不反对你们用 AI。但有几句话，我想说在前面；也有几件事，是我该先做到的。
有两件事，让我想分享一下我对使用AI的思考。
第一件。我在讨论一个合同条款的风险时给出了判断，一位年轻同事犹豫了一下，说：“可是 AI 说这个结论不对，和您的观点不一样。”
我问他：“那你怎么看？AI 的依据是什么？是哪一条规定、哪一个事实、哪一点业务背景让它得出了不同的结论？”
他答不上来。他只是把 AI 的结论带到了我面前。
第二件。一项新政策出台后，我请一位同事做一份合规洞察：分析这个政策，看看它对公司、对我们各块业务有什么影响，给公司做参考。
几天后，我收到了一份两万多字的报告。政策背景、条文逐条解读、国内外比较、行业趋势，面面俱到。
这份报告我没法用。不是因为它写错了什么，而是在公司内部，两万多字的东西不会有人花时间看。 它没有重点，没有按业务分类，业务同事拿到手，根本不知道哪一段和自己有关、自己下周该做什么。
这两件事都不是态度问题，同事很认真。但让我意识到，我需要把“怎么用 AI”说清楚。 不只是说“可以用”或“少用”，而是说清楚我期待什么、担心什么，以及我自己该做到什么。
先说说我自己怎么用 AI
我每天都在用 AI，而且用得很多。
我的习惯是：先自己做出法律判断，再让 AI 帮我梳理成初稿。 它在组织结构、补充角度、起草文字上帮了我很大的忙。
当 AI 给出的结论和我的判断不一样时，我不会直接接受，也不会直接忽略。我会先想一想它说得有没有道理。如果我仍然不认可，就否决它，并把我的逻辑讲给它听：我为什么这样判断，依据的是哪条规定，考虑了哪些业务和事实，然后让它在这个基础上进一步分析。
有时候它会补上我没想到的角度，有时候它会暴露我推理中的漏洞，让我修正自己的判断。但无论哪种，最后拍板的是我，而且我能说清楚为什么。
对法务来说，我认为核心就是三句话：
根据判断找依据，根据业务找依据，根据事实找依据。
判断是起点，但它必须经得起依据的检验：法律依据在哪里，业务上成不成立，事实是否支撑。依据站不住，判断就要改。AI 可以帮我们更快地找依据、更全面地检验判断，但它替代不了这个过程本身。
第一部分：我认为的五个要求
1. 熟悉的和完全不懂的，放心用；半懂不懂的，要警惕
这是我常说的一句话。
你已经很熟、但很耗时间的重复劳动，比如格式合同的初步审查、条款版本比对、文书格式整理，交给 AI 提效，省下的精力留给真正需要判断的事。
你完全不懂的领域，比如第一次接触某个行业的监管框架，让 AI 领你入门，帮你搞清楚基本概念、主要规定、该问什么问题。
最要警惕的是半懂不懂的地方。 完全外行时你会本能地怀疑，真正熟悉时错误一眼就能看出来。最危险的是中间那段：你懂的那一点，刚好够让你觉得 AI 说得对，却不够让你发现它哪里错了。
法律工作里，这种风险尤其具体。2023 年美国有一个很出名的案子[1]，两位律师向法院提交的材料里引用了好几个判例，结果这些判例根本不存在，都是 AI 编出来的，两人最后被法院罚款。还有研究者专门测试过主流的法律 AI 工具[2]，发现即使是专门为法律设计的产品，也会在相当比例的回答里出现错误或编造的引用。
AI 引用的法条看起来格式规范，案例看起来有名有姓，越像真的，越需要你去查原文。
2. “AI 说不对”不是意见，有依据才是
AI 和我的观点不一样，这本身很有价值。它可能真的发现了问题。
但如果你只是告诉我“AI 说这个结论不对”，这句话对我没有帮助。我需要知道的是：
- 它引用的是哪条规定？ 你查过原文了吗？是现行有效的吗？
- 它基于什么事实？ 和我们手上的合同、实际的履行情况对得上吗？
- 它考虑了我们的业务吗？ 我们的交易结构、商业目的，它知道吗？
把 AI 的不同意见，转化成有依据的法律分析，这恰恰是你的工作。如果你查完依据，发现 AI 是对的、我错了，请直接告诉我，我很乐意被纠正。我在乎的不是谁的观点赢，而是结论站在什么依据上。
3. AI 能给你法条，给不了业务和事实
AI 读过大量的法律文本，找规定、讲原理，它往往比新人快。
但它不知道这笔交易为什么要这样设计，不知道这份合同实际上是怎么履行的，不知道业务部门那边有一个没写进合同的口头约定，也不知道这类问题监管部门最近的实际执行口径。这些是只有在现场才能拿到的东西。
法律判断脱离了业务和事实，写得再完整也是空中楼阁。所以做任何分析，我都希望至少问一句：这里面哪些是 AI 推理出来的，哪些是我跟业务同事确认过、在材料里核实过的？
还有一点：让 AI 自己检查一遍它引用的法条，不等于核实。它读的还是同一份材料，犯过的错很可能再犯一次。真正的核实，是去查原文、查效力、问业务。
4. 合规洞察是写给业务看的，不是写给 AI 看的
回到那份两万字的报告。
我想说清楚一件事：企业内部的合规洞察，重点不是把政策讲全，而是把政策对业务的影响，准确地传递给具体执行这项业务的人。
业务同事不需要一篇完整的政策解读。他们需要知道的是：
- 这个政策和我负责的业务有没有关系？
- 如果有，具体影响在哪里？
- 我需要改什么、什么时候之前改好、找谁确认？
所以一份好的合规洞察，应该是按业务线分类的：公司受影响的是哪几点，采购业务是哪几点，数据相关业务又是哪几点，每一块都写清楚影响和行动建议。没有影响的业务，一句话说明即可。
这样的东西，篇幅可能只有两三页，但每个业务负责人都能在一分钟内找到和自己有关的部分。
AI 能在几分钟内生成两万字，这恰恰说明字数已经不值钱了。 值钱的是筛选和翻译：从大量信息里挑出真正影响我们的那几条，再把法律语言翻译成业务同事能直接执行的动作。这需要你了解业务，也需要你做判断，AI 替你做不了。
5. 交给我的，是人的判断，不是 AI 的回答
这是我的底线：不能让 AI 替你下一个你自己无法验证的结论，也不能把 AI 的回答原样当成工作成果交上来。
我不在乎文件的哪一段是 AI 起草的。我在乎的是，当我问“为什么这么判断”的时候，能说出自己的依据。
具体来说，交东西给我的时候，希望你顺带说清楚三件事：
- 哪些依据你核实过，怎么核实的
- 哪些地方主要依靠 AI，你还没有把握
- 你自己的判断是什么
说“这部分我没把握”完全没问题。把没把握的地方说出来，是负责任；把没把握的地方包装成确定的结论，才是问题。
第二部分：我认为应有的四个承诺
光提要求不公平。
1. 否决 AI 时会讲逻辑，否决同事时也会
我对 AI 是这样做的：不认可的时候，讲清楚我的逻辑，再让它进一步分析。
对同事，我认为也应这样做。我不认可你的结论时，会告诉你我的依据是什么、我是怎么想的。 你不认可我的结论时，也欢迎你拿着依据来跟我讨论。法律判断本来就应该在依据的碰撞里越来越扎实，而不是靠谁的职位更高。
2. 员工用 AI 提了效率，不应立刻把任务量翻倍
假设一份合同审查原来要一天，用 AI 之后两小时就出了初稿。但接下来核对法条原文、跟业务确认背景、修改条款，又花了三小时。算下来确实省了时间，AI 的价值是实实在在的。
但如果只看到“一天变成两小时”，就按四倍的量派活，那核对和确认的时间就没地方放了。结果要么是员工加班，要么是核对被跳过。在法务工作里，后者的代价可能非常大。
所以我认为安排工作时，要把核实依据、确认事实的时间一起算进去。
3. 给大家留出练判断力的机会
判断力不会凭空长出来。一个年轻同事如果一直只看到 AI 整理好的结论，就很难练出发现问题的眼光。
我建议的做法是：遇到有代表性的问题，先请大家自己写下判断和依据，再和 AI 的分析对照，看看差别在哪里、谁的依据更扎实。我或资深同事只讲最关键的一两处。这个过程会花一点时间，但我认为值得。
评价成果的时候，也不只看交付了多少，还应该看：以前需要我指出的问题，现在你能不能自己发现了；你的结论，是不是越来越能讲清依据了。
4. 超出能力及时说出来，不是失败
遇到拿不准的问题，先用 AI 往前走一段，理清思路、找到争议点，再来找我、找资深同事，或者建议请外部律师。这样的讨论更具体，也更节省彼此的时间。
做到一半发现超出自己的能力，及时说出来、找对的人，这本身就是专业判断。 硬撑着让 AI 往下写，把一个自己无法判断的结论交上来，才是我真正担心的。
AI 帮你走得更快，但判断、依据和对业务的理解，始终在你自己手里。
写给团队的建议备忘：
核心原则 根据判断找依据，根据业务找依据，根据事实找依据。
要求
- 熟悉的和完全不懂的，放心用；半懂不懂的，要警惕
- “AI 说不对”不是意见，有依据才是
- AI 能给法条，给不了业务和事实
- 合规洞察是写给业务看的，按业务分类，讲清影响和行动
- 交给我的，是你的判断，不是 AI 的回答
承诺
- 否决你们的结论时，我会讲清逻辑
- 效率提升了，不会立刻翻倍加任务
- 留出练判断力的机会，评价也看这一点
- 超出能力及时找人，不是失败
参考资料
[1] Mata v. Avianca, Inc.，美国纽约南区联邦地区法院，2023。律师提交的材料中引用了由 ChatGPT 生成的不存在的判例，法院对相关律师作出罚款处罚。
[2] Magesh 等，Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools，斯坦福大学，2024。 dho.stanford.edu/wp-content/uploads/Legal_RAG_Hallucinations.pdf