知識(shí)型工作的系統(tǒng)化重構(gòu)，法律、財(cái)會(huì)、基金從業(yè)者的春天來了？
@數(shù)科星球原創(chuàng)
作者丨苑晶
編輯丨大兔
在2025年AI創(chuàng)業(yè)全面內(nèi)卷的背景下，當(dāng)大量創(chuàng)業(yè)者涌入文生圖、短視頻生成等C端熱門賽道時(shí)，ThinkSpace創(chuàng)始人葉賢明卻做出了一個(gè)頗為“反共識(shí)”的選擇——切入法律AI這一高度專業(yè)、低曝光、但結(jié)構(gòu)性價(jià)值極強(qiáng)的領(lǐng)域。
兩年過去，這家起步于新加坡的公司，已經(jīng)完成了從單一法律AI工具到企業(yè)級(jí)AI操作系統(tǒng)ThinkSpace的躍遷，并開始在法律、審計(jì)、金融等知識(shí)密集型行業(yè)中落地應(yīng)用，悄然重構(gòu)專業(yè)工作的底層邏輯。
根據(jù)Business Research Insights的預(yù)測(cè)，全球法律科技AI市場(chǎng)規(guī)模將從2024年的194.8億美元，增長(zhǎng)至2033年的2659.7億美元，復(fù)合年增長(zhǎng)率高達(dá)33.7%。
但在葉賢明看來，真正的機(jī)會(huì)并不只存在于“法律”，而在于更底層的——知識(shí)型工作的系統(tǒng)化重構(gòu)。
01
對(duì)沖基金里的法律痛點(diǎn)
ThinkSpace的起點(diǎn)，并非源于技術(shù)沖動(dòng)，而是一段極為具體的職業(yè)經(jīng)歷。
在創(chuàng)業(yè)之前，葉賢明長(zhǎng)期在對(duì)沖基金行業(yè)工作。基金設(shè)立、交易結(jié)構(gòu)、合規(guī)文件，是日常工作的重要組成部分。大量高度標(biāo)準(zhǔn)化卻又極度繁瑣的法律文件，占據(jù)了團(tuán)隊(duì)大量時(shí)間。
這段經(jīng)歷讓他逐漸意識(shí)到三個(gè)長(zhǎng)期存在卻被忽視的行業(yè)問題。
首先，法律文件的生產(chǎn)成本極高，卻幾乎無法復(fù)用。
即便是基金設(shè)立中反復(fù)出現(xiàn)的標(biāo)準(zhǔn)條款，每一次仍需重新起草、審查，企業(yè)多年積累的業(yè)務(wù)經(jīng)驗(yàn)（know-how）并未真正沉淀為可傳承的資產(chǎn)。
其次，專業(yè)人才被大量低價(jià)值重復(fù)勞動(dòng)消耗。
修改條款、比對(duì)版本、核查風(fēng)險(xiǎn)點(diǎn)，這些并不需要高階判斷的工作，卻持續(xù)占用律師和合規(guī)人員的時(shí)間。
更重要的是，法律工作的本質(zhì)并非“寫文本”，而是“判斷立場(chǎng)”。
同樣一條條款，在甲方、乙方、不同風(fēng)險(xiǎn)偏好與合規(guī)環(huán)境下，結(jié)論可能完全不同。這種高度依賴立場(chǎng)與責(zé)任的判斷邏輯，正是通用AI最難解決的問題。
2023年，隨著大模型能力的躍遷，葉賢明逐漸形成一個(gè)判斷：真正的突破口，不在于“AI能不能讀懂合同”，而在于“AI是否能進(jìn)入真實(shí)工作流，并繼承專業(yè)判斷邏輯”。
ThinkSpace的方向，由此確立。
02
技術(shù)拐點(diǎn)與客戶認(rèn)知的雙重轉(zhuǎn)變
2023年至今，法律AI行業(yè)經(jīng)歷了一次關(guān)鍵轉(zhuǎn)折——從“概念驗(yàn)證”走向“可規(guī)模化應(yīng)用”。
在相當(dāng)長(zhǎng)的一段時(shí)間內(nèi)，即便是GPT-4級(jí)別的模型，在合同審查等高風(fēng)險(xiǎn)場(chǎng)景中，仍難以穩(wěn)定解決“立場(chǎng)判斷”問題。同樣的條款，模型往往只能給出泛化、模糊的風(fēng)險(xiǎn)提示，難以形成可執(zhí)行的專業(yè)意見。
真正的轉(zhuǎn)折點(diǎn)，出現(xiàn)在推理型模型逐步成熟之后。
葉賢明在與數(shù)科星球DigitalPlanet的交流中提到，在推理模型出現(xiàn)之前，團(tuán)隊(duì)更多是在通過工程手段進(jìn)行兜底；而在那之后，AI才第一次具備了被專業(yè)行業(yè)實(shí)際使用的基礎(chǔ)能力。
但模型能力只是前提，更關(guān)鍵的是工程化落地。
法律文檔的復(fù)雜性遠(yuǎn)高于普通文本：多層級(jí)結(jié)構(gòu)、引用關(guān)系、版本差異、格式依賴，要求AI不僅能理解內(nèi)容，還必須理解文檔本身。
ThinkSpace通過針對(duì)性的工程設(shè)計(jì)，實(shí)現(xiàn)了文檔結(jié)構(gòu)化解析、格式與邏輯的精準(zhǔn)保留，以及修改路徑的可追溯呈現(xiàn)，為后續(xù)工作流重構(gòu)打下了基礎(chǔ)。
與此同時(shí)，客戶的認(rèn)知也在發(fā)生變化。
2023年，法律行業(yè)對(duì)AI的態(tài)度仍以質(zhì)疑為主，核心擔(dān)憂集中在準(zhǔn)確性與幻覺風(fēng)險(xiǎn)；但隨著技術(shù)成熟和真實(shí)案例的積累，到2025年，越來越多律師開始接受一個(gè)現(xiàn)實(shí)：AI并非取代專業(yè)判斷，而是將專業(yè)人員從低價(jià)值勞動(dòng)中解放出來。
03
從法律插件到企業(yè)級(jí)AI操作系統(tǒng)
ThinkSpace的產(chǎn)品演進(jìn)，是一場(chǎng)典型的“從點(diǎn)到面”的戰(zhàn)略升級(jí)。
最初，團(tuán)隊(duì)聚焦法律場(chǎng)景的單點(diǎn)痛點(diǎn)，推出了嵌入Word的核心插件產(chǎn)品ThinkDoc。在這一過程中，團(tuán)隊(duì)逐漸意識(shí)到一個(gè)更大的機(jī)會(huì)：
真正有價(jià)值的，不是單次審查結(jié)果，而是企業(yè)在每一次修改、批注與判斷中形成的隱性知識(shí)。
ThinkDoc的核心能力包括：
數(shù)據(jù)提取：自動(dòng)提取批注、修改記錄、高亮內(nèi)容；
結(jié)構(gòu)化沉淀：將零散經(jīng)驗(yàn)轉(zhuǎn)化為企業(yè)專屬Playbook；
智能審查：10分鐘完成原本需兩天的基礎(chǔ)審查；
可追溯驗(yàn)證：所有修改建議均對(duì)應(yīng)明確依據(jù)與原始條款。
在法律場(chǎng)景驗(yàn)證成功后，ThinkSpace開始向?qū)徲?jì)、金融等知識(shí)密集型行業(yè)橫向拓展。
在審計(jì)領(lǐng)域，系統(tǒng)可基于FRS、SFRS等準(zhǔn)則對(duì)年報(bào)進(jìn)行合規(guī)審查；
在金融領(lǐng)域，可輔助完成行業(yè)分析與年報(bào)整合。
盡管行業(yè)不同，但底層需求高度一致：結(jié)構(gòu)化+工作流優(yōu)化+知識(shí)復(fù)用。
這也促使ThinkSpace明確了自身定位——面向知識(shí)工作者的企業(yè)級(jí)AI操作系統(tǒng)。
04
為什么不是Copilot？
相較于MicrosoftCopilot等通用工具，ThinkSpace的差異并不在于模型能力，而在于場(chǎng)景深度與知識(shí)沉淀。
通用AI工具擅長(zhǎng)回答問題，卻難以融入企業(yè)的真實(shí)工作流，也無法繼承組織內(nèi)部的判斷標(biāo)準(zhǔn)；而ThinkSpace的路徑恰恰相反——先在法律場(chǎng)景建立深度壁壘，再將底層能力遷移至其他行業(yè)。
其工作流被拆解為20余個(gè)可控步驟，包括立場(chǎng)識(shí)別、條款比對(duì)、風(fēng)險(xiǎn)分級(jí)、修改建議與依據(jù)說明，使AI從“黑箱輸出”轉(zhuǎn)變?yōu)椤巴该髁鞒獭保@著提升可解釋性與信任度。
AI會(huì)不會(huì)讓初級(jí)人才“失去學(xué)習(xí)機(jī)會(huì)”？
隨著AI在法律、審計(jì)等專業(yè)領(lǐng)域的滲透，一個(gè)反復(fù)被提及的擔(dān)憂是：當(dāng)大量基礎(chǔ)工作被AI接管，初級(jí)律師、審計(jì)人員是否會(huì)因此失去學(xué)習(xí)核心能力的機(jī)會(huì)？
在葉賢明看來，這種擔(dān)憂并非沒有道理，但其前提往往建立在一個(gè)誤解之上——將“重復(fù)性工作”誤認(rèn)為是“能力成長(zhǎng)的唯一路徑”。
他指出，在傳統(tǒng)模式下，初級(jí)人員的“學(xué)習(xí)”往往高度依賴于大量低價(jià)值、重復(fù)性的工作，例如逐條比對(duì)條款、反復(fù)修改格式、機(jī)械式地套用模板。這些工作雖然耗時(shí)，卻并不等同于真正的專業(yè)訓(xùn)練。
真正決定專業(yè)能力成長(zhǎng)的，并不是做了多少遍機(jī)械操作，而是是否理解：
為什么某條款存在風(fēng)險(xiǎn)
為什么在特定立場(chǎng)下需要這樣修改
不同選擇背后的法律邏輯與責(zé)任邊界
ThinkSpace的判斷恰恰相反：AI的引入，并不會(huì)削弱初級(jí)人才的成長(zhǎng)，反而可能第一次讓“學(xué)習(xí)”真正變得結(jié)構(gòu)化、可解釋、可復(fù)盤。
通過將資深律師與專業(yè)人員的判斷邏輯沉淀為Playbook，并在每一次AI審查中明確標(biāo)注修改依據(jù)、風(fēng)險(xiǎn)來源與參考標(biāo)準(zhǔn)，初級(jí)人員不再只是被動(dòng)執(zhí)行修改，而是可以直接看到：
每一條修改“為什么要這么做”
不同立場(chǎng)下判斷差異如何形成
資深人員的經(jīng)驗(yàn)是如何被系統(tǒng)化表達(dá)的
在這種模式下，AI不再只是一個(gè)提高效率的工具，而更像是一位全天候、可追溯的“隱形導(dǎo)師”，將原本只能在師徒制或長(zhǎng)時(shí)間實(shí)踐中獲得的隱性經(jīng)驗(yàn)，轉(zhuǎn)化為可被反復(fù)學(xué)習(xí)與理解的顯性知識(shí)。
葉賢明認(rèn)為，真正的風(fēng)險(xiǎn)并非“AI取代初級(jí)人員”，而是讓初級(jí)人員長(zhǎng)期停留在低價(jià)值勞動(dòng)中，卻誤以為這是成長(zhǎng)本身。
當(dāng)AI接管基礎(chǔ)、重復(fù)、易錯(cuò)的工作后，初級(jí)人才反而可以更早地參與到高價(jià)值的判斷、討論與策略制定中，加速?gòu)摹皥?zhí)行者”向“專業(yè)判斷者”的轉(zhuǎn)變。
這也是ThinkSpace在設(shè)計(jì)產(chǎn)品時(shí)，始終強(qiáng)調(diào)可解釋性、可追溯性與工作流透明化的原因——不僅為了風(fēng)險(xiǎn)控制，也為了讓知識(shí)真正成為可以被學(xué)習(xí)、被繼承的組織資產(chǎn)。
05
痛點(diǎn)、誤區(qū)與未來趨勢(shì)
在葉賢明看來，知識(shí)密集型行業(yè)普遍面臨三大結(jié)構(gòu)性問題：
效率瓶頸
人才稀缺
知識(shí)無法傳承
ThinkSpace的核心價(jià)值，在于構(gòu)建一個(gè)正向循環(huán)：AI提升效率→知識(shí)被系統(tǒng)化沉淀→新人快速成長(zhǎng)→組織能力持續(xù)放大。
展望未來，行業(yè)將呈現(xiàn)兩大趨勢(shì)：
場(chǎng)景深耕：真正的壁壘來自對(duì)行業(yè)細(xì)節(jié)的理解
生態(tài)整合：AI將成為企業(yè)系統(tǒng)的一部分，而非獨(dú)立工具
ThinkSpace的目標(biāo)也由此清晰：以東南亞為起點(diǎn)，逐步拓展至香港、中國(guó)臺(tái)灣與北美市場(chǎng)，成為知識(shí)型工作的AI操作系統(tǒng)標(biāo)桿。
06
結(jié)語
在AI技術(shù)高速演進(jìn)的當(dāng)下，真正的分水嶺并不在模型參數(shù)，而在是否理解專業(yè)工作的本質(zhì)。
ThinkSpace的實(shí)踐表明，AI對(duì)專業(yè)行業(yè)的最大價(jià)值，并非取代人，而是通過重構(gòu)工作流、沉淀知識(shí)資產(chǎn)，讓專業(yè)判斷被系統(tǒng)性放大。
如果說通用AI改變的是工具，那么ThinkSpace試圖改變的，是知識(shí)工作的操作系統(tǒng)本身。
https://marketplace.microsoft.com/en-us/product/saas/wa200009343?tab=overview
(或點(diǎn)擊原文即可了解）
↓↓↓
推薦關(guān)注
有對(duì)上述話題感興趣的朋友請(qǐng)與我們交流
請(qǐng)掃下方二維碼↓
「圖文案例」
小紅書、biuty.ai、零一汽車、小米汽車、比亞迪、弋途科技、華為、小米、小鵬、云跡機(jī)器人、UU跑腿、百度文庫、百度網(wǎng)盤、文小言、天幕大模型、真意、DeepSeeK、海新智能、天壤、APUS、出門問問、RunningHub、OpenCreator、CrePal、Skylow、一覽科技、燧氏科技、Havivi、伴筆AI、搭介、Seede.ai、CrowdCore、HeadAI、WotoHub、無界方舟、Aida、原音科技、阿塔星、貓王、李未可、數(shù)伴、萬物時(shí)、盒智科技、麒麟合盛、思必馳、263、世紀(jì)互聯(lián)、青云科技、海馬云、百煉智能、久其軟件、力碼科技、數(shù)據(jù)寶、有伴AI、Psyfy、MirrorAI、Timing、花果山、N2my、Meowster、希之壁、金蝶、用友大易、探也智能、Moka、i人事、北森、聘才貓、小歐智能、ThinkSpace、智齒科技、三維家、萬興科技、硅基智能、極溯光學(xué)、NOLO眼鏡、諾視科技、行動(dòng)元、Mocasa、DePA、Wintopay、WAYO、百雀智能、氫田新材料、儲(chǔ)比特、晶飛科技、橙帆醫(yī)藥、德聯(lián)資本、美達(dá)東方、盛景嘉成、鰲圖資本、伽利略資本、CES
「視頻案例」
領(lǐng)英、弋途科技、水滴AI、李濤聊AI、光環(huán)新網(wǎng)戰(zhàn)投部、橙石資本、清智資本、亞杰基金、有伴AI、回聲APP、AI降臨派、李未可、AI造物所、Cedas.ai、聘才貓、松應(yīng)科技、超智能科、SwanLab、Mobius、Anyone大模型、希之壁、七天學(xué)會(huì)、北極九章、六誠(chéng)九、硅基智能、一知智能、敏思達(dá)、易企秀、融易算、咖菲科技、MarketUp、愛贏銷、小旭音樂、愛設(shè)計(jì)、平行云、西電科大電子工程?
【長(zhǎng)期關(guān)注】
YouChat、Bing、ChatSonic、Jasper.ai、Replica、Character AI、Claude、Poe、Ian Goodfellow、Yann LeCun、吳恩達(dá)、李飛飛
