AI时代律师的生存之道（四）：你可以外包你的思考，但不能外包你的理解

“你可以外包你的思考，但不能外包你的理解。”

Karpathy 这句话，乍一看是反直觉的，甚至有点费解。

我们一直被提醒要独立思考，从学生到工作。既然独立思考如此重要，为什么又说“思考可以外包”？

但放到今天的 AI 语境里，这句话其实并不矛盾。

过去几年，推理模型的发展已经把很多原本只发生在人脑里的中间过程，搬到了机器上。检索、归纳、比较、推演、反驳、起草、拆解问题、模拟不同观点，这些都曾经是我们所谓“思考”的一部分。现在，它们至少可以部分交给 AI 完成。

所以，“外包思考”不是放弃独立思考，而是把一部分可表达、可分解、可迭代的认知过程交给工具。

真正不能外包的，是理解。

我们平时说“我再想想”，里面其实混杂着很多动作。

有时是在查信息，有时是在整理材料，有时是在比较方案，有时是在找漏洞，有时是在把一个模糊问题拆成几个小问题。这些动作当然属于思考，但它们并不都必须由人完整地、亲手地做一遍。

一份合同拿来，AI 可以先帮你提取交易结构，标出付款、交付、验收、违约、解除、责任限制等条款。

一个案件材料拿来，AI 可以先帮你归纳事实，整理争议焦点，列出请求权基础，模拟对方可能提出的抗辩。

一份法律意见要写，AI 可以先帮你搭框架，补充法条，检索案例，生成初稿。

这些工作都很重要，但它们更像是通往判断的中间过程。过去由律师、助理、检索系统、模板和经验共同完成。现在，AI 把这些过程加速了。这就是“思考可以外包”的合理性。

2. 理解不能外包，因为理解不是一段答案

那什么是不能外包的理解？

理解不是看见一个答案，也不是复述一段解释，更不是拿到一份结构完整的文本。

理解是一个问题真正进入了你的判断体系。你知道它为什么成立，依赖什么前提，适用在哪里，边界在哪里，可能在哪里失效，以及它和现实目标之间是什么关系。

换句话说，思考更像过程，理解更像掌握。

AI 可以帮你走很多步，但不能替你真正掌握这件事。

比如 AI 在合同审查中提示：“建议增加违约责任条款。”这句话可能对，也可能很有用。但律师还要继续理解：为什么要增加？这个风险发生的概率有多高？客户有没有议价能力？对方是否会接受？如果违约金写得太高，会不会反而增加谈判阻力？客户现在最需要的是风险隔离，还是尽快成交？

如果这些问题说不清，那么律师只是拿到了一个建议，还没有理解这个建议。

同样，一份诉讼方案不是把请求权基础和案例列出来就结束。律师还要理解事实链条哪里强、哪里弱，证据能证明到什么程度，法官可能关注什么，对方最可能攻击哪里，客户是否承受得起时间、成本和结果的不确定性。

AI 能生成法律成果的外形，但律师必须理解法律成果的内在结构。

这就是理解不能外包的第一层含义：你必须理解自己交付出去的东西。

3. 法律实践的难处，在于它既追求确定性，又充满不确定

法律天然追求确定性。

合同要把权利义务写清楚，法律意见要给出判断，裁判文书要说明理由，合规方案要告诉客户什么能做、什么不能做。客户找律师，很多时候也是希望从混乱中得到一个相对确定的答案。

但法律实践又很难真正确定。

事实可能不完整，证据可能有缺口，语言可能有不同解释，规则之间可能存在张力，法官可能有不同裁量，对方也会根据你的动作调整策略。

更重要的是，法律问题从来不是孤立存在的。

一份合同背后有交易机会、议价能力、合作关系和时间压力。一个案件背后有成本、声誉、现金流、情绪、谈判筹码和未来关系。一个合规问题背后有业务模式、组织流程、管理层决策和市场竞争。

这就是法律工作的复杂性与社会性。

复杂性在于，法律判断常常不是单一变量决定的。社会性在于，法律意见不是写给抽象世界看的，而是要进入人与人、组织与组织之间的关系中发挥作用。

所以，法律人在追求确定性的路上，注定挑战重重。

AI 可以在文本、规则和推理层面提供强大帮助，但它并不天然理解一个法律问题在现实关系中的位置。它不知道客户真正焦虑什么，不知道对方为什么坚持某个条款，不知道一句话写进正式文件后会不会改变谈判格局，也不知道一个看似正确的法律建议会不会让客户的问题更难解决。

这些不是简单的“答案生成”问题，而是法律实践本身的问题。

4. 律师要理解的，不只是法律答案

因此，对律师来说，理解至少有三层。

第一，理解法律成果本身。

这份合同审查意见为什么这样改？这份诉讼方案为什么这样设计？这份法律意见的事实前提是什么？哪些结论是确定的，哪些只是倾向性的？哪些风险必须写明，哪些风险适合通过沟通提示？

第二，理解客户需求。

客户要的未必是最严密的法律文本，而可能是更快成交；客户要的未必是打一场官司，而可能是获得谈判筹码；客户要的未必是“零风险”，而是在可承受风险下继续推进业务。

第三，理解法律工作所处的关系。

法律服务发生在具体关系中。律师面对的不只是法条和案例，还有客户、对方、法官、监管者、合作伙伴、公司内部不同部门。不同关系会改变建议的表达方式、推进节奏和风险边界。

如果只理解文本，不理解客户；只理解规则，不理解关系；只理解答案，不理解问题，法律服务就容易变成“正确但没用”。

这也是 AI 最容易带来的错觉：好像有了答案，就已经解决了问题。

但律师知道，答案只是开始。

真正的理解，是能把答案放回客户的现实处境里，判断它是否有用、是否可行、是否值得，以及会不会带来新的问题。

5. 行动指南：把 AI 用在思考过程，把自己留在理解位置

所以，律师使用 AI，更好的做法，是让 AI 参与思考过程，但自己守住理解位置。

可以让 AI 帮你检索、整理、归纳、比较、起草、模拟反方。

但每次使用后，至少追问四个问题：

第一，这个答案为什么成立？

第二，它依赖哪些事实和假设？

第三，它放到客户处境里，是否真的解决问题？

第四，如果它错了、过度了、说早了，后果是什么？

如果这四个问题回答不上来，就说明我们只是拿到了 AI 的输出，还没有形成自己的理解。

当 AI 帮我们走完很多中间步骤之后，我们更需要理解问题本身、理解法律成果、理解客户需求、理解各方关系，并据此作出自己的判断。

因为客户最终需要的，不只是一份答案。

客户需要的是一个真正理解问题，并能帮助他解决问题的人。

---

参考：Andrej Karpathy, Sequoia Ascent 2026^([1])

引用链接

[1] Andrej Karpathy, Sequoia Ascent 2026: *https://karpathy.bearblog.dev/sequoia-ascent-2026/*\