Thomson Reuters AI 可计费工时分析揭示定价冲突

Thomson Reuters 表示，AI 每年可为每位律师节省 190 个工作小时，但大多数外部法律支出仍以按小时收费的方式结算。Thomson Reuters 对 AI 可计费工时的分析揭示了一种专业服务公司已无法再视为理论问题的冲突：AI 奖励更快完成工作，而按小时计费却会把这种效率转化为可出售单位的减少。

英国《金融时报》近期的一项分析将 AI 形容为冲击律师、顾问、会计师及其他顾问收费结构的铁球。问题并不只是软件更快地完成了常规工作。企业的经济模式、人员配置、职业路径和绩效目标，原本都围绕完成这些工作所需的时间建立。

如今，核心博弈已经很清楚。客户希望 AI 带来的节省反映在更低成本或更优结果上。专业服务公司则需要在为技术、监督以及自动化系统仍缺乏的专家判断提供资金的同时维持收入。

这种张力不会在一夜之间消除按小时计费。但对于软件能将其从数小时压缩至数分钟的可预测工作，这一模式将更难自圆其说。

AI 让计费冲突变得可衡量

重要的变化不在于专业服务公司使用 AI，而在于客户现在可以追问：节省下来的时间去了哪里。

法律 AI 可以检索判例法、比对合同、总结证据开示材料、起草常规文件，并在海量文档中识别条款。合格的专业人士仍必须复核结果，但初步处理所需的人力时间可以大幅减少。

Thomson Reuters 估计，律师预计每年可通过 AI 平均节省 190 个工作小时。其对律所经济模式的分析将这些潜在节省的价值估算为美国法律工作每年约 200 亿美元。

同一研究发现，80% 的受访律所人士预计 AI 将改变其组织的运营方式。定价、人员配置和服务交付正处于这一预期变化的核心。

这些发现对按小时收费的委托构成直接挑战。如果一项研究任务过去需要十小时，现在只需三小时，一张准确的账单就会记录三小时。客户获得效率收益，而律所失去七个可计费单位。

律所可以将节省下来的时间投入更多案件、客户咨询、业务拓展或内部复核。但只有需求增长足以吸收这部分产能时，这种方式才行得通。它还假设，律所能为那些常规任务已消失的人员找到更多高价值工作。

另一种选择是提高小时费率。这种做法能保护每位专业人士对应的收入，却会让矛盾更加显眼。当工具降低了所需投入时，客户完全可以质疑，为什么软件辅助的工作反而采用更高的小时费率。

固定费用则反转了这一激励机制。如果律所同意以约定费用交付明确结果，高效完成工作便可提升利润率。AI 随之成为经济优势，而非对已记录工时的威胁。

但固定费用会将风险转移给服务提供方。范围界定不当、意外的复杂性或大量人工核验，都可能让原本看似有吸引力的委托变得无利可图。在承担这种风险前，律所需要更好的历史数据和更清晰的完成标准。

这正是争议超出账单格式的原因。律所必须决定客户购买的究竟是什么。答案可能是时间、已完成的任务、获得专业知识的机会、降低的风险，或可衡量的商业结果。

按小时计费避开了其中一部分讨论，因为时间很容易统计。AI 削弱了一个前提：被统计的时间能够可靠地代表已交付的价值。

这种冲突在文档密集型法律工作中尤为明显。合同审查和证据开示通常包含 AI 可加速的重复性步骤。战略建议、谈判、法庭代理以及对最终判断承担责任，则更难标准化。

这种差异意味着定价很可能会按任务拆分。常规部分可以转向固定收费或按单位收费；不确定、对抗性强或开放式的工作仍可按小时收费。

与用一种通用方案取代可计费工时相比，这种拆分更为可行。但它也要求律所在理解自身工作时达到许多现有工时录入系统从未被设计来提供的细致程度。

Thomson Reuters AI 可计费工时问题始于律所内部

按小时计费不仅是向客户收取的费用，它还塑造了许多公司招聘、培训、评估和晋升专业人士的方式。

到 20 世纪 80 年代，可计费工时已成为律所管理的核心工具。律所用它衡量个人生产率、评估案件、设定财务目标，并比较不同业务团队。

该模式通过一个指标连接多项决策。初级律师记录工时，合伙人监督工时利用率，财务团队预测收入，管理者依据年度目标评估绩效。除非律所也重新设计这些内部系统，否则替换客户账单并不会触及它们。

因此，Thomson Reuters AI 可计费工时冲突的影响远不止定价。AI 可以减少初级研究、起草、审查和分析所需的可见工时，而这些任务也一直是培训机会。

传统上，初级律师通过审阅大量文件、起草初稿并接受资深同事的修改来学习。当软件生成初始输出时，初级专业人士从审查而非构建开始。

审查仍然有价值，但它培养的是不同技能。一个人可能擅长发现明显错误，却没有学会如何独立构建论证或分析。如果自动化取消了此前的重复练习，律所必须有意识地设计培训。

人员金字塔也面临类似压力。大型专业服务公司传统上雇用大量初级员工，其可计费产出支撑着较小规模的资深专家群体。AI 降低了分配给这一初级层的部分任务所需的人力。

律所可以通过减少招聘入门级员工来应对，也可以将初级员工重新部署到客户沟通、调查、专业分析和技术监督等工作。两种选择都会改变未来资深专业人士积累经验的路径。

由于采用 AI 不会自动带来财务结果，相关经济模式仍未明朗。在专业服务调查中，只有 21% 的组织表示衡量了生成式 AI 的回报。

在这一群体中，内部成本节省受到的关注远高于客户满意度或新业务。这种衡量缺口至关重要，因为当公司无法持续衡量结果时，就无法有把握地为结果定价。

近半数受访律所表示，已从 AI 中获得至少一项收益。然而，节省时间这样的收益并不能说明最终价值由谁获得。

当固定费用案件的交付成本下降时，律所获得价值；当按小时收费的案件需要记录的工时减少时，客户获得价值。技术供应商通过软件收费获得其中一部分，而专业人士则承担核验和治理成本。

价值的分配取决于合同。这使商业设计与模型能力同等重要。

工时目标同样可能抑制采用。使用 AI 更快完成工作的专业人士或许改善了客户体验，却可能在内部工时利用率目标上落后更多。除非管理层改变衡量体系，否则员工会收到相互矛盾的指令。

律所说应使用 AI 提升效率，但其晋升体系仍奖励累计工时。

新的绩效衡量标准需要认可质量、责任、客户留存、案件利润率、协作和有效使用技术。没有一项像统计工时那样简单，但合在一起，它们能更准确地描述专业人士的贡献。

这一运营挑战类似于构建可靠的 AI 工作流。除非输入、复核步骤和负责的决策依然清晰可见，否则速度的价值有限。

对于专业服务公司而言，输出不仅是一份生成的文件，而是一项经专家批准、承载法律、财务或声誉后果的结果。

客户正推动转向替代收费模式

AI 为企业买方提供了更有力的证据：基于投入的收费并不总能匹配成品工作的价值。

替代收费安排包括固定费用、封顶费用、订阅、按单位定价、顾问费以及与明确结果挂钩的付款。每一种安排都将至少一部分收费与记录的工时数量分离。

Thomson Reuters 发现，40% 的受访专业人士预计生成式 AI 将增加替代收费安排的使用。这一预期值得关注，但并不意味着客户与服务公司已就替代方案达成一致。

按小时定价仍主导着外部法律支出。Thomson Reuters 报告称，企业向外部律所支付的费用中，多达 90% 仍涉及小时费率。

熟悉度有助于解释这种模式的延续。采购团队理解费率、工时、折扣和预算。律所也知道如何记录工时并比较实现率，即已收收入与记录价值的比率。

替代结构要求双方界定范围并分配风险。固定费用适用于投入稳定的重复流程；当事实、交易对手或监管要求可能毫无预警地变化时，它的效果就较差。

当范围不确定时，客户也可能更偏好按小时计费。他们可能不信任包含高额风险溢价的固定费用。与为一项底层成本被隐藏的结果付费相比，工时透明可能让人感觉更安心。

因此，这一转变将首先发生在可标准化、可衡量的工作中。合同组合、经常性合规审查、常规研究和结构化文档分析都可能成为候选领域。

高风险诉讼和复杂交易则带来不同问题。建议的价值可能取决于避免损失、保持谈判筹码或识别一个关键问题，而所需工作在开始时很难预测。

在这些场景中，按结果定价听起来颇具吸引力，但因果关系会引发争议。有利结果可能取决于市场环境、司法决定、交易对手或客户自身行为。律所无法控制每一个变量。

订阅提供了另一条路径。客户为持续获得明确服务、服务能力或专业知识支付费用。这种结构为买方创造可预测的支出，也为服务提供方带来经常性收入。

基于使用量的收费可介于订阅和按小时计费之间。律所可以按已审阅合同、已完成申报、已评估索赔或已获批准的交付成果收费。该单位反映工作量，同时不暴露每一分钟的内部投入。

绩效定价正进一步向客户价值靠拢。付款部分取决于双方约定的成果或服务指标。Forrester 报告称，45% 的服务决策者预计将扩大绩效定价的应用，46% 则预计固定价格合同将增加。

绩效定价趋势不止于法律行业。当 AI 降低服务交付所需的人力时，咨询公司、技术集成商和托管服务提供商也面临同样的问题。

这些方案也可以组合使用。一种混合安排可能包括固定基础费用、针对额外业务量的按使用量收费，以及与约定成果挂钩的绩效部分。

混合定价避免将每项委托都视为可预测的工作。它既为不确定性工作保留了报酬，也为可重复任务中的效率提升提供奖励。

企业买方仍会要求证据。事务所需要说明 AI 如何影响周转时间、错误率、一致性、风险，以及投入的资深人员关注度。

仅仅声称技术让团队更高效还不够。客户想知道账单是否降低、成果是否改善，或服务能力是否增加。

这种需求将强化法律运营和定价团队。这些团队可以分析事务历史、界定计费单元、建立风险模型，并将拟议费用与实际交付成本进行比较。

胜出者未必是使用 AI 最多的事务所。能够准确衡量工作并清晰解释定价的事务所，将拥有更强的商业地位。

更快的工作并不免除专业责任

反对快速重置定价的最有力理由是，AI 虽然缩短了产出时间，却并未消除核验、责任或专家问责。

生成式 AI 可能生成不准确的引文、不完整的分析、虚构的权威依据，以及缺乏源材料支持却言之凿凿的陈述。因此，专业审核是服务的一部分，而非可有可无的补救措施。

核验可能消耗自动化看似节省下来的相当一部分时间。所需投入因任务、模型、数据质量、保密控制措施以及错误可能造成的损害而异。

低风险的内部摘要，不需要与法院文件或审计意见相同的流程。定价必须反映这种差异。

美国律师协会在 2024 年 7 月发布的第 512 号正式意见中讨论了这一矛盾。其 AI 伦理指南指出，按小时收费的律师必须按实际投入时间计费，而非按任务过去所需的时间计费。

这一原则禁止事务所用 AI 工作一小时，却开出数个虚构人工工时的账单。但这并不要求事务所在任何收费结构下都无偿提供其投入、判断或所承担的风险。

同一指南警告称，固定费用或风险代理费用必须保持合理。AI 并不会自动允许事务所在几乎没有完成任何工作时，仍收取过去的固定费用。

合理性取决于服务内容、协议、所承担的责任以及适用的专业规则。这使透明度不可或缺。

客户需要了解一项费用是否涵盖软件使用、人工审核、战略建议、责任承担或持续可用性。单一且未作解释的技术附加费，很少能解决问题。

保密性又带来另一项成本。面向消费者的 AI 服务可能无法提供敏感客户材料所需的访问控制、保留政策、数据边界或合同保障。

专业服务机构需要获批的系统、安全审查、培训、审计追踪，以及规范可接受使用方式的政策。它们还需要建立识别模型不应使用的情形的程序。

这些控制措施降低了风险，但也使“即时节省成本”的说法变得复杂。快速的模型响应可能嵌入一个更缓慢的专业流程，其中包括来源核查、升级处理和最终批准。

AI 的表现也因领域而异。与罕见事实、冷门司法辖区或不完整记录相比，系统通常能更可靠地处理常见模式。客户可能并不知道自己的事项何时超出了模型表现较强的范围。

这种不确定性支持继续由人类承担责任。它也限制了纯粹的结果定价，因为提供商必须为额外审核或失败的可能性定价。

KPMG 的以客户为中心报告认为，自动化正在削弱传统按小时收费模式在专业服务领域的相关性。该报告也指向以价值和客户需求为基础的定价方式。

从时间转向价值，并不会让估值变得客观。客户与顾问可能会对规避风险、更快决策或改进合同的价值产生分歧。

基于成果的费用也可能形成自身的激励机制。按速度获得报酬的提供商，可能在谨慎性上投入不足。按某一项可衡量结果获得报酬的提供商，可能忽视未被衡量的后果。

好的合同需要在速度或节省目标之外设置质量关卡。它们应界定审核标准、排除项、升级路径，以及生成材料失效时的责任归属。

小型事务所还面临竞争风险。AI 让它们能够获得过去通常与大型团队相关的能力，但企业级治理可能需要大量运营投入。

大型事务所拥有更多资源用于安全工具、专有数据、评估和培训。小型事务所可以行动更快，但严重错误可能带来更高的相对成本。

因此，现有证据更支持市场分化，而非立即崩溃。对于常规、可衡量的工作，按小时收费正在失去可信度；在范围和风险无法可靠预测的情况下，它仍有其合理性。

AI 定价正在改变竞争版图

AI 将优势从拥有最大人力金字塔的事务所，转向能够结合专业能力、技术和可衡量交付的事务所。

一家较小的事务所可以利用 AI 进行搜索、总结、分类和起草，其规模过去需要更多初级员工才能实现。随后，它可以在不像大型竞争对手那样承担同等人力成本的情况下提供固定费用。

这并不会抹去机构深度的价值。大型事务所仍然提供广泛的专家覆盖、国际触达、既有关系，以及同时处理多条工作线的能力。

AI 改变的是产出第一个版本的成本。它并不会自动复制一家事务所的判断力、声誉或协调复杂决策的能力。

专业工作中标准化程度较高的部分，竞争将更加激烈。替代性法律服务提供商、会计平台、托管服务公司和 AI 原生企业，可以将可重复任务从更广泛的委托中剥离出来。

它们可以将这些任务按产品定价，而不是按开放式的专业工时定价。现有事务所则面临选择：要么匹配产品化方案，要么捍卫更广泛的服务。

产品化意味着在每项委托开始前界定输入、工作流、审核标准、输出和价格。这种结构适合 AI，因为重复会同时改善自动化效果和成本预测。

传统事务所往往出售的是对人员的使用权，并在之后确定最终投入。这样的灵活性对复杂工作仍然有用，但与清晰的按单元报价相比，它显得昂贵。

咨询行业也面临相关挑战。AI 可以加速研究、标杆分析、文档制作、数据分析和演示文稿起草。客户也能在内部完成更多此类活动。

咨询公司必须在问题定义、组织变革、专业数据、实施和可追责决策方面展现价值。当软件能迅速生成可信的草稿时，一份精美报告的稀缺性就会降低。

会计和税务事务所也在经常性分析和文档处理方面承受类似压力。它们受到监管约束的责任和鉴证工作仍为专家保留了重要角色，但常规产出越来越难以仅按投入定价。

因此，Thomson Reuters 的 AI 可计费工时问题只是更广泛专业服务转型的一个例子。其共同机制在于将劳动时间与产出量分离。

AI 原生竞争对手可以从一开始就围绕这种分离进行设计。它们可以采用订阅、按使用量收费或成果费用，而无需拆除传统的薪酬体系。

现有企业则面临不同的约束。合伙人薪酬、利用率目标、财务报告、人员规划和客户合同，都可能建立在按小时计费的经济逻辑之上。

即使领导层接受这一诊断，这种负担也会拖慢变革。一家事务所若不了解替代模式将如何影响收入确认、激励机制和职业发展，就无法更换其定价模式。

这一转型可能形成双速市场。新兴或专注于狭窄领域的提供商可以提供标准化成果。成熟事务所则可在复杂事项中保留按小时收费的要素，同时围绕可预测工作引入固定模块。

客户会组合使用这些服务。他们可能将可重复的审核委托给专业提供商，同时将战略决策保留给传统顾问。

这种拆分会给那些利润依赖于将昂贵建议与大量初级执行工作捆绑销售的事务所带来压力。客户获得了更强的能力来分离二者。

品牌本身不会终结这场争论。买方会比较周转速度、质量、可预测性、安全性和问责性。事务所需要为每个维度提供证据。

最持久的优势将来自于让专业能力可复用，同时不让专业责任变得模糊。这需要经过筛选的知识、受控的工作流、有记录的审核，以及客户能够理解的定价。

三个信号将显示可计费工时是否真正瓦解

下一阶段将由签约行为、内部绩效体系和可衡量的客户成果决定，而不是由 AI 演示决定。

第一个信号是客户支出中转入固定、按单元、订阅或绩效安排的比例。调研中的预期具有参考价值，但已执行的合同提供更有力的证据。

显著增加将支持这样一种观点：AI 正在改变客户购买专业服务的方式。若变动很小，则说明熟悉感和风险分配仍在保护按小时收费模式。

细节很重要。事务所可能将一项委托标为替代性收费，但仍按预期工时和费率计算。这只改变了账单格式，并未改变底层经济逻辑。

更有力的信号将是按单元、服务等级或成果定价的重复性服务。这些结构让效率直接影响提供商的利润率。

第二个信号是事务所是否在薪酬和晋升决策中替换可计费工时目标。当职业发展仍主要与记录工时挂钩时，客户定价就无法发生深层改变。

应关注涵盖事项盈利能力、质量、客户留存、知识贡献、技术使用和团队发展的指标。这些衡量标准揭示管理层是将 AI 视为运营重构，还是又一次软件采购。

招聘模式将提供相关证据。初级岗位减少，意味着自动化正在缩小传统的人力金字塔；重新设计的入门级工作，则表明事务所在改变培训内容的同时保护人才培养管道。

第三个信号是成果衡量的质量。大多数组织仍缺乏成熟证据，能够将生成式 AI 与客户满意度、收入或业务结果联系起来。

这一缺口阻碍了可信的价值定价。一家事务所无法为它无法界定、归因和验证的成果收费。

有用的衡量指标会因服务而异，可能包括周转时间、错误率、成功完成率、避免返工的情况、合规结果，或对协商服务等级的遵守程度。

质量仍必须是衡量体系的一部分。单纯加快交付速度，可能掩盖额外风险，或将审查工作转移给客户。

这些信号也会揭示收益由谁获得。客户可能获得更低或更可预测的费用；事务所可在固定价格工作中取得更高利润率；员工则能减少重复性生产工作所占用的时间。

收益不会自行均匀分配。合同条款和内部激励机制决定了它们最终落在何处。

可计费工时不太可能在某个统一时点突然消失。它将按任务、按客户、按合同逐步退场。

具有可衡量产出的常规工作将率先转变。范围不稳定的复杂项目则会更长时间保留按小时计费或混合计费的组成部分。

这种渐进式变化依然意义重大。一旦买方习惯在某一类别中为明确界定的成果付费，他们就可能追问：为什么相邻服务仍完全与时间挂钩？

因此，专业服务机构应在市场迫使其仓促应对之前测试定价模式。他们需要清晰的项目数据、范围明确的服务定义、质量控制机制，以及处理例外情况的明确规则。

客户也应提出同样直接的问题：哪些工作实现了自动化？由谁进行审核？费用如何分享效率提升带来的收益？服务提供方愿意为哪项结果承担责任？

Thomson Reuters 关于 AI 与可计费工时的讨论，归根结底关乎信任。客户需要确信速度不会削弱质量，而事务所则需要因其专业能力和可追责的判断获得合理报酬。

下一张账单并非唯一问题。更大的问题是，专业服务能否在不掩盖风险、不虚增工时、也不将专家工作简化为自动化产出的前提下，为成果赋予价值。