人工智能成功实施关键在于以人为本的支持
快速阅读: 法律行业AI转型需重视员工发展，通过培养好奇心和创造力、经验驱动学习及风险管理，确保技术增强而非替代专业能力，促进团队创新与效率提升。
法律行业在人工智能领域的最终成功将取决于我们如何支持与之共事的人类工作者。为了实现变革的成功，我们必须培养好奇心和创造力——这些是最具可转移性的技能。将人工智能投资置于风险管理框架下有助于保护公司和客户免受潜在的合规问题。对于人工智能影响的不确定性可以重新定义为可能性。在我领导法律团队经历了从纸质发现到人工智能驱动审查的技术转型的三十年间，我观察到，在技术变革期间专注于员工发展的组织，其成果往往优于那些仅仅关注效率提升的组织。
生成式人工智能正在改变律师研究、起草、审查和分析法律文件的方式。尽管这些工具具有高度的技术复杂性（及其局限性），但人工智能实施的成功与否最终将取决于最传统的一个因素：我们如何支持那些必须学习与人工智能协同工作的人类工作者。
熟悉的颠覆模式
在电子发现早期，一些律师表达了对技术可能终结实质性法律工作的担忧。有人对技术能够改善法律程序的建议持强烈反对态度。这些担忧与今天关于生成式人工智能的忧虑相似——工作岗位的流失、法律专业知识的商品化以及律师行业的终结。虽然生成式人工智能的能力提出了比以往技术更为根本的问题，但对职业价值和就业安全的基本焦虑依然存在。
当我们20多年前创建电子发现业务时，采取了我称之为“梦想之地”的方法，稍微改写了1989年的棒球电影台词：“如果你建好了它，他们就会来。”我们建立了一个由律师和技术人员组成的专门团队，擅长电子发现和诉讼技术，投资于先进科技，并创建了以防御性为重点的可重复流程。我们没有强迫不愿接受技术的律师因恐惧而改变，而是让成果自己说话。
所担心的实质性法律工作的终结从未发生。相反，技术解放了律师，使他们能够专注于更高价值的法律分析和策略。这一模式在我见证过的每一次技术转型中都得到了重演；当人们看到技术是在增强而非取代核心的专业能力时，抵制就会转变为接受。
人工智能转型的四大支柱
基于数十年来应对技术变革的经验，我确定了四个成功的AI采用支柱，这些支柱不仅重视运营效率，还优先考虑人类的繁荣发展。
支柱一：通过有意识的变革实现心理安全感。
现代神经科学的见解表明，不确定性会激活我们的威胁检测系统。但如果以一种有意识的态度对待变革，我们可以将不确定性重新定义为可能性。有效的方法包括意识和视角。当我们鼓励一种可能性的视角，而不是忽视挑战的现实时，人们会变得好奇而非防御，更愿意合作。随着专为电子发现设计的生成式AI技术的融入，我们实时见证了这一点。这项技术被编织进我们的协作中，人们开始将其视为团队成员，而不是障碍或负担。成功的变革需要创造空间，让人们注意到抵制而不立即试图解决或忽视这些自然反应。这意味着承认变化的同时，明确指出什么保持不变：法律判断、与客户和同事的关系建设以及战略倡导的核心价值。
支柱二：培养好奇心和创造力作为终极可转移技能。
在观察了数百名律师应对技术颠覆后，我可以自信地说，最成功的适应者具备两个关键特质：好奇心和创造力。好奇的人会问这样的问题：这个AI工具看到了哪些我可能忽略的模式？如果我们将其与其他已使用的系统结合会发生什么？这个算法是如何决定什么是相关的？这种将技术视为协作伙伴而非威胁的心态已被证明是可以通过实践和经验加以强化的。最近，我们的团队承担了一个涉及多年手写扫描图像的复杂文档分析项目。当第一个生成式AI工具只部分完成了任务时，我们的好奇心被激发了，于是使用了第二个AI工具完成了任务。这种灵活地在不同技术之间切换以达成目标的适应性问题解决能力，正是电子发现专业人士多年来一直展现的技能。
好奇心和创造力不仅是特质，还可以被培养。注重培养终身学习的心态，使专业人士保持内在的学习和适应动力，将带来丰厚回报。领导者应在AI培训项目中激发好奇心，鼓励创新，并奖励实验。同样重要的是找到有效的方法，让人们能够分享知识，从彼此的发现中学习。领导者还应创造空间，让人们敢于犯错。试错是创新的一部分，培养一种无畏（而非鲁莽）的文化也是基础。
第三支柱：有效的经验驱动学习。
根据我的经验，传统的公司培训，尤其是与技术变革相关的培训，往往因过于重视演示和正式教学而失败。据领导力发展中心的研究表明，有效的学习遵循70-20-10模型：70%来自具有挑战性的经历，20%来自与他人的关系，10%来自正式培训。在十年前实施技术辅助审查2.0时，我们遇到了阻力。传统培训课程未能推动采用；我们转向了体验式学习。我们没有从理论上解释TAR 2.0的工作原理，而是向几位精心挑选的律师展示了它如何通过首先呈现最相关和重要的文件来加速审查过程。他们在实际案件中亲眼看到，这项技术不是取代人类判断，而是提高了效率。这些律师通过亲身体验成为支持者，而不是通过正式培训。这种“展示而非讲述”的方法同样推动了生成式AI的快速采用。由于生成式AI工具更加直观且技术门槛较低，人们可以立即感受到其带来的好处，我们看到了显著更高的采纳率。当人们有地方分享使用案例、提示和将生成式AI应用于工作的想法，例如通过Microsoft Teams频道或其他协作平台，我们看到创造力蓬勃发展。
第四支柱：从风险管理角度审视AI投资。
在组建我们的电子取证团队时，商业案例并非单纯围绕技术实施以提高效率。法律行业面临严重的风险和挑战，随着潜在证据扩展到电子存储信息，这些风险和挑战变得更加复杂。我们通过关注可辩护性来保护客户和公司的利益，防止可能的制裁。这一风险管理方法得到了公司领导层的认可，他们理解质量至关重要。一次发现制裁可能会造成比任何技术投资成本更大的声誉损害。我们投资于培训专业的电子取证律师和技术人员，并利用先进技术正确做事，而不仅仅是降低成本。今天的电子取证AI采用应遵循同样的策略。将AI投资视为风险管理，包括：
质量风险：尽管AI可以在律师团队和法律事务中创造更高效的工作成果，但验证AI输出并确保严格的流程检查至关重要。
竞争风险：客户越来越期望AI驱动的效率。缺乏这一点，公司可能会失去市场地位给技术更先进的竞争对手。
人才保留风险：有实力的人才希望使用尖端技术。AI投资成为人才投资，帮助公司留住并吸引最优秀的人才。
监管风险：早期采用允许公司在法规要求具体方法之前，制定符合其价值观和道德义务的合规框架和AI治理方法。
人力投资的重要性
根据2024年的一项调查，法律专业人士正在经历职业倦怠和不确定性，情况比疫情前更糟。这是一个复杂的、多层面的挑战。以人为本的方法将有助于实现更可持续的福祉，并带来超越技术能力的优势。亲身经历告诉我，感受到支持的团队会更加投入和创新。当2023年专为电子取证设计的生成式AI工具可供测试时，我们的团队成员早已准备就绪。稳定的团队在技术转型期间维持更强的联系，以员工发展著称的公司能吸引更好的人才和客户。最成功的AI实施有一个共同特点：它们在追求运营效率的同时，也重视人的发展。这不仅符合伦理，也是良好的商业实践。当人们在成长过程中感到支持时，他们会对技术创新更加积极，而不是抵触。
作为一名在多次技术变革中保持沉思实践的人，我认识到可持续的变革在于顺应而非对抗人类心理。法律行业与人工智能的关系最终将由我们以何种智慧引领人们度过这一转型期来决定，而不是算法的复杂性。那些结合技术洞察力与真正关心人类福祉的领导者，将在人工智能时代构建最具创新性、韧性和成功的电子发现团队和法律组织。在我参加的一年冥想指导培训中，UCLA的一位老师说过一句话让我铭记于心：“不确定性的对立面是可能性。”这种可能性意味着人们有机会获得更大的满足感，发挥出最佳的工作状态——而不仅仅是提供更高效的法律服务。本文不代表Bloomberg Industry Group, Inc.（《彭博法律》、《彭博税务》和《彭博政府》的出版方）及其所有者的观点。作者信息：Ruth C. Hauswirth 是Cooley律师事务所的特别顾问及电子发现部门负责人。投稿指南：为我们撰稿。
(以上内容均由Ai生成)
