律師的 AI 代理：Legora 如何在法律科技市場脫穎而出並顛覆傳統計費模式

在本集節目中，我們與 Legora 的技術長 Jacob Lauritzen 進行了對談。幾週前，該公司宣布完成 E 輪融資 $5.5 億美元，估值達到 $88 億美元。我們討論了為律師打造 AI 代理所需的條件，以及其他開發代理的人可以從這項工作中學到什麼。

Legora 最初在斯德哥爾摩的一個地下室起步，產品很簡單：結合 ChatGPT、瑞典法律和一個搜尋工具。Jacob 在協助 Max Junestrand 申請 Leya（現為 Legora）的 YC 孵化器計畫時，他自己已經有過 YC 的創業經驗。他後來加入擔任工程主管，現在是技術長。

如今，Legora 的 AI 代理可以草擬和編輯 Word 文件，一次審閱數千份合約，並協調律師、客戶及其他代理之間的工作。該公司在推出不到 18 個月後，於四月達到 $1 億美元的年經常性收入（ARR），目前擁有超過 1,800 家客戶。

他們在三月募得 $5.5 億美元，估值為 $55.5 億美元，隨後又在十月募得 $5.5 億美元，估值達到 $88 億美元。最近收購的 Wexler 是他們今年第五次併購。

我們詢問 Jacob，在無法查看客戶資料的情況下，他們如何評估 AI 代理的表現；哪些任務仍需要更好的模型；法律工程師與前線部署工程師如何分工；以及為什麼按時計費的商業模式正在被顛覆。按時計費模式發生了什麼變化？當 Jacob 第一次閱讀 Leya 的 YC 申請時，他提出了一點回饋：人們已經嘗試了無數次開發法律科技，但從未成功。

如果律師按時計費，工作效率提高就意味著收入減少，他們為什麼要購買一個會讓他們賺更少錢的工具呢？

Jacob 表示，改變的原因是律師事務所面臨的壓力。在美國，像小型審閱這類例行性工作已經轉向固定專案費用。有些事務所甚至免費提供這類服務，以留住客戶，而收入則轉向併購、訴訟以及與客戶相處的時間。

我們詢問這是否意味著事務所將不再需要法務助理和初級律師。Jacob 表示 Legora 並沒有看到這種情況。一位優秀的初級律師現在比兩年前更有價值，因為他們能夠完成更多工作，這與工程領域的情況相似。

在無法存取客戶資料的情況下進行評估，大多數團隊透過閱讀追蹤記錄來改進他們的 AI 代理，但 Legora 無法做到這一點。使用者上傳的幾乎所有內容都是機密的，其中大部分屬於客戶而非事務所。

因此，評估團隊必須重現客戶所做的工作類型。三位工程師和三位律師會建立強化學習（RL）環境來模擬客戶的工作。一個例子是包含 10,000 個檔案的資料室，AI 代理必須在其中進行盡職調查，並產生一份報告，找出正確的危險訊號。團隊會根據實務領域和任務，將結果繪製成熱力圖。一個新模型通常在某些法律工作上表現更好，而在其他方面則更差。

該團隊擁有一支約 100 人的法律工程師團隊：這些律師通常在大型律師事務所工作了三到四年，並且通常擁有電腦科學學位。在生產環境中，Legora 將故障分為 10 到 20 種已知故障模式，並在功能旗標（feature flags）後台執行廉價的 LLM 基礎檢查。

這些限制也決定了 Legora 可以使用哪些基礎設施。所有服務都運行在 Azure 上，因為當 Legora 剛起步時，律師事務所不接受 AWS 或 GCP，而 Microsoft 已經是透過 Microsoft 365 認可的供應商。

更智慧的模型仍然很重要，Legora 在屈服之前長期抵制使用模型選擇器。Jacob 認為，律師不應該決定一份合約是屬於 Sonnet-high 還是 Opus-mid 任務。Legora 的職責是找到品質、成本、延遲、治理和區域可用性之間最佳的權衡。

他估計，模型已經能夠很好地處理大約 60% 的法律工作。對於這些任務，現在是成本和延遲的問題。對於跨越百萬個權杖（token）合約的複雜分析和編輯，仍然需要更高的智慧。

Legora 已開始針對法律研究等狹窄任務進行開源模型的後訓練（post-training），但沒有計畫訓練自己的前沿模型。對於草擬工作，Jacob 發現 Fable 和 Opus 過於冗長，而 Astra 則更為簡潔。為了解決幻覺問題，AI 代理撰寫的所有內容都會附帶一個引用，該引用會標示來源 PDF 中多層次的邊界框。

少數幾個建構區塊，多樣化的產品。Jacob 在上任六個月後，向團隊展示了一張 300 斯巴達人的投影片，並宣稱 Legora 將永遠保持 20 名工程師的規模。現在他們有 100 名工程師，但他仍然覺得人數太少。他現在的工作是建立一個系統，讓團隊只需交付少量東西，客戶卻感覺獲得了很多。

團隊圍繞幾個基本元素進行建構：包含檔案的專案、AI 代理、Tabular Review 和清單。清單是一種靈活的 Notion 風格資料庫，具有觸發器和自動化功能。AI 代理可以建立和讀取清單，清單的變更也可以啟動 AI 代理。Intake 是一個 Slack 機器人，它將請求轉化為清單上的任務。

Tabular Review 是業界爭相模仿的產品，甚至連名稱都一樣。每一列是一個文件，每一行是一個問題。你可以放入 10,000 份僱傭合約，並詢問終止期限、智慧財產權轉讓條款和遣散費條款。它支援多達一百萬個儲存格，但一開始只顯示 10 行，這樣你可以在執行其餘部分之前修正你的提示詞。

法律工程師無需編寫程式碼，即可在這些基本元素上配置新產品。即使是 Wexler 的事實智慧產品也運行在相同的建構區塊上。

法律工程師優先，前線部署工程師次之。Legora 大約九個月前在紐約聘請了第一位前線部署工程師：Di Qi，一位兩次 YC 創辦人，曾在 Meta 從事搜尋工作。法律工程師像高階使用者一樣配置產品，不編寫程式碼。前線部署工程師則編寫程式碼並部署到生產環境，建立與事務所 CRM 或文件管理系統的整合，並將所學回饋到核心產品中。他們仍然不接觸客戶資料。

當一個大型且積極參與的客戶簽約時，Legora 會指派法律工程師與他們合作，如果專案需要，還會增加一名前線部署工程師。Jacob 預計在一年內，將會有一組輪替的前線部署工程師，他們會與客戶合作幾個月，建立客戶所需的內容，然後再轉向下一個專案。

未來發展。Jacob 認為，兩年後大型企業將透過 Claude Cowork 等工具使用 Legora，而律師事務所則會直接在 Legora 內部工作。他不認為模型實驗室會像對待程式碼公司那樣切斷與 Legora 的合作。對於一筆 $4 億美元的併購交易，他認為人們仍然會需要 Legora。