法律 AI 对就业的影响，正在从预测题变成一道数据题。SurePoint 近期发布的《2026 法学院招聘报告》显示，美国 Am Law 200 律所录用的初级律师人数，从 2022 年的 7489 人到 2025 年的 7426 人，四年间总体近乎持平。与此同时，大型律所的业务规模仍在增长。这个反差很容易被解释为“AI 替代新人”，但眼下更稳妥的判断是：AI 已经进入人才结构的变量表，却还不是唯一答案。
招聘曲线不能直接等同于替代曲线
初级招聘趋平早于法律 AI 的大规模部署。客户不愿为基础工作支付高费率、律所偏好能迅速创造收入的横向律师，以及企业法务把更多常规事项留在内部，都可能压缩传统的新人岗位。生成式 AI 又进一步改变了文件初筛、检索摘要、尽调清单和初稿整理的成本，于是多种因素叠加在同一条招聘曲线上。
因此，律所不宜只问“AI 减少了多少职位”，更应拆开观察：哪些初级任务的工时下降了，哪些工作被转移给客户，哪些岗位只是从法务执行转向法律运营、知识管理或产品支持。没有任务层数据，仅凭年度录用人数，很难识别其中的因果关系。
金字塔没有消失，但入口正在变化
过去，初级律师通过大量重复工作熟悉条款、证据和交易节奏。若这些任务先由 AI 完成，效率会提高，训练链条却可能出现空档。问题不是必须保留低价值劳动，而是怎样把机器处理后的成果重新设计成学习材料：新人要能核验出处、解释取舍、发现遗漏，并在不确定事实下向资深律师提问。
招聘标准也会随之变化。会使用某个聊天工具的熟练度很快会贬值，能够界定任务、校验依据、维护保密边界并对结果负责，才是更稳定的能力。对律所而言，这说明面试题和晋升记录应增加过程证据，而不是只看交付速度。
比人数更值得跟踪的四个指标
- 初级律师可计费工时中，检索、审阅、起草与客户沟通各自的占比变化；
- AI 辅助成果的复核时间、返工率和风险发现率；
- 从入职到能够独立承担判断型任务所需的周期；
- 初级招聘、横向招聘与法律运营岗位之间的预算迁移。
这些指标能帮助管理层区分“效率提升”与“能力断层”。如果新人数量下降，而独立执业所需时间反而拉长，短期利润可能掩盖长期供给风险；如果训练周期缩短且质量稳定，才说明 AI 切实改善了人才系统。
现阶段，把招聘趋平全部归因于 AI 仍然过早。但它已经提醒行业：自动化带来的不只是少做几小时工作，而是新人从哪里进入、如何积累判断力、何时能够承担责任。下一轮竞争可能不在于哪家律所压缩了更多基础工时，而在于谁先建立一条可验证、可持续的 AI 时代人才培养链。
资料线索
- SurePoint：2026 Law School Hiring Report
- Artificial Lawyer：New Associate Hiring is Flat – Is AI The Cause?
