初级律师招聘四年持平，AI还难单独归因

相关工具：法律服务 Skill 北大法宝 MCP MCP-Doc Word 文档处理

7489人，7426人——美国Am Law 200律所录用初级律师的人数，从2022年到2025年几乎没有变化。SurePoint近期发布《2026法学院招聘报告》时，大型律所同期的业务规模仍在增长。招聘曲线和业务曲线背离，老问题又被提起：生成式AI是否挤占了初级律师岗位？现有数据还无法回答。

招聘放缓早于法律AI的大规模应用

初级律师招聘趋平，早在法律AI大规模部署前就已出现。企业客户近年持续控制外部法律服务成本，对初级律师处理基础工作的高费率接受度下降；部分律所更愿意招聘能较快形成收入的横向律师；企业法务部门也把更多常规事项留在内部。这些因素都会压低律所对新人的需求。

生成式AI增加了一个变量。文件初筛、法律检索摘要、尽调清单制作和初稿整理，过去会占用初级律师大量时间，如今部分可由AI辅助完成。但公开招聘数据只呈现录用结果，无法区分工时缩减、业务转移、岗位调整和宏观市场变化各自的影响。

变化也未必表现为岗位消失。一些执行性工作可能转入企业客户内部，或由法律运营、知识管理和产品支持人员承接。缺少任务、工时和岗位预算数据，仅凭年度录用人数判断AI的替代效应，容易高估单一技术因素。

基础工作减少后，训练从哪里补上

培养问题更棘手。传统律所的人才金字塔依赖底层重复劳动：初级律师在合同审阅、证据整理、检索和交易文件起草中熟悉条款、事实材料和业务流程。AI提高基础工作效率后，这条训练路径可能缩短，也可能让经验积累不足。

部分律所需要重新设计培养方式。机器生成的检索、摘要或初稿仍需人工核验。新人应能追溯依据、说明取舍、识别遗漏，并在事实不完整时向资深律师提问。这类复核工作能否形成稳定的训练机制，关系到初级律师从辅助执行转向独立判断的速度。

招聘和考核标准也会随之调整。会用某款聊天工具并不构成护城河，任务界定、法律依据核验、客户信息保密和对最终成果负责仍是核心要求。律所的面试、培训和晋升记录，除交付效率外还需保留检索路径、复核过程和风险识别等证据。

判断影响，要把数据拆到任务层

判断AI是否改善了律所人才体系，除招聘人数外还需持续观察：

• 初级律师可计费工时中，检索、审阅、起草和客户沟通所占比例的变化；
• AI辅助成果所需的复核时间、返工率和风险发现率；
• 初级律师从入职到独立承担判断型任务的周期；
• 初级招聘、横向招聘与法律运营岗位之间的预算变化。

这组数据有助于区分效率提升与能力断层。如果新人减少，达到独立执业要求的时间反而拉长，短期省下的成本会转化为中长期的人才供给压力；训练周期缩短、质量与风险控制稳定，才能说明AI对人才培养有明确的正面作用。

现阶段，客户控费、业务内部化、横向招聘偏好和技术应用共同影响大型律所的人才结构。把招聘趋平单独归因于AI，依据并不充分。

资料来源

• SurePoint：2026 Law School Hiring Report
• Artificial Lawyer：New Associate Hiring is Flat – Is AI The Cause?