作者 | 孙麟飞
来源 | 智合研究院
[融资历程]
法律AI“新王”加冕
10月8日，法律AI初创公司EvenUp在最新一轮融资中获得了1.35亿美元，估值跃升至10亿美元，正式跻身2024年“AI独角兽”之列。
此次D轮融资由脱胎于MBB（全球领先战略咨询公司麦肯锡、波士顿、贝恩的统称）之一的贝恩资本（Bain Capital Ventures）领投，参与方还包括光速创投（Lightspeed Venture Partners）、Premji Invest、SignalFire、Bessemer Venture Partners及B Capital Group等知名机构。
自2019年成立以来，EvenUp已累计获得2.35亿美元融资。（早期融资信息未公开，但据EvenUp在招聘信息中透露，公司还在A轮融资中筹集了约1500万美元）这家法律AI领域的新锐为何能如此吸引资本青睐？
[团队背景]
灵感来自亲身经历
贝恩资本在其官网中评价，EvenUp在法律科技领域开辟了全新的类别，并迅速崛起成为市场的领军者[1]。EvenUP所做的事情，简单来说就是利用AI驱动的平台，帮助律师进行人身损害赔偿（Personal Injury Claims）案件的索赔工作。该平台的工作原理为：律师将客户的医疗记录、账单等材料上传至系统，系统依据超过250,000份的判决和和解协议，制定出索赔/和解方案，并自动生成索赔信函（向保险公司索取赔偿的法律文件）。
在福布斯的一次采访中[2]，EvenUp解释了为何他们专注于人身损害赔偿领域。公司设立的初衷源于三位联合创始人之一首席运营官雷蒙德·米耶扎涅茨（Raymond Mieszaniec）的父亲在一场车祸中受伤，导致终身残疾。
尽管诉讼持续多年，但由于律师未能准确评估赔偿金额，最终他的家庭只获得了不到20万美元的赔偿。后来他得知，如果律师能够准确向保险公司索赔，他的家庭本可以获得超过两倍的赔偿。
从左到右依次为EvenUp联合创始人Raymond Mieszaniec（首席运营官）、Rami Karabibar（首席执行官）和Saam Mashhad（产品和法律运营主管）
这段经历深刻地影响了Raymond，也促使他多年以后与两位硅谷的伙伴共同创立了EvenUp。在三位联合创始人中，拉米·卡拉比巴尔（Rami Karabibar）和Raymond都是经验丰富的连续创业者，曾在贝恩咨询、谷歌的自动驾驶项目Waymo以及食品配送初创公司Zoomer等担任要职。另一位联合创始人萨姆·马什哈德（Saam Mashhad）则是一名前辩护律师。公司技术团队成员主要来自Waymo、Affirm、亚马逊、Uber等大型企业，而法律团队成员则来自知名国际律所诺顿罗氏（Norton Rose）。
“虽然我们无法改变Raymond的故事，但我们决心改变每年数百万面临类似困境的受害者的生活。”联合创始人兼首席执行官Rami在接受媒体采访时表示：“我们的使命是为所有受伤的受害者创造一个公平的环境。我们致力于帮助人身损害赔偿律师及律所提供更高标准的服务，我们的最终目标是帮助美国每年2000万受害者获得更公正的赔偿结果[3]。”
[公司亮点]
专注一个工作流程
法律科技（Legal Technology，Legal Tech)作为服务于法律行业的创新技术，本质上是一个高度垂直的领域。然而，从企业经营的角度来看，即便是法律科技企业，往往也需要通过增加标准化的产品/功能，去覆盖更广泛的市场，以求推动目标市场（TAM）的扩展。
· 例如，国外最近凭借由谷歌母公司Alphabet Inc.领投的1亿美元C轮融资，成为独角兽的Harvey。该公司将其业务的叙事逻辑从法律AI平台，拓展至涵盖法律、财税和金融在内的“专业服务业AI服务商”[4]；
· 再如，国内以法律科技起家的秘塔科技，也将公司定位推广至更广泛的场域，通过法律和通用两条路线并行[5]，推出对标Perplexity的国产AI搜索工具“秘塔AI搜索”，并于近期完成由蚂蚁集团领投的1亿元人民币，投后估值达1.5亿美元。
与其他法律AI公司不同，EvenUp仅通过解决目标客户“人身损害赔偿”的一个工作流程，不仅实现了可观的回报，还满足了贝恩等顶级机构投资逻辑。
01 足够大的市场
EvenUp尽管只服务于人身损害赔偿这一个领域，但这已经是一个非常大的市场了。联合创始人、首席执行官Rami曾向路透社透露，美国每年约有30万参与处理人身损害赔偿的律师，以及约2000万件涵盖机动车事故、虐待儿童、警察暴力等多种类型的索赔案件，每年支付给受害者的索赔金额高达1000亿美金[6]。Rami表示：“与许多其他生成式AI公司不同，我们只想做一件事——确保这2000万起索赔得到应有的公正处理。”
02 更“垂直”的模型
为了精准匹配这一领域的需求，EvenUp打造了AI模型Piai™，并依此构建了索赔智能平台™，Piai™模型经过数十万起人身损害案件、数百万条医疗记录和内部法律知识的训练。根据Evenup在产品日志中披露的数据：
· 在识别医疗费用（Medical Charges）的准确率上，Piai达到95%，而GPT-4的准确率为80%。
· 在医疗记录识别（Treatment Identification）的准确率上，Piai为 91%，而GPT-4 的准确率为 79% 。
· 在匹配服务日期（Service Date Mapping）的准确率上，Piai的准确率为90%，而GPT-4只能达到68%。
但EvenUp的产品并非定制的大语言模型（LLM），也不是基于LLM的工具平台，而是一个由AI驱动的整体解决方案。
03 抛去“工具”属性
过去，在人身损害赔偿案件中，律师需要花费数小时精心整理、提取和总结医疗记录、警方报告和发票等文件中的信息。现在，EvenUp的产品简化了整个索赔流程。
其文档审查功能可自动从医疗记录、账单和警方报告中提取日期、金额等关键信息，整合所有材料统计费用并生成摘要。文书生成功能生成的索赔信详细记录了损失、伤害等信息，对每项损失进行精准评估，同时覆盖预诉和诉讼阶段的文书生成。以往繁琐的索赔工作已能在很大程度上交由AI完成，大大减轻了律师的工作量。
正如其官网所言：“关于案件的所有Paperwork都交由我们来完成，而您则专注于获胜（We handle the paperwork while you focus on winning）”。EvenUp声称，其解决方案可使律师在质量、速度和成本方面实现10倍的提升，单次索赔可节省超过5小时的工作时间。而这仅是EvenUp能力的一部分。
04 价值不止 “提效”
一个典型案例是迈克尔·麦克雷迪，他是EvenUp的用户，同时在芝加哥经营一家拥有13名律师的人身损害赔偿律所。他表示：“EvenUp提供的解决方案不仅节省了律师的工作时间，还带来了更高的和解金额。”
在美国，每年有超过2000万起人身损害案件达成和解，但超过90%的和解条款是保密的。由于律所缺乏足够的数据来评估和解金额是否合适，导致受害者未能获得足够赔偿。EvenUp的数据库正是为解决这一问题而设计的，确保律师能为客户争取最佳结果。
据EvenUp表示，公司数据库可以通过量化分析，使每起案件的和解金额增加数千美元，将达成保单限额和解的可能性提升69%。EvenUp的股东之一光速创投的合伙人Raviraj Jain早期即预测，EvenUp将主导其所在行业。
Jain指出，EvenUp的价值不仅在于利用生成式AI提高律师的效率，从而显著提升生产力，更在于通过AI引导最佳的案件结果，扩展客户的法律服务价值。“有些律所客户在使用其产品后，一个季度的收入已经达到之前全年的水平。”Jain称。
以上这些还只是EvenUp的亮点，其独特的模式才是真正的过人之处。
[模式特点]
sell work not software
01 只为成功的结果付费
目前，大多数法律AI产品采用订阅制收费模式。个人用户按月或年度支付产品使用费，律所等机构用户则根据用户数量支付席位费，这也是通用大模型产品的主流定价模式。
对于AI公司而言，按token数量收费虽然更易计算成本，但很少有公司提供纯粹的基于使用量或按需付费的定价。订阅制的优势在于通过按月、按年的固定收费提高收入的可预测性，便于通过ARR（年度经常性收入）来提供可供衡量的投资回报率。例如，Harvey AI在获得投资时的估值约为其年度ARR的40倍。在全球影响力最大的40个AI产品中，70%的公司采用传统的订阅模式，10家公司（约26%）采用了订阅费用和使用量相结合的混合定价模式。
然而，生成式AI产品的“工具”属性使其用户活跃度低于移动互联网产品。Harvey的投资方红杉资本曾指出，相比起移动互联网产品留存率高达85%，用户对生成式AI产品的持续使用意愿以及每天打开的比率都较低，只有56%和41%。这也导致部分购买了生成式AI产品的用户因使用频率不高，支付远超他们所获得的价值的费用。
贝恩资本在其博客《我们为什么继续投资EvenUp？》中指出，EvenUp团队深知律师不需要软件本身，而是更便捷的方式来为客户争取公正结果。2020年，EvenUp率先推出了基于AI的旗舰产品“需求包Demands™”，该产品是一份包含事件事实、责任理论、损伤和治疗详情、医疗费用及请求特定赔偿信函（包括经济与非经济损失）的完整材料包，供邮寄给保险理赔员使用。
EvenUp正是按每个为法律团队成功制作的需求包收费，即按结果计费的模式，与许多现有的AI产品形成鲜明对比。同时，这种收费模式对客户而言也更具吸引力，因为客户仅在产品带来实际效果时才需付费。
图源：EvenUp官网
或许，是由于创始团队有在贝恩咨询工作的背景，使得贝恩的价值观——我们的产品不是按小时计费的咨询，而是按利润增长或股价提升等量化成果收费（We are not selling consulting service by hours. We are selling profits at a discounted price.）同样贯穿于EvenUp的产品思路。贝恩资本的合伙人Aaref Hilaly评价道：“所有人都在寻找生成式AI 能够帮助现实生活的方法，而 EvenUp的模式就是一个完美的范例——利用 AI提供工作成果而非仅仅提升个人生产力，使用户获得完全不一样的价值。”
02 AI仅是产品的一部分
尽管AI技术潜力巨大，但现阶段仍存在风险，尤其是像ChatGPT这样的生成模型，因缺乏特定领域知识以及“幻觉”问题（在不确定时倾向于捏造信息），可能导致信息不准确或生成错误答案。
EvenUp同样意识到，即使是专注于人身损害赔偿领域的特定大模型，目前也无法100%避免“幻觉”问题。单纯依赖AI处理索赔虽然提高了速度和效率，但关键细节仍可能被遗漏，导致索赔延误或金额低估。
“更重要的是，律师每年可能处理数百起案件，而受害者通常仅经历一件，但这起案件可能深刻影响他们的未来。”EvenUp联合创始人，首席运营官Raymond指出：“在记录损害、医疗费用或收入损失时，一次疏忽就可能让索赔人损失数千美元甚至更多。”正是基于对责任的深刻认识，EvenUp致力于确保每位原告都能获得应有的公正。
为此，EvenUp将大语言模型（LLM）作为更全面解决方案的一部分，而非全盘依赖。他们引入由100多名专业律师和医疗专业人员组成的专家团队，进行人工审核和校对，确保索赔信函的高质量，并进一步减少律师的审核时间，使整个需求流程大约在一周内完成。
Pinnacle LLP创始合伙人Urik Gilavian评价道：“我信任你们的AI，因为在提交成果前你们进行了内部审核。在我复审时，从未发现过重大错误。”
03 法律科技爆发正当时
如今，EvenUp已有1,000多家律师事务所使用其服务，每周为客户起草超过1,000份文档，已累计交付了约100,000份需求包和医疗年表，协助索赔金额累计超过15亿美元。
Crunchbase数据显示，EveneUp是今年迄今为止第二大融资。7月，总部位于加拿大温哥华的法律科技公司Clio以30亿美元估值完成了9亿美元的F轮融资，并首次登上福布斯云计算100强榜单。截至目前，法律科技的风险投资额已经达到19亿美元，已几乎是2023年全年总额的两倍。
EvenUp投资人、光速创投（LSVP）合伙人Raviraj Jain和Sebastian Duesterhoef 表示，生成式AI的新应用推动了硅谷对法律科技的投资热情。“过去风险投资领域的传统观点是，你应该远离法律科技，因为没有大公司是建立在法律科技上的，”贾恩说，“然而，我们现在需要打破这一观念。”
法律AI走入Next Level
红杉资本曾预测，一家优秀的大模型公司可以通过数据飞轮（更多使用→更多数据→更好的模型→更多使用）来产生可持续的竞争优势。随着OpenAI于今年9月发布了最新大模型O1，通用大模型对于复杂推理任务的执行能力得到进一步的提升。
对法律AI公司而言，这意味着通用大模型同样可以将基础模型适应到特定的领域，并从用户反馈中进行改进，比如法律领域。下一代基础模型很可能会摧毁法律AI初创公司凭借着经过精心调优的模型和精选的数据集所打造的护城河。相反，工作流程和用户网络似乎正在创造更持久的竞争优势来源。
正因如此，汤森路透、Clio等大型公司选择通过多轮收购整合了更多产品与服务，致力于为律师这一垂直行业提供一体化解决方案。而EvenUp则选择了一条不同的路径，证明法律AI产品不必面面俱到或构建复杂的功能矩阵来扩大目标市场（TAM）。相反，凭借强大的产品思维和以用户为中心的理念，通过更加深度、更有效率的服务模式，同样可以在法律科技领域众多创新者与潮流追随者中脱颖而出。
未来，随着用户对法律大模型的新奇感逐渐消失，市场中能留下的唯有那些具有真正价值、切实满足客户需求的应用。
本文作者
孙麟飞 智合研究院高级研究员，关注律师行业数据，关注关于法律科技的一切。 |
参考资料
关注智合
和百万法律人同行
责编 / 吴梦奇Scott
编辑 / 顾文倩Aro
分类 / 原创
