Deepseek的横空出世，将AI的热度再次推向了新的高潮。作为人类文明发展不可逆的潮流，所有人似乎都已经接受AI正在开启一个全新的时代。
而在法律服务行业，关于AI也早已有了无数观点的碰撞。律师是否会被AI替代，哪些律师会被AI替代，以及如何不被AI替代，都是大家日常高频讨论的话题。而随着AI发展的速度远超预期，对于律师影响可能也比之前大家所想象的要大得多。
法律顾问服务作为写进律师法的业务类型，一直在整个行业的创收结构中占据非常重要的位置。都说律师无常法不稳，可现在我们发现，AI的出现和发展，已经让常法业务本身逐渐开始不稳。
常法服务的主要组成是日常的法律咨询和合同的起草修订，而律师在提供这些服务的过程之中，贩卖的是自己的知识和经验，其中能用知识解决问题的服务场景占多数。
可不巧的是，AI最不缺的就是知识。无论是深度还是广度，在知识储备上人类和AI显然不是一个量级的。因此客户可以从律师身上可以获取的知识，一定可以在AI身上获取，甚至可以获取的更加全面、准确。
比如“公司可否要求员工自愿放弃社保”这一问题，如果某一个律师给出的答复是：“不可以，因为用人单位为劳动者缴纳社保是法定义务，违背该义务的承诺无效”，至少在行业内部看来这样的答复是合格的。
可是换成是目前的AI工具，在短短的时间里我们就可以获悉关于这个问题的法律依据、无效原因、法律风险、合规建议等内容，内容的覆盖面和响应速度，完全吊打绝大多数律师。
对于合同审查和起草也是一样的。我们发现，目前AI完成合同类工作的能力正在以一种惊人的速度提升，这种震惊程度不亚于欧阳锋见到修炼九阴真经之后武功突飞猛进的郭靖。
目前来看我们尚可以根据经验和能力，在定制化的服务当中对AI保有一定的优势，但是在技术颠覆人类认知的当下，指不定哪一天我们在技能层面上都会成为被AI的乱拳打死的老师傅。
当AI在常法方面可以覆盖律师多数的工作时，成本就成了律师致命的劣势。当下绝大多数企业依然将控制成本作为企业发展的关键要素，当律师和AI被放置在性价比的天平上进行比较时，我们可以看到天平正在朝着AI极速地倾斜。
很多人会说，AI没法替代律师工作当中人类属性的部分，诸如人类情感的互动所带来的情绪价值。可不巧的是，常法服务是一项对律师身份依赖度极低的服务。
与刑事辩护、证券业务等不同，常法服务不要求服务提供者具备律师资格。近些年来已经遍地开花的法律咨询公司，已经在不断蚕食律师的常法业务市场。
在之前律师仍然可以凭借着专业和服务上的领先优势，和这群非律师们形成差异化竞争，并且在鄙视链中占据着强势的地位。
但是当AI介入后，律师在专业知识层面形成的壁垒终将被打破，最终强行地被拉回到同一起跑线，那么局面显然又会朝着更加不利于律师的方向发展了。
更加关键的是，不管是律师还是非律师，当下有很多人已经开始运用AI工具完成常法服务，大家都在做中间商赚差价，最后发展下去拼的还是价格。在过去律师可以骄傲地拍着胸脯说比专业不带怕的，可是一旦开始卷价格，根本看不到赢的希望。
通常如果是一篇带有销售目的的文章中，在前两部分传播焦虑过后，第三部分就要开始贩卖产品或者观点了。
但是作为一名仍然凭良心在写作的律师，我个人在内心深处认为，从群体的角度来看，这个问题是无解的，而作为个体，我们能做的也只是找到一些努力的方向，能让愈发不利的局面稍作缓解。
借用罗胖的一句话，让我这位瞎子律师，来为大家摸一摸未来世界常法服务的大象。
当我们看到未来律师的专业知识会不断贬值的情况下，我们应该果断抛弃知识容器的身份，如果我们又无法做到很好地控制成本和其他人卷价格，那么我们也不应当对标准化和产品化服务抱有期待，那么留给我们的选择可能就只有升级服务这一条路了。
我没有办法预测未来，我只能在这里提供一个我自己的猜想：我们可能注定无法继续依靠搬运知识赚钱，但是通过创造性地精加工知识来体现价值的路一直都在。
获悉法律的需求，可以被AI很好地满足，但是法律仍然是一门需要被研究、解释和被传播的学科，因此多数人群仍然存在正确理解和妥善适用法律的需求，而这也给专业人士留下了为数不多的创造价值的空间。
律师可以根据受众、场景的不同，我们将大家都可以获得的法律转化成更加容易让人理解和接受的信息，在咨询解答、决策建议、谈判、培训等场景当中，仍然有着巨大的需求和价值。当“律”的优势不再明显，“师”的作用却可以被显著地拔高。
当然，当越来越多的人开始在这条道路上不断精进和提升时，我们所面临的竞争和内卷也一定会激烈至极。我们只能自我勉励：杀不死你的，终将使你更强大。
常法服务的竞争，其实早就展现出从知识储备的较量到价值创造能力的角逐的趋势，而AI只不过是加速这个进程的催化剂，由于加速度过大，产生颠覆的效应过于明显，也导致我们产生了阶段性的晕眩。
在将来能否做好心态和技术上的调整，可能决定AI之于自己到底是被替代的危机，还是进化的契机。
粤ICP备14082021号
免费POC，
零成本试错
