Harvey 的 Winston Weinberg：为什么 AI 将迫使律师改变收费结构

Harvey 是“应用层”初创公司中的一员，这类公司基于 Anthropic、OpenAI 等开发的强大 AI 模型构建工具，供特定行业使用。

在与英国《金融时报》风险投资通讯员 George Hammond 的这场对话中，该集团首席执行官 Weinberg 谈到了 AI 如何可能颠覆律师事务所的商业模式，以及 Harvey 如何在竞争对手中保持领先。

George Hammond： 你读法学院的时候，是否已经感觉到 AI 或某种自动化将进入法律行业？

Winston Weinberg： 没有，这绝对不在我的考虑范围内。我当时关注法律科技，但直到我遇见联合创始人[Gabriel Pereyra]，我才真正开始思考这件事；那时他正在做一家教育初创公司。

我记得我们第一次见面时是在一次早午餐上，他试图解释说，他基本上打算利用对国际象棋走法的预测分析来教人们下棋。然后再把这一套方法应用到大规模教育领域。

那家初创公司最终没能做成。后来他开始在 Meta 工作，而我则去了 O’Melveny & Myers 任职。

对我们来说，真正“恍然大悟”的时刻是：2021 年底，他基本上向我展示了[OpenAI 的]GPT-3。我们随即把它拿来使用，而我开始在 O’Melveny 的一起房东与租客公益案件中使用它。

我们让它处理 100 个案件，然后把[它的回答]交给三位房东与租客事务律师。我们完全没有提到 AI。我们只是说，“嘿，这位消费者问了这个问题。你会把这个答案发回给他吗？”在 100 个问题中，有 86 个得到了肯定答复。

GH： 你们当时是否把这视为后来可能发展成 Harvey 的概念验证，还是你们在想，“我们有了这样一个了不起的工具，为什么不直接用它来完成我们自己的工作？”

WW： 我们基本上做出来后，就把它发给了 OpenAI，并直接问他们：“你们知道它在法律领域表现这么好吗？”我们把它发给了 Sam [Altman]和 Jason Kwon[时任 OpenAI 法律顾问]。他们说：“不，我们并不知道。”

其中一部分原因是，思维链提示在法律领域效果特别好，而在许多其他领域却未必如此。你想想法律的本质，就是将法令及其解释适用于具体事实情境。这正是思维链推理最擅长的场景。

我们当时向他们推介，想专门为房东与租客纠纷构建某种产品。但在我们获得 GPT4 使用权限后，这个想法发生了变化，因为设计提示、评估提示以及评估输出所花的时间，已经不再和实际完成工作所需的时间处于同一量级。[我们当时想]，这将改变大型律师事务所。

GH： 当时你是否已经看到了 Harvey 可能切入的那个空白地带？

WW： 最大的问题，而且至今仍然是最大的问题，在于完成一项法律事务所需的上下文信息极其庞杂，难度非常非常高。房东与租客纠纷，可能只是发生在某一个人身上的一件事；而在商业交易中，涉及的可能是 100 年的历史，或者 50 年的历史，对吧？

最大的问题在于，完成一项法律事务所需的上下文信息极其庞杂，难度非常非常高。

随着时间推移，我们还意识到另一点：模型的推理能力确实在提升，但智商的提高并不会增强它们处理诸如基金设立这类事务的能力。原因之一是，这类数据根本不存在于公开渠道，互联网上并没有到处都是基金设立的数据；原因之二是，许多不同类型的工作都建立在客户关系基础之上。因此，你需要获取该客户所拥有的内部数据集。

GH： 随着 Harvey 不断发展，最初的这一论文是如何形成的？

WW： 实际上，我们一直保持着同样的愿景，只是进程加快了。我们原本认为，基本上我们必须在很长一段时间里为单打独斗的律师打造一款助手。然后最终才能把这一流程整合成一个面向律所或企业内部法务团队的平台。而眼下进展非常快的是，我认为这些产品正从面向个人用户的生产力工具，转变为服务企业的系统。

这些产品中，很大一部分都将从提升个人生产力，转向销售给机构。所谓机构，基本上可以看作是一群与机构内人类协同工作的智能体之类的存在，并开始承担越来越多的工作。

GH： 随着你们迈向这一智能体层，是什么能阻止 OpenAI 自己来做这件事？

WW： 你构建这些智能体的方式，在每一个具体业务领域都不一样。这里面有不同的抽象层级：先是管辖权，然后是业务领域，再然后是这个具体案件中发生了什么，接着你还要问：“这位客户和这位律师是如何处理这笔交易的”，对吧？

每个人都可以去查一查……“法律是什么？”这其实并不那么难。难的是“在这个具体情况下我们该怎么做？”这几乎就是律师事务所的价值所在。我们正在构建的很多东西，都是“如何把所有尽可能具体的不同背景信息整合起来，并导向一个输出？”

我认为，随着时间推移，真正会变得非常有意思的，是如何处理人与智能体之间的互动。因为我们将会走到这样一个阶段：智能体会承担其中海量的工作，而你必须构建出这样一种产品，让人类能够在不同环节介入，并表示：我希望在这里作出判断。

你必须构建一个系统，提取所有这些数据，并通过正确的流程进行处理，才能为每个垂直领域和每种应用场景实现那样的精确度。

GH： 你们如何在 Legora 等直接竞争对手，以及 OpenAI 等可能想自行构建该系统的 AI 公司面前保持领先？

WW： 这是一场竞赛。如果你能非常迅速地嵌入所有这些系统，就能把自己的系统提升到这样的程度，以至于[合伙人]不会愿意将其拆除并替换掉。

这是一场竞赛。如果你能非常迅速地嵌入所有这些系统，你就能把自己的系统提升到这样的程度，以至于[合伙人]不会愿意把它拆掉再换成别的。

与此同时，还会开始出现一种有趣的生态系统效应，因为我们同时服务于市场的两端。一个很好的例子是，那些在过去20年、30年里一直使用同一家律师事务所的私募股权公司。它们几乎把全部外部法律预算都花在一家律所身上，而这家律所……实际上也在培训初级律师如何与这家私募股权机构合作。你可以把我们正在开始做的事情，理解为位于这两者之间的一套系统。

GH： 在人工智能时代，这种机构性知识会发生什么变化？如果过去是高级合伙人从初级律师一路做起，并在一家律所工作了 30 年，那么如今价值是否体现在人工智能代理的记忆中？

WW： 对律师事务所而言，AI 最终将发挥的作用，实际上是把它们的机构性知识编纂成体系，使其不再依赖某一位合伙人。这意味着，这些客户关系最终会变得更加稳固。

GH： 那么，这是否会带来一种可复制性的风险，而在知识只依赖于某一位合伙人时，这种风险原本并不存在？这对律师事务所来说是一种风险吗？

WW： 所以我认为，这实际上比过去对律所更有利，因为眼下那里根本没有护城河：合伙人一旦离开，所有业务也会随之流失。

GH： 我很好奇，你认为这将如何改变初级律师的工作，尤其是年轻律师的工作。像 Harvey 这样的工具，会如何改变你作为律师第一年的工作经历？

WW： 如今，它主要能做的是大量你过去要做的例行、机械性工作。现在你完全可以用 AI 来完成这些工作。问题在于，这一点尚未转化为整个行业让初级员工减少这类工作的现实。

将会发生的是，企业法务团队将迫使律师事务所作出改变。如果你所在的是企业法务团队，而某项工作可以借助人工智能完成，你就不会再接受律师事务所为完成这项具体任务开出的离谱账单。

如果你是企业法务团队，而有些事情你可以用 AI 来完成，你就不会接受律师事务所为完成这项具体工作开出的离谱账单

我认为，这实际上对法律行业非常有利：这些任务初级律师助理或许确实需要做……10次，但不是100次或1,000次，对吧？我认为，这将迫使律师事务所真正去思考：“我们该如何培训初级律师助理，让他们去做那些客户愿意付出高额费用的高层次工作？”如果你想想那种永远不会消失的东西，其价值就在于提供建议。这一点毫无悬念。

如果我付给一家律师事务所10万美元去做一件事，实际上我买单的是合伙人为我提供该怎么做的建议。只是账单并不是这么开的：账单上写得好像是一群初级律师以每小时1000美元的价格完成了所有这些研究工作，然后那位在这件事上堪称全球顶尖的合伙人，再以每小时3000美元的价格向我计费了大约5个小时。其实这并不合理。哪怕那位合伙人只是亲自做了那2个小时，或者不管实际是多少时间，我也同样愿意为此支付10万美元。

我不认为按小时计费会消失，但我认为将会发生的是，人们会为具体任务支付固定费用——在大型并购交易中，他们会为尽职调查支付固定费用。律师事务所提供的价值并不会消失；需要改变的是他们为这种价值定价的方式。

GH： 我很好奇，从初级律师到高级律师的培养通道会怎样变化。如果你始终无法建立起成为优秀律师所需的专业领域能力，这些律所的层级结构会发生什么？职业晋升又将如何实现？

WW： 我认为，每家律师事务所相比商业模式，更应该思考的核心问题，是一个律师成长为合伙人需要多长时间。这在不同业务领域之间也有所不同。

30年前，学徒制模式在律师事务所中要普遍得多，对吧？你会让初级律师参与交易，也会带他们进入审判，诸如此类。随着时间推移，工作变得越来越复杂，于是你拥有一支初级律师大军，并把他们不断投入到日益复杂的工作中。

我认为，律所在某种程度上已经失去了那种师徒传承模式。因此，他们需要重新思考，究竟什么样的人才能成为他们最优秀的合伙人，以及如何让这些人积累足够的经验来做到这一点。你会看到尽职调查、证据开示等工作。他们需要做上10次、20次。他们需要做上1000次吗？不需要。

我认为，AI 实际上将迫使这个行业开始以不同方式培训其初级律师

我之所以对此感到兴奋，是因为不久前我自己还是一名初级律师，而我的很多朋友现在也都是初级律师。我认为，AI 实际上将迫使这个行业开始以不同方式培训其初级律师，而且我觉得这会非常好。顺便说一句，这种情况不只会发生在法律行业，也会发生在银行业，还会发生在所有专业服务领域。

GH： 是什么让你确信人们会接受这种培训？如果 Harvey 能够将其中大量任务自动化，你为什么还要费这个劲呢？

WW： 我认为，责任最终落在律师事务所或企业法务团队身上。我会说，在教育体系中的大量时间里，你所学习的东西其实永远都不会真正用到。既然我们有计算器，为什么还要学数学？

我认为，法学院第一年的课程设置不应该有任何形式的改变。那段经历依然很有价值，因为你所学习的是：“这是一条法律规定，这是一个事实模式。把法律适用于这一事实模式。”

GH： 你学的是流程，而不是事实。

WW： 没错。法律是会变化的，对吧？但掌握这一流程确实非常重要。任何直接面向客户的工作也是如此。在商业场景中，律师之所以存在，是因为人类会产生分歧。我们是否认为，AI 会让人类不那么容易产生分歧？我的猜测是不会。

GH： 这里还有一个推论：律师之所以存在，是因为人类会产生分歧，而且人们认为律师对客观事实有一定把握。如果把这个逻辑延伸到 AI 身上，人们可能会认为，AI 比单个律师更能把握客观事实。到某个时候，作为律师，你存在的意义是什么？

WW： 我认为这取决于具体情况。如果你去和很多顶尖交易律师聊，他们会说，‘每笔交易的条款其实都大同小异，这根本不难。问题在于如何在交易双方之间斡旋，这才是唯一重要的技能。’ 阅读文件，并不是成就顶级明星律师的关键。

但我再举一个例子，我认为你所说的情况很可能会成为现实：凭我的直觉，未来几年我们将看到 AI 仲裁，因为两个商业合同方都会说，“我们信任这个 AI 系统在这里担任仲裁员。”而且，你知道，也许这比人类的偏见更少。

GH： 眼下这是一个信任问题，还是技术能力问题？

WW： 这更多是一个信任问题。我认为，eval［评估，或用于衡量 AI 系统在特定任务上优势的测试］将会是各个领域最难解决的问题之一。我也认为，这正是垂直型公司［瞄准特定行业或工作领域的公司，如法律、医疗保健或顾客服务］会存在的原因：每个垂直领域的评估框架都会变得极其、极其、极其具体。

要达到这样一个程度——让这些系统产出的成果能够真正获得人类信任并放心交由其完成工作——所需的复杂性将会非常、非常高。

AI 实验室[如 OpenAI 和 Anthropic]发布的基准，以及它们进行评估的方式，对垂直领域公司来说正变得完全无用。我们需要的是，针对这类基金、在有这么多有限合伙人、按这 70 个管辖权中的文件类型来进行基金设立方面的评估。其复杂程度……要达到让这些系统产出的工作成果能够被人类信任并放心交给它们完成的地步，将会非常、非常高。

我认为，这个问题将在未来几年成为一个亟待解决的重大难题。

GH： 经济效益会在什么时候发生变化？这些实验室会在什么时候停止补贴它们的代币价格[这些实验室目前正压低代币——通常是文本等数据单元——的价格，因为 AI 模型依靠这些数据单元来理解查询并生成响应，以此寻求扩张]？如果他们决定进军你的业务领域，会发生什么？

WW： 我们会做几件事。其一，我们使用各种模型，并将查询分流到不同模型上，以平衡效率和性能。如果某项任务已经达到 99.9%的准确率，可能就没必要再多加一个 9 了。因此，你完全可以直接使用更便宜的模型。这是第一点。第二点是，由于我们拥有所有这些评估数据集，我们实际上可以采用开源模型，并在后续对其进行训练。

凭直觉看，每一家应用层公司最终都会拥有自己用于处理这类任务的模型。他们会把请求分流到更小的模型，也会使用最先进的模型。因为如果你想防范这种风险，就不应该只依赖单一供应商。

我的意思是，这反过来也一样。没有哪家企业会把所有数据都交给其中一家供应商，并让所有智能体都只运行在这一家之上。企业连只依赖一家云服务提供商都会感到不安。这是一种基础设施风险。

再过五年，你的业务中也会有很大一部分由智能体来运行。如果你50%的业务都是由智能体在运行，你会愿意让这部分业务只依赖一家模型供应商吗？我不会。

GH： 在你与律师事务所的关系中，信任问题会在多大程度上被提及？

WW： 信任至关重要。这涉及几个方面：其一，是你作为一家企业和合作伙伴如何行事；其二，是评估：如果你无法对这些系统进行评估，就无法真正证明它的效果更好。

第三，是核实流程。这正是编程与法律的区别所在。代码可以测试。而在法律领域，你必须拥有这样一种产品，让用户能够回头检查：它是在哪里出错的？我能否核实这一点？我能否做到这一点？

目前的运作方式是，当客户向合伙人提出一个问题时，合伙人会把这个问题拆分成许多子部分。第一年的初级律师先处理，第二年的律师复核，第三年的律师再复核，第四年的律师继续复核，最后由合伙人审核后发出。也就是说，这种机制本来就存在于他们的运作体系之中，对吧？所以这并不是什么新的能力。

GH： 我很好奇，你认为这会给律师事务所的商业模式带来怎样的变化？

WW： 我不认为整个体系都会被连根拔起。我的判断是，目前在一个项目中，采用固定收费而非按小时计费的工作占比还很低，而这一比例将会上升。就是这样。换句话说，尽职调查将采用固定费用。收购一家公司会采用固定费用吗？不，大概不会，对吧？但他们最终可能会在此基础上再加收成功费，或者对合伙人的时间收取非常高的小时费率，不过他们会以某种不同的方式将其打包。

GH： 是否会出现这样一种情况：律师事务所按代币使用量收费，而不是按可计费工时收费？

WW： 这种情况也会发生。我认为，最终的情况是，如果你想做一笔大型并购[交易]，你可以利用技术对所有文件进行预处理。但那将耗费多得惊人的代币。

我直觉上最终会发生的是，律师事务所会问法务内团队：“嘿，你们想不想这个周末就把这事做完？我们会用 Harvey，基本上能够非常快地完成。这很贵。我们来算清楚其中的经济账。”所以你知道，如果一笔并购交易原本要花，比如说，800 万美元，那它仍然要花 800 万美元，但其中可能有 100 万美元会流向软件供应商之类的公司。

这类服务将开始变得非常昂贵。但这是值得的，因为你知道，如果你能更快完成并购之类的事情，交易达成的概率就会更高；如果发生重大安全漏洞，你会希望相关工作完成得非常、非常快。我的猜测是，律师事务所会提供一份服务菜单。

GH： 这是否会让那些能够在代币上投入巨资的公司占据优势？

WW： 是的，但这与它一直以来作为一种差异化因素并无二致。最近有位合伙人以三年 8000 万美元的薪酬转投 Kirkland & Ellis。你能否说这家律所因此具备优势，因为他们有能力为这位合伙人支付这笔钱？我认为是的。我不认为这会与当下已经在发生的情况有任何不同。

为简洁明了起见，本采访实录经编辑整理