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。
