的场合，它也可能无法实时供律师使用。

类似模式也出现在其他领域。在软件开发方面，一项 Anthropic 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 学习的人低 17%。在论文写作方面，MIT 媒体实验室发现了将思考外包所导致的认知负债迹象。而在管理咨询方面，一项 BCG 研究早在 2023 年就表明，较弱的顾问借助 GPT-4 的提升幅度远高于表现优秀者。

斯坦福大学的研究人员通过论证 AI 基本上可以取代学校和大学传授的教科书知识，来解释多个行业中入门级岗位的减少——教科书知识正是早期职业工作者带来的主要价值，而经验丰富的专业人士还具备 AI 难以替代的实操专长。

这项专利律师研究汇入了一场关于专业知识侵蚀的更广泛争论，一些研究人员称之为"认知公地的悲剧"。个体企业从自动化中获益，而人才培养受阻的代价却扩散到整个行业，这项研究为这一担忧提供了来自真实实践的更多实验证据。

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%。