点击文末阅读原文链接，即可领取 AlphaClaw 免费试用。
简单来说，就是律师每年需要完成一定数量的客户业务工作时间，这项指标通常与绩效考核、奖金等直接挂钩。
但最近，一家美国顶级律所调整了考核制度：允许律师把学习、测试 AI 工具的时间，也计入年度工时目标。
这家律所是瑞格律师事务所（Ropes & Gray）。作为美国规模最大的律师事务所之一，瑞格拥有约 1500 名律师，2025 年营收超过 37 亿美元，在美国律所营收排行榜中位列第七。
根据最新政策，瑞格旗下的非合伙人律师及顾问律师，每年最多可以将 100 小时的 AI 学习和测试时间计入年度考核目标。
此前，该所还曾面向入职第一年的律师推出专项计划，允许他们将近 400 小时、约占年度要求 20% 的工时，用于 AI 培训和模拟实践。
据瑞格披露，仅今年以来，律所就已经累计投入超过 3.5 万小时的律师时间，用于 AI 相关学习和实践。
对于一家以律师工作时间作为重要经营资源的律所而言，这样的调整意味着，它愿意主动承担 AI 学习成本，为律师掌握 AI 创造条件。
从鼓励使用 AI，到把 AI 学习计入工时考核
瑞格律师事务所并不是唯一采取类似措施的律所。
今年 4 月起，美国 Akerman 律师事务所也开始允许律师将部分 AI 项目工作时间计入年度工时考核。
不过，与单纯学习 AI 不同，Akerman 更强调实际的应用价值。
律所通过内部平台发布 AI 相关任务，律师可以自行选择参与，也可以提出自己的项目创意。只要项目能够为律所创造价值，就有机会获得相应的工时认可。
据律所负责人介绍，已经有律师参与开发用于审查建筑合同的 AI Agent，也有人专门测试 AI 法律检索工具，记录其产生错误结果的情况。
两家律所的具体做法有所不同，但思路是一致的：不只是鼓励律师使用 AI，还要通过调整考核制度，为律师学习和探索 AI 提供支持。
过去，律所推动 AI 应用，通常会采用采购工具、组织培训、邀请专家分享等方式。
这些工作当然重要，但真正到了日常工作中，律师是否愿意投入时间研究 AI，以及能否找到适合自身业务的使用方法，仍然存在不确定性。
尤其对于工作繁忙的律师而言，学习新工具意味着额外的时间投入，而且未必能立即看到回报。
瑞格一名接受路透社采访的律师就提到，刚开始尝试 AI 工具时，往往需要投入大量时间，却看不到明显的效率提升。
这也是传统考核制度可能带来的问题。
当律师需要完成一定数量的计费工时，学习和探索 AI 就容易与日常业务争夺时间。即使律所已经采购了 AI 工具，律师也未必有足够的动力深入使用。
而瑞格和 Akerman 的做法，就是把原本需要律师自行承担的部分学习成本，转变为律所主动支持的工作投入。
为什么律所愿意投入时间，培养律师的 AI 能力？
一个重要原因是，AI 正在逐渐成为律师日常工作的组成部分。
如今，AI 已经可以参与法律检索、合同审查、文件分析、文书起草等大量法律工作。随着技术发展，工具的使用门槛也在降低，越来越多的律师可以直接利用 AI 解决业务问题。
但工具容易上手，并不意味着能够立即用好。
以法律检索为例，律师不仅需要知道如何向 AI 提问，还要明确检索目标、判断结果是否具有参考价值，并进一步核查法律依据。
处理更复杂的法律任务时，还需要提供必要的背景和材料，合理拆解工作步骤，并持续检查和调整输出结果。
这些能力，很难仅仅通过几场培训、几套提示词就完全掌握。律师需要在实际使用中不断尝试，才能逐渐了解 AI 的能力边界，找到适合自己的工作方法。
因此，律所为律师提供 AI 工具只是第一步，让律师真正掌握这些工具，同样需要投入资源。
而这件事，又不只是律师个人能力提升的问题。
对于一家拥有数十名乃至数百名律师的律所来说，如果只有少数人熟练使用 AI，效率提升往往局限于个人。但如果越来越多的律师能够掌握 AI，并把经过验证的工作方法在团队中推广，情况就会有所不同。
例如，一名律师摸索出的合同审查方法，可以成为其他同事的参考；某个团队经过反复测试形成的工作流程，也可以应用到类似业务中。
当这些经验不断积累，AI 带来的价值就有机会从个别律师的效率提升，进一步转化为整个律所的工作能力。
从这个角度看，瑞格等律所愿意为 AI 学习投入大量时间，不只是为了提高律师个人的工作效率，也是在为律所未来的业务能力进行投资。
对中国律所来说，有哪些值得借鉴的地方？
中国律所与美国大型律所的管理制度存在明显差异，未必需要照搬计费工时的做法，但这种管理思路仍然值得参考。
首先，是为律师学习和实践 AI 提供支持。
如今，国内许多律所已经开始组织 AI 培训，也有越来越多的律师主动学习新工具。
但相比单纯增加培训次数，更重要的或许是让律师有机会把学到的方法真正用起来。
例如，允许律师和团队投入一定时间测试新工具，鼓励他们将 AI 应用于日常业务，并交流实际使用效果。
对于律所管理者而言，也需要认识到，律师探索 AI 并非一定能立即提高效率，有些尝试可能没有效果，但这些经验同样有助于判断技术的适用范围。
其次，是让律师从 AI 工具的使用者，进一步成为应用方法的探索者。
Akerman 的做法就很有代表性。
相比单纯由技术部门决定采购什么软件，再交给律师使用，让熟悉业务的律师主动发现问题、提出需求、参与测试，可能更容易找到有价值的应用场景。
毕竟，最了解一项法律工作需要解决什么问题的，往往就是每天从事这项工作的律师。
最后，是将个人的使用经验，转化为团队可以共享的工作方法。
现在，不少律师已经积累了 AI 使用经验，有人擅长检索，有人善于处理复杂材料，也有人探索出了适合特定业务的 AI 工作流程。
如果律所能够鼓励律师交流经验，把经过验证的提示词、操作方法和工作流程整理出来，并在团队中持续改进，就有机会让更多律师受益。
当然，不同规模的律所能够投入的资源有所不同，不一定需要建立专门的考核制度，也未必需要投入大量培训经费。
但无论规模大小，都可以重新思考一个问题：律师花时间学习和探索 AI，究竟只是个人行为，还是值得律所主动支持的一项长期投入？
这可能比是否购买某一款 AI 产品，更值得律所管理者关注。
/ / /
对于律师来说，掌握 AI 最重要的方式，还是在实际工作中不断尝试。从自己熟悉的业务入手，利用 AI 解决具体问题，才能逐渐找到适合自己的使用方法。
如果你也希望进一步探索 AI 在法律工作中的应用，不妨试试专门面向律师打造的法律 AI 工具。
AlphaClaw，是专为律师打造的法律 AI 智能体，和通用 AI 相比，它：
无需接入 MCP，自带 6亿+ Alpha 法律大数据；
内置 200+ 官方自研 & 校友共享优质法律 Skill，每月更新；
自主调用工具，主动推进工作，帮律师完成复杂法律任务。
点击阅读原文，即可免费试用法律垂类龙虾 AlphaClaw，体验法律 AI 智能体+法律数据库+专业 Skill 的强强联合。
👇