当案件双方都使用 AI 时会发生什么？

摘要

• AI可能让过去不具经济可行性的原告案件变得值得承接。 Eve CEO Jay Madheswaran表示，律师通常至少要收取5,000美元律师费才会接案，但劳动与雇佣案件中有96%遭到拒绝。自动化线索接入、案件筛选和法律工作，可能释放这部分需求；Alex Rampell将其概括为“营收扩张”，因为律所能代理更多人。
• 洛杉矶一家律所将每名律师的承接量从约100名客户提高到500名。 Madheswaran将此归功于律所在客户接入、交接和和解准备等环节全面采用 Eve。Rampell称之为“影子劳动力市场”：机会不止于法律软件历史上的支出，还包括过去必须靠增聘员工完成的工作。
• 这套模式的护城河，在于工作流语境和公共数据集里没有的法律信息。 Madheswaran称，不到1%的案件会形成判决意见，和解结果及有效策略因此大多不为通用模型所掌握。即便把 Albert Einstein 放进律所，“相当长一段时间内也不会有生产力”；他表示，Eve能补上工作语境，而且从不使用受保密义务保护的客户案件数据训练模型。
• 通过专业化和整合，小型律所有望成长为规模更大的企业。 Madheswaran估算，一笔25,000美元的和解金中，律师费约为8,000美元，其中一半耗于人力、30%用于营销。他预计，专有数据集能让律所“更像软件公司”，帮助其将细分专长拓展到全国，或更快完成并购整合。
• 按结果定价适合法律风险代理，但要广泛采用，交付成本必须可预测。 在发现客户看重的是多服务客户、取得更多结果后，Eve放弃了最初的“高杯、中杯、大杯”订阅模式。Madheswaran预计，节省下来的成本将用于更多算力和法律工作；但按小时收费仍有一席之地：“我不认为它会彻底消失。”
• 原告律所实力增强，可能改变被告方的策略，并重塑争议解决方式。 一家客户用 Eve 智能体当天回复了节假日前发来的证据开示请求，破解了对方施加工作压力的策略。Madheswaran预计，常规往来将变成“智能体对智能体”，部分领域还会出现协助人类判断的自动化争议解决。
• 案件全流程自主处理仍是研发目标。 被问及 Eve 是否已经能在无人介入的情况下办完整个案件时，Madheswaran回答：“还没有，但快了。”一个案件可能涉及“约10,000次来回沟通”；当前瓶颈在工程师。他所说的车辆事故案件数千亿美元价值，取决于 Eve 能否实现端到端处理。

精读

1. 人力成本让律师无法接下许多案件，即使胜诉才收费

• Madheswaran的出发点是“让普通人真正用得上的法律AI”：采取风险代理的律所只有客户胜诉才收钱，因此客户不必承担每小时500至600美元、没有上限的律师费。增加法律服务投入或许能改善结果，但这笔工作总得有人买单。Eve希望覆盖从第一次来电到和解的全流程，“给大卫一把弹弓，去扳倒歌利亚”。
• Rampell举例说明市场失灵：客户损失1,000美元，律师即使拿三分之一，也付不起所需的律师助理和律师工时。风险代理免去了客户的预付账单，却没让案件变得划算。正如Rampell所说，“即使赢了，我也输了”，因为律所承担的成本可能超过潜在回报。
• Madheswaran称，律师不会接律师费低于5,000美元的案件；即使达到这一水平，许多案件仍会亏钱，少数大案胜诉才能撑起整个案源组合。他举例说，保险免赔额以下的轻微车祸，即便免赔额是3,000至4,000美元，“美国没有律师会碰这种案子”。对当事人而言，这可能意味着损失一份工资。
• 在雇佣法领域，他描述的流程是：先进行30至45分钟的客户接入电话，再花约10小时研究所述不当行为是否构成诉因；到这一步，律师才可能发现案件无法产生5,000美元律师费。他称，劳动与雇佣案件中有96%遭到拒绝。Eve可以接听来电、按照律所标准筛选潜在客户，并立即着手起草律师函或开展初步工作，从而改变案件筛选的经济账。

2. 整条工作流扩容，才能带来营收增长

• Rampell的核心判断是：“用了 Eve，我的律所就能多赚很多钱”，因为律所可以接更多案件。“这其实是营收扩张”（“revenue expansion”）。Madheswaran说，瓶颈可能先是独立执业律师来不及回电话，随后变成营销成功后客户接入团队应接不暇；只自动化一个环节并不够，否则工作只会堆到下一个交接点。
• Madheswaran称，洛杉矶一家律所将每名律师的案量从约100名客户提高到500名。他认为律所投入很大，并把 Eve 用到了“极限”：客户接入、案件筛选、由智能体管理的交接，以及调解准备，包括和解结果和此前有效的策略。他设想律师将“几乎像数据科学家和工程师”，持续优化不断推进的流程。
• 他表示，过去原告律所只需要一部手机和电子邮件就能运作；有些独立执业律师连 Microsoft Word 都不用。软件一直没能解决人力瓶颈，而机构化的被告方买家则吸引了开发预算。Rampell称这一机会是“影子劳动力市场”（“shadow labor market”）：相关结果涉及数千亿美元，因此历史软件支出低估了可服务的工作量。他提到每小时12美分的律师助理，只是说明AI能提供的劳动力潜力。

3. 私有案件信息能让通用智能真正派上用场

• Rampell直接提出应用层面的挑战：为什么 ChatGPT、Claude 或它们的开发者不会把这门生意也做了？Madheswaran欢迎更好的模型，但他说：“今天把 Albert Einstein 放进一家律所，他相当长一段时间内也不会有生产力。”再聪明的模型，也需要律所的工作语境和有效采取行动所需的信息。
• Madheswaran称，不到1%的案件会进入诉讼并形成判决意见；大多数案件在诉讼前就已和解，关键资料因此不在可抓取的公开数据中。Rampell举例说，知道 GEICO 曾为一宗人身伤害索赔支付29,000美元很重要。一家保险公司与100,000家律所打交道，能看到被分散的原告律所难以掌握的规律。Rampell还提到，保险公司已有 Colossus 软件作为信息优势。
• 在Madheswaran看来，缺少的是实操知识：针对软组织损伤向 State Farm 提出怎样的索赔要求有效、当地法院如何运作，以及对方律师如何行事。他反复追问的核心是：“在这个特定时点，我能做的最好选择是什么？”这种判断会在案件各个阶段反复出现；Eve的目标，是让工作语境在每一步都能被调用。
• Rampell追问，彼此独立的律所如何共享数据。Madheswaran区分了受保密义务保护的案件——“我们绝不会用这类数据训练模型”——和律师本来就会通过继续法律教育交流的办案策略。Eve聘请律师并追踪案件成败；其 Auditor 会在夜间审阅每个案件的每一页，查找理想律师也会发现的问题。他说，“几乎每个案件都有遗漏的信息”，这正是全面审查的价值所在。

4. 原告实力增强会改变策略，也会暴露法院的承载瓶颈

• Rampell提出的反问是：保险公司和辩护律所也会获得AI“超能力”。Madheswaran接受这样一种未来：99%，甚至可能99.9%的代理工作由AI完成，但客户理解、当地关系和辩护仍有人类的独特价值。机构仍能把资金和时间当作武器。他认为，常规往来会变成“智能体对智能体”（“agents talking to agents”）；一些 Eve 客户已经把更多时间花在庭审准备上。
• 一个已经出现的变化是策略层面的：辩护律所多次在感恩节前或其他重大假日前夕发来证据开示请求，指望原告团队匆忙应对或牺牲假期。原告律所于是创建了 Eve 智能体，当天就完成回复。Madheswaran这样解读辩方的反应：“当对方也有资源时，情况就是这样。”他称辩护方仍主要按小时收费，跟进速度也落后于原告方。
• Rampell对法院承载能力的担忧，来自他自己与 Wells Fargo 的纠纷：经历4小时挫折后，他对 Codex/ChatGPT 说：“起诉 Wells Fargo。”他说，4小时后系统已经提交了诉讼并找到送达员，但开庭日期排到了2月。启动法律工作的成本下降后，裁决环节就成了瓶颈。
• Madheswaran认为，更多争议转到法院之外解决是“不可避免的”，现有渠道也会扩展，包括退伍军人委员会、EEOC、调解和仲裁。在“一些领域”，他预计会出现“ADR，即自动化争议解决”，由AI辅助的中立方整理历史事实、加快决策。他不认为判断本身会被取代；人们仍须处理这些比较中可能存在的偏差。

5. 软件经济学有望支撑专业化和并购整合

• Rampell问，一家律所如果从每名律师办100个案件增至500个，甚至最终达到5,000个，能不能成长为十亿美元级企业？Madheswaran认为，律所会“更像软件公司”。以25,000美元的和解金为例，他估算律师费约为8,000美元：约一半用于人力，30%用于营销，剩余部分可能成为利润。这样的成本结构使再投资很难，尤其是改进服务意味着要聘请更好的律师。
• 潜在的变化在于，专有数据集可以提升某个细分领域的结果。Madheswaran预计，专业化会从雇佣法或知识产权法进一步深入到具有特定事实模式的软组织损伤案件。针对性广告届时可能胜过 Morgan & Morgan 覆盖面广的户外广告牌。Rampell提出扩张路径：先在本地做出成绩，再把能力带到全国；Madheswaran表示赞同。
• 另一条路是整合。Madheswaran称，像 Morgan & Morgan 这样规模的客户正在收购其他律所，因为 Eve 能围绕客户希望实现的法律结果，缩短整合周期。平台接手运营和工作流变更，减轻并购后重新整合的痛苦，也能让收购更快达到值得推进的阶段。

6. 按结果定价，前提是知道交付成本是多少

• Rampell指出，采取风险代理的律所早就在出售SaaS厂商如今试图定价的结果。Madheswaran承认，Eve最初照搬了“高杯、中杯、大杯”的订阅模式，“我们当时不知道还有更好的办法”。客户在意的是能不能服务更多人，因此Eve很早就转向按结果定价，大约比这次对谈早一年半。
• Rampell为按小时收费辩护，理由是信息不对称：客户未必能说清需求，工作范围也可能变化。Madheswaran认同，新案件究竟需要10小时还是100小时，起初可能无人知晓。他提出的更广泛要求是，依据案件事实判断某个结果需要多少算力，再通过更好的数据和执行能力，让法律工作能够更可预测地定价和交付。
• Madheswaran的保留意见很明确：“我不认为按小时收费会彻底消失。”他说，有些法律工作的价值要过几年才显现。在其他情况下，结果可预测，就能摊销成本；节省的人力也能换来更多 token 和更有用的工作。预期形成的循环是：取得更好的结果、增加收入，再把节省下来的成本投入客户服务。

7. 端到端自主处理仍是工程问题

• 被问到增长受什么限制时，Madheswaran说，只给单项任务打分、判断它“基本还行”的基准测试抓错了问题。Eve需要针对不同案件类型分别构建长周期工作流，并可靠地交付结果。每个案件仍“需要相当程度的人为介入”，但他称这一需求每个月都在下降。主要瓶颈是工程师。
• Rampell提出关键检验：Eve是否已经能自主接听电话、接纳客户，并从头到尾拿到保险公司的赔付款？“还没有，但快了”（“Not yet, but we’re close.”）。Madheswaran估计，一个案件可能涉及“约10,000次来回沟通”。他此前提到，案件可能持续6个月到1年，因此能否在长流程中保持可靠至关重要。
• 他举的具体例子是收集医疗记录：如今向保险公司和医疗机构打出一连串电话，通常要花2周。他说，Eve的语音智能体会打这些电话，有时会遇到对方的智能体，并逐渐学会如何应对。记录收集、文件制作以及与对方沟通都在自动化，但仍需一定的人为介入；更广泛工作流的早期版本已经在客户那里上线。
• Madheswaran称，如果能端到端办完车辆事故案件，就能释放“数千亿美元”的价值，前提是具备这种能力。他说，Eve迄今已帮助约20万名客户，目标则是覆盖数亿人。