پرش به محتوای اصلی
پرش به محتوای مقاله

مطالعه NBER: وکلا با کمک AI پیش‌نویس بهتر می‌نویسند اما بدونش قضاوت‌شان ضعیف

·۲ آبان ۱۴۰۵۴ دقیقه مطالعه
هوش مصنوعی کیفیت پیش‌نویس‌های وکیل م patent جوان را بهبود می‌bcd اما استقلال تصمیم‌گیری آنها را کاهش می‌دهد.
هوش مصنوعی کیفیت پیش‌نویس‌های وکیل م patent جوان را بهبود می‌bcd اما استقلال تصمیم‌گیری آنها را کاهش می‌دهد.
اشتراک‌گذاری
واقعاً چه چیز جدید است؟

نخستین آزمایش میدانی که هم پیش‌نویس با AI و هم قضاوت بدون AI را در یک طراحی کنترل‌شده می‌سنجد و واگرایی نتایج را بین وکلاهای ارشد و جوان مستند می‌کند — پیش از این فقط سود فوری گزارش می‌شد.

اگر امروز برای ابزار هوش مصنوعی در کار حقوقی پول می‌دهید، باید بدانید: بهره فوری ممکن است هزینه‌ی بلندمدت داشته باشد. مطالعه‌ای جدید گوگل این پارادوکس را در دادگستری برند ثبت کرده است.

مطالعه NBER با حمایت مالی گوگل، با ابزاری آزمایشی به نام InFlow (Google Labs) روی وکلاهای برند انجام شده است. همان‌طور که در تحلیل قبلی ما درباره‌ی هوش مصنوعی زاینده (Generative AI) در مهن‌های حرفه‌ای اشاره کردیم، تنش بین بهره‌وری لحظه‌ای و مهارت ماندگار در حال عمیق‌تر شدن است. این تنش در ادامه‌ی تلاش‌هایی چون استفاده از Qwen برای مستندسازی ردپای تصمیمات انسانی در حقوق قرار می‌گیرد. نتیجه ردلاینینگ هم‌خوانی با اولویت بازبینی انسانی بر تولید آنی متن دارد. این الگو با یافت‌های گوگل دیپ‌مایند درباره‌ی عدم تسریع پژوهش‌های علمی توسط AI هم‌خوانی دارد.

نمودارهای مقایسه‌ای امتیازات پیش‌نویس بین گروه کنترل و هوش مصنوعی پس از ۱۰ و ۹۰ روز.

طراحی مطالعه

پژوهش‌گران دو اندازه را جدا کردند: وکلا اول با کمک AI پیش‌نویس نوشتند، بعد بدون ابزار قضاوت کردند. این طراحی به محققان اجازه داد هم کیفیت کار با کمک AI را بسنجند و هم قضاوت درونی وکلا را پس از برداشتن ابزار. دو‌سوم شرکت‌کنندگان برای دو وظیفه پیش‌نویس برند از InFlow استفاده کردند؛ یک‌سوم بی‌ابزار ماندند. در وظیفه سوم «ردلاینینگ» (Redlining) — یعنی بررسی انتقادی پیش‌نویس موجود — همه وکلا بدون هیچ ابزار AI قضاوت کردند. همان‌طور که نویسندگان توضیح می‌دهند، پیش‌نویس‌نویسی عملکرد فوری با کمک AI را می‌سنجد، در حالی که ردلاینینگ قضاوت درونی را می‌سنجد — وظیفه‌ای که وکلاهای برند به‌طور روتین بدون ابزار انجام می‌دهند. وکلاهای برند در یک Firma مستقل و به‌صورت کور (Blind) نتایج را در پنج بُعد امتیاز دادند: اجراپذیری، دقت فنی، ابهام استراتژیک، کامل بودن و شفافیت. اندازه‌گیری‌ها در فواصل ۱۰ روزه و ۹۰ روزه انجام شد.

نتایج پیش‌نویس: وکلاهای جوان بیشترین سود را بردند

در وظایف پیش‌نویس، گروه با ابزار در هر دو بازه زمانی و در تمام پنج بُعد از گروه کنترل پیشی گرفت. پیشرفت در وکلاهای با کمتر از هفت سال سابقه متمرکز بود؛ آن‌ها امتیازهای پایین کمتری گرفتند. امتیازهای بالا تقریباً ثابت ماند؛ بهبود از حذف بدترین‌ها و افزودن امتیازهای میانی آمد. این الگو با یافته‌های نوشتن، خدمات مشتری و توسعه نرم‌افزار هم‌خوانی دارد که در آن‌ها AI شکاف تجربه را تنگ می‌کند. با دسترسی به AI، وکلاهای جوان امتیازهای پایین کمتری روی پیش‌نویس‌های برند دریافت کردند. سود برای وکلاهای جوان بسیار بیشتر از وکلاهای ارشد بود. به گزارش محققان، این با بدنه‌ی رو به رشد مطالعاتی هم‌سو است که نشان می‌دهد AI شکاف عملکرد بین کارکنان کم‌تجربه و باتجربه را می‌بندد.

نمودارهای مقایسه‌ی امتیازات ویرایش بین گروه کنترل و هوش مصنوعی پس از ۹۰ روز.

نتایج ردلاینینگ: فقط وکلاهای ارشد برتری حفظ کردند

ردلاینینگ نتیجه عکس داد. گروه با ابزار امتیاز بهتری داشت، اما این مزیت کاملاً متعلق به وکلاهای ارشد بود. وکلاهای جوان علی‌رغم پیشرفت بزرگ در پیش‌نویس، در ردلاینینگ هیچ سودی نکردند. توزیع امتیازشان پهن‌تر شد — هم امتیاز پایین بیشتر، هم امتیاز بالا بیشتر، بدون رشد در قله. در ردلاینینگ بدون AI، وکلاهای جوانِ گروه با ابزار پراکندگی امتیاز گسترده‌تری نشان دادند. محققان این را نشانه‌ی تسریع مهارت در برخی جوانان و جایگزینی مهارت در دیگران تفسیر می‌کنند، اگرچه آزمایش دلیل واگرایی را توضیح نمی‌دهد. وکلاهایی که بیشترین سود را از AI بردند، همان‌هایی بودند که کمترین مهارت ماندگار را حفظ کردند؛ این محققان را به این نتیجه رساند که تخصص پایه پیش‌نیاز تبدیل تمرین با کمک AI به توانایی پایدار است.

مکانیزم: وکلاهای ارشد و جوان از AI متفاوت استفاده کردند

یک تحلیل متنی تکمیلی یک توضیح ممکن می‌دهد:

  • وکلاهای ارشد بیشتر پیش‌نویس معیوب را بازساخت کردند و تغییرات را در اصول حقوقی مبنا نهادند.
  • وکلاهای جوان اغلب ایرادهای جدی را دیدند اما رفع نکردند، یادداشتی گذاشتند شبیه دستور به یک عامل هوش مصنوعی (AI Agent).
  • این رفتار در گروه کنترل هم دیده شد، که نشان‌دهنده شکاف پایه در سطح جوانان است که استفاده از AI برطرف نکرد.
  • نویسندگان این را عادت آموزش‌دیده با AI نمی‌دانند؛ آن را شکاف پیشین می‌انگارند.

محدودیت‌های اعلام‌شده توسط نویسندگان

  • حجم نمونه کوچک ناشی از نرخ ساعتی بالا وکلاهای ارشد.
  • شرکت‌های مشارکت‌کننده نماینده کل خدمات حرفه‌ای نیستند.
  • اندازه‌گیری مهارت پایه انجام نشد.
  • پنجره سه‌ماهه کوتاه است در مقایسه با سال‌های لازم برای ساخت تخصص برند.

چرا این تنش مهم است

تنش بین سود فوری بهره‌وری و توسعه مهارت ماندگار تا زمانی مهم است که کار حرفه‌ای قضاوت بدون AI می‌طلبد — در جلسات با موکل و جلسات دادگاه که پشتیبانی لحظه‌ای AI در دسترس نیست. حتی اگر AI در آینده ردلاینینگ را هم پشتیبانی کند، احتمالاً در لحظات پرریسک و لحظه‌ای قضاوت در دسترس نخواهد بود.

شواهد موازی از حوزه‌های دیگر

الگوهای مشابه در جایگاه‌های دیگر دیده می‌شود:

  • مطالعه آنتروپیک (Anthropic) نشان داد توسعه‌دهندگان جوان که کتابخانه برنامه‌نویسی جدید را با کمک AI یاد گرفتند، در تست دانش پیگیری ۱۷ درصد بدتر عمل کردند از کسانی که بدون AI یاد گرفتند.
  • میدیا لابراتوری MIT بدهی شناختی از تفکر واگذار شده در نوشتن مقاله را رصد کرد.
  • مطالعه BCG ۲۰۲۳ نشان داد مشاوران ضعیف‌تر با GPT-4 بسیار بیشتر از قوی‌ها پیشرفت کردند.
  • محققان استنفورد استدلال می‌کنند AI دانش کتابی — دارایی اصلی کارکنان اول کار — را جایگزین می‌کند، در حالی که حرفه‌ای‌های باتجربه تخصص دستی دارند که AI به‌سختی جایگزین می‌کند.
  • آنتروپیک اخیراً گزارش داد که مشاغل جوان در بخش مهندسی آن از ۲۱ درصد در اوایل ۲۰۲۵ به ۱۴ درصد افتاده است.

پیامدهای گسترده‌تر

مطالعه وکلاهای برند به بحث وسیع‌تری درباره فرسایش تخصص حرفه‌ای می‌چسبد که برخی محققان «تراژدی مشاع شناختی» (Tragedy of the Cognitive Commons) می‌نامند. شرکت‌ها به‌صورت انفرادی از اتوماسیون سود می‌برند، در حالی که هزینه توسعه استعداد ناتوان شده بر کل یک حرفه پخش می‌شود. این مطالعه شواهد تجربی از عمل واقعی برای تقویت آن نگرانی فراهم می‌کند.

دقت کنید که آیا Firmaهای حقوقی و سایر خدمات حرفه‌ای آموزش را بازطراحی می‌کنند تا تمرین‌های قضاوت‌سازی را در کنار پذیرش AI حفظ کنند. مرز بعدی سنجش این است که آیا جلسات تمرین ساختاریافته «بدون AI» می‌تواند سودهای کوتاه‌مدت را به تخصص پایدار تبدیل کند.

گام بعدی شما

  • اگر وکیل یا مدیر تیم حقوقی هستید، جلسات «بدون AI» هفتگی برای تمرین قضاوت مستقل در برنامه بگذارید.
  • معیارهای ارزیابی استخدام و ترقی را بازبینی کنید: فقط کیفیت خروجی با ابزار نه، بلکه عملکرد بدون ابزار را هم بسنجید.
  • در آموزش وکلاهای جوان، اول مبانی حقوقی را تقویت کنید، بعد ابزار AI را معرفی کنید.

اما داستان تأثیر این الگو بر معماری تیم‌های حقوقی و مدل‌های درآمدی Firmaها هنوز تمام نشده است — به تحلیل آتی ما درباره‌ی بازطراحی گردش‌کار حقوقی در عصر عامل‌های هوش مصنوعی مراجعه کنید.

چرا این موضوع مهم است؟

این یافته قضاوت مستقل را به عنوان دارایی استراتژیک تعریف می‌کند که اتوماسیون نمی‌تواند جایگزین کند — فیرم‌ها باید آموزش را از «چگونه از AI استفاده کنیم» به «چگونه بدون AI قضاوت کنیم» بچرخانند. اعتبار این نتیجه از طراحی آزمایشی NBER و تکرار الگو در توسعه نرم‌افزار و مشاوره مستند است.

تأثیر برای ایران

در حال حاضر اثر مستقیمی بر کاربران ایرانی ندارد؛ ابزار InFlow منتشر نشده و دسترسی به APIهای پیشرفته گوگل برای وکلاهای ایرانی محدود است.

·نگاه ما
تحریریه دات‌هوش

این مطالعه اولین شواهد میدانی است که نشان می‌دهد AI می‌تواند در کوتاه‌مدت شکاف تجربه را ببندد، اما در بلندمدت آن را عمیق‌تر کند — چون تمرین قضاوت، نه تولید خروجی، سازنده تخصص است. قانون مقیاس‌پذیری در اینجا معکوس عمل می‌کند: هرچه مدل قدرتمندتر شود، وابستگی به آن برای کارهای سطح پایین افزایش می‌یابد و مسیر رشد به سطح بالا مسدود می‌شود.

منابع

این گزارش با خط‌لولهٔ خودکار دات‌هوش از منابع معتبر جهانی تدوین و زیر نظر تحریریه منتشر شده است. روش کار ما

گفتگو

پنج‌شنبه‌های هوش‌محور

بسته‌ی هفتگی دات‌هوش

۵ خبر، ۲ ابزار، ۱ پرامپت در هر شماره. به‌زودی راه‌اندازی می‌شود — هر پنج‌شنبه صبح.

خبر کلیدی
ابزار کاربردی
پرامپت حرفه‌ای
تحلیل پژوهش
به‌زودی
زاویه‌ی ایرانی
به‌زودی
تمرین این هفته
به‌زودی

راهنماهای دات‌هوش

راهنماهای کاربردیِ دات‌هوش برای کار با هوش مصنوعی — از همین‌جا شروع کنید:

دات‌هوش

راهنمای فارسی هوش مصنوعی — با نگاه به ایران

اخبار روزانه، معرفی ابزارها و مدل‌ها، و آموزشِ کار با هوش مصنوعی؛ همیشه با این پرسش که از ایران چه چیزی کار می‌کند و چه چیزی نه.