AI 可能讓律師更忙而不是更閒：Lowenstein Sandler 主席拆解法律業的 Jevons 悖論

TL;DR

• 法律業正在經歷 AI 帶來的雙重變革：效率提升加上思維夥伴（thought partner），後者是過去任何技術浪潮都沒有的新東西
• 一個原本報價太貴被客戶拒絕的盡職調查專案，AI 把成本砍了七成，客戶馬上說好。零營收變成三百萬美金營收，Jevons 悖論在法律業活生生上演
• 專利客戶的發明數量翻了四倍，每件專利的成本在下降，但總工作量反而增加
• 所有法律 AI 工具目前都是吃到飽定價，即將轉向 token 計價。真正的成本結構還沒人看得清楚
• 美國最大律所 2025 年平均時薪漲了百分之十點一，遠超 CPI 的百分之三。AI 讓每個小時變得更值錢，而不是讓律師變便宜

Podcast 與來賓背景

這集在 2026 年七月十三日播出的 Odd Lots 是 Bloomberg 旗下的財經 Podcast，主持人是 Joe Weisenthal 跟 Tracy Alloway，兩個都是資深財經記者，節目風格是找一些「看起來冷門但其實跟你的錢有關」的題目來聊。這次的來賓是 Gary Wingens，Lowenstein Sandler 的主席。Lowenstein Sandler 是一家大約四百人的美國律所，主要服務私募股權、創投、對沖基金跟科技公司。Wingens 從 2008 年開始同時擔任主席跟管理合夥人，掌權近十八年，今年二月才把管理合夥人的位子交出去。他自己是結構性金融律師出身，對法律業怎麼用 AI 有第一線的觀察。

---

每次技術革命，律師都活下來了

Tracy 在節目開頭丟了一個很好的歷史觀察：法律業經歷過抄寫員、打字機、Word、LexisNexis 搜尋引擎，每一波都有人喊「律師要完蛋了」，但每次律師都活下來了。

Wingens 自己的經歷就是最好的例子。他剛入行的時候，菜鳥律師的工作之一是用手工比對文件差異（blacklining）。客戶按小時付費，付錢讓一個法學院畢業生坐在那邊一行一行比。兩年後有了比對軟體，九十秒就搞定。那個工作消失了，但他說「我還是有做不完的事」。

這段歷史讓我想到之前在科技業正在裂成兩半：六千人的調查告訴你，AI 時代誰在狂歡、誰在崩潰裡整理的數據。五成人覺得被放大，五成人覺得地板在晃。法律業也在經歷同樣的分裂，只是因為行業特性，他們的反應更慢、也更謹慎。

效率工具 vs 思維夥伴：這次真的不一樣

Wingens 把 AI 對法律業的影響分成兩層。

第一層是效率。這個大家都懂，跟過去的技術革命一樣，就是把重複性工作自動化。文件比對、盡職調查、合約審閱，這些原本要大量人力的工作，AI 能砍掉很大一塊。

第二層是他說的「思維夥伴」，這是過去從來沒有的。他舉了一個很具體的例子：他有個合夥人是國際稅務專家，專門幫家族辦公室搞跨國資金架構。這個人會用 AI 來測試自己的理論，AI 會給回饋，有時候驗證、有時候推翻。然後他把 AI 產出的報告交給助理去做真正的法律研究確認。

重點來了：這個迭代過程，合夥人加 AI 加助理再加 AI，最後產出的架構是任何一方單獨都想不到的。

Joe 問了一個很尖銳的問題：你怎麼知道這不只是跟聊天機器人來回對話產生的幻覺？你怎麼確定這真的有附加價值？

Wingens 的回答很實在。稅務那個例子他說他不確定怎麼量化。但專利那個例子有硬證據：他們用 AI 輔助撰寫專利申請已經六個多月，客戶主動跟他說「我們注意到你們的申請品質在過去六個月明顯提升」。而且是客戶自己講的，不是他問的。

為什麼會更好？因為專利律師大多是軟體或電機工程背景，但 AI 能帶入生物學家、化學家的視角，寫出更廣泛的專利申請。這點我覺得很有意思，等於是用 AI 做了跨領域的知識嫁接。

三百萬美金的 Jevons 悖論

整集最精彩的段落是 Wingens 用自己的真實案例解釋 Jevons 悖論。

他有個客戶需要審閱上千份信託合約。三年前報價的時候，基於全部由人工處理，價格太高，客戶直接說「不做了，風險沒高到值這個價」。營收：零。

一年後，AI 把成本砍了七成。同一個客戶馬上說「這個價格可以，做吧」。用假數字來說：一千萬的時候客戶不做，三百萬的時候客戶做了。律所從零營收變成三百萬營收。

這就是 Jevons 悖論。價格下降不是讓市場萎縮，而是把原本不存在的需求釋放出來。

Tracy 提到的保險業例子也很生動：保險公司用 AI 拒絕理賠，理賠人用 AI 反駁保險公司，最後變成一堆機器人在互相發文件，人類還是得在最後面收拾。聽起來很荒謬，但這可能就是法律業的未來。

專利那邊的數字更誇張。客戶告訴 Wingens，因為他們自己內部也在用 AI，工程師和科學家提出的發明數量翻了四倍。每件專利的成本在下降，但總工作量暴增。

老實說，這個邏輯跟之前在大家都在問 AI 賺不賺錢，Benedict Evans 說「我也不知道」，然後給了你一張地圖裡討論的 AI 經濟學很像。便宜不一定代表市場變小，有時候反而是把整個市場撐大。

時薪漲百分之十，CPI 只漲百分之三

這裡有一個反直覺的數據。

2025 年美國最大律所的平均時薪漲了百分之十點一。同年 CPI 大約百分之三。Wingens 說他從來沒看過這麼大的差距。

他的解釋是：因為 AI 讓每個計費小時變得更有生產力、更有價值。過去一個小時的工作量，現在可能濃縮了三倍的產出。所以時薪往上走，但客戶買的那個「解決方案」的總價反而可能下降，因為需要的小時數變少了。

這個邏輯意味著法律業可能走向兩極化：頂級律師的單位時間越來越值錢，但中低階的重複性工作被 AI 吃掉。

菜鳥律師的未來：更有趣但更難訓練

Wingens 說他們沒有減少招聘。2027 年暑期實習生都已經招好了。但他們開始改變要找的技能組合。

現在的新人訓練已經要求大家帶筆電、開 AI 工具，邊學邊用。比如在教併購交易結構的時候，會要求學員把某個條款丟進 AI，讓它生成一個對賣方有利的談判版本，然後討論 AI 給出的東西好不好。

但 Joe 問了一個很好的問題：做 scales 很無聊，但你就是得做。如果菜鳥律師不再經歷那些枯燥的重複工作，他們怎麼培養細節敏感度？Wingens 坦承他也不知道答案，但他跟 Joe 有同樣的擔憂。

這讓我想到那個壽司之神的紀錄片。你得先花十五年學洗米，才有資格捏壽司。如果 AI 讓你跳過洗米，你還能成為壽司之神嗎？

吃到飽要結束了，真正的成本還是謎

整集最讓我坐直的一段是 Wingens 提到：所有法律 AI 工具目前都是吃到飽定價，但即將轉向 token 計價。

他說到七月八號為止，他們還沒有辦法看清楚真正的成本結構。他自己這個月用 Claude 花了三十六塊美金，但那只是三個工作天加上國慶假期。如果未來 token 價格沒有持續下降，或者撞上能源瓶頸導致運算成本上升，之前假設的「AI 讓一切變便宜」的前提可能需要重新檢視。

這跟 Tracy 提的 Uber 類比一模一樣。創投補貼了大家叫外賣的成本，等到要賺錢的時候，價格上去了，使用量就下來了。法律 AI 現在可能也處在同一個「補貼期」。

超級明星律師 vs 知識共享的矛盾

Joe 問了一個很犀利的問題：如果你是那個被挖角、拿天價薪水的明星律師，你會想把自己的所有模板和知識分享到公司的 AI 系統裡嗎？

Wingens 承認這是一個巨大的問題，而且不是技術問題，是人性問題。律師天生就是高度自主的物種，成功的合夥人更是如此。他們的態度基本上是「你不要告訴我怎麼執業」。但現在 AI 需要大家把知識貢獻出來才能發揮最大價值，這跟律所的文化正面衝突。

他甚至猜測，某些天價挖角的部分動機，可能就是為了把那個人的知識吸進系統裡。花一億請一個人，換到的不只是那個人，而是那個人腦子裡的所有交易經驗。

我的觀察

這集給我最大的感覺是：法律業可能是觀察 AI 對知識工作影響的最佳窗口。因為它有明確的計價單位（小時）、明確的產出（合約、訴狀、專利）、還有客戶端的直接回饋。

Jevons 悖論在法律業的表現特別清楚。成本下降不是讓律師失業，而是把原本「不值得做」的案子變成「值得做」。專利數量翻四倍、原本放棄的盡職調查重新啟動、訴訟門檻降低讓更多案件進入法律程序。

但 Tracy 在結尾講的那句話值得所有人記住：AI 帶來的生產力提升，最後可能不是讓大家更輕鬆，而是讓官僚體系無限膨脹。你省下八小時的工作量，但你的競爭對手也省了，所以你就得去找新的八小時來填。

這個未來聽起來不太浪漫，但可能比「AI 取代所有人」更接近現實。

想看更多這類產業觀察，歡迎訂閱 wilsonhuang.xyz。