--- id: "iRMmPjunm3Q" title: "为什么 AI 可能让小型律所成为十亿美元级企业" channel: "a16z" host: ["Alex Rampell"] guests: ["Jay Madheswaran"] date: "2026-10-30" updated: "2026-10-31" duration: "52:10" duration_seconds: 3130 source_type: "youtube" youtube: "https://www.youtube.com/watch?v=iRMmPjunm3Q" canonical: "https://pod-exp.pages.dev/iRMmPjunm3Q/" transcript_jsonl: "https://pod-exp.pages.dev/iRMmPjunm3Q/transcript.jsonl" language: "zh-CN" translation: true translated_from: "en" timestamp_precision: "block" topics: ["人工智能","AI 智能体","创业与经营"] series: ["AI 与软件"] --- # 为什么 AI 可能让小型律所成为十亿美元级企业 > 中文译文，由英文原音字幕翻译整理，不是官方逐字稿；引用原话请核对英文原视频。说话人标签由整理者依上下文标注，带「未确认 / 未标注 / 不确定」等字样的标签不可靠。时间戳一般为块级（所在时间块的起点），不是逐句时间；正文自带 [hh:mm:ss] 的段落除外。 **内容提要：** Eve 联合创始人兼 CEO Jay Madheswaran 与 a16z 合伙人 Alex Rampell 讨论 AI 如何改变原告律师业务。原告律所服务普通个人，采用风险代理，但小额案件常因接案、调查和沟通成本过高而无人代理。Eve 试图从首次来电到和解自动化处理案件，让律师每人管理的客户数从约 100 人提升至 500 人，并把省下的人力转向更高价值的辩护。两人进一步谈到法律软件背后的隐形劳动力市场、保密数据与行业经验的边界、双方智能体之间的协商、自动化争端解决，以及律所可能形成更细分的专业化经营。对他们而言，AI 的价值不只是降低成本，而是让更多人得到法律代表、让法律服务按结果收费，并提升案件处理能力。 ## [0:02] 开场：AI 如何扩大律所业务 · YouTube **Jay Madheswaran：** 过去，原告律师事务所基本上只需要一部手机和一个邮箱地址，就能开张了。差不多就这些。以前的软件几乎没解决它们的核心问题：人手受限。大家一提到 AI，常会觉得：“哦，就是裁员、降成本。”但实际不是这样。要是我用 Eve，律所能赚的钱会多得多。普通人没法开一张空白支票，每小时付 500 或 600 美元，任由案件办多久就付多久。Eve 想做的，是把整件事从头到尾都接起来。一家洛杉矶律所把每位律师管理的客户数从大约 100 个提高到了 500 个。 **Alex Rampell：** 哇。 **Jay Madheswaran：** 这种成果确实做得到。 **Alex Rampell：** 为什么 Eve 比直接用通用智能更好？ **Jay Madheswaran：** 就算把阿尔伯特·爱因斯坦今天放进一家律所，他也得花相当长时间才能开始有效工作。这是 Eve 要解决的普遍问题。为什么他一开始不能发挥作用？原因有好几个，其中之一是…… ## [0:53] 原告律师：大卫对抗歌利亚 · YouTube **Alex Rampell：** 大家好，我是 a16z 的合伙人 Alex Rampell。很高兴今天和 Eve 的联合创始人兼 CEO Jay 一起聊天。人人都认识律师，也都知道法律。但我觉得，尤其在硅谷，人们一听法律，就想到公司法、那些大型“白鞋律所”——律师读哈佛法学院，时薪能到 2,000 美元。法律还有另一面，规模其实更大，也更加分散，我们称之为原告律师业务。你开车走 101 号公路时，总会看到那些广告牌。能不能先介绍一下 Eve：你们专注法律领域的哪一部分，做什么样的法律 AI？也请讲讲这个行业。大多数美国人都熟悉它，但硅谷的人可能听说过 Wilson Sonsini，却没听说过 Morgan & Morgan；而 Morgan & Morgan 的盈利能力很可能远超 Wilson Sonsini。原告律师业务到底是什么？也请用你自己的话介绍 Eve。 **Jay Madheswaran：** 当然。先谢谢你邀请我，Alex。聊 Eve 总是很开心。Eve 是面向普通人的法律 AI——像你我这样的人，而不是机构、企业内部法务，或已经拥有全部资源的人。我们要想的是，怎样把法律服务提供给原本负担不起的人。原告律师行业正是这样发展起来的。你刚才说 Wilson Sonsini 可能每小时收 2,000 美元，这就是一种商业模式：律师的时间很贵，律所也会把律师的时间尽量卖出更高的价格。大多数律师也一样，他们有很多账单要付，所以需要有法律工作进来。投入的工作越多，就越能把案情呈现清楚，也更有机会得到好的结果。这就是我们现在所处的现实。 为了应对这一点，律师也明白，客户没法开一张空白支票，每小时付 500 或 600 美元，任由案件办多久就付多久。于是原告律师行业采用了风险代理：只有替客户赢下案件，律师才会得到报酬。这让个人至少有机会和机构站在相对公平的起跑线上。Eve 想从头到尾处理整个流程：从客户第一次来电，一直到帮他们争取和解，怎样用 AI 把这整件事端到端地完成，再交给律师，放大他们能带来的成果？这就是 Eve 正在做的事。我们是在给大卫配上一把弹弓，让他能对抗歌利亚。 ## [3:50] 为什么小案子请不到律师 · YouTube **Alex Rampell：** 这里有个特别有意思的地方，我会想到经济学入门课里的供给曲线：价格越高，供给量越大。能赚 10 万美元的话，我当然愿意做。但需求曲线方向相反：价格下降，需求量就会上升。把这个道理放到法律服务上，假设我的损失只有 1,000 美元，即使是风险代理，我也可以打电话找律师，可对方可能不愿意接，因为他们要拿赔偿额的三分之一，而且案件还是要投入一定工作量。 AI 在一定程度上能打破这种市场失灵。你刚才说给大卫一把更大的弹弓；很多时候，大卫根本拿不到弹弓。损失 1,000 美元的人肯定付不起每小时 1,200 美元的律师费。改用风险代理也不一定行，因为和解金额可能不够大。律师也许愿意帮我，但他们还得付律师助理等人的薪水。现在如果软件能把这些工作做掉，市场机会就会大得多。原本因为价格而得不到法律服务的人，也有机会获得公正。风险代理表面上没有让人因为付不起律师费而被拒之门外，但律师不可能服务他们想服务的一千个客户，只能优先接最大的案子，小案子就被挤到一边。这就是供需均衡的问题。你怎么看？ **Jay Madheswaran：** 你说得完全对，这正是当前市场的实际问题。回到第一原则，每个人都应该有一位优秀律师替自己打官司。人通常是在走投无路时才需要律师；那时候我们最脆弱，也没有能力自己代表自己。这就是律师这个职业存在的原因，也是法律体系为何构成政府约三分之一的原因。 **Alex Rampell：** 现在的问题是，律师仍然得靠收费维持，所以法律工作量还是瓶颈。 **Jay Madheswaran：** 如今，一个案子如果不能给律师带来至少 5,000 美元的律师费，他们就不会接。这就是现在的市场规律。即便能收到 5,000 美元，很多案子仍然会让律师亏钱，他们指望少数案子带来大额回报。 **Alex Rampell：** 而且他们甚至不一定能赢，这就是风险代理的风险。 **Jay Madheswaran：** 没错。 **Alex Rampell：** 就算赢了，也可能还是亏，因为办案成本可能高于最终能拿到的赔偿。 **Jay Madheswaran：** 完全正确。想想大家大多都遇到过车祸，哪怕只是轻微碰撞。损失低于保险免赔额时，美国没有律师愿意接这种案子，因为不划算。但对个人来说，3,000 或 4,000 美元的免赔额，可能就决定了这个月有没有钱发工资；可他们根本找不到人替自己争取。 **Alex Rampell：** 对。还有个原因，我们也得从律师那一边看。假设你在工作中遭到骚扰，比如在酒店服务业；雇主明明可以制止这种行为，告诉顾客别骚扰员工，调整流程让这种事不再发生。可现在这类问题没有得到解决，因为有人找律师时，对方律师得先接起电话、听清情况—— ## [7:51] 小案子的服务成本 · YouTube **Jay Madheswaran：** 光是听电话就要花 30 到 45 分钟。之后还得做法律研究。美国的雇佣关系大多是任意雇佣制，你得把问题和某种受保护的法律依据联系起来，也就是建立诉因。这就需要花 10 个小时研究判例、核对事实、来回联系当事人追问细节，确认他们是否符合条件。花了这么多时间之后，律师可能还是会发现：这个案子连 5,000 美元都赚不到。 **Alex Rampell：** 对。 **Jay Madheswaran：** 所以，比如在劳工就业纠纷这类案件中，96% 都会被拒绝。 **Alex Rampell：** 对。除非你能自己掏钱，否则根本找不到人代理；很多人就是没有这笔钱。 **Jay Madheswaran：** 正是如此。 ## [8:43] 扩大营收，而非削减成本 · YouTube **Jay Madheswaran：** 对，除非出了特别严重的事，不然大多数人只能忍着。这就是现状，瓶颈全在法律人力上。Eve 要做的，是把原本需要 10 个小时的工作变成立刻就能完成：有电话打进来，Eve 会接听，并结合这家律所的经验，判断律师是否应该接案，然后马上开始准备索赔要求或前期材料。这会彻底改变这类案件的经济账。 我们还处于很早期。Eve 正越来越能在很长的时间跨度里端到端地处理案件。这些案子要花半年、一年才能启动并走完，中间可能有上千次来回互动。随着 Eve 越来越准确，它才有可能处理这么长的流程；这件事一旦做得到，更复杂的工作也会越来越常规化。这样一来，原本得不到代理的人就能获得代理。 **Jay Madheswaran：** 是啊。 **Alex Rampell：** 你想想，如果寻求法律帮助不再那么麻烦，你这一生里会求助多少次？这个数字远比我们想的高。 **Alex Rampell：** 讲个真实的故事。大概九个月前，我在洛斯阿尔托斯的一家 Blue Bottle 咖啡店向人介绍 Eve。我从外部投资人的角度解释，肯定没有你讲得那么好。那天我们聊了很多，话题转到 Eve 时，一个看起来有点生气的男人牵着一条大狗走过来。我有点怕大狗。他问：“你刚才说的那家公司叫什么？”我心想，糟了，他是不是要生气？结果他说：“我是出庭律师，我想试试。”太好了。 **Alex Rampell：** 所以我给你带来一个新客户了。谢谢。 **Jay Madheswaran：** 谢谢。 **Alex Rampell：** 重点是，Eve 扩大了营收机会。能不能讲讲这背后的经营逻辑？大家开车走 101 号公路，或者从佛罗里达到缅因州、纵贯美国东海岸的 95 号州际公路时，都能看到大量出庭律师、原告律师的广告。他们投广告就是为了让人打电话来，说自己遇到了事故或其他问题。律所花钱买广告，接到很多咨询后，有多少会变成案件？又有多少案件最后能带来收入？能不能说说用了 Eve 前后有什么变化？对律所来说，你们不是节省成本，而是扩张收入。到底账怎么算？ **Jay Madheswaran：** 大家开车经过时看到的是律师的脸，却看不到背后的人手，也看不到每通电话实际要花多少工夫。Eve 就是要帮忙处理这些工作。对律所来说，账很简单：通常代理的人越多，收入就越高。但因为接案成本太高，他们不得不拒绝很多案件。对他们来说，需求不是限制因素，真正受限的是人力供给：内部有没有足够的人手来处理这些问题？而且不同律所卡住的环节不一样。小律所可能只有一名律师，配一个案件经理或办公室经理接听最初的电话并记录下来—— ## [12:45] 让律师专注于客户结果 · YouTube **Jay Madheswaran：** 然后律师有空时再回电话。他们四处忙得一团乱。再往前一步，有些律所会把流程系统化，设立接案团队或呼叫中心来接电话；可这又会形成新的瓶颈。比如你的广告牌特别吸引人，突然接到很多电话，接案团队就会忙不过来，于是律所能代理多少人又受到了限制。 **Jay Madheswaran：** 对。 **Jay Madheswaran：** 这就是这些小企业每天面临的难题。它们不是大型企业，只想代理普通个人案件，律所里的人读的是法学院，不是商学院；他们想帮助普通人。Eve 平台把这些环节整合起来，只在需要律师发挥专业判断时才让律师介入：比如判断案子怎么接。Eve 不断抬高能处理的起点。接下来要怎样再往上走？我认为律师都应该把时间花在和客户沟通、帮助客户取得好结果上。 ## [13:57] 从每位律师代理 100 个客户到 500 个 · YouTube **Alex Rampell：** 这就是一种市场失灵：如果我能以每小时 12 美分，或者说一个 token 的成本，雇到律师助理，我就能服务所有 5,000 条咨询线索；可我雇不到。所以原来的劳动力市场根本无法支撑这种规模，而现在有了 AI，就可能做到了。你能不能讲讲客户使用前后的变化？最好的客户，他们的收入转型有多明显？ **Jay Madheswaran：** 洛杉矶有一家律所，每位律师管理的客户数从大约 100 个提高到了 500 个。 **Alex Rampell：** 哇。 **Jay Madheswaran：** 这确实做得到，而且他们非常努力地把 Eve 用到了极致：从接案开始，自动接听电话、筛选资格，不再需要在不同律师和案件经理之间来回传递信息。Eve 的智能体把这些环节都接手了，一直走到和解阶段。去见调解员之前，它会准备简报，告诉你该关注什么、类似案件该争取怎样的和解结果，以及你过去采用了哪些策略才走到这一步。 **Alex Rampell：** 对。 **Jay Madheswaran：** 未来就是这样：案件能持续往前推进，系统还会帮你做得比单靠自己更好。我觉得这就是法律的未来。律师会越来越像数据科学家或工程师，不断设计和优化流程。这种转变最终也会发生在顶尖律所。 ## [15:53] 法律软件背后其实是劳动力市场 · YouTube **Alex Rampell：** 我觉得，如果看一家普通律所，他们可能还不太了解 AI。这也能说明 AI 应用软件会怎样改变世界。以前法律行业的软件栈是什么？大型律所，比如 Wilson Sonsini，最重要的工具可能是工时记录系统，因为它们按小时收费。风险代理律所当然也关心时间，但不会按工时向客户收费；它们可能需要追踪每个案子花了多少钱。我猜主要工具就是 Microsoft Word。 风险投资人过去可能会误判这个行业，觉得原告律师软件市场很小，因为大家都买 Microsoft Office。Office 已经算贵了，可法律软件的总支出看起来也不过每年几十亿美元，似乎小得可笑。等等，律所每年带来的赔偿结果却有数千亿美元。它们没法带来更多结果，是因为受人力限制，也不可能以每小时 12 美分雇到人。所以软件市场实际上是一个隐形的劳动力市场，比谁想象的都大。你作为法律软件公司，当然不能说软件市场很小。 大家知道 Harvey，也知道面向公司法的工具、早就存在的电子取证软件。但 Eve 出现之前，原告律所的主要软件栈到底是什么？一个人读完法学院，想进入这个领域开业，究竟要用哪些软件？ **Jay Madheswaran：** 原告律师业务很长时间只需要一部手机和一个邮箱地址。说实话，有些独立执业律师甚至连 Microsoft Word 都不买，因为成本太高。 **Alex Rampell：** 不是因为他们其实没有那么多文件需要修订吗？ **Jay Madheswaran：** 对，这是一个信任边界的问题：诉讼双方彼此对立，并不像合同审查那样需要协作。 **Alex Rampell：** 是的。 **Jay Madheswaran：** 总之，过去没有软件真正解决原告律所的核心问题，也就是你刚才说的人力限制。这是他们做任何事情的基础。只要有足够人手、又擅长管理人手，他们就会用人力解决所有问题。因此，法律软件资源大多投向了被告机构，因为那些机构有预算。Harvey 以及如今绝大多数法律软件公司，主要服务的都是被告一方，就是因为那里有预算。 **Alex Rampell：** 对，那边也更容易开发产品、拿到资金。而原告律所是每个月都盯着现金流的小企业；你要是从第一天起就不能带来结果，他们就不会续约，甚至会破口大骂、想办法找你算账。确实很难做。 ## [19:53] 把人工操作变成可复用流程 · YouTube **Jay Madheswaran：** 但我们知道他们真正想要什么：代理更多人、赢下案件。现在我们能帮他们实现这一点。今天的软件有个很大的优势：你只要先手动完成一项任务，即使要处理新数据、做转换，这恰恰是 AI 擅长的，就可以把它编码成流程。这是一个从未发生过的根本性变化。 以前也有人想通过人员运营来做到这一点，但没成功，因为每个案子都不一样，始终得招到足够聪明的人才能处理。现在一个聪明人能同时管理我们说过的 500 个案件，每个案子的事实和情况都不同。要把这么多细节全记在脑子里很难，但现在不必了。 ## [20:27] 为什么 Eve 胜过“原始智能” · YouTube **Alex Rampell：** 现在很多应用层创业者可能会担心：大模型公司会不会把我们碾过去？实验室掌握了智能，会不会下一个就来做我的业务，让我完蛋？当然有很多办法可以防守，但“防守”这个说法低估了机会。如果你有网络效应，或者掌握别人没有的数据，就能带来更好的结果。即使所有人都在后台用 ChatGPT 或 Claude，又有什么关系？你肯定想过，为什么 Eve 比直接调用通用智能更好？随着更多从业者使用产品，Eve 又会怎样变得更好？ **Jay Madheswaran：** 我们押注这些模型会越来越强。我们的价值就在于：要是能找到一千个爱因斯坦帮忙打官司，或者找到历史上最好的律师来做每一项任务，我们当然愿意。问题是，把爱因斯坦今天放进一家律所，他也得过一阵子才能真正做出贡献。这正是 Eve 要解决的一般性问题。 为什么人一开始没法发挥作用？我想有几个原因。原告案件里绝大部分数据无法通过抓取获得。不到 1% 的案件会真正和解并成为判例；绝大部分在提出正式索赔要求之前、进入诉讼之前就解决了，有些更早。其实就是双方协商：“这是我受到的损害，请把问题解决。” 举个具体例子：我出了车祸，责任不在我。对方保险公司可能会说：“你伤得没那么重，我们给你一美元。”它们总是尽量拒赔，规则一是拒绝，规则二还是拒绝，后面也差不多。我只好请律师帮忙拿到应得的赔偿，因为我确实受了伤，车也报废了，对方却不想赔。案子最后没有上法庭，但 Geico 最终确实赔了 29,000 美元。我猜这会是很有用的信息。 **Alex Rampell：** 没错。保险公司处理过 10 万起不同案件。 **Jay Madheswaran：** 它们掌握着共同的案件信息。 **Alex Rampell：** 它们能看到各种律所处理的案件，但分散在不同地方，所以每家律所不一定知道 Geico 每一步具体怎么做。 **Alex Rampell：** 正是如此。保险公司甚至有个名字听起来很吓人的软件，叫 Colossus。它会追踪、估算受伤的价值，比如拇指骨折值多少钱。公平地说，这事本来就很难做；但他们还会估算，给客户赔多少钱能打发掉这件事，而不管这个人实际的处境和需要。法律制度本来就是要纠正这种问题。 有意思也有挑战的是，你去 Google 搜“如何给 State Farm 写一封针对软组织损伤的出色索赔函”，这种东西根本搜不到。新加入原告律所的律师助理也得自己学。再加上每个地方的司法管辖环境都不同：法院系统、对方律师的行为都不一样，这些背景也很重要。Eve 正把这些过去很难利用的、多维度的信息变成实际能力：在这一刻，做什么最能改善案件结果？ **Alex Rampell：** 对。而一个案子里，这个问题会反复出现几千次。人的脑子不可能一直记住所有这些信息。 ## [24:29] 用案件数据形成持续优势 · YouTube **Jay Madheswaran：** AI 可以。我们帮律所建立这类数据，他们很快就能看到价值。最先显现价值的当然是接案：我到底该接谁的案子？我最擅长代理谁？可以先从这一步开始，然后不断做得更好。 **Alex Rampell：** 这些律所规模不大，对吧？比如新泽西有家四名律师的小所，亚利桑那有家七名律师的小所，但它们的对手往往是 State Farm、Geico 这样的公司。它们之间分享信息其实没问题。数据对你们来说怎么处理？公司刚起步时，大家总会说“这是我的数据”。但我想这也讲究互惠。就像我合作的一家牙科 AI 公司，爱荷华州的牙医不能去佛罗里达州给病人看诊，但他们还是想从彼此的共同实践中学习。你们怎么考虑数据隔离和共享？ **Jay Madheswaran：** 我们基本遵循这个行业现有的交往规则，只是用软件把它的作用放大了。每家律所自己的案件都必须严格保密，这一点很重要，法律上也有规定，涉及律师—客户保密特权。我们绝不会用这些案件数据训练模型。 **Alex Rampell：** 对。 **Jay Madheswaran：** 不过，律师也会交流经验。他们会出差参加继续法律教育课程，分享自己如何应对 State Farm 的某些抗辩，因为 State Farm 会在很多案件里重复使用同样的抗辩。不是针对 State Farm，换哪家公司都一样；这本来就是律师在做的事。 我们自己也聘请律师，追踪平台上案件的成功率。我们希望用 Eve 的律所能取得更好的结果，这就是我们追踪的指标。我们还有一个叫 Auditor 的产品，每天夜里逐页分析每个案子，寻找一位完美律师每次都会发现的问题。遗憾的是，几乎所有案件都漏掉了信息。现在，这种情况就不必再发生了。 ## [27:00] 双方都获得 AI 超能力之后 · YouTube **Alex Rampell：** 说说未来会怎样。一方面，我能想象 Geico 有一天会更聪明一点。它们过去靠“拒绝、拒绝、再拒绝”变聪明，因为它们知道这是对抗性的系统。比如我的房子着火了，我说里面有一幅毕加索，它们可能就觉得我在编，直接拒绝、再拒绝。双方都在互相较量，但现在都会得到超能力。 消费者智能体已经让我们看到类似情况：我想订一家特别难订的餐厅，电话那头是个真人；如果我可以用每小时一分钱的成本让智能体不断拨号、把电话打爆，对方迟早会发现自己遭到 DDoS，然后想办法阻止。回到法律行业，你们客户的对手会怎样适应？过去 Geico 说“你的损失是 2,000 美元”，消费者也许觉得确实有 2,500 美元损失，但金额不够大，他们不用担心。现在，原本受了委屈、遭到侵害的“大卫”终于能反击，而 Eve 正在为他们提供工具。 另外，你提到可以长期工作的智能体。很多法律工作都能交给 AI 之后，法律实践会变成什么样？你说律师有点像未来的数据科学家。对方保险公司和律所会怎么应对你们进入市场？更大的问题是，法律会如何演变？现在 AI 可以整理文字、找出事实，人类的重要性会不会下降？人当然还要把案件带到终点，但 AI 应该做什么、不该做什么？ ## [29:16] 人类律师还剩下什么工作 · YouTube **Jay Madheswaran：** 我看这件事的框架是：个人最终总需要有人代理。至于具体工作由谁来做，可以假设 99% 甚至 99.9% 都是 AI，但总会剩下那么一点人情味。我们相信，人能对案件结果产生积极影响。 **Alex Rampell：** 这正是现实。被告一方，或者说机构一方，传统上一直拥有更多资源、更多钱，也有更多时间。时间本身就是一种很有力的武器，尤其当个人已经欠债、还得支付律师费时。机构会依赖集中化和标准化。原告律师则是替客户打官司、推动案件进入诉讼的人。我想，未来会有更多案子真正有分量，日常往返的沟通则会由智能体彼此完成。听起来像个疯狂的未来，但我觉得我们正朝那里走。 **Jay Madheswaran：** 真正拉开差距的，是律师对客户、事实，以及当地环境的了解——包括当地法院和对方律所的做法。律师会用这些判断为客户争取更好的结果。这一点不会消失。我们已经看到，很多 Eve 客户反而选择把更多时间花在庭审工作上。 **Alex Rampell：** 对。 **Jay Madheswaran：** 因为 Eve 让他们做得到。以前一旦进入庭审，整个律所都得停摆。 **Alex Rampell：** 一下子所有时间都耗在庭审准备、挑选陪审团上。 **Jay Madheswaran：** 大家当然希望案件能和解。 **Alex Rampell：** 没错，更多是围绕和解展开。 **Jay Madheswaran：** 完全正确。我认为现在会越来越多地回到真正的辩护上：怎样让别人听见我们的主张？客户已经被逼到墙角，对方做了好事或坏事，我怎样围绕客户真正关心的事来代表他们？ **Alex Rampell：** 这也有数据科学的一面。你们可能正在积累以前从未有人汇总过的大量数据，因为每个案子都很独特，没有一个能查到所有和解金额的公共数据库。我在诉讼融资里见过类似做法：如果我作为出庭律师不是按小时向客户收费，那我要怎么支付自己、员工和办公室租金？这时会有公司说：“我来资助这个案子。”它们看好你能赢，还会分析法官等各种因素，确实很重视数据科学。过去这些数据根本没有集中存放；现在有了数据，律师就能做更明智的决定：该去庭审、接受和解，还是继续争取？Geico 报 12,000 美元，我该不该再争取 15,000？要不要打到法庭上，试着赢 100,000？该怎么判断？ **Jay Madheswaran：** 没错。我们能帮律师在每个案件里做出最好的选择，也判断什么时候已经拿到了最优结果。 **Alex Rampell：** 对。但我觉得继续推进案件仍然是律师的责任，这就是我说的数据科学式工作。 **Jay Madheswaran：** 因为你是在用软件的力量，完成过去根本没想过能做的工作，从而改善结果。 ## [33:01] 用 ChatGPT 起诉 Wells Fargo · YouTube **Alex Rampell：** 这是个很大的问题：法律制度会走向哪里？我之前和 Wells Fargo 有点纠纷，花了四个小时都没解决，就想算了，干脆起诉它。我打开 Codex，也就是 ChatGPT，说：“起诉 Wells Fargo。”四小时后，它真的帮我提起了诉讼，还找到了送达员。我收到出庭通知，说要上法庭，日期是二月。 专利法也有类似变化：以前申请专利特别费劲，现在工作少了，但专利商标局还是瓶颈。你觉得 AI 成为基本配置之后，法律行业会怎样？你们已经在原告律师领域推动了这件事。把时间快进五年，整个法律实践会有哪些相同和不同？ **Jay Madheswaran：** 我认为不可避免的是，我们得建立一些体系，让事情不必全都进入法院。这种做法在法律里早就有了：比如有些退伍军人事务案件由其他委员会处理；很多劳动和雇佣纠纷要先经过 EEOC；雇主也想出不同办法，通过调解和仲裁解决问题，不一定走法院。 **Alex Rampell：** 对。 **Jay Madheswaran：** 这是法律自然演进出来的机制，我预计以后会越来越多。变化在于，有些领域可能会采用某种自动化争端解决方式，也就是 ADR：由 AI 协助的调解员，或中立的第三方，用 AI 加快判断过程。我不觉得判断本身会被取代，但他们会得到一套事实材料，显示历史上类似情况是如何发展的。至于如何排除其中可能存在的偏见，仍然要由他们决定。我认为法律工作会越来越多地转向这一部分。 ## [35:16] 小型律所能做到十亿美元营收吗？ · YouTube **Alex Rampell：** 你觉得小律所会变大吗？现在每位律师只能管 100 个案子，用了 Eve 后能管 500 个，将来也许能管 5,000 个。那我为什么还要把办公室限制在新泽西一个很小的地方？或许可以把业务做得更广，形成更像企业的大型法律机构。最大的出庭律师事务所应该是 Morgan & Morgan，对吗？它们的营收有几十亿美元，而一般律所很小。但你能想象，一家小律所在 Eve 和这些变化的帮助下，成为营收十亿美元的企业。这个结果可能更像风投追求的增长，而不是人们所说的“生活方式企业”——这是个多少带点贬义的词，指的是能盈利就好。你觉得这合理吗？当然，律所现在还不能上市，也许亚利桑那之类的地方可以；但这些本地的小律所有没有可能变成大型机构？ **Jay Madheswaran：** 我认为会发生的变化是，很多律所会越来越像软件公司，终于加入过去 30 年软件革命的浪潮。要理解为什么以前没发生，可以看一笔账：比如一个案子和解 25,000 美元，律师拿三分之一，约 8,000 美元。这里面大约一半花在人力上，30% 用来做营销，剩下的才算利润。这就是今天的业务模式。在这种情况下，很难把钱重新投进去，让下一个客户得到更好的服务。 **Alex Rampell：** 对。要改进服务，今天基本上只能再雇一个更好的律师。 **Jay Madheswaran：** 现在他们可以积累独属于自己的数据库和数据集，在某个法律领域里取得比竞争者更好的结果。这就是专业化。这个行业大约 30 年前就开始经历这种变化：以前街坊律师什么都做，从雇佣纠纷到知识产权，什么都管。 **Alex Rampell：** 对。 **Jay Madheswaran：** 后来出现了执业领域的专业化：有人擅长知识产权，有人擅长劳动法。现在又能变得更细，比如专做产伤，或者专做符合某些事实特征的软组织损伤案件。律所可能把某个细分领域做得特别好，再把经验推广到全国；针对这些案子的广告，也可能比 Morgan & Morgan 那种到处打广告更省钱。 **Alex Rampell：** 也就是说，先在本地把一个领域做好，再扩大到全国，因为你在这一领域有很强的专业能力。 **Jay Madheswaran：** 正是如此。我想我们既会看到这种专业化，也会看到相反的一面：我们也在和一些规模接近 Morgan & Morgan 的大型律所合作，它们开始合并，收购其他律所。它们意识到，有了 Eve，过去非常痛苦的整合流程现在可以很快完成，围绕客户想要的法律结果来整合。Eve 就是为此打造的。 **Alex Rampell：** 对。这样一来，他们就能减少很多变革管理、人事调整和运营改造的工作，因为 Eve 能替他们处理不少事情，也能缩短收购后真正实现价值所需的时间。 ## [39:16] 计费小时制会消失吗？ · YouTube **Alex Rampell：** 有意思的是，现在软件行业正在转向按结果定价。过去 SaaS 软件是按席位、按月收费。我常开玩笑说那就像星巴克 Tall、Grande、Venti 的套餐：每家 SaaS 网站看起来都差不多，79 美元、99 美元、129 美元一个月。也难怪 Claude 可以轻易把它们仿出来。收费方式就是按席位。 看看 Zendesk 这样的公司吧，最后一次作为上市公司时，年度经常性收入有 20 亿美元。后来它被 Permira 和 Hellman & Friedman 私有化。现在大家会问：“你要多少个席位？”也许答案是零，因为我们要交付结果。所以软件行业、很多 AI 公司都在说：“我们交付结果，就按结果收费。” 有意思的是，你专注的这类法律业务从一开始就是按结果收费的。但还有其他法律服务不是按结果收费，我敢说客户都更希望按结果付费。当然有些事情很难定价。比如我有一位做信托和遗产规划的律师，她特别优秀，也特别贵；可如果按结果算，结果就是我死掉，所以我也不知道自己想不想要这个结果。客户可能更愿意知道一个固定价格。 不过，律师按小时收费也不一定是为了宰客户。律师和客户之间存在信息差：我心里想要什么，跟我怎么表达出来可能不一样；项目范围也可能逐渐变化。但我认为其他法律领域或许也该像原告业务一样，按结果收费。 **Jay Madheswaran：** 对，比如移民法也应该按结果定价。其实所有法律服务都应该这样。但难点在于缺乏数据：比如怎样才能替被告打赢这个案子？你觉得法律其他领域也会发生变化吗？我们可能不只做原告业务。原告律师其实走在前面了。大家都想要结果，没人想为投入的工时和过程买单。或许其他法律领域也应该采用同样方式。 **Jay Madheswaran：** 这正是我们的看法。难点在于，接一个新案子，到底要花 10 小时还是 100 小时？很多时候不接下来做，就不知道。原告案件也是如此，所以我们必须深入每一种执业领域，真正帮人取得结果。去年我们做的就是现在所谓的长时程智能体，当时要想推动结果，就必须这么做。现在技术越来越成熟，确实能带来法律结果。 要让法律服务更普及，拿到一组事实之后，必须知道需要多少计算资源才能得到结果。这既需要汇集并更好地使用数据，也需要更有效地运行计算来取得结果。我们两方面都在做，所以才会全力专注于结果。大卫对抗歌利亚的局面正在各处发生，不只是大型律所或企业法务。那些机构只是预算充足，可以在一段时间里开出空白支票，却不知道这些工作最后究竟能带来多少结果价值。 **Alex Rampell：** 对，这是因为他们不知道自己工作的预期价值是多少。 ## [43:16] 按结果收费为什么难 · YouTube **Alex Rampell：** 这也体现了信息不对称。比如你要为 C 轮融资请律师，工作可能很简单，也可能特别复杂，所以很难直接报固定价。对律师来说，往便宜了估不会亏太多：收 25,000 美元，结果一小时就做完；但如果要投入 4,000 个律师小时，就可能赔钱。 在公司法里，有些服务甚至被当作亏本引流，之后再从并购或 IPO 项目里把钱赚回来。你们怎么定价？创业第一天就知道该向哪类客户收多少钱吗？我猜你们的想法也变过。 **Jay Madheswaran：** 说来也怪，我们从第一天就差不多采用“Tall、Grande、Venti”那种模式，因为当时不知道还有更好的办法。后来深入了解后，我们发现客户关心的是结果：我怎样才能服务更多客户？所以很早我们就被迫转向按结果收费。那大约是一年半前，在今天看来已经算很早了。 **Alex Rampell：** 放在 AI 年代，那就像狗的一年乘以一百年。 **Jay Madheswaran：** 没错。我们还有很大的提升空间。之前说过，律师拿到和解金额的三分之一，其中一半花在人力上，这部分现在可以省下来。但怎样把省下的钱转化成更多价值？最好的方式，反而是多用一些 token，让 Eve 做更多工作，为律所赚更多钱。这就是我们现在的循环。 我不认为计时收费会彻底消失，但它可能会像按席位定价一样逐渐退居次要位置。某些法律服务仍然适合按小时收费，因为要等很多年才知道结果的价值。但很多其他领域不是这样：结果本来就可以预测，律所应该把工作成本摊薄，再把相应价值交付给客户。这是我们的押注。我们从第一天起就专注于端到端交付法律结果，让律师只要把新客户交给 Eve，Eve 就会在需要律师时再请他们介入。 ## [46:08] 一个案子里的 10,000 次来回 · YouTube **Alex Rampell：** 我们说过，原告律师很多时候受人力供给限制，而不是没有需求。他们有源源不断的客户，却因为获客成本和客户终身价值之间的账算不过来，没法服务所有人。这跟其他生意的道理一样。你们现在增长这么快，是什么限制了增长？要让 Eve 更快发展，你们需要哪些投入？ 很有意思的是，法律基准测试——包括你们公开分享的那些，以及 Anthropic、OpenAI 等合作伙伴在做的测试——过去很关注一个单项结果：给一个任务，看它大体上做得好不好。但现在行业正走向智能体工作。对 Eve 来说，真正重要的一直是智能体最终带来的结果。今天技术和流程还需要人在每个案件里介入不少次，但随着工作不断增多，我们每个月都在大幅减少这种人工介入。还得按案件类型分别做：把每种案子当成科学问题来研究，怎样才能解决？如何打造一个“小型律师大脑”，处理所有数据点，知道怎样达成结果、怎样使用云端等工具？这很难。目前主要限制是工程师人手。要推进的工作多到没有尽头。好的一点是，只要我们能把某一种案件端到端处理好，比如机动车事故案件，就能为世界释放数千亿美元的价值，而那还只是一个细分类型。 **Alex Rampell：** 你们已经有完全自主、端到端处理的案子了吗？从接听电话、签下客户，到最后从 Geico 拿到赔款，整个流程都完成？ **Jay Madheswaran：** 还没有，但已经很接近了。这也是为什么我们需要工程师。举个例子，一个案件大概有 10,000 次来回互动。想想人身伤害案：客户进来之后，要收集病历；然后要打电话给保险公司和医疗机构，拿到客户已有的记录。如今光这件事就要两周。Eve 的外呼智能体能用语音 AI 打这些电话。很有意思的是，我们已经看到智能体和智能体在交谈，甚至互相摸索怎么突破对方。 这是流程中的一步。接下来还要准备文件、和对方沟通。我们正在把这些任务逐一端到端完成。现在仍需要一些人来介入，让结果更好一点，但我们正在打造的，正是怎样把整件事完整地端到端跑起来。 **Alex Rampell：** 对，我们已经看到早期迹象，有些客户那里已经实际运行起来了。 ## [49:37] 感恩节前的证据开示策略 · YouTube **Alex Rampell：** 回到被告一方和他们掌握的大量信息，你看到他们的反应有什么变化吗？比如他们会想：“糟了，对方这样找上门，我可能得和解。”我猜他们不会随便喊价，因为一年要处理成千上万次类似案件。假设我是 Geico，你要求赔这么多，我第一轮可能只愿意出一个数；但如果他们的成本下降，反应也可能变化。你有没有看到客户对手的做法发生改变？ **Jay Madheswaran：** 总体来说，被告一方仍然采用按小时收费的商业模式，所以他们没有像我们的律师这样跟上节奏。这里有很大的价格不对称。我们合作的一家律所以前遇到过这种情况：对方会把证据开示的截止日拖到感恩节或其他重大节日前一天，再把材料发过来。他们知道律师会去度假，却得在假期里背着一大堆工作，最后不是做不好，就是只能赶着做。 这种策略反复出现，于是这家律所在 Eve 里做了个智能体，要求当天就回复。下一次对方再这么做时，律所马上就发出了答复，对方律师都愣了：“这是怎么回事？” **Alex Rampell：** 哈哈。套路不灵了。 **Jay Madheswaran：** 对。现在这样的例子有很多，被告一方开始意识到：“等等，这就是对方也有资源时会发生的事。”这很有意思。 **Alex Rampell：** Jay，这次对话太精彩了，我学到很多。我没想到一个案件从头到尾有 10,000 次互动。很高兴成为你们的合作伙伴，也期待把 Eve 带给接下来的 10,000 家律所。谢谢。 **Jay Madheswaran：** 谢谢。我们要做的还很多。目前大概已经帮助了几十万名客户，还有数亿人需要触达。我希望每天都能为他们的生活带来一些改变。如果你也感兴趣，欢迎加入 Eve。 **Alex Rampell：** 太棒了，谢谢。