本文为「法律修音机」与极客公园旗下创业者社区「Founder Park」合作的法律科技行业研究系列文章,首发于 Founder Park。
法律行业是 AI 落地的重要场景之一,全世界已经出现了多家法律科技独角兽,OpenAI 和 Google 都投资的 Harvey,以及最近刚完成 F 轮融资的 Clio 都是其中的典型。
今天介绍的这家 —— EvenUp,用 AI 帮律师起草人身伤害索赔文件,刚刚完成了 1.35 亿美元融资,估值超 10 亿美元。股东包括 Bain Capital Ventures、Lightspeed Venture Partners、SignalFire、Bessemer Venture Partners 和 B Capital Group 等。超过 1000 家律所使用,协助律所追回超过 15 亿美元赔偿金,EvenUp 目前的商业表现证明了生成式 AI 在法律垂直场景落地,已经不存在太大的技术或者商业难题了。
01
EvenUp 团队介绍
EvenUp 的创始成员介绍:从左至右依次为 Raymond Mieszaniec(COO)、Rami Karabibar(CEO)以及 Saam Mashhad(产品与法律运营负责人)。Rami Karabibar,此前曾在自动驾驶公司 Waymo 和食品配送公司 Zoomer 上班,Saam Mashhad 有着多年的索赔辩护经验。Raymond Mieszaniec,他的父亲在一次车祸中永久致残,经过多年的法庭诉讼,最终获得了不到 20 万美元的赔偿,不到该类事故平均赔偿额的 10% —— 部分原因是他们的律师不清楚应得的合理赔偿是多少。后来他才知道,如果他们的律师更专业一些,他们本来有可能从保险公司那里拿到两倍以上的赔偿金。也正是因为这个经历,促使 Rami Karabibar 开始这次创业,基于对用户医疗记录的分析,以及对超过 25 万个判决与和解案例的训练,帮助律师生成更专业、更合理的索赔信。据了解,美国每年大约会有 2000 万人身伤害案件,其中 99% 的案件都是通过和解解决,很多时候负责案件的律师都是凭借直觉来确定赔偿金额。在 EvenUp 团队看来,这个领域的透明度增加只是个时间问题,也是团队自称为 EvenUp 的主要原因之一(EvenUp 意译可简单理解为提高公平/平等)。EvenUp 的 CEO Karabibar 表示:“2000 万起索赔,从机动车事故到儿童虐待案件、警察暴力执法案件等,与其他许多生成式 AI 公司不同,我们只想专注于这一件事 —— 确保这 2000 万起索赔得到应有的公正处理。”EvenUp 称,其 AI 生成的索赔信能够为每个案件节省多达 15 小时,并使和解金额比当事人原本可能获得的金额高出 30%。02
商业成绩:
超过 1000 家律所客户
质量、效率有 10 倍的提升
Rami Karabibar 表示,律师们对将 AI 融入工作流程的开放态度近期急剧上升。去年,法律运营平台 Litify 宣布与 EvenUp 建立合作,让使用其平台的数千名律师能够接触到 EvenUp 的产品。Litify CEO Curtis Brewer 表示,EvenUp 产品区别于竞争对手的关键在于其 AI 工具生成的索赔信质量。他表示:“我们发现,大多数人身伤害律师事务所,正寻求减少法律人员在无谓重复任务上所花费的时间,他们希望法律人员能够专注于更高价值的工作和更复杂的工作。”目前,超过 1000 家律所正在使用 EvenUp,追回超过 15 亿美元赔偿金,而且 EvenUp 还从遗漏的文件中识别出 2 亿美元赔偿,促使和解金额提升 30%。根据其内部数据分析,EvenUp 生成的索赔信比其他索赔信,能达成保额和解上限的可能性高出 69%。投资方 BCV 对于 EvenUp 的优势介绍如下:EvenUp 在法律科技这一广阔市场中开创了一个全新的软件类别,如今,他们已经成为人身伤害 AI 和文件生成领域的领军企业。该团队深谙人身伤害律师不追求软件本身,而是寻求一种更简便的方式为当事人带来更公正的结果。通过巧妙地将对法律工作流程的深刻理解与生成式 AI 技术相结合,EvenUp 全面自动化了人身伤害律师的核心产出之一 —— 即“索赔信”的创建。过去,律师和助理要耗费数小时精心整理、提取和总结来自文件、医疗记录、警方报告及账单的信息。现在,借助 EvenUp,律师在质量、速度和成本方面能实现 10 倍以上的优化效果。这一产品清晰地展示了生成式 AI 与深厚领域专业知识的早期结合典范。
03
核心功能:
利用 AI 将人身伤害索赔案件的工作流程自动化
EvenUp 成立于 2019 年,使命是利用技术和 AI 来缩小司法差距,通过帮助从事人身伤害业务的律师提供更高标准的服务,最终帮助 2000 万受到伤害的人获得更公正的结果。目前,Evenup 聚焦人身伤害索赔(Personal Injury Claims)领域,用 AI 技术将人身伤害案件的工作流程进行自动化,可审查各种医疗文件和案件档案,并生成医疗摘要和损害预测等文件,辅助律师准备案件和进行谈判。
Evenup 的核心产品包括:
Piai™:人身伤害 AI 助手
EvenUp 提供一个名为「Piai™」的人身伤害 AI 助手,该工具利用 AI 技术,基于数十万起人身伤害案件,数百万份医疗和就诊记录,以及数百名法律和医学专家提供的专有数据进行训练,可以提供准确的人身伤害结果。- 实体提取:将杂乱无章的案件档案转化为清晰、可用的洞察。Piai™ 可以从复杂的原始记录中提取和构建数据,包括难以辨认的手写内容和图像,能够捕捉细致入微的语言并最大限度地提高准确性。
- 关系映射:“大海捞针”并获得最佳效果。Piai™ 可以智能地对信息进行分类,消除损害赔偿方面的重复内容,协调供应商之间的差异,并在数千页的文件中揭示可能影响案件结果的关键见解。
- 输出生成:符合律所特定需求的语言。Piai™ 遵守律所特定的语言和格式要求,并提供行级的引用以便核实。
同时,EvenUp 的护士、律师助理、理算员、案件经理和律师团队,还利用并训练 Piai™ 以获得高质量的输出,同时注重质量控制,以确保法律和医学专业知识的准确性。
索赔信生成(Demans)
通过将 AI 技术和专业数据相结合,EvenUp 可提供丰富且完善的医疗摘要,包括标记丢失的账单或者记录、每种损伤的国际疾病代码、医疗服务提供者的概要、治疗日期、就诊次数以及每次就诊的关键要点等等。同时,基于超过 25 万个判决与和解数据点,以及强大的经济分析模型,EvenUp 可对每个损失要素提供可靠的估算,包括痛苦和折磨、收入损失、家庭服务损失、未来的护理费用、里程数等,对所有损害赔偿项目进行索赔。EvenUp 的需求信生成功能,优化了律所传统手写需求信的耗时过程。通过提供案例信息的实时分析和总结,让律师能够在案件早期主动解决问题,最终提高整体案件的交付效率。
医疗年表生成(MedChrons)
基于 EvenUp 的 AI 能力,人身伤害律师无需手动筛选数百条记录即可了解关键案例细节,从而制定一个强有力的案例策略。具体来说,EvenUp 提供的医疗年表包含治疗时间表和日历视图、诊断要点、既往就医记录清单、整理好的证据列表、全面的医疗总结、证据超链接、一个在线的交互式医疗年表,并提供 PDF 和 DOCX 格式的年表。通过 EvenUp 的在线交互式医疗年表,律师可以查看医疗时间轴并与之交互;筛选、排序并跳转到特定部分;通过证据超链接快速找到需要的信息;按时间顺序或按医疗服务提供者组织医疗总结部分,并轻松地来回切换。在宣布 D 轮融资之际,EvenUp 还推出几个新的功能,基于该公司积累的大量专有数据和 AI 技术,可以在案件生命周期的关键阶段中提供洞察,以及工作流程的自动化指引,辅助律师开展案件准备和谈判准备。总的来说,通过 EvenUp,整个索赔流程变得非常简单,律师只需要上传当事人的信息,EvenUp 就会自动从医疗记录中调出与其相关的伤害、程序和治疗日期等信息,然后为律师撰写完善的需求信和医疗年表。这些报告会详细记录损失明细、伤害明细以及处理的信息,并对每个损失进行可靠的评估。也就是说,这些之前需要通过人工处理的繁琐工作,现在可以通过 AI 自动完成。
04
是法律类应用
但核心是理解医疗记录
与其他法律类产品不同的是,EvenUp 的核心是读取并且理解用户的过往医疗记录。在生成一份合格的索赔信之前,AI 需要先能读懂医疗记录。对于医疗记录的理解、孵化、总结和分析,并与特定的法律概念相关联,与传统律所的工作区别非常大。也正是因为这个区别,让 EvenUp 有了新的竞争力。
但问题是,保险公司也会用 AI。
因此,AI 帮忙写索赔信的其中一个风险是,如果保险公司或被告对原告的能力有所怀疑,或者知道索赔信是由 AI 辅助生成的话,可能不会轻易就金额达成一致。哈佛大学法学院教授 David Wilkins 表示:“保险公司无疑也会 —— 如果他们尚未这样做的话 —— 投资类似的技术。因此,我们将进入一场军备竞赛,而保险公司更有可能拥有定制化且不断更新的技术,因为他们了解自身的风险概况和各种索赔案件。”
05
法律 AI 赛道,
今年已完成近 20 亿美元融资
从产品定位看,EvenUp 是一家专注于「人身伤害索赔」这个细分领域的垂类产品。与通用型 AI 产品相比,像 EvenUp 这种垂类产品通常有较高的行业属性和专业壁垒,解决的是那些具有较高专业度的工作流程。然而,即便是「人身伤害索赔」这个非常垂直的领域,每年受害者的索赔金额高达 1000 亿美金,也是一个非常大的市场了。因此,除了 EvenUp,市面上还有一些法律 AI 公司也聚焦人身伤害赔偿领域,提供类似的产品。例如,专注于人身伤害以及大规模侵权赔偿的公司 Supio,于今年 8 月完成 2500 万美元 A 轮融资。与 Evenup 类似,Supio 提供一款 AI 工具,可以帮助律所客户分析案件记录、总结证词、深入研究证人证词或专家报告等。事实上,法律一直是很多创业者和投资人认为是 AI 非常适合切入的垂直行业。第一,这个领域的数据主要是文本,现有的大模型非常擅长处理这类数据;第二,法律行业的数据专业度很高,而且非常私有,因此可以建立较深的护城河;第三,法律行业的客户,比如律所,非常有钱,客户价值很高。特别是美国和欧洲等发达国家,法律行业已经成熟,法律服务成本高昂,消费者对于低价的替代性法律服务和科技产品的需求很高,律师行业对法律科技产品的付费习惯也已经养成。因此,海外很多法律 AI 产品,一推出就获得了快速增长,而且获得资本的青睐。根据知名咨询公司 Gartner 预测,到 2027 年,全球法律科技市场将达到 500 亿美元。虽然疫情几年法律科技投资规模有所缩水,但随着生成式 AI 兴起,资本市场快速回暖。据法律修音机统计,截至目前,今年全球法律科技市场已经完成近 20 亿美元融资,而去年法律科技的融资总额还不到 10 亿美元。而且,与往年不同,近两年获得新一轮融资的法律科技公司不再集中于 CLM、法律研究、律所管理等传统热门赛道,更多的是基于 AI Agent 的流程自动化,用 AI 重塑法律工作的各个流程,从而实现降本增效。06
「数据」仍然是 AI 落地的最大阻碍
虽然法律 AI 的发展如火如荼,但 AI 在法律行业落地,仍然存在一个很大的挑战:数据。
例如,要想用 AI 重塑法律工作流程,首先得知道各个流程的 SOP、具体是怎样操作的,但很多律所并不具备这个基础。同时,法律工作对准确度的要求非常高,一旦出现错误可能会带来很大的损失。因此,很多法律 AI Agent 产品早期都需要与客户共创,由客户提供数据来训练 AI,这将在很大程度上决定 AI 的输出效果。然而,当法律 AI 公司服务的客户越来越多,获得的数据也会越来越多,于是 AI 以及解决方案的能力也会变得更强。这时,即便客户不提供或没有能力提供数据,也可以向客户输出完整的解决方案,因此就能获得更多客户。也就是说,如何获得更多的优质「数据」,就成了法律 AI 产品胜出的关键。2023 年 6 月,法律研究头部公司 Thomas Reuters 以 6.5 亿美金的价格,收购了法律研究公司 Casetext,并打算在 2025 年前拿出 100 亿美金用于 AI 领域的投资、收购以及合作,将生成式 AI 嵌入该公司的核心业务,包括法律、税务、会计和新闻等。例如,EvenUp 在完成 B 轮融资时,还宣布与法律实践管理平台 Litify 深度整合,进一步为人身伤害律师节省时间和成本。这次整合有可能是这两家公司的共同投资人 Bessemer Venture Partners 推动的 —— 当年 2 月,Bessemer Venture Partners 收购了 Litify 的多数股权,Bessemer 的合伙人 Brian Feinstein 还成为 Litify 的董事会主席。无独有偶,今年 6 月,有媒体报道称法律 AI 初创公司 Harvey 希望筹集 6 亿美元来收购法律研究头部公司 vLex。Harvey 的股东之一 Elad Gil 也在一档播客中暗示了该消息。虽然这笔收购最终告吹,但也反映出 Harvey 对法律研究数据的需求。这是因为,Harvey 目前正在完善其 AI 法律研究能力,这就必须找到足够多的数据用于训练 AI 模型。目前,海外法律数据(如判例法)被几家头部法律科技公司垄断,比如 Thomas Reuters、LexisNexis、vLex、彭博社等。其中,作为一家老牌法律研究公司,vLex 有着庞大的法律数据集。2023 年 4 月,vLex 还与另一家法律研究公司 Fastcase 合并,并计划将双方的法律研究数据(据称共超过 10 亿份文件)进行整合。随后,vLex 推出一个生成式 AI 工具 Vincent AI Legal Research Assistant,支持更高效的法律研究。可以看出,在资本市场整体放缓的当下,法律 AI 领域仍然保持着较高的投资热度,其中的胜负点也已经逐渐清晰 —— 技术已经不存在太大的壁垒,谁能拿到更多高质量的数据,谁就能主宰 AI 在垂直领域的落地。为此,业界纷纷开展数据收集工作,训练法律垂直模型,满足该领域对专业度的高需求。今年 7 月,法国高等教育计算中心、巴黎萨克雷大学联合发布一个法律领域的垂直模型:SaulLM,包括 54B(540 亿)和 141B(1410 亿)两个参数,以及基础模型和指令微调两种版本。在此之前,更小参数的 SaulLM-7B(70 亿)已于今年 3 月发布。据了解,SaulLM 用 5400 亿 tokens 的专业法律数据进行预训练和微调,涵盖来自美国、欧洲、澳大利亚等不同法律体系的法律文本,输出内容的准确率高于很多同类模型。
无独有偶,法律大模型公司 273 Ventures 也推出一个名为“KL3M”(Kelvin Legal Large Language Model)的法律模型,计划提供四个参数的型号,先发布了最小的两个:kl3m-170m(1.7 亿)和 kl3m-1.7b(17 亿)。为了获得这些数据,273 Ventures 自 2022 年底以来,就一直在努力收集、策划、丰富和注释行业可使用的法律数据。去年 8 月,273 Ventures 正式推出一个名为“Kelvin Legal DataPack”的数据集,包括 150B tokens 的法律、金融和一般领域的文本,具有明确出处并且可商用,还包括相关注释,可以支持各种用例,供组织用于训练模型。随后,273 Ventures 继续收集和丰富该数据集。截至去年 12 月底,该数据集扩展到近 100TB 内容的超过 3000 亿 tokens 的法律和金融数据。现在,这个数据集的参数量已经超过两万亿,并通过构建持续评分和过滤内容的系统,进一步改进了这些数据的质量,从而有效地提高法律模型的性能。KL3M 也因此成了第一个获得 Fairly Trained L 认证的大模型 —— Fairly Trained 是一个非营利组织,旨在向愿意证明 AI 模型是基于自己拥有、已获许可或者属于公共领域的数据进行训练的公司提供认证。注:Fairly Trained 由 TikTok 和 Stability AI 前高管 Ed Newton-Rex 创立,并得到了美国出版商协会和 UMG 等组织支持。目前,Fairly Trained 推出一个认证项目,旨在帮助消费者和企业识别,以尊重内容创作者权利的方式进行训练的 AI 模型。总的来说,EvenUp 等法律 AI 公司陆续获得融资,反映出几个关键趋势:即便整体经济环境存在不确定性,AI 仍然是风险投资重点关注的领域。其中,垂直化 AI 应用已成为投资热点,传统行业与 AI 的融合正在创造新的机会。随着 AI 技术不断进步和法律需求日益增长,「AI+法律」正迎来一个前所未有的发展机遇。对创业公司而言,选择一个具有高价值的细分领域,并且尽可能地获取更多数据,将可以在竞争激烈的市场中占据一席之地。
欢迎联系
法律修音机(Legal Studio)是一个具有全球视野的法律科技自媒体,也是个高质量的交流社区,致力于传播全球法律科技的前沿资讯和深度内容,让好产品和好内容被看见。
自成立第一天起,法律修音机 Legal Studio 就致力于推出法律科技相关的教育资源。随着 AI 浪潮席卷法律行业,我们也希望帮助整个行业为 AI 即将随处可见的世界做好准备。
目前,我们构建了一个【法律科技智库】,并被飞书官方社区收录,访问量已经 1W+👇
🔗 智库地址:
https://www.feishu.cn/community/article/wiki?id=7384712700309274628
与此同时,我们还组建运营了一个【法律科技社区】,平时分享法律科技和 AI 相关的前沿信息,并进行高质量的讨论。截至目前,社区已经有 2000+ 实名制入群的朋友,包括法律科技从业者、律师、法务、法学院师生、其他领域的创业者和投资人等,背景非常多元。
注:付费用户请联系法律修音机主理人,开通智库(飞书版)权限,解锁更多内容。
更多合作方案
⬇️⬇️⬇️
最后,如果你对法律科技尤其是「AI+法律」感兴趣,希望及时了解相关资讯,或者有产品或活动想在社区推广,又或者希望参与到社区的共建中,欢迎联系法律修音机主理人。添加微信请备注:姓名-工作单位-职位。
点击关注「法律修音机」,你将会感受到一个朋克的灵魂,且每篇文章都有惊喜。