AI 如何改造法律服务：Harvey CEO Winston Weinberg 深度对话

coverSequoia Capital · 2025-03-11🎬 在 YouTube 观看原视频 →>

摘要

本期节目邀请了 Harvey 的联合创始人兼 CEO Winston Weinberg。Harvey 在过去两三年中已经成为 AI 生态系统中一个标志性的存在——"在基础模型之上构建应用层公司"的典范案例。当两年前这类公司被嘲笑为"GPT 套壳"（GPT Wrapper）时，Winston 和他的联合创始人 Gabe 认识到，真正的价值恰恰在于处理现实世界的复杂性——不是取代人类，而是赋予他们超能力。

Harvey 如今正站在改造法律服务行业的前沿。仅在美国，法律行业就是一个 4000 亿美元的庞大市场，与全球云市场的规模相当。Winston 分享了 Harvey 的产品哲学——"扩展再收拢"（expand and collapse）：针对高价值用例构建专项代理工作流，然后将它们重新整合到一个统一的产品界面中。当用户上传一份股权购买协议时，Harvey 会自动建议运行哪些工作流——提取陈述与保证条款、摘要、对比分析等。

这场对话深入讨论了法律 AI 面临的核心挑战：行业数据不在互联网上（如何做合规披露？什么是"市场惯例"？）、评估需要中级以上律师的专业判断、以及如何赢得已有百年历史的顶级律所的信任。Winston 还阐述了他对法律行业未来的愿景：基础性工作将被商品化和自动化，而高端战略咨询将变得更有价值——这对年轻律师来说是个好消息，因为他们进入这个行业不是为了在数据室里呆十年。最后，他解释了 Harvey 如何从销售"效率软件"过渡到参与"销售工作本身"——与律所建立收入分成模式，帮助他们将技术驱动的服务卖给客户。

正文

从"GPT 套壳"到行业变革

Winston 回顾了 Harvey 在 2022 年 7 月创立时的环境——那是在 ChatGPT 发布之前，应用层 AI 公司的概念几乎不存在。当人们最终注意到这类公司时，普遍的反应是轻蔑："这些不过是基础模型的套壳而已，没有真正的价值。"

Winston 的回应是：法律行业非常混乱。"如果一家公司说'我们只做引用'，那你确实只是一个 GPT 套壳。"但 Harvey 的野心是与整个行业合作，彻底改造它。法律是一个万亿美元级别的行业，充斥着不同的数据集、多样化的工作方式、高度专业的工作流——这正是应用层公司可以创造巨大价值的领域。

Winston 给出了一个生动的例子：当 OpenAI 发布 Deep Research 功能时，他的第一反应不是"这很酷"，而是"这可以用在资本市场的某些用例中"——用于研究市场和互联网上的数据。这不是资本市场律师的全部工作，但你可以把它嵌入到一个包含上百个步骤的产品工作流中，让那一步骤变得更好。"每当基础模型能做比以前更好的事情，或者出现了全新功能，它就是解锁了总可寻址市场（Total Addressable Market, TAM）的一个部分，或者实际流程中的一个环节。"

产品哲学：扩展再收拢

Winston 阐述了 Harvey 最核心的产品方法论——"扩展与收拢"（expand and collapse），这也是他认为团队做得最好也最难管理的事情。

"扩展"是指针对特定的高价值用例构建专项工作流或智能体系统。例如，判例法研究需要多个步骤：在所有案件中做检索、对比分析各案件、将客户案件的实际情况与所有判例法进行综合比对。针对这个需求，你构建一个端到端的专项系统。

"收拢"则是将这些专项工作流重新整合到一个统一的产品服务层级中。最终的体验是：用户上传一份股权购买协议（Share Purchase Agreement, SPA），Harvey 在后台运行多个工作流——提取陈述与保证条款、摘要分析等——然后主动建议用户选择运行哪些工作流。

这个过程的难点在于平衡：你是在为证券律师构建特殊功能，还是在为所有律师构建通用功能？Harvey 的策略是：先构建专项能力，然后通过智能路由和建议系统将它们统一呈现。

专有数据与过程知识：护城河所在

Winston 指出了法律 AI 面临的核心挑战：很多过程数据（process data）根本不在互联网上。如何做合规披露？什么是某个特定私募股权基金的"市场惯例"？这些知识不在 Reddit 上，不在任何公开网页上。

Harvey 的解决方案是直接雇佣领域专家，让他们坐下来说："这是我执行这项任务的步骤。"然后团队在这些步骤之上串联模型。如果模型在某些环节存在差距，就进行针对性的微调（fine-tuning）——但一定是任务特定的微调，而不是把所有法律文件扔进一个模型然后期望它"会做法律"。

Winston 用一个惊人的比喻来批评那种"数据驱动一切"的方法论："把所有的法律文件读一遍，然后训练模型，就期望它会做法律——这就像是读完了法学院所有的案例和教科书，然后直接把你扔进职场，期望你什么都会。但现实不是这样运作的。"

评估同样是一个巨大的挑战。Harvey 不得不聘请中级以上的律师来做评估工作——因为如果初级律师能做评估，他们就已经是中级或高级律师了。Winston 估计，律所和专业服务公司大约 20-30% 的收入实际上就是在做"评审初级员工工作"这件事。

为什么先做律所而非直接做企业

Winston 分享了一个精心设计的市场进入（Go-to-Market, GTM）策略：先赢得顶级律所的信任。在专业服务领域，"声望"之所以重要，是因为信任最重要。如果 Harvey 能赢得几家顶级律所的信任，其他律所就会跟随，律所的下游客户也会信任。

相比之下，直接面向企业客户存在根本问题："他们根本没有理由信任你能真正构建这些系统。"这解释了为什么 Harvey 最初拒绝了大量想要合作的小律所，而是将精力集中在少数几家最具声望的律所上。

如何获得那些百年老所的信任？Winston 的做法是做一些"不规模化"（do things that don't scale）的事情：每次向合伙人演示时，他都会使用对方最近处理过的真实案例来展示 Harvey 的能力。另一件让他记忆深刻的事情是：在演示过程中故意让律师"和模型争论"——"这个论点好吗？你会怎么改进？"即使是最无聊的演示，一旦抛出这样的问题，律师们就会逐字逐句地阅读 Harvey 的每一个输出。这种参与感是传统软件从未带给他们的。

从卖软件到卖工作

Harvey 正在经历从传统的按席位（seat-based）销售模式向参与"销售工作本身"的模式转型。Winston 解释说，Harvey 实际上有两个产品：一个是生产力套件（productivity suite），律师始终在闭环中，每周节省数小时时间；另一个是完成从头到尾部分工作的专项工作流——这更接近于"卖工作"。

Harvey 的做法是与律所建立收入分成协议：结合律所的领域专长和 Harvey 的技术能力，然后由律所将这种技术驱动的服务卖给他们的客户。一个典型的例子是私募股权领域的低端合规工作——律所通常以亏损价格做这些工作以换取未来的大交易。Harvey 帮助律所将这些工作转化为软件，让他们不再亏损运营，并以固定费用收费。

法律行业的未来

Winston 对律师职业的未来保持乐观。他认为 AI 将让律师回归 50 年前的角色——真正的顾问。"大多数进入法学院的人的目标不是在数据室里坐十年、做文件标注，然后可能出庭一次。他们想给客户提供建议，想帮助别人，想赢。"

基础性工作将被商品化和自动化，但高端战略咨询将变得更有价值。Winston 给出了一个尖锐的观察：目前初级律师和最好的合伙人之间的收费差距只有 3-4 倍，这实际上是不合理的。未来，那些能够"看到转角之后"（look around corners）、提供战略性建议的律师，其价值将远远超过现在。

在司法可及性（access to justice）方面，Winston 分享了一个触目惊心的数据：美国律师的平均时薪是 352 美元，这意味着几乎没有人能负担得起律师。即使每个律师每周花 20 小时做公益法律服务，仍然无法弥合这个缺口。Harvey 的愿景是通过 AI 大幅降低法律服务的成本，让更多人能够维护自己的权利——尤其是在人们甚至不知道自己权利受到侵犯的领域（如住房纠纷、不当收费等）。

闪电问答