这段时间，一个词开始在职场里反复出现：

AI脑烧（AI Brain Fry）

Harvard Business Review 在2026年3月的一项研究里提到：

14%的职场人，在使用AI后出现明显的认知过载和精神疲惫。

有人形容得很直白：

• 脑子像开了20个标签页
• 一直在改prompt
• 明明用了AI，反而更累

很多人第一反应是：

是不是AI的问题？

但如果你是做法务的，可能已经隐约感觉到——

这件事没那么简单。

一、法律人，其实是最容易“脑烧”的一群人

有个细节很有意思：

研究里显示，法务是“AI脑烧”比例最低的群体之一（约6%）。

看起来像是“幸存者”。

但如果你真的在用AI做合同审查，你可能知道另一面：

👉 法务不是不烧，而是“还没全面用起来”。

一旦开始深度使用，比如：

• 用AI审合同
• 写法律意见
• 做条款修改
• 跟AI反复对话优化结果

很快就会进入一种状态：

不是你在工作，是你在“伺候AI”。

二、先分清：什么是“AI脑烧”，什么是“AI脑腐”？

AI生成

很多人把这两个概念混在一起，但其实完全不是一回事。

1.AI脑烧：短期过载（你现在就可能在经历）

典型表现：

• 一份合同改了5轮prompt还不满意
• AI给的建议要反复核验
• 信息太多，反而更难判断
• 一天下来，比纯人工还累

本质是：

认知负荷被放大，而不是被减轻

2.AI脑腐：长期退化（更危险，但不容易察觉）

典型表现：

• 不再自己判断条款是否有风险
• 习惯直接接受AI结论
• 写意见越来越依赖生成
• 审查逻辑开始变“模糊”

本质是：

思考能力被“外包”之后逐渐退化

可以用一句话区分：

• 脑烧：你太用力了
• 脑腐：你不用力了

而最危险的，是这两件事会连在一起发生：

反复脑烧 → 选择放弃思考 → 进入脑腐

三、问题不在AI，而在法律场景的“使用方式错了”

很多公司现在的做法，其实很熟悉：

• 给你一个大模型
• 或者接入一个AI工具
• 然后说：去用吧

听起来是不是很像当年的：

• Excel刚进公司
• 邮箱刚普及

结果是什么？

• Excel变成“公式研究工具”
• 邮箱变成“信息轰炸器

今天，AI正在重复同样的路径。

但法律场景有一个更致命的问题：

它不是一个“信息处理问题”，而是一个“判断系统问题”。

如果没有规则、标准、边界：

• AI给你10条建议
• 你要花时间判断哪条是对的

👉 这就是脑烧的根源。

四、法律人正确使用AI的关键：不是更会问，而是“少让自己判断”

很多人以为，AI用得好的人，是“prompt高手”。

但在法律场景里，真正高效的人，反而在做另一件事：

减少需要自己判断的次数。

五、5个实操方法：避免脑烧，也避免脑腐

下面这部分是最关键的，可以直接用👇

方法1：不要让AI“自由发挥”，先给它边界

错误用法：

• “帮我审一下这份合同”

正确用法：

• 明确审查范围（只看违约责任 / 付款条款等）
• 明确判断标准（超过多少比例算风险）

👉 本质：把你的判断标准前置

方法2：把“判断”变成“选择题”，而不是“问答题”

错误方式

• 让AI直接给结论

更优方式：

• 让AI列出风险等级 + 修改方案
• 你只做选择

👉 降低认知负担，而不是增加信息量

方法3：不要反复调prompt，改“流程”

很多人陷入一个误区：

结果不好 → 改prompt → 再试一次

但真正该改的是：

• 是否拆分任务（识别 / 判断 / 修改分开）
• 是否分步骤执行

👉 流程设计，比prompt更重要

方法4：建立“自己的审查标准”，而不是每次重来

如果每次你都在

• 重新判断什么是风
• 重新解释公司立场

那一定会脑烧。

更好的方式是：

• 固化审查标准
• 让AI基于这套标准工作

👉 这一步，才是从“工具使用”走向“系统使用”

方法5：刻意保留“必须自己思考的部分”（防脑腐）

建议保留三件事一定自己做：

• 最终风险判
• 关键条款决策
• 复杂场景分析

👉 AI可以帮你做80%，但20%必须自己守住

六、再说一个更现实的问题：AI发展太快，法务怎么跟上？

现在最大的问题，不是AI不好用，而是：

变化速度太快，使用方式跟不上

很多法务会有一种焦虑：

• 今天这个工具好用
• 明天又换一套
• 学不完

但真正需要跟上的，不是工具，而是三件事：

1. 学会“任务拆解”

任何复杂工作，都可以拆成：

• 识别
• 判断
• 输出

2. 学会“定义标准”

不是让AI更聪明，而是：

让AI按你的标准做事

3. 学会“设计流程”

AI不是一个点，而是一条链路。

七、一个真实场景：一条违约责任条款，是怎么被“AI+人”一起改出来的？

讲一个很多法务都遇到过的场景。

某公司在审一份采购合同，对方给了一条看起来“很正常”的违约责任条款：

“如一方违约，应承担因此给对方造成的全部损失，包括但不限于直接损失、间接损失及预期利益损失。”

业务同事的第一反应是：

“这条挺常规的吧？以前也见过。”

但法务看一眼，基本都会皱眉。

问题不在“有没有写违约责任”，而在：

• 责任范围无限扩大（包含间接损失、预期利益）
• 没有上限
• 对己方极其不利

1.传统做法：人工硬改（高耗能，容易“脑烧”）

过去的处理方式通常是：

• 法务自己改一版
• 写一句“建议修改为……”
• 来回邮件沟通3-5轮

中间会发生什么？

• 业务问：“为什么不能这样写？
• 对方问：“你们依据是什么？”
• 法务还要再补解释

👉 一条条款，来回折腾半天

2.引入AI后的“第一阶段”：更快，但更累

很多人现在会这么做：

• 把条款丢给AI
• 问：“这条有没有风险？”

AI通常会给出一段很长的分析：

• 指出风险 ✔
• 给出修改建议 ✔
• 甚至列一堆法律依据 ✔

看起来很好，但实际体验是：

👉 信息更多了，但判断压力也更大了

你还是要：

• 判断AI说得对不对
• 判断改法是否符合公司策略
• 再手动整理成对外话术

这一步，其实很容易进入“AI脑烧”：

看了很多，但更累了。

3.优化后的做法：让AI做“80%”，人只做“关键20%”

真正高效的方式，通常是把流程改掉，而不是多问几次。

✔ 第一步：限定AI的任务（不让它发散）

不是问：

“有没有风险？”

而是直接定义：

• 识别风险点
• 标注风险等级
• 给出2-3种可选修改方案（不同强度）

✔ 第二步：让AI输出“结构化结果”，而不是一大段话

例如输出变成：

风险识别：

• 风险类型：责任范围过宽
• 风险等级：高

修改方案：

• 方案A（强保护）：不承担间接损失 + 责任上限=合同金额30%
• 方案B（平衡）：不承担预期利益损失 + 上限=合同金额50%
• 方案C（弱保护）：保留部分责任，但排除间接损失

✔ 第三步：法务只做一件事——选方案 + 微调

这时候，法务的工作就从：

• “从0写答案”

变成：

• “在已有方案中判断最合适的一种”

比如最终定稿为：

“违约方仅对因其违约行为给对方造成的直接损失承担赔偿责任，且赔偿总额不超过本合同项下已支付金额的30%。”

4.最关键的变化，不是快了，而是“不会再反复烧脑”

这个过程中，最重要的变化其实不是效率，而是：

✔ 不再反复思考同一个问题

• 什么算风险 → 已定义
• 怎么改 → 有模板
• 改到什么程度 → 有边界

✔ 审查逻辑开始“沉淀”

这次的修改，不只是解决了一份合同，而是：

👉 变成下一份合同的标准答案

✔ AI开始“越用越准”

当类似条款越来越多：

• 系统会知道你更倾向选哪种方案
• 风险判断会越来越贴近公司立场

5.这就是“避免脑烧”的核心方式

回到前面说的“AI脑烧”，你会发现：

问题从来不是：

AI给得不够多

而是：

你每次都在重新判断一切

真正有效的方式是：

• 把判断前置（规则化）
• 把输出结构化（减少理解成本）
• 把决策简化（选择而不是创造）

最后补一句

很多人以为：

用AI，是让自己更聪明

但在合同审查这种工作里，更重要的是：

让自己不用每次都重新聪明一遍。

结尾

很多人问：

AI到底是帮手，还是“脑力杀手”？

答案其实很简单：

它会放大你原本的工作方式。

如果你的方式是混乱的，它会让你更混乱；

如果你的方式是清晰的，它会让你更高效。

所以问题从来不是：

“AI会不会替代你？”

而是：

“你有没有能力，让AI不把你拖垮。”