引言
Preface
上个月，一位在中资企业担任法务总监的朋友给我打电话。他们公司在东南亚投资设厂，当地律师出具了一份法律意见书，结论是"该交易结构合法可行"。我的朋友把意见书转给我，问："余律师，你觉得呢？"
我读了三遍。第一遍，看结论；第二遍，看论证；第三遍，看它没有说什么。
那份意见书没有错——在它分析的框架内，每一个结论都有依据。但它没有问：这个交易结构在当地的司法实践中会不会被"穿透"？有没有评估政治风险对法律结论的影响？有没有比较相邻国家的类似案例？
我对朋友说："意见书本身没问题，但如果你只按这个结构推进，可能会有麻烦。"后来发生的事情证明这个判断是对的。
这件事让我想到一个词：Sharp
不是"聪明"，不是"勤奋"，不是"懂很多"——这些都很重要，但还不够。Sharp是专业上的敏锐度：你能不能在别人只看表面的地方，看到深层的问题；在别人只看到一个答案的地方，看到多种可能性；在别人觉得"没问题"的地方，问出那个关键的问题。
这篇文章，想和你聊聊：在AI可以帮你查法规、写备忘录、做尽职调查的今天，让自己变得Sharp，比任何时候都更重要。
一、Sharp是什么？
先说说Sharp不是什么。
Sharp不是"反应快"。开会时第一个发言、谈判时马上给出回应，这不叫Sharp，这叫"快"。快有价值，但快不等于准。
Sharp不是"懂很多"。把法条背得滚瓜烂熟，这很重要，但单纯的知识储备在AI时代已经不是核心竞争力。你知道的，AI也知道；你不知道的，AI可以帮你查。
Sharp不是"经验多"。做了十年律师，办了一百个案子，这当然有价值。但如果没有有意识地复盘和提炼，经验只是时间的累积，不一定带来专业上的Sharp。
那Sharp到底是什么？
我觉得它包含三个维度：
（一）事实敏感度
在复杂的案情中，迅速识别哪些事实是关键的、哪些事实是缺失的、哪些事实可能是对方刻意隐瞒的。
这不是AI能替你做的，因为AI不知道哪些事实"看起来不重要但其实很关键"。
举个例子。一个客户说："我们的技术出口被海关扣了，说是需要两用物项许可证。"一个不Sharp的律师会说："那你们去申请许可证。"一个Sharp的律师会先问："这个技术是怎么被认定为两用物项的？海关的认定依据是什么？你们的技术参数和认定标准之间有没有解释空间？"
同样的事实，Sharp的律师问的问题不一样。
（二）法律直觉
在面对一个新问题时，能够迅速形成一个"方向感"：这个问题大概在哪个法律框架内、大概有什么样的解决路径、大概会遇到什么样的障碍。
这个"方向感"不是凭空来的，是大量案例在脑子里沉淀之后形成的直觉。
AI也可以给你方向感——事实上，你问AI一个问题，它会给你一个结构化的分析框架。但AI的"方向感"是基于训练数据的平均路径，而你的"方向感"是基于你对具体情境的判断。在边界模糊、利益复杂的真实案件中，你的方向感比AI的平均路径更值钱。
（三）后果预见力
不只是"法律上可行不可行"，而是"这么做会有什么后果"。这个后果，可能是商业上的，可能是声誉上的，可能是后续争议中的先例效应，也可能是对客户整个业务模式的影响。
一个Sharp的律师，在给客户建议的时候，不会只说"可以"或"不可以"，而会说："从法律角度，这条路径是可行的；但如果你这样做，可能会在X方面产生Y后果，你需要权衡一下。"这不是法律判断，这是专业判断；AI可以帮你做法律判断，但专业判断，只能是你的。
二、
一个场景：同样的案情，不同的眼光
说一个我亲历的场景——当然，细节已经脱敏。
中国一家制造业企业（以下简称"客户"）计划在德国设立研发中心，并收购一家当地的小型技术公司。客户找了两家律所做初步评估。
律所A的回复（不Sharp的版本）："德国对外商投资有审查机制，根据《对外经济条例》（AWV），特定行业的外资收购需要向联邦经济和气候保护部（BMWK）申报。贵司的业务涉及制造业，建议提前进行合规评估。此外，技术转让需注意《对外贸易和支付条例》（AWG）下的出口管制合规。"这段回复没有错。但它是"教科书式"的。任何一个人稍微查一下，不一定需要AI都能写出来。
律所B的回复（Sharp的版本）："德国对外投资审查在实践中有几个关键点，贵司需要特别注意：
第一，触发门槛。德国的审查门槛是10%股权——比很多司法辖区都低。贵司收购100%股权，毫无疑问需要申报。但更关键的是：如果贵司未来有计划通过增资方式扩大持股比例，现在的申报策略需要为将来的安排留空间。
第二，审查标准的模糊地带。德国法下的"公共安全或公共秩序"是一个弹性标准。近年来，德国政府在这个标准上趋于严格，尤其是在涉及"关键技术"的交易中。贵司收购的这家公司虽然小，但如果它的技术被认定为"关键技术"，审查时间可能延长，结果也有不确定性。
第三，补救措施的谈判空间。如果审查机关提出异议，不是一定不能做，而是需要谈判补救措施。我们在类似案件中看到的补救措施包括：承诺不直接接触某些技术、承诺数据本地化、承诺保留某些决策权给德国管理层。贵司需要对这些可能性有心理准备，并在交易文件中预留相应的合同空间。
第四，不只是收购。贵司计划在德国设立研发中心——这本身不触发审查，但如果研发中心的技术方向和被收购公司的技术有协同，德国政府可能会把两件事放在一起看。建议贵司的研发中心设立计划和收购计划做一个整体合规评估，避免被动。"
你看，同样一个问题，Sharp的律师看到的不只是"法律规定"，而是"规定在实践中的运作方式"——触发门槛、模糊地带、谈判空间、联动效应。这些都是"纸上没有、但实战中至关重要"的东西。
AI能不能给你类似的分析？——如果你问得足够好，AI可以给你一个相当不错的分析框架。但AI给你的，是"一般情况下的德国外资审查"；而律所B给你的，是"基于你们具体情况的、有优先级的专业判断"。
这个差别，就是Sharp的价值。
三、AI为什么替代不了Sharp？
有人说：AI越来越强，将来是不是不需要律师了？
我的回答是：AI不够Sharp，至少不会一开始就变得Sharp，因为Sharp的核心不是"处理信息"，而是"判断该把注意力放在哪里"。
具体来说：
（一）AI给的是概率，Sharp帮你下注
AI可以告诉你"在类似案件中，约有65%的概率仲裁庭会支持这项主张"——这是概率。但你是否要根据这个概率来制定策略？如果你的客户风险承受能力很低，65%可能不够；如果你的客户处于强势地位，65%也可能是一个可以谈判的起点。把概率转化为决策，需要Sharp。
（二）AI不知道什么是"重要的"
你给AI一叠尽职调查文件，它可以帮你提取关键信息、识别风险点。但它不知道：在这个具体交易中，哪个风险点是"致命的"，哪个风险点是"可以接受的"，哪个风险点看起来不重要但可能会在三年后变成大问题。判断重要性的能力，是Sharp的核心。
（三）AI看不到"不存在的东西"
AI的分析基于已有的数据——已有的案例、已有的法规、已有的交易结构。
但真正的Sharp，有时候体现在你能看到"这个案子交易中缺少的东西"：一份应该存在但没有出现的合同、一个应该被问到但没有人问的问题、一个对方刻意回避的话题。看到"不存在的东西"，需要人类的直觉和经验，AI做不到。
（四）Sharp包含"判断力"，而不只是"分析力"
分析力是把一个问题拆解清楚；判断力是在信息不完整的情况下做出决定。办案、谈判、给客户建议，很多时候你永远不会拥有"完整的信息"——你总是在信息不完整的状态下做判断。AI可以帮你补全信息，但在信息不完整的状态下做判断，这件事，只能你来。
所以，AI时代，Sharp不是变得不重要了，而是变得更重要了。
因为基础性的法律研究、文档审查、法规检索，AI可以做；但判断"该往哪个方向走""该把注意力放在哪里""该给客户什么建议"，这些，只能是你做。
四、
让自己变得Sharp：可以立即开始的练习
好，说到这里，你可能会问：Sharp是天生的吗？还是可以培养的？
我的回答是：有天赋的因素，但主要是可以培养的。以下是我自己用过、也推荐给年轻律师的四个练习：
01 判断复盘——每次给完意见，记下来你是怎么判断的，事后验证。这个练习很简单，但极少数人在做。
每次你给客户一个判断——不管是大到"这个案子可以打"还是小到"这个条款建议这样改"——花30秒，记一下：你是基于哪些信息、哪些考量，得出了这个判断。
然后，过一段时间，回过头来看：你的判断对了吗？如果对了，是因为你确实判断得准，还是运气好？如果错了，是哪里出了问题？
这个练习的价值在于：它让你把自己的判断过程变得conscious（有意识的），而不是依靠本能。本能有时候很准，但有时候会骗你；只有把判断过程变成有意识的反思，你才能持续改进。
02 主动寻找反例——刻意问自己"我是不是漏掉了什么"。
人在做判断的时候，有一个天生的偏见：确认偏见（confirmation bias）——你倾向于寻找支持你已经形成的判断的证据，而忽略挑战你判断的证据。克服这个偏见的方法只有一个：刻意寻找反例。每次你形成一个判断之后，强迫自己问："如果我是对方律师，我会怎么攻击这个判断？""如果这个判断是错的，最可能错在哪里？""有没有一种情况，我这个结论就不成立了？"
这个练习很不舒服——但没有人喜欢质疑自己的判断。但不舒服，恰恰是你在变得Sharp的信号。
03 跨案件归纳模式——不要只办一个案子，要思考一类案子。
很多律师办了很多案子，但每个案子之间是相互隔离的——办完一个，放下；再办一个，从头开始。Sharp的律师不是这样。他们会主动在不同案件之间寻找模式："这个案子里的争议焦点，和去年那个案子里的争议焦点，有什么相似之处？""这个法院在这个问题上的态度，和那个法院的态度，有什么不同？""这类合同条款，在实践中最容易出问题的地方是什么？"把这些模式记下来。
模式，就是你专业上的Sharpness的积累方式。AI可以帮你做归纳（事实上，你可以让AI帮你做跨案件的模式识别），但决定"哪些模式值得关注"，需要你的Sharp。
04 模拟情境试错——在脑子里（或纸上）推演"如果……会怎样"。
Sharp的律师有一个习惯：在真正做决定之前，先在脑子里推演几种不同的情境。
"如果对方不接受这个条款，我会怎么办？""如果仲裁庭不支持我们的第一项主张，我们的后备论点站不站得住？""如果客户选择了方案A，三个月后可能会出现什么问题？"这个练习不需要任何外部资源——你只需要在脑子里多走几步棋。围棋里有句话叫"手下一子，心想三步"，专业上的Sharp，也是一样的道理。而且，这个练习和AI可以很好地结合：你先自己推演几种情境，然后让AI帮你补充你可能漏掉的情境——这样，你的Sharp和AI的分析力就形成了互补。
五、
Sharp和知识架构的关系：架构是地图，Sharp是导航
回到本系列的第1篇——"搭建知识架构"。有读者问："知识架构和Sharp，到底是什么关系？"
我的回答是：知识架构是地图，Sharp是导航。地图很重要——没有地图，你不知道自己在哪里，也不知道可以去哪里。但有了地图，不等于你会导航。导航需要你判断：哪条路现在走得通？哪条路虽然远但更安全？哪条路看起来平但可能有坑？
在AI时代，搭建知识架构这件事，AI可以帮你做一半——它可以帮你梳理知识体系、推荐学习路径、甚至帮你发现你知识架构中的空白。但Sharp这件事，AI只能帮你做辅助——真正的导航，必须你自己来。
所以，我的建议是：用AI搭建你的知识架构，但用真实的案件、真实的判断、真实的复盘，来磨练你的Sharp。两者缺一不可。没有知识架构的Sharp，是"瞎Sharp"——你可能在某些具体问题上很敏锐，但没有系统，不可持续。没有Sharp的知识架构，是"死架构"——你知道很多，但不知道该怎么用，也不知道该往哪里走。两者结合，才是AI时代律师的核心竞争力。
共勉的话：
写到这里，我想起一句话。这句话不是什么名人名言，而是我在一次案件复盘会上对一个年轻律师说的："好的律师，不只是知道答案的人；而是知道该问什么问题、该往哪个方向走的人。"AI可以帮你找答案。但该问什么问题、该往哪个方向走——这件事，只能是你来判断的。
让自己变得Sharp，不是一天两天的事。它需要你有意识地练习、持续地复盘、主动地挑战自己的判断。但正因为这件事不容易，它才值得你投入时间。因为在AI可以替代越来越多基础性工作的时代，Sharp，是你不可替代的核心竞争力。
标记要点
Sharp的三个维度：事实敏感度、法律直觉、后果预见力。它不是反应快，不是懂很多，不是经验多——它是一种专业上的敏锐度。
AI替代不了Sharp：AI给概率，你下注；AI不知道什么重要；AI看不到不存在的东西；AI可以分析，但AI不会判断。
四个练习：判断复盘（把判断过程变得有意识）、主动寻找反例（克服确认偏见）、跨案件归纳模式（积累专业模式库）、模拟情境试错（在脑子里多走几步棋）。
Sharp和知识架构的关系：架构是地图，Sharp是导航；用AI搭建架构，用真实案件磨练Sharp；两者结合，才是AI时代的核心竞争力。
本系列共五篇，本篇为第二篇
①搭建知识架构（第1篇，已发布）
②让自己专业上变得Sharp（本篇）
③学会提问，与"龙虾"协作
④培养多任务多功能处理能力
⑤慢慢提供"情绪价值"
撰稿：余盛兴 排版：邵雯悦
作者简介
往期文章
