The Two Clocks（兩座時鐘：AI 能力與機構吸收的結構性落差）

Image

原始來源與檔名：2026-07-09T094038+0800-The Two Clocks.md

SOURCE | 資訊源評估

NAPKIN | 餐巾紙

餐巾紙公式

落差 = f(快時鐘 − 慢時鐘)，而「吸收」是彌合落差的唯一稀缺工作 快時鐘是模型/agent 能力，每幾週跳一格；慢時鐘是機構（委員會、政策、報酬週期、工作流程），移動如組織一貫地慢。兩者距離就是當前商業最重要的事實，而誰能把能力從快時鐘搬到慢時鐘、又不壓垮機構，誰就拿到下一個十年的最大機會。

一句話

AI 不是太弱，而是機構還沒學會如何吸收它；瓶頸已從「算力／智能」移到「吸收」——把專業判斷寫成機器可執行、機構可信任的工作流程。

餐巾紙草圖

快時鐘（技術）                    慢時鐘（機構）
┌────────────────────             ┌────────────────────
│ 模型每幾週升級                    │ 委員會、批准、試點
│ context 變長、agent 變強          │ 政策、訓練、治理小組
│ code 有 compiler 可驗證           │ 法務無 compiler，錯了不崩潰
│                                  │ 合夥人報酬 = 當年利潤分潤
└──────┬──────────                 └──────┬──────────
       │                                  │
       └───→  落差 = 吸收缺口  ←──────────┘
                     │
        ┌────────────┴───────────
        ▼                        ▼
  舊範式受威脅                出路：拆地板重建
  （billable hour+leverage）   （像電氣化 unit-drive）
        │                        │
        ▼                        ▼
  AI 劇場（政策/任務小組）    prompt → workflow → 機構能力
                                 │
                                 ▼
                    價值移轉：生產 → 判斷溢價

ROUND 1: SKELETON | 骨架掃描

章節骨架

  1. 開場（無標題）：律師拿「review this agreement」這種空泛指令測 AI，得到平庸結果便認定工具不行；但把指令改成資深律師交辦給好 associate 的那種完整 brief，輸出判若兩人——問題在「吸收」不在「模型」。
  2. The Fast Clock：技術鐘——Anthropic 內部 Claude 撰寫 80%+ 生產程式碼、研究員中位產出 4 倍；Clive Thompson 訪談 70+ 工程師發現「單位工作從生產移向指揮」。但法律沒有 compiler，錯誤合約不會崩潰，只能等出事才暴露。
  3. The Slow Clock：AmLaw 50 的事務所把最強科技用來清時間條目、排會議——「嚴肅工具的瑣碎用途」。
  4. The Incentive Trap：大型事務所利潤靠兩根支柱——billable hour 與 leverage（金字塔堆疊初級律師）。AI 同時威脅兩者。合夥人報酬是當年利潤分潤，不像上市公司 CEO 領股票可定價未來；「拖時間」對快退休的合夥人（年薪 $10–25M）是理性的。再加上恐懼：Sullivan & Cromwell 破產案假引註事件、Dario Amodei 預言消滅一半入門白領工作。
  5. The Driveshaft：電氣化歷史——工廠主人把蒸汽引擎換成馬達，卻保留同一根中央傳動軸，等了將近三十年才拆地板重做生產線。通用技術只有在工作被重新設計後才兌現，而重設往往落後發明一整個世代。
  6. Coca-Cola, Not GE：機械冷凍普及，最大贏家不是造冰箱的 GE，而是把冷飲佈到全球手臂可及處的 Coca-Cola。前沿實驗室就是今天的 GE，而 Coca-Cola 財富屬於「先想清楚『冷』能做什麼」的人。
  7. Kirkland’s Bet：Kirkland & Ellis 宣布三年花 $500M 自建 AI 平台。但採購≠吸收——若不改工作流程，只是把貴馬達塞進舊傳動軸。PE 客戶（Blackstone）兩面夾擊：付費下降＋投資 Norm Law 等 AI-native 挑戰者。
  8. The Absorption Business：市場最稀缺資產是把能力從快時鐘搬到慢時鐘的人——Palantir 二十年前發明的「forward-deployed engineer」。OpenAI（$4B+）、Anthropic（與 Blackstone/Goldman/H&F）都在複製。但律師事務所沒有 widget，核心是客戶信託＋自家方法論，這個人應為機構工作而非為 vendor 工作（Alex Karp 也這樣呼籲企業「擁有生產手段」）。Change management 從 stakeholder map 昇華成「把專家判斷變成機器可執行、機構可信任的自動化程序」。
  9. The Workshop：方法論核心——prompt anatomy（task, background, judgment, constraints, deliverable, verification，全白話、零技術）。然後從 prompt 昇華到 workflow：workflow 是「plain-English playbook」，是合夥人第一天給新 associate 的常設指令，模型每次照做。可貴的是 substantive 部分（哪些條款必查、何時要更多事實、何時反駁前提）。難點不是技術（檔案幾乎是純文字），而是讓資深律師外顯化他們近乎潛意識的判斷。
  10. Either Way：即使 AI 停滯，Opus 4.8 / Fable 5 等級已足夠改造法律實務；若持續推進，問題只更尖銳。高階法律不會商品化，律師不會被取代，但「溢價從執行移往判斷」。
  11. The Invoice Fiction：一個世紀以來，事務所為可見的生產工作（研究、起草、盡調、引註查核）計費。但客戶真正想買的一直是「判斷」。AI 攻擊生產端，使判斷成為稀缺。更可能的算術是「每個法律工作的一半被取代」，而非「一半的法律工作被取代」。初級律師訓練（過去靠 grind）需重新設計；招募從「成績＋生存 brutal hours」轉向「判斷力、agency、商業嗅覺」。
  12. Tearing Up the Floor：結論——現在（營收創新高時）是重建的時候；在危機中重建更糟。贏家把自家頂尖律師的直覺變成基礎設施，在對手還在核准軟體時拉開以年計的領先。

ROUND 2: DISSECTION | 血肉解剖

論證鏈

現象：律師用空泛 prompt → 平庸輸出 → 認定工具不行
  ▼ 反例：完整 brief 後輸出判若兩人
論點：瓶頸在「吸收」不在「智能」
  ▼
兩座時鐘：快（技術）vs 慢（機構）
  ▼
為何慢＝理性？
  ├─ billable hour + leverage 雙支柱受威脅（每省一小時＝少計一小時）
  ├─ 合夥人 draw = 當年利潤（不像 CEO 領股票可定價未來）
  └─ 恐懼：S&C 假引註 + Dario 預言 → AI 劇場
  ▼
歷史類比佐證：通用技術（GPT）兌現需重設工作，且重設落後發明一世代的
  ├─ 電氣化：傳動軸 → unit-drive（30 年落差）
  └─ 冷凍：贏家是 Coca-Cola（懂「冷」能做什麼）非 GE（造冰箱）
  ▼
當代正反例：Kirkland $500M
  ├─ 正：不租通用工具、自建、首發 fund formation engine
  └─ 反警示：採購≠吸收；不改 workflow＝貴馬達塞舊軸
  ▼
解法：吸收業務＝forward-deployed engineer
  ├─ 為誰工作？應為機構（律所無 widget、核心是信託＋方法論）
  └─ change management 2.0：判斷 → 機器可執行程序
  ▼
方法論：prompt anatomy → workflow → 機構能力
  ▼
價值移轉：生產商品化 → 判斷成稀缺 → 判斷溢價
  ▼
行動：趁營收創高時拆地板，而非危機中重建

關鍵證據

  1. Anthropic 內部數據（註1）：截至 2026 年 5 月，Anthropic 生產程式碼庫 80%+ 由 Claude 撰寫（2025 年 2 月 Claude Code 上線前僅個位數%）；2026 年 3 月約 130 名研究員內部調查，中位產出約為無 AI 的 4 倍（報告自陳此類自估偏高）。這證明「快時鐘」在軟體業已兌現。
  2. Clive Thompson 訪談（註2）：《紐約時報雜誌》2026 年 3 月，訪談 Google/Amazon/Microsoft/Apple 等 70+ 工程師，同一形狀：資深者寫更少、指揮更多、交付遠勝以往。「工作單位從生產移向指揮」。
  3. Sullivan & Cromwell 假引註事件（註4）：2026 年 4 月 9 日破產案緊急動含數十處錯誤引註（AI 幻覺），由 Boies Schiller Flexner 對造律師揭發；S&C 律師 Andrew Dietderich 4 月 18 日致函首席法官 Martin Glenn 道歉。重點：S&C 並非草率事務所——名望不能防止此失敗，只有 process 能。
  4. Kirkland & Ellis 財報與投資（註8、9、10）：2025 年營收 $10.56B（年增 20%）、每位 equity partner 平均利潤 $11.1M（年增 20%，595 位 equity partner），雙雙刷新紀錄。三年投入 $500M 自建 AI 平台（2026 年先投約 $100M）。但 Blackstone 付給 Kirkland 的律師費從 2024 年 $101.3M 降至 2025 年 $87.8M——PE 客戶已在兩面夾擊（付費降＋投資 Norm Law）。
  5. Norm Law 與 AI-native 挑戰者（註11）：2025 年 11 月成立，Blackstone/Bain Capital/Vanguard 母公司 Norm Ai 獲 $50M 投資；2026 年 1 月聘 Sidley Austin 執行委員會前主席 Michael Schmidtberger 為主席。同類：Crosby（Sequoia/Index/Lux 投 $85M+）、Eudia（Series A 達 $105M）。
  6. forward-deployed engineer 軍備（註13）：OpenAI 2026 年 5 月 11 日成立 Deployment Company，資本 $4B+（TPG 領投）並收購 Tomoro 帶進約 150 名 forward-deployed engineer；Anthropic 與 Blackstone/Goldman/H&F 2026 年 5 月 4 日合資 AI-native 企業服務公司（資本約 $1.5B）。MIT 2025 年研究：95% 組織在 generative AI 上看不到可衡量回報——印證「能力不等於吸收」。

隱形假設與邊界

ROUND 3: SOUL | 靈魂提取

留白提問

跨域映射

DEEP READ | 精讀指引

  1. “The Incentive Trap” 整節：揭露為什麼「最有能力改變的公司最難改變」——把 billable hour＋leverage＋合夥人 draw 的經濟機制一次講透，是整篇最鋒利的制度分析。讀完會理解為何 innovator’s dilemma 在大型專業服務業是「最純粹形式」。
  2. “The Workshop” 的 prompt anatomy 與 prompt→workflow→機構能力 三層：全篇最可操作。prompt anatomy（task, background, judgment, constraints, deliverable, verification）零技術、全白話，可立刻遷移到任何領域；「workflow 是合夥人給新 associate 的常設 playbook」這個定義是理解從「個人技巧」到「機構資產」躍遷的關鍵。
  3. “The Invoice Fiction” 整節：重新定義「價值 vs 計費」的關係。核心洞察——客戶一個世紀以來真正想買的是「判斷」，但帳單只列「生產時間」；AI 把生產商品化後，判斷溢價浮現，而它「正是帳單從不條列的那一項」。
  4. “The Absorption Business” 的「為誰工作」論證：區分 vendor 的 forward-deployed engineer 與機構自有的人。律所「沒有 widget、核心是客戶信託＋自家方法論」這個特殊性，決定了吸收能力的產權歸屬。

STRUCTURE MAP | 全書結構圖

┌ 開場：兩座時鐘的落差＝當前商業最重要的事實
│
├─ The Fast Clock（技術鐘）
│   ├─ Anthropic：Claude 寫 80%+ 生產碼、研究員 4x 產出
│   ├─ Thompson 70+ 工程師：生產→指揮
│   └─ 法律無 compiler：錯合約不崩潰，出事才現
│
├─ The Slow Clock（機構鐘）
│   └─ 最強科技用來清時間條目／摘要／排會議
│
├─ The Incentive Trap（為何慢＝理性）
│   ├─ billable hour + leverage 雙支柱受威脅
│   ├─ 合夥人 draw＝當年利潤（vs CEO 領股票）
│   ├─ 恐懼：S&C 假引註／Dario 消滅一半入門白領
│   └─ 退入 AI 劇場（任務小組、政策、但沒改 workflow）
│
├─ The Driveshaft（電氣化類比）
│   └─ 通用技術需重設工作才兌現，重設落後發明一世代的
│
├─ Coca-Cola, Not GE（價值捕獲移位）
│   └─ 贏家不是造冰箱的，是懂「冷」能做什麼的
│
├─ Kirkland's Bet（$500M 正反印證）
│   ├─ 正：自建、不租通用工具、首發 fund formation engine
│   ├─ 反警示：採購≠吸收
│   └─ PE 夾擊：Blackstone 付費降＋投資 Norm Law
│
├─ The Absorption Business（稀缺工作＝搬運能力）
│   ├─ forward-deployed engineer（Palantir 原創）
│   ├─ 為誰工作？律所應自有人（無 widget、核心是信託＋方法論）
│   └─ change management 2.0：判斷→機器可執行程序
│
├─ The Workshop（方法論）
│   ├─ Prompt anatomy: task/background/judgment/constraints/deliverable/verification
│   ├─ Prompt → Workflow → 機構能力（三層躍遷）
│   └─ workflow＝合夥人審閱序列的 plain-English playbook
│
├─ The Invoice Fiction（價值移轉）
│   ├─ 生產 vs 決策的分離
│   ├─ AI 攻擊生產端 → 判斷成稀缺
│   ├─ 每個法律工作的一半被取代，非一半工作被取代
│   └─ 招募/訓練重設（judgment/agency/商業嗅覺）
│
└─ Tearing Up the Floor（結論）
    └─ 趁營收創高時重建，把頂尖律師直覺變成基礎設施

The Two Clocks（Architectural Deep Dive）

前言／背景

這篇解決的核心問題是：AI 能力明明已遙遙領先，為什麼多數機構把它用在「摘要、排會議、清時間條目」這類瑣碎用途上？這個落差從何而來，誰能從中獲利？

作者 Zack Shapiro 以第一線顧問身分（與美國兩大最古老法律事務所合作數月）指出：瓶頸已從「智能」移到「吸收」。他用「兩座時鐘」這個隱喻貫穿全文——快時鐘（技術）每幾週跳一格，慢時鐘（機構）如組織慣性般移動，兩者距離就是「當前商業最重要的事實」。全文以法律產業為主要案例，但論證適用於整個白領專業服務業，並以兩個歷史類比（電氣化的傳動軸、Coca-Cola vs GE 的冰箱）與一個當代正反例（Kirkland & Ellis 的 $500M 投資）支撐，最後給出可操作方法論與價值移轉結論。

章節詳細總結

開場：同模型、同文件、不同指令，輸出判若兩人

作者描述一個反覆出現的場景：二十年經驗的資深律師把文件丟進對話框，下「review this agreement and flag issues」這種空泛指令，模型回一份「稱職、通用、大多無用」的答案，律師點頭確認了自己走進房間前的成見——「工具還不能做真正的活」。

但作者團隊重建了指令——不是加什麼 magic words，而是像資深律師把任務交辦給強 associate 那樣：說明客戶背景、訴訟態勢（posture）、商業目標、對造動態、通常重要的條款、看起來是法律但其實是商業的議題、不該主張的論點、律師願意背書的信心水準、客戶真正會讀的格式、答案回來前必須跑的查核。同模型、同文件、不同指令——輸出變化之大，房間裡的氣氛都跟著變。

這就是「所有人都在錯過的缺口」：不是模型太弱，是機構還沒學會如何吸收它。作者過去數月與美國兩大最古老法律事務所合作，協助把 AI 吸收進執業團隊的日常工作。問題已從「律師能不能用 AI 摘要文件」轉成「如何圍繞前沿模型重建真正的法律工作」。

The Fast Clock（快時鐘：技術每幾週跳一格）

在大型事務所排一場 AI 委員會會議的時間裡，前沿模型就出了兩代。每一代對事務所而言「感覺很漸進」，因為它裝在跟上一代一樣的聊天框裡，介面幾乎沒變，人們錯過了底層改變的規模。

2016 年的律師會把今天的 AI 前沿理解為科幻：模型能讀卷宗、把難題拆成子問題、平行處理、搜尋檔案集、操作文件、寫程式、跑程式、查引註、在無人介入（除了初始 prompt）下交回成品工作。十年前的律師看到這個展示會召開執行委員會緊急會議；今天的律師只問 IT 部門有沒有核准這個工具。

軟體業是最容易看見快時鐘的領域，因為程式碼要嘛跑得起來要嘛跑不起來。 在 Anthropic 內部，Claude 現在撰寫超過 80% 進生產的程式碼；2026 年 3 月內部調查約 130 名研究員，中位受訪者自估產出約為無 AI 時的 4 倍（報告自陳這類自估偏高）¹。Clive Thompson 在《紐約時報雜誌》訪談 Google、Amazon、Microsoft、Apple 等 70+ 工程師，到處是同一形狀：**資深者寫更少、指揮更多、交付遠勝以往——工作單位從「生產」移向「指揮」**²。人類仍負責，但不再逐行手敲。

但法律沒有 compiler。一份錯的合約不會崩潰，它靜靜躺在抽屜裡看似沒事，直到對造行使一個沒人充分考量的同意權、或一條賠償條款為不知情的客戶創造未設上限的責任。這讓法律 AI 比程式碼 AI 更難評估，但作者第一手經驗顯示它同樣強大³。

作者的工程師朋友在認真使用這些工具上領先其他白領工作半年到一年，作者教律師的很多東西是觀察工程師學來的。在作者自己的執業與顧問工作中，已看到科技業剛經歷的轉變在法律業的小角落萌芽：訴訟律師把一天的研究壓成二十分鐘；交易團隊把一週的文件審查壓成一個下午；獨法律師接下過去需要一整層 associate 的案子。

有些律師坐在全球最大的事務所裡，蓋出合夥人還沒注意到、也不會相信的東西。更多在小所，沒有委員可問：獨律把工作流程拆到見骨、圍繞這些工具從零打造的 boutique、因為「不需要被工作威脅的那個機構的許可」而能改變工作的律師。快時鐘不會等慢時鐘。

The Slow Clock（慢時鐘：嚴肅工具的瑣碎用途）

走進一家標準 AmLaw 50 事務所的走廊，多半找不到用前沿模型跑執業的律師。會找到的是：昂貴的法律 AI 訂閱、核准過的工具、vendor 訓練、負責任使用政策、創新獎、合夥人退修會座談——人人同意 AI 很重要，沒人說清楚究竟哪個工作流程該變。

問大所律師今天用 AI 做什麼，多半是：把人類建過最強的科技，用來清時間條目、摘要沒人打算讀的文件、起草排下一場會議的 email——「嚴肅工具的瑣碎用途」。模型已長進到的、真正會造成差異的能力，卻沒被試：實質交辦（像交辦給好 associate 那樣 brief 模型）、把 context／標準／判斷呼叫講清楚、拿回過去要好幾天的頂尖工作成品。能力不膽怯，使用卻膽怯。

The Incentive Trap（激勵陷阱：為何慢是理性的）

這種慢可以理解，但不等於站得住腳。

大型律師事務所的利潤靠兩根支柱：billable hour（按時間計費）與 leverage（金字塔堆疊初級律師，他們的時間以加價率計費）。AI 同時威脅兩者——它省下的每一小時，就是無法再用舊方式計費的一小時；它最擅長的工作（首版起草、盡調、文件審查、引註查核、摘要、比對、格式化）正是 BigLaw 金字塔存在來賣的工作。所以理性的合夥人私下實驗、理性的事務所緩慢移動——兩者都在保護真實的東西。

這是 innovator’s dilemma 最純粹的形式：最該從重建中獲益的事務所，現有經濟讓重建最痛。他們等，而等待是理性的——直到變成致命。

能強推改變的人往往最沒理由推。律所每年把利潤全部分掉；合夥人的 draw 是當年所賺的分潤，不是對未來十年的請求權。轉型企業的上市公司 CEO 領股票，股票在市場相信故事的那一刻就把未來盈餘定價進去。而轉型事務所的管理合夥人（年薪有時 $10–25M，距離漫長生涯終點還五年）拿到的是：立刻的破壞、立刻的報酬之爭、立刻降低的計費量，以及可能在他離開後才落地的回報。把時間耗完對他有利；修好它對繼任者有利。

慢時鐘也靠恐懼運轉。首先是「成為反面教材」的不對稱恐懼：私下重建工作流程的合夥人得到禮貌點頭；AI 文件引註假案的合夥人，得到一輩子跟著他的頭條。Sullivan & Cromwell 今年春天就學到這一課——破產案一件緊急動狀出去時帶了一堆 AI 生成的引註錯誤⁴。S&C 不是任何人眼中的草率事務所。這正是重點：名望不能防止這種失敗，只有 process 能。

還有一種更安靜的恐懼——AI 要來取代他們。這恐懼並非不理性，因為律師不斷從打造技術的人那裡聽到這套敘事。Anthropic 執行長 Dario Amodei 去年公開警告：AI 可能在五年內消滅一半的入門白領工作，包括法律⁵。作者認為他對律師是錯的，稍後會回來解釋為什麼。但合夥人不必相信預言也會感受其拉力——從大所內部看，每一次認真使用模型都像在為自己的取代做預演：教會機器這份工作，等於教會它你的飯碗。

於是事務所整體退入 AI 劇場：一個任務小組、一份政策、一個試點、一個 vendor、一場關於「負責任創新」的演講。過去幾個月作者多次與頂尖事務所領導者同台座談，他們自稱 AI 計畫「best in class」，卻對唯一重要的問題沒有連貫答案：哪個工作流程變了？快了多少？對客戶改善了什麼？事務所在活生生的案子上現在做了什麼不同的事？ 模糊永遠是破綻——真正重建過工作流程的事務所會談那個工作流程。

The Driveshaft（傳動軸：電氣化的歷史類比）

這一切以前都發生過。當電力在工廠取代蒸汽時，工廠主人做了最明顯的事：拔掉蒸汽引擎、原地放一顆馬達、用同一根又長又中央的傳動軸驅動所有機器。將近三十年，工廠維持這個布局，彷彿動力還是來自地下室的爐子。

經濟學家苦等的生產力紅利，直到一個世代後才降臨——工廠主人拆掉地板、圍繞新電源重建生產線、每台機器裝一顆小馬達、讓生產線跟著任務而非跟著軸走⁶。

問題不是電力被過度吹捧；而是通用技術只有在有人圍繞它重新設計工作時才兌現，而重設可以落後發明一整個世代。AI 現在就在這個階段——新馬達充其量鎖在舊傳動軸上，底下的地板還是為蒸汽鋪的那塊。

Coca-Cola, Not General Electric（價值捕獲移位）

當機械冷凍在二十世紀初變得便宜可靠時，最明顯的賭注是造冰箱的公司——GE、Westinghouse、Frigidaire。但最大贏家都不是他們。

是 Coca-Cola，亞特蘭大一家區域性糖漿公司。Robert Woodruff 在 1920 年代立志把產品「放在手臂可及的欲望之內」，散佈到地球上每個城鎮⁷。Coca-Cola 從不造冰箱；它比任何人更早、更徹底地理解「便宜的冷」能讓什麼變可能，並圍繞這個理解重建自己，直到一瓶冰可樂成為人類生活的永久配備。

前沿實驗室就是此刻的 GE。 他們做的東西——原始智能——正以少有先例的速率變便宜；對照它取代的人類小時，單位成本近乎可忽略。但 Coca-Cola 財富將歸於那個比任何人更早想清楚「冷」能做什麼、並在上面蓋出一年前任何價格都買不到的東西的人。這條賽道現在每個產業都大開。

Kirkland’s Bet（Kirkland & Ellis 的 $500M 賭注）

Kirkland & Ellis 在五月宣布三年（或四年）花 $500M 自建 AI 平台⁸。

這個數字（佔盡頭條）揭示的比數字本身重要：全球營收最高的律師事務所已認定，租跟別人一樣的工具（Harvey、Legora 等）無法保護它打造出來的東西。 每家事務所都租得到的訂閱，不可能成為區隔一家事務所的因素；而法律執業中正在進行的變化太大，無法用一把授權金鑰應付。

Kirkland 也比多數事務所更暴露，而暴露來自與利潤同一個地方。去年事務所營收 $10.5B、每位 equity partner 利潤 $11.1M，雙雙創紀錄⁹。這些利潤不成比例地建立在私募股權（PE）上——當生產變便宜時最不該有的客戶基礎。Sponsor 一年跑同一種交易結構幾十次、把法律支出追蹤到基點，並開始問：為什麼機器能起草的工作還在用 associate 費率計費。重複的工作，正是 AI 模型學得最快的工作。 連招牌關係 Blackstone 都開始少付錢給事務所¹⁰。

PE 也從另一側擠壓。Blackstone 與 Bain Capital 的錢現在站在 Norm Law 背後——一個 AI-native 法律平台，挖走 Sidley Austin 執行委員會前主席當主席¹¹。打造 Kirkland 為史上最賺錢律所的那個產業，開始資助它的挑戰者。 Kirkland 看得懂自己的市場。半億美元計畫的第一個產品，在宣布後一週就出了——一個為 PE 客戶打造的 fund formation engine¹²。

但支票大小不會決定結果。專屬平台的價值，恰好等於它接上的那個改變後的執業。 若 Kirkland 花 $500M 並重建律師實際工作的方式，這筆投資可能成為對手租不到的護城河；若花 $500M 卻保留工作流程不變，那只是把一顆很貴的馬達裝進舊傳動軸。難題不是 Kirkland 能不能造或買到強大技術（顯然能），而是採購不等於吸收——難題是這麼賺錢的事務所，能否強迫自己改變當初讓它賺錢的那份工作。這是每個在位者都面對的問題。

The Absorption Business（吸收業務：最稀缺的工作）

如果吸收是約束條件，市場最有價值的資產就是「能把能力從快時鐘搬到慢時鐘、又不壓垮機構」的東西。有朝一日那可能是個產品。今天通常只是一個人——一個懂舊工作法足以用老方法做、懂工具足以用新方法重建、在重建發生時坐在事務所裡的人。幾乎沒人在做這份工作，而幾乎所有人都即將需要它。

科技業早有這個人的職稱。Palantir 二十年前發明了它，稱之為「forward-deployed engineer」——搬進客戶營運、圍繞軟體重建工作的人，因為軟體從不自己部署。多數時候這角色像是 Palantir 的怪癖。今年春天它變成有錢人人人在抄的位置：OpenAI 五月成立一整家部署公司，背後資本超過 $40 億；Anthropic 與 Blackstone、Goldman Sachs、Hellman & Friedman 合資成立 AI-native 服務公司，把工程師嵌入客戶公司¹³。賣智能的人已認定：沒有吸收的能力什麼也不生產，而吸收是人的工作。

但注意這個人為誰工作。 forward-deployed engineer 為 vendor 工作。對多數企業這是划算的交易——工廠可以在每個對手都用的同一個 vendor 平台上跑物流，因為物流從來不是優勢，widget 才是。律師事務所沒有 widget。它的工作跑在客戶信託上。工作底下的平台是每個對手都租得到的。而它的程序編碼了事務所自己的方法。 讓實驗室的工程師把那套方法寫在實驗室的 rails 上，它就傾向往實驗室的產品裡遷移，隔壁事務所就能訂閱。對律所而言，那個人應為機構工作、而非為 vendor 工作，而且 sooner than later。

這不代表 vendor 沒有角色。Anthropic、Palantir、Snowflake 及同儕很可能最終蓋出事務所重建時跑在上面的資料架構。但管線之上的工作屬於律師，因為軟體公司不比事務所外的任何人更懂如何打造編碼這門執業 accumulated know-how 的 prompt 與 workflow。本文發表前一週，Palantir 自己的執行長 Alex Karp 在 CNBC 專訪中告訴企業：擁有 AI 背後的「生產手段」而非租用它¹⁴。他當然在賣東西。但他也是對的。

這就是為什麼 change management——商業裡最不迷人的詞——即將成為最有價值的工作之一。不是產出 stakeholder map 與採用儀表板的那種舊 change management，而是一種新的——把專家判斷轉成機器可執行、機構可信任的自動化程序。每個重建好的工作流程讓下一個更便宜重建；每個被轉化的合夥人轉化其他人；那家十八個月前開始的事務所，在任何人注意到時，已是另一種事務所。

一個世紀以來，知道自己必須改變的機構會找管理顧問、成立指導委員會、委託路線圖。事務所正把這套劇本用在 AI 上，而這是錯劇本。它過去行得通，是因為它管理的改變是組織性的——報告線、成本結構、該賣哪個事業。McKinsey 的聰明通才可以從會議桌對面把這些全部畫出來。

但大家想從 AI 得到的改變不是「組織性的」。它活在執業本身之中，在構成單一案件的千百個小決定裡：模型產出首版標註還是只出議題清單；它在碰 covenant 前需要知道客戶借款基礎的什麼；它的引註哪些由人工重新拉取、哪些抽查；合夥人何時逐字讀、何時讀例外備忘錄然後回家。管理顧問公司答不出這些問題，因為答案本身就構成了正在迅速成為二十一世紀版法律執業的東西。只有做法律工作的人能妥善重新設計那個工作。

這仍需要高層推一把。合夥人不會花一個痛苦的重整週去重建執業方式，除非事務所已明示這是戰略要務、不是嗜好。但推只定方向。重建發生在個別律師的辦公桌，一次一個工作流程，而且看起來一點都不像「創新」計畫。

The Workshop（方法論：prompt → workflow → 機構能力）

以下是吸收業務的實際樣貌。

合夥人帶進那種已塞滿他一週的工作：對照客戶商業偏好審查合約、把 term sheet 與 cap table 變成融資文件、法律未定而信心水準很重要的研究問題、對造律師的 redline 得在不壓平對交易影響下用白話向客戶解釋。

多數律師把文件與簡單指令交給模型：Summarize this. Review this. Research this. Fix this. 然後看著可預期的通用答案，斷定工具本身是通用的。但模型做了它被要求的事——律師給了任務，卻扣留了能讓它表現良好的一切：context、細節、態勢、判斷。

一份認真的指令，承載的是好律師會告訴好 associate 的事：什麼重要、什麼不重要、客戶擔心什麼、聽眾會注意什麼、答案不能假設什麼、可接受的不確定性水準、工作成品離開大樓前要驗證什麼。

作者在 workshop 裡把它教成一個 anatomy：

task（任務）
  └─ 要做什麼（不是 summarize，而是「解釋 redline 裡什麼動了、什麼守住、什麼還要決策」）

background（背景）
  └─ 客戶、態勢、商業目標、對造動態

judgment（判斷）
  └─ 哪些條款通常重要、哪些看起來法律但其實商業、不該主張的論點

constraints（約束）
  └─ 律師願背書的信心水準、客戶真正會讀的格式

deliverable（交付物）
  └─ 排序過的條款清單＋擬議反制語言、而非泛泛 summary

verification（驗證）
  └─ 答案回來前模型必須跑的查核（引註獨立驗證、格式檢查）

一旦律師看到這個 anatomy，就認出自己 prompt 裡的失敗：他們要求「摘要」，但真正需要的是 client-ready 的解釋；要求「研究」，但需要的是 bottom-line-up-front、把已定法律與開放問題分開、每條引註獨立驗證的備忘錄；要求「合約審查」，但需要的是改變談判態勢的條款排序清單、每條附擬議反制語言。

注意這個 anatomy 不含任何技術性的東西——沒有程式碼、沒有語法、沒有設定。認真指令的每個字都是白話，是合夥人已經在 associate 對面用的同一種英文。這是心態，不是軟體技能：把模型當成一個讀過一切、但對你客戶一無所知的聰明新 associate，然後據此 brief 它。學最快的人很少是最年輕或最技術的，往往是最會交辦的人——花一輩子學把判斷往桌下移的人。

那是 prompt 層。它重要，因為它證明當律師給真指令時工具能做真工作。但對事務所而言，prompt 層只是開始。問題是：一個圍繞人力的機構，如何吸收一個會讓越來越大比例的人力變便宜、變快、變充裕的技術。

事務所不能只靠教孤立律師寫更好的 prompt、然後希望改變擴散來面對這個問題。工作必須從個人指令移向機構能力。這就是 prompt 變成自動化 workflow 的地方。

實務上它毫不 exotic。workflow 是一份 plain-English playbook，模型在開始前讀它——是合夥人第一天給新 associate 的常設指令，只是模型在每個案件、每次都遵循，不需被提醒。有些程序是機械性的：怎麼標註 Word 文件而不弄壞它、怎麼把引註驗證當獨立階段跑、怎麼在東西出去前驗證格式。更有價值的是實質性的：某律師怎麼審合約、哪些條款她一定查、何時她要更多事實、何時她提反制語言、何時她因卷宗不支持而反駁前提、何時她因經驗教過她這裡是出錯點而放慢。

這正是多數法律 AI 產品還錯過的核心。它們把模型包在法律介面裡，要求律師順從產品的工作流程。更好的方向反向走：讓模型順從律師的執業。 持久的資產不是 wrapper，而是事務所自己的方法——寫得夠精確，讓模型能遵循、律師能監督、機構能隨時間改善。這也正好是為什麼它不該住在別人的產品裡。

一份好的合約審查 workflow 不是範本，是合夥人的審查序列：

termination（終止權）
  → liability caps（責任上限）
  → indemnification（賠償）
  → discretion standards（裁量標準）
  → IP ownership（智財所有權）
  → survival（存續條款）
  → 逐條建議
  → 實際反制語言
  → 最終檢查：「客戶看到什麼會讓我難堪？」

lessons-learned 檔不是知識管理的樣板戲，它是複利機制——模型漏了什麼、律師更正、那個更正成為下一次跑的一部分。

難的不是技術。檔案幾乎是純文字。難的是讓資深律師外顯化他們近乎潛意識做的事：他們不信任的那一句、沒查就不引的那個判決、因為曾讓客戶賠錢而讀兩遍的那條條款、雖然不是教義上有趣但很重要的那個商業要點。這些都不乾淨地出現在最終工作成品裡，必須在工作的當下被萃取。

這就是為什麼最認真採用 AI 的事務所不把它當新奇的東西。AI 浪潮不會停在更好的摘要。它會擠壓人力配置、定價、訓練、品管、客戶期望，以及能這樣工作的人與不能的人之間的內部權力分配。認真移動的事務所，正設法在那壓力一次全部降臨前，把自家頂尖律師的直覺變成基礎設施。

這是作者近距離看到的市場分裂：有些事務所還在核准軟體；另一些在準備吸收一個新的生產函數進入法律執業。第二群非常難追上。

Either Way（即使快時鐘停擺）

附帶一提，本文沒有任何東西需要快時鐘維持當前速率。即使如唱衰者所言，我們正處於巨大的 AI 泡沫中、進度明天就停（從這裡看起來並非如此），Opus 4.8 與 Fable 5 等級的模型已綽綽有餘足以改造法律執業，機構仍將不得不吸收那個能力以跟上。而若時鐘繼續走，問題只更尖銳：當機器能生產幾乎一切，律師還剩什麼？

作者的答案是：法律的高階不會商品化，律師不會被取代。溢價會從執行移往判斷，而且時鐘跑得越快，那個溢價越大¹⁶。

The Invoice Fiction（發票的虛構：生產 vs 決策）

在這一切轉型的盡頭，會存活下來的人類部分是判斷呼叫。

不是律師付給自己的那種職業性恭維「判斷」，而是真正的呼叫：哪個風險要紧、哪場仗值得打、哪個讓步看來無害但日後會痛、哪個論點法院可能接受、哪個客戶以為是法律但其實是商業的要點。這終究是壓力與不確定下的決策。這一直是客戶想從頂尖律師「買」的東西。

然而發票讓這很難看見。一個世紀以來，律師事務所為可見、可量化的工作計費：研究、起草、盡調、引註查核、redline、簽名頁、結案集。有些需要真功夫，很多是 grind。全部都花時間，而時間容易衡量，所以時間成了這個行業賣的單位。

這個單位有它的邏輯：工作必須由人做；做這些的初級律師從做中學；監督的合夥人把初級的時間轉成利潤率；客戶付錢，因為沒有別的方法讓交易成交、讓狀子遞出、讓盡調完成、讓卷宗審過。

但 billable hour 同時模糊了「生產」與「決策」的區別。 生產是搜集、起草、比對、摘要、格式化、查核、組織的 skilled work。決策是律師把所有那些材料拿來、告訴客戶該怎麼做的那一刻。客戶兩者都付，但他們最在乎第二個。

董事會聘頂尖交易合夥人不是因為要更多盡調小時，是因為她看過夠多交易、知道這一個會在哪裡斷。被告聘頂尖訴訟律師不是因為要更多例行 discovery 時間，是因為他要一個能決定哪三個論點要緊、怎麼讓它們落地的人。創辦人聘律師不是為了欣賞 markup，是要他說：讓這個、爭那個、別讓他們拿走這條條款，因為日後會要緊。

AI 改變經濟學，因為它先攻擊生產。 它起草首版、比對文件、摘要卷宗、查引註、調簽名塊、跑過去佔帳單大塊的乏味審查。不完美、並非不需監督，但夠快夠好，使時間與價值的舊關係再也無法維持。

當生產昂貴時，客戶的帳單充滿生產。當生產變便宜，稀缺的是那個知道如何指揮機器、測試答案、理解客戶目標、在答案困難時做推薦的人。價值移向責任——那個有足夠經驗知道什麼要緊、有足夠當責為建議背書的人。

這就是「AI 會取代律師」的預測錯在哪裡。鑑於作者正在看律師用這些工具做什麼、且判斷是保值的投入，更可能的算術是：每個法律工作的一半被取代，而不是一半的法律工作整個被取代。機器拿走生產那一半。人們當初上法學院的那個部分留下來，而在高階，工作變得更好（雖然更密集），因為一週更多時間花在一直才是重點的困難認知工作上。低端法律服務市場是另一回事：賭注低、工作死板之處，法律服務可能真的商品化，利潤率會壓向處理客戶請求的 token 價格。但對最頂尖的事務所，判斷仍有價值，工作不會商品化。

轉型對初級律師會很難，因為 grind 不只是事務所賣的東西，也是律師學會的方式。首版研究、首版起草、首版審查、盡調、檢查表、結案機制並不光鮮，但它們創造對判斷原料的反覆接觸。若 AI 壓縮了這些工作，事務所不能假裝舊學徒制還能自行運轉，必須刻意圍繞決策來設計訓練。

最好的初級律師會比以往更快。他們能叫模型解釋整筆交易，而不是在暗處 grind 自己那一塊；他們能看見結構、測試直覺、比對替代方案、更早接近合夥人水準的推理。較弱的會失去過去用來偽裝的量。招募需要反映這個新現實。 數十年來，事務所為法學院成績與 law review 成員資格而聘——證明候選人能遵循指令、撐過 brutal 小時，因為金字塔跑在量上、量必須能撐。但注意這不等於（甚至未必相關）做個好律師。現在值得聘的 associate 看起來不同：判斷力的早期跡象、agency、商業嗅覺、人際技能。 法官助理（看法官做困難決策一年）、在銀行或財星 500 待過的非法律職務（學客戶怎麼說話、真正想買什麼）。班級會變小、門檻會移。跨過去的 associate 會得到前輩少有的東西：對決策更直接的學徒制，更多 grind 交給一台從不想要週末的機器。

退一步看，虛構就清楚了。事務所今天計費的——初級與中階 associate 做 grunt work 的小時——從來不是客戶從頂尖事務所真正重視的東西。小時是事務所選擇用來為「客戶真正想買的東西」（在 advice 上簽名的合夥人的判斷與決策）開立發票的方式。 所以擔心更強大的 AI 會榨乾法律價值的律師，剛好相反。價值一直（違反直覺地）在帳單從不條列的那一項裡，而那一項哪也不去。集中判斷是資產，最好的事務所比誰都擁有更多，而對這技術的成熟回應是保護那個資產並終於為它定價，同時讓機器商品化那個永遠只是包裝的帳單部分。

Tearing Up the Floor（拆地板：結論）

本文的一切都指向同一個不迷人的結論。在執業層級做的 change management，是任何律師事務所（或大型企業）現在可用的後果最大的投資——比任何 lateral hire、任何執業群啟動、任何辦公室開張都大。做對的回報是以年計的複利領先。做錯的代價是存亡等級：花十年為客戶能在他處更便宜買到的工作辯護一張小時帳單，同時部分由那些客戶資助的 AI-native 對手逐一個執業領域地搶走工作。

面對它的時機是現在——當它還是個選擇時。機構依兩種時程之一改變：刻意地或在緊急狀況中，而緊急狀況的一切都讓重建更糟：人才在走、客戶在重新談判、執行委員會在開會討論對手的宣布而非自己的計畫。現在開始的事務所能在營收仍創紀錄時重建。等待的事務所會在壓力下、用更少的一切、做同樣的工作。

投資重建意味著一個世紀前在工廠裡同樣的事。贏家沒停在把蒸汽引擎換成電動的——他們在每台機器上裝馬達、讓生產線跟著任務。法律版是執業本身層級的改變：判斷寫在一個機器能跑、律師能監督的地方，一個工作流程接一個工作流程、一個團隊接一個團隊。這工作慢、個人、從組織圖上看不見，而它是唯一一種會改變事務所實際在做什麼的 AI 支出。

對那些拉得起來的事務所，最終獎賞是 Coca-Cola 財富。產出頂尖法律工作向來意味著為整層 associate 付錢，而那個成本正在崩塌。脫離小時模型、重設客戶期望支付水準的事務所，留住客戶永遠想買的東西（判斷、決策），同時脫掉大部分製造成本。 高階利潤率會大幅改善。Woodruff 要一瓶可樂在欲望的手臂可及處。最先拆地板的事務所，會把頂尖法律判斷放到全世界每個企業的每個困難決策的手臂可及處。

總結與結論