生成式 AI 正在高技能专业服务行业制造一种危险的繁荣假象。过去两年，无论是写代码、回客服还是改商业文案，各类研究几乎都指向同一个规律：AI 是拉平经验差距的利器，资历越浅的人吃到的即时红利越大。
美国国家经济研究局（NBER）最新披露的一篇工作论文，把这层温情脉脉的表象撕开了一道口子。劳动经济学学者 David Autor 携手 Google 团队，针对 11 家美国知识产权律所的 133 名执业专利律师展开了一场为期 3 个月的随机对照试验。试验结果给出了一个极为反直觉的结论：让初级律师用 AI 写专利，产出确实更漂亮了；但一旦把 AI 抽走，这群新人不仅没有沉淀出对应的专业判断力，反而陷入了残酷的能力分化。
连升两级的产出，与归零的独立判断
这项研究的核心设计，在于分开了工具协助下的产出质量与个人内化的专业判断力。受试律师按经验是否满 7 年划分为资深与资浅两组，并以约 2:1 的比例随机分配，试验组可以使用 Google Labs 研发的未公开专利 AI 助手 InFlow，对照组则纯人工执业。所有成果均由独立律所的专利律师进行双盲评审。
在有 AI 辅助的专利撰写任务中，数据与大众预期一致。试验组在第 10 天比对照组高出 0.34 个标准差，第 90 天优势扩大至 0.38 个标准差。初级律师的进步尤为显著，主要是低分草案大幅减少，迅速向中游靠拢。
真正的分水岭出现在第 90 天的脱机审校测试。这项任务要求受试者不借助任何工具，人工审阅一份漏洞百出的既有专利文本并予以修订，用来衡量律师内化的底层判断力。
结果令人错愕。试验组总体虽高出 0.32 个标准差，但红利全部由资深律师揽下，其得分比对照组高出 0.45 个标准差。而刚在起草中尝到最大甜头的初级律师，脱机后的平均增益直接归零。
专家的脚手架，新人的障眼法
为什么资深者脱机后变得更强，新人却打回原形？文本分析揭示了两人群在认知转化上的根本差异。
审校专利时，资深律师能够基于底层法理直接重塑条款结构；而大量初级律师只在旁注中列出漏洞，却无法落笔修改。更有意思的是，初级律师留下的批注口吻，极度类似于在向 AI 下达提示词。研究团队对比对照组后发现，这种只提要求不会动手的现象在没用过 AI 的新人身上同样存在。
认知工具只会奖赏那些已经建立心智模型的人。
换句话说，初级律师提不出解决方案是执业初期的基线缺陷，但 InFlow 的高效代劳掩盖了这种不足。对资深律师而言，AI 是一套加速验证法理假设的认知脚手架，长期交互反向巩固了专家直觉；但对新人而言，工具成了全盘托管思考的黑盒。
更为严峻的信号是初级律师成绩的两极分化。在脱机审校中，试验组初级律师的中段分数大幅缩减，极差与极好的极端评分同时膨胀。AI 催化了一小部分善于追问机理的新人跃升，却让另一部分新人彻底放弃了底层直觉的构建。
这种趋势并非法律行业独有。在软件工程领域，Anthropic 此前的一项研究显示，依赖 AI 工具学习新函数库的初级程序员，在随后的无工具知识测试中得分比纯手写对照组低了 17%。当思考的摩擦力被算法全盘抹平，学徒期赖以成长的试错成本虽然下降了，心智发育的通道也被悄然阻断。
利益链条下的学徒制危机
解读这篇论文时，必须先看清其背后的利益边界。论文披露显示，Google 承担了该实验的直接经费，第一作者 David Autor 受 Google 访问学者项目资助，其余 6 位作者中有 5 位就职于 Google 并持有股权。由于顶级专利律师计费工时高昂，样本量最终受限在 133 人，3 个月的观察周期相对于动辄数年的法律专才培养而言也过于短促。
但即便存在这些局限，这项实验依然精准击中了传统专业服务业的致命痛点：传统的学徒制正在因自动化而解体。
- 风险.律所历来靠初级员工处理繁琐起草来完成计费和磨炼基本功，如今 AI 几秒钟就能生成合格初稿。机构短期内享受到了产能跃升，代价却是行业后备力量专业直觉的永久性迟滞。
- 结论.当交付物可以被算法粉饰，组织如果继续按静态产出评估能力，必将面临高端专业人才断代的危机；建立定期的脱机盲测与批判性推演，将是留存组织专家心智的唯一防线。
在需要即时做出高风险决断的法庭辩论与客户谈判桌上，屏幕上的生成按钮是派不上用场的。AI 确实让平庸的起点变高了，但通往真正卓越的窄门，从来都不提供捷径。