Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

与顶级律所密切合作,这家法律科技公司的「B 计划」到底是什么?


互联网进入下半场,赋能千万企业也成为法律 AI 的下一个着力点。甲方客户的需求变化,法律执业主体的泛化,在给传统律所提出新挑战的同时,也促使法律科技公司不断尝试新应用场景的可能性。


颠覆法律服务行业的话题总是具有周期性,就像人工智能的命运。数百年前,莎士比亚曾借屠夫迪克之口说出:「最要紧之事,就是干掉所有律师。」但历史一直让莎翁失望。

最近,一篇发表《耶鲁法律科技评论》上的论文 Lola v. Skadden and the Automation of the Legal Profession 中,几位对法律科技实践颇有心得的作者认为「(AI)这一次有所不同,」(影响)「不再停留在理论上。」

但在今年的 ILTACON 会议上,美国大成律师事务所全球首席创新官 John Fernandez 将矛头指向现存商业模式,「除非打破按时计费,否则 AI 不会被这个行业广泛采用。」

按时计费模式在中国根本不是主流,怎么可能影响到智能技术的采纳?影响因素更多是其他方面的。北京的执业律师王雷(化名)说,热衷于法律科技的他甚至动过创业的念头,但事实让他认识到「我们的法律 AI 最多也就站在起跑线上而已。」这里的起跑线既指技术,也包括市场的不成熟。

不过,比尔·盖茨曾说,人们总是高估未来两年的变化,低估未来十年的变化。

10 月的一个早上,笔者来到位于北京三环的环球金融大厦。在这个典型的顶级律所办公环境中,与理脉——一家与中国顶级律所金杜战略合作的法律科技公司 CEO 涂能谋(也是律师)聊了聊目前在各大创业公司榜单中近似 404 般存在的法律科技市场。

理脉联合创始人&CEO 涂能谋律师

一、BR

最近,成立三年的理脉推出了一款法律 AI 产品 BRMS(企业风控管理系统),主要帮助大型企业实现诉讼方面的风险控制。产品主要包括五个模块: 

案例检索(基于公司最早研发的一款数据关系搜索引擎)、企业分析、行业分析、诉讼分析以及监控雷达。

法务可以在「企业分析」模块中,添加所有这些关联公司,整体分析可能上百家子公司的诉讼风险,也可以具体分析某家子公司的风险问题,针对高发案由(比如侵犯著作权?还是劳动法?),有的放矢。

「因为数据做了结构化处理,所以我们做风控时,不会只有一家公司,而是以集团公司作为监控单位。」涂能谋介绍说。

由点及面,企业还可以在「行业分析」模块中了解特定行业面的诉讼风险情况。

某 AI 独角兽是理脉客户之一。最开始,这家公司希望理脉提供著作权侵权方面的分析,需要细化到侵权类型,比如电影侵权,还是电视剧侵权?还有判处罚金范围。分析后他们发现,40 秒以下的短视频,侵权罚金 800 块,但下架后流量损失是 20%。于是,公司对涉嫌侵权短视频如何处理就有了方向。比如,争议视频 40 秒以下,企业可以考虑在维持一定流量的同时承担一定成本。

「我们的自动化分析做到比较细。全国范围内、特定行业、特定领域的争议类型、可能的判赔金额,范围等,都可以自动化。」涂能谋介绍道。

这款产品的研发思路,其实是想从另一个角度挖掘裁判文书等公开数据资源。之所以选择风控作为切入点,可以追溯到这家公司基因。

The Lawyer《2017 年中国 30 强精英律报告》数据显示,金杜(等三家)顶级律所的主要客户 69.3% 来自企业客户。历史上,世界 500 强将投资重点不断转到中国的几年中,金杜获得了飞速发展,也奠定了其主要业务来源。理脉基于与金杜合作更多关注这类大型公司法务的痛点,也就不足为奇。

比如,对于拥有几十甚至几百个子公司的集团公司来说,如何管理子公司和分支机构的运营风险是内部控制核心,也是企业管理关键(想想前几个月的中兴事件)。

「如何利用公开行业数据,提取有效信息,帮助企业实现风控,一直是我们思考的问题。」涂能谋说,「我们的核心数据团队也在做数据清洗、结构化等处理,也希望从法律大数据的深度处理中,衍生出一种应用服务。」

二、迈向风控的第一步

然而,和目前比较成熟的法律 AI 应用场景 (比如电子证据开示、合同管理和合规审查) 不同,大型企业的风控是一个更加需要高度定制化的服务,远不止从对诉讼案件进行事后的多维分析这么简单。

「一个企业的风控必须紧密结合它的核心业务高度定制化,风控模型包括前端、中端和后端。在我看来,在后端进行诉讼案件的回溯性分析,并非这个模型中最为关键部分。」王雷说。

「几年前,我们尝试用这些裁判文书,免费给某国有银行做过类似分析,看看支行、分行主要涉诉点是什么,哪些可以事先预防,这样就能对前端的风控点进行补充和调整。」但这项免费服务最终未能转化为一款产品,「因为满足的不是一个刚需,比如缺它不行。」一位法律科技公司负责人告诉笔者,「另外,数据也不尽理想。」

不过,另一位大型互联网电商公司的资深法务人员表达了不同看法,「如果有这样一款产品,真的可以解决问题,在性价比合适的情况下,我们愿意尝试。」

即使抛开技术局限性,目前,将企业风控产品化至少面临两个难题。

一个是企业机密。「不开膛破肚把所有东西都拿出来,怎么能建好风控模型?」王雷说,很多数据都是核心机密。而且,不同行业的企业,风控建制差异也非常大,比如有的重视资产保全,有的重视知识产权,很难做到「以己度人」,这也意味着实现通用的风控模型,难度不小。

就此而言,BRMS 目前的版本只是朝着风控大方向迈出了第一步。

相比之下,电子证据开示、合同管理等领域解决的问题,相对更为通用一些,对法律专业水平要求很低,产品效果也很明显。因此,也更为业内看好。

合规会和电子证据开示领域一样,系统将高度取代人类律师,而合同管理,比如起草、审核等,也将实现相当程度的自动化,上述发表在《耶鲁法律科技评论》上的论文分析道。

不过,理脉也透露,接下来的版本会融入更多非诉元素及合规测评模块,这也意味着产品用户不再局限于涉诉频繁的集团、金融和互联网公司,客户范围更加泛化,风险防控也会进一步前置。

三、新的获客模式

「了解完风险所在后,就要考虑找人解决问题。律师画像有助于客户对接律师。」涂能谋说。「诉讼分析」模块为律师提供了一定纬度的画像,比如案件类型、所在律所、胜诉情况等。

在笔者看来,这一模块的设定传递出更多行业信息。提供律师服务的智能导购,也是当前不少法律科技产品的思路。特别是在裁判文书公开后,从中(以及其他独家或非独家数据来源中)挖掘评价数据,建立律师画像,成为人工智能时代后的一个重要思路。

比如,另一家法律科技公司最初就将主要精力放在供给侧改造上,尽量给每一位律师做出精确画像,将其精确的匹配给有需求的企业用户。最近,元典智库也上线了律师律所搜索的 Beta 版本。

其实,AI 热潮之前,借助科技为律所导流的思路就存在,不过,彼时更多针对自身律所业务。

比如,效仿美国 LegalZoom 和 Rocketlawyer 的简法帮,为创业者和初创型企业提供法律文件在线自制服务,试图为汉坤最强势业务(TMT 投融资)提供一个流量入口。更早时候,一度极具争议的盈科通过互联网平台提供免费服务,据说实现了 60% 的业务转化率。

在涂能谋看来,未来不排除系统成为企业寻求法律服务的新入口。

「首先不是找律所,而是进入系统了解情况,然后从系统中对接服务。」因此,除了风控,并不排除 BRMS 也有增加客户粘性、抢占未来服务入口、为律所导流的功能。

不过,涂能谋也强调,导流和对接服务并非重点,未来理脉更侧重专业和数据系统产品服务。

「满足某个企业、事务所的个体服务,很难影响到行业结构部分。」涂能谋说,「只有针对大型企业、跨领域痛点和刚需的持续完善,才有机会成为法律科技领域的独角兽。」

四、悄然的入侵者与商业模式转变

和三年前理脉刚成立时相比,如今的甲方企业变化很大。「越来越意识到科技可以辅助自己的法务管理,需求变得明显。」涂能谋说。

从全球范围内看,「市场的需求端正在变得越来越苛刻和挑剔。」近期,《法律人的明天会怎样》作者理查德·萨斯金接受国内媒体采访时说道。

目前,法律数据公司的客户中,包括三分之二的世界 500 强企业,这些富有名望的大公司通过利用数据分析后的专业化法律采购服务减少开支,做出准确判断和明智的商业决策。

「集团公司、行业领先公司的一些高管意识比较新,专业服务采购的趋势是需要技术支持,理脉也较早地于 2015 年成立。」涂能谋说。

另一方面,国内大型公司法务顾问的眼光变得越来越敏锐,在购买法律服务时越来越深刻地认识到该如何在保证价值的同时还保持低成本。他们努力地谈判,并要求采用固定费用,以严格控制法律费用支出。

「对于中国公司来说,特别是对中国大型国有企业来说,外部律所法律服务质量、团队和工作中的表现永远是决定聘用与否的最关键因素,当然,合理而适当的价格也是赢得聘用的最重要因素之一。」一位大型能源控股公司法务总监告诉笔者。

理脉也曾和一位头部客户讨论过类似问题。「比如,如果公司请 2 个人做行研,每个人的工资给 5000,一年下来成本就是 12 万,购买一套系统是否可以替代这个成本支出?」涂能谋回忆道。

「事多钱少」和技术进步,将曾被律师垄断的法律服务行业撕开口子,执业主体开始泛化,法律科技公司、四大以及传统法律数据库公司,甚至巨头开始涉足这个市场。比如,微软的办公软件就上线了电子证据开示功能,谷歌和阿里已经将先进技术用于自身法务工作,京东也在做这些方面的尝试。

「这个现象不会仅仅是短期的,在接下来的几年里,甚至是在更长的时期,例如 2020 年以后,替代性法律服务提供商的崛起都会是一个不可避免的现象。」萨斯金教授说。

不过,理脉对自身优势也很有信心。「金杜有二万多个用户,数千个活跃用户,产品研发源自这些高质量用户现实中的真实痛点,研发过程中也会得到这些用户包括金杜律师的宝贵意见,试错成本非常低。」涂能谋说,「这些优势,也很难为年轻的创业公司轻易超越。」

在顶级律所看来,比他们规模还要大一个量级的四大和咨询公司的威胁更大。

「法律服务正受到这些公司的挤压。他们可以采取公司制,外部又有资本介入,优势很大」,上海君合律师事务所的一位律师告诉我们。

借助自动化降低自己的服务成本,是他们的重要竞争手段之一。比如,德勤就是 LawGeex 的客户。四大不会将创新(尤其是文件自动化生成方面的创新)视为对时薪制的威胁。

在萨斯金教授看来,「四大」不会直接地与一线律所在一些业务领域上竞争,例如复杂的公司法和银行法领域。但是,「四大」有可能承担更多项目管理和更常规和重复性的法律工作。而这些更常规的工作恰恰对传统律所的盈利能力或创收水平有很大作用和贡献。

传统律所的「商业模式会有根本性的改变,过去是服务甲方,现在甲方有替代选择,如果不和这个替代性的选择合作,就需要自己找合作对象、甚至建立对象。」涂能谋说。

五、不可低估的未来十年

汇丰(英国)的一份 INVESTMENT TRENDS IN LEGAL TECHNOLOGY 调查显示,2018 年,律所的创新科技投入出现下滑。这份调查的对象是 50 家总部设在伦敦的律所,其中一半是顶级律所。

「想投资但也十分谨慎,原因很简单,因为很难看到回报。有人甚至怀疑,只有当它们呈现指数级别的增长时,人们开始理解如何在特定业务中应用这些新技术时,才会开始有回报。」一位受访律师回答说。

不过,麦肯锡的一份模拟 AI 对全球经济影响的研究给率先采用先进科技的玩家吃了一粒定心丸:

人工智能的影响可能不是线性的,AI 技术的采用与吸收过程类似一个 S 曲线(「缓慢燃烧」的影响模式)。

MGI 的模拟计算表明,采纳成本将消耗五年内总潜在收益的 80%,到 2030 年会下降到三分之一,但对经济增长的贡献可能比未来 5 年高出三倍或更多。接下来,影响速度只会更快。

「那些认为 AI 影响有限的判断是一种误判。」报告指出。对于那些早期采纳这些技术的公司来说,由此带来好处的规模会在未来几年里逐步增加,那些迟到的公司将越来越被动。

未来十年,AI 等先进科技会成为律所差异化竞争的关键。」涂能谋认为,近期英美大所联合起来打造技术平台, 也释放出这一信号。

最近,美国 12 家顶级律所组成合作联盟,共同支持 Reynen Court 的平台建设。目前,Reynen Court 发布了「服务自动化平台(services automation platform)」,该平台将链接律所和供应商两端,通过平台为律所提供服务,包括合同分析、合同审查和合规等。

「应用层面,律师接触到的文件属于高度商业机密,律师个人的 know-how 也很难为律所之间共享。但是,技术基础可以实现共享。

比如,透过某个机器学习平台来支持已有的 know-how,训练模板,自动分析等。」涂能谋说。

「每个律所都想做这个事情,但是各自的资源不够,虽然有很多科技公司也在尝试,但还是整合的效率最好。」

在他看来,「这表明,科技元素对于行业未来竞争,很重要。」

据汤森路透统计,美国成熟的法律服务市场规模是中国的 25 倍,这也意味着中国市场未来是增长的,而供需能有一个很好的满足,关键在于科技。

「这个增长怎么分配,取决于哪个人可以控制好科技这个元素,拿出很好满足企业和个人需求的解决方案。」涂能谋认为。

需要注意的是,不能采取公司制是法律与其他垂直领域最大区别之一,这也导致最大的律所也没办法占据超过 0.5% 的市场份额。市场影响力有限意味着,行业面的变革不可能迅速发生,萨斯金教授给定的期限是未来二十年。

「只有逐步发生的改变才可以持续。」

此时,将美国联邦最高法院那位「声名狼藉」的金斯伯格大法官经常说的一句话作为本文的结束,或许是合适的。

产业法律理脉法律助理
1
相关数据
数据分析技术

数据分析是一类统计方法,其主要特点是多维性和描述性。有些几何方法有助于揭示不同的数据之间存在的关系,并绘制出统计信息图,以更简洁的解释这些数据中包含的主要信息。其他一些用于收集数据,以便弄清哪些是同质的,从而更好地了解数据。 数据分析可以处理大量数据,并确定这些数据最有用的部分。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

数据库技术

数据库,简而言之可视为电子化的文件柜——存储电子文件的处所,用户可以对文件中的数据运行新增、截取、更新、删除等操作。 所谓“数据库”系以一定方式储存在一起、能予多个用户共享、具有尽可能小的冗余度、与应用程序彼此独立的数据集合。

大数据技术技术

大数据,又称为巨量资料,指的是传统数据处理应用软件不足以处理它们的大或复杂的数据集的术语。

推荐文章
机器之心・UI设计师
测试