前两天看到AI圈在讨论一件事：Anthropic把Claude for Legal开源了。
一口气推出二十多个MCP连接器、十二个法律专业插件，跟Microsoft 365深度整合，把DocuSign、LexisNexis、Thomson Reuters这些律所日常工具直接接进Claude。换句话说，Claude不再是一个聊天框——它直接走进了律师的真实作业环境，参与阅读合同、摘要案例、起草文书、跨系统协同追踪。
更有意思的是它那个「冷启动访谈」设计。律师团队做一次短访谈，系统就学会了你这家律所的playbook：你们的风险偏好、合同模板、行文风格——然后后续输出读起来就像「你们团队内部出的活儿」，而不是通用的AI文本。
我当时把新闻转发到工作群，说：现在法律专业的实习生真的越来越难了。
有同事回了一句：那咱们能用吗？
我下意识就想回：这是给律所用的，我们做保险的，跟法律工作没到那一步。
但这话打出来，我自己愣了一下。
为什么不能相关？
我们团队知识库，已经系统整理了大量民法典婚姻编和继承编的条文、保险法及司法解释、信托法理书籍、婚姻家庭纠纷典型案例。现在其实已经可以通过AI进行各种问答。但是，不同同事回答的结果，都可能因为提示词的不同而导致回答质量不一致。
我们之前缺的是一个「把法律知识变成顾问能用的弹药」的工作流。
这件事如果放在一年前，可能需要找一个懂编程的人帮我们搭接口、写脚本、调模型——折腾两三周，还不一定好用。
但现在？我跟AI协作，把Attraction-Legal这个法律查询功能打磨成了一个完整的标准化流程：同事提一个客户问题，系统自动检索法律法规和典型案例，生成结构化法律分析，外加一段可以直接转发客户看的沟通文稿。
有想法的人，不需要懂代码，也能做出以前只有程序员才能做的项目。所谓的AI平权，讲的就是这么回事。
换个例子。这周末，我花了不到一个工作日，给我们团队的图片素材库做了一个网站。上百张展业用的配图，以前找一张合适的要翻半天。现在用AI语义搜索，输入「适合讲退休规划用的图」，几秒钟就筛出来。
代码我一行都看不懂。网站怎么部署的、搜索怎么工作？我也不懂。
但这不妨碍我把它做到完美。花了多少钱？大概不到50块token费用——这还是用最贵的模型。如果用DeepSeek，可能五块钱。
读到这儿，你可能觉得：听起来也不难啊。
但说实话，我很确定一件事——大多数人看完这篇文章，激动了三分钟，然后继续该干嘛干嘛。不是不愿意，是真的做不到。
有人评价过：人类的核心价值，归根结底就是两种能力——定义问题的能力，和复杂决策的能力。
AI有无穷算力和海量知识，但它不知道该往哪个方向使劲。方向，得人来指。
但这两种能力太高阶了——大部分人是真的不具备。
这不怪谁，因为从小到大，我们受的教育教的是「解答问题」，从来不教「定义问题」。考试卷子上的题是出好的，你只需要算对。
但在真实世界里，最值钱的本事恰恰相反：你得先看清局面、自己把题出出来，然后再调用一切资源去解它。
AI时代把这两种能力的稀缺性推到了极致。因为AI把「执行力」这个维度彻底打平了——当所有人都能几天内做出一个网站、一套工作流、一个自动化系统的时候，差距不再来自「谁能做」，而是来自「谁能想清楚做什么」。
这恰好是人与人之间真正的鸿沟。也是——我个人觉得——一个团队领导者最核心的竞争力。
麦肯锡最近一份报告说得直白：AI可以替代大量管理职能——流程优化、绩效考核、数据追踪——但它替代不了领导力。因为领导力的本质不是管好人，而是在信息不完整的时候，靠直觉和判断力给团队指一个方向。
AI的核心价值是处理「确定性场景」，而人类独有的优势是应对「不确定性」。学会跟工具协作是一码事——知道该让工具往哪个方向跑，是更高维度的事。
为什么我们要建Attraction-Legal？因为我们看到了一个真实的业务痛点——客户问法律相关的问题，顾问不能只靠临时百度。有了系统，任何一个新同事都能几分钟内拿到有法条、有案例、有分析的专业回复。
这不是省时间的问题，是提升了我们团队的专业底线。这就是我想要打造的。
如果你希望跟着一个知道往哪走的团队，而不是只会告诉你去找谁问答案的团队——欢迎跟我们聊聊。
文章评论