我花了半天，用 AI 幫一位長輩寫法律書狀。最後的結論是：建議他回頭找律師。
這個實驗讓我確認了一件事：AI 取代了大量低階執行工作，但它讓資深者的策略與判斷變得更值錢，而不是更不值錢。
起因是一位長輩請我協助，用 AI 撰寫一份刑事書狀。這類文件委託律師處理，行情約 8 到 10 萬台幣；而原本的律師以案件量太大為由推辭。我家人多在法律專業工作，我一向尊重這份專業，但我也真心好奇：科技進步，能不能弭平經濟弱勢者在專業資源上的鴻溝？
我只答應「試著用 AI 操作看看」。不收費、不研究案情、不為成敗負責。
長輩想像中的流程是：把需求丟給 LLM，就會生出一份能遞出去的文件。實際情況複雜太多。
第一個誤解：Prompt 不等於專業。
LLM 是語言模型，不是下一句「你是一位專業律師」它就長出法律能力。我得先在 CLI 裡裝上法律相關的 Skills 與 MCP（law-powers、mcp-taiwan-legal-db、Taiwan Law MCP、dr-lawbot），並用 AGENTS.md 設下防線，避免 AI 憑記憶生出不存在的法條與判決案號。這一步不做，AI 會產生幻覺，而且寫得非常有自信。
第二個誤解：這不是一個 Prompt，是一條 workflow。
正確的做法不是「丟幾百頁進去，幫我寫書狀」，而是反覆跑這條循環：
Issue → Evidence → Law → Adverse case → Gap → Draft → Red Team → 回頭補證
我實際跑的九個階段：卷證盤點、重建時間軸、逐條檢視原處分理由、找出弱點、構成要件與證據涵攝、查法條與相似判決、Devil's Advocate 反方檢驗、策略選擇，最後才是撰寫書狀。
第三個誤解：以為可以置身事外。
我原本打算全部交給 AI，結果光是前四個階段就卡了三、四個小時。當事人手上有幾百頁資料，其中不少是手寫數字；AI 每次核對到兜不上的地方，就得回頭翻原始證據。更關鍵的是，我們拿不到原律師提交的完整卷證，AI 因此無從得知承辦檢察官究竟看過哪些證據。
而這九個階段，本來就是每一位律師都會做的功課。所謂「我不解讀案情」，是癡人說夢。
AI 表現最亮眼的一段，是接上 MCP 後從資料庫撈出上百則類似判決，分成兩隊攻防，同時扮演律師與法官多重角色辯論。這一段我幾乎是放空的。
成本與品管也是一門功課。前段的資料整理我用比較便宜的模型跑，法律研究才換上高階模型。這時我的角色是品管員：確認 AI 真的呼叫了判決搜尋工具，再用另一個資料庫回頭核對全文，而不是拿搜尋引擎摘要充數、或憑記憶生出台灣的判決案號。這一層驗證沒有人做，整份文件的可信度就是零。
那人的價值在哪裡？
就在辯論之前的那些選擇。AI 會攤開幾條路，問我要走哪一條：用哪份證據當主軸、從哪個角度突破、哪個論點該放棄。這全是人為判斷。如果我是這個案子的律師，這正是我該創造價值的地方；但我不是，所以每一次選擇都讓我心虛。
最後書狀產出了，乍看非常專業、每一句都有依據。可我沒有能力判斷它是真的可用，還是只是看起來可用。而這個案件金額不小。要不要押上這個風險遞出去？我給不出保證。
所以我建議長輩回頭找原本的律師。我的判讀是，這個案子的成敗關鍵仍在證據是否完整；若真的缺了關鍵的一塊，就必須換一套策略，而那已遠超我的能力範圍。
AI 能放大我既有的能力，卻無法讓我長出新的法律能力。
這件事和我用 AI 做行銷與業務的體會完全一致。AI 讓執行變便宜，於是瓶頸整個往上移：問對問題、選對策略、知道哪條路走不通，這些能力的價格反而上升。而好的判斷，來自過去的經驗與失敗。
律師諮詢費能收到每小時破萬，買的從來不是文件，是判斷。
我現在的工作，大半就是替企業畫出這條界線：哪些流程可以交給 AI，哪些交出去會出事。
在你的領域裡，AI 能放大你的能力到什麼程度？那條「它幫不了我」的界線，你踩到了嗎？