一项涉及133名专利律师、为期三个月的实地实验表明，AI 辅助能改善即时表现，尤其是对初级律师而言。但当 AI 被撤走后，只有资深律师仍能保留这些优势。
AI 辅助究竟是建立还是侵蚀专业能力，是研究中一个有争议的问题。美国非营利经济研究机构国家经济研究局（NBER）的一份工作论文，通过在十一家美国知识产权律师事务所开展为期三个月的随机对照试验来探讨这一问题。
该研究 将两件事区分开来：先让律师在 AI 辅助下工作，再让他们在没有 AI 的情况下评估结果。这一设计让研究人员既能衡量 AI 辅助工作的质量，又能衡量律师自身判断力在此后的保持情况。一家独立律所的盲评专利律师从五个维度对所有结果进行了评分：可执行性、技术准确性、策略性模糊、完整性和清晰度。
在这项由 Google 资助的研究中，三分之二的参与者获得了 Google Labs 一款未发布的 AI 助手 "InFlow" 的使用权，其余三分之一则在没有任何 AI 的情况下工作。在两项专利权利要求撰写任务中，只有实验组可以使用 InFlow，而对照组在无辅助的情况下完成相同任务。
在第三项称为红线批注（redlining）的任务中，所有参与者都必须在没有 AI 的情况下批判性审阅一份现有的专利草稿。正如作者所解释的，撰写衡量的是 AI 辅助下的即时表现，而红线批注衡量的是内化后的判断力，这是专利律师通常在没有任何工具的情况下执行的常规任务。
AI 主要提升初级律师的草稿质量
在撰写任务中，实验组在第10天和第90天两个时间点都明显优于对照组，效果体现在全部五个评分维度上。更高分数主要来自差评减少和中评增多，而最高分几乎没有变化。
经验少于七年的初级律师的收益远大于资深律师。研究人员表示，这与越来越多的研究结果一致，即 AI 会缩小经验较少与经验较多员工之间的表现差距，这一效应已在写作、客服和软件开发领域被观察到。
只有资深律师保留 AI 带来的优势
红线批注则产生了相反的结果。实验组的总体得分更高，但这一优势完全来自资深律师，初级律师完全没有获益，尽管他们在 AI 辅助撰写中取得了最大的进步。
相反，初级律师的成绩出现分化，中评数量大幅减少，被更多的差评和更多的好评所取代，且高分端没有任何增长。作者将其解读为 AI 加速了部分初级律师的技能成长，同时在另一些人身上取代了技能成长，但实验并未解释为何效果会出现分化。
从 AI 中获益最多的律师，恰恰是持久技能保留最少的律师，这促使研究人员提出，基础专业能力可能是将 AI 辅助实践转化为持久能力的前提条件。
一项补充文本分析提供了一种可能的解释。资深律师更常重构有缺陷的草稿，并将修改建立在法律原则之上，而初级律师常常发现严重缺陷却不予修复，留下的批注读起来像是对 AI 助手的指示。由于这种行为在对照组中也同样出现，作者并未将其归因于使用 AI 养成的习惯，而是认为这是初级层面的基础能力缺陷，而使用 AI 并未能修复它。
研究结果的实际意义
作者指出了几项局限性，包括由于顶级律师的高计费费率导致的样本量偏小、参与律所不能代表整个专业服务行业、缺乏基线技能测量，以及与积累专利专业知识所需的多年时间相比，三个月的窗口期过短。
研究人员认为，只要专业工作仍然需要不依赖AI的判断力，即时生产力提升与持久技能发展之间的紧张关系就很重要，而且这种情况很可能还会持续很长时间。即使AI最终能支持redlining工作，在客户会议和法庭程序等现场判断、风险极高的场合，AI恐怕也无法实时供律师使用。
类似的模式也出现在其他领域。在软件开发中，一项 Anthropic研究 发现，借助AI学习新编程库的年轻开发者在后续知识测试中的得分比不借助AI学习者低17%。在论文写作中，MIT媒体实验室发现了 认知负债 （cognitive debt）的迹象，即外包思考带来的负担。而在管理咨询领域，一项 BCG研究 早在2023年就表明，较弱的顾问借助GPT-4获得的提升远高于表现优异者。
斯坦福大学的研究人员解释了多个行业中 初级岗位的减少 ，他们认为AI基本上可以取代学校与大学中的教科书知识，而这正是早期职业员工所能提供的主要东西；经验丰富的专业人士则还拥有AI难以轻易替代的实践经验。
这项专利律师研究引发了一场关于专业知识侵蚀的更广泛讨论，一些研究者称之为“认知公地悲剧”。个体事务所从自动化中获益，而人才发展受阻的代价却扩散到整个行业；这项研究为支持这一担忧增添了来自真实执业环境的更多实验证据。
Anthropic最近表示 ，自2025年初以来，其工程部门的初级职位比例从21%下降到14%。