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

财富百强客户过半,年入三亿即将IPO,深挖这家虚拟「律所」的 AI 路线图

年入三亿即将IPO,这家虚拟「律所」的 AI 路线图

这次 IPO 是史无前例的商业模式的巨大成功,但与人工智能技术没有多大关系。然而,现阶段没有多大关系,不代表未来不会有。事实上,人工智能技术正是下一阶段竞争的真正核心,而接纳技术所需要的行业渠道资源,早已在当前阶段悄悄打下坚实的基础,这一行业优势会随着人才平台业务的 IPO,进一步得到扩大。

Axiom 即将 IPO 的消息着实让许多关注法律科技领域的人,大吃一惊。

竞对 Exigent 的 CEO David Holmes 曾在年初大胆预测 Axiom 不会在 2019 年上市,没想到一个月后就被现实打了脸

几个月前,Legalzoom 联合创始人 Brian Liu 在接受机器之心独家专访时,曾对这家公司赞不绝口,熟料这家 Brian Liu 眼中的「really a big thing」捷足先登,赶在了 LegalZoom 前上市。

法律科技领域独角兽少的可怜,IPO 公司更是凤毛麟角,除了大呼意外,这一消息也让寂寞的从业者感到振奋。

这是一个新商业模式的成功,理脉 CEO 涂能谋告诉机器之心,不论是对传统的经营模式还是这个行业的未来生态,冲击会很大。

目前,中国尚未出现对标这一模式的创业公司。不过,无讼 CEO 蒋勇已经在朋友圈扣问,美国法律服务的今天,会是中国法律服务的未来吗?

虚拟工作空间+超级零时工

科斯定律告诉我们,公司之所以存在是因为市场交易成本太高,保持内部资源和人才比在公开市场上交易更便宜。但是,新技术和高端人才现货市场,正在推动交易成本下降,当市场公开交易成本比内部养活一个团队还便宜时,商业模式创新就有可能被市场接受。

Axiom 就是一个成功的例子。

就像一家拥有众多签约演员的经纪公司,Axiom 也拥有自己的律师人才库,抽调最匹配的、也愿意接单的律师为诸如世界五百强的大型公司提供非诉服务(比如金融机构合规)。公司提留一定比例的费用,其余归律师个人。

需要注意的是,这不是一家律师事务所,虽然有律师为其工作,而是一家技术服务公司。

Axiom 最大的优势就是价格亲民(据说仅为大型所报价的二分之一甚至四分之一)但服务质量并不打折,这与对颠覆性技术的积极拥抱态度,密不可分(与传统律所相反)。

一方面,技术使得平台协作成为可能。

Axiom 并没有花大量成本租赁高大上的办公场所(因此也少了运营开支),而是让这些律师在家或者在入驻企业办公。据说,公司报价仅为对手(大型所)的二分之一甚至四分之一。

另一方面,公司用软件和系统为客户公司在最短的时间内匹配最合适的律师,快速融入公司参与非诉项目。人工智能技术的引入也让业务效率更高。

弹性的工作时间和选择任务的自由(可以从事真正有价值的工作),足以吸引那些处在传统律所金字塔中间层资深律师络绎不绝的加入。

这种方式彻底改变了过去外包只能找律所的供给流程,在法律领域,是非常先锋的尝试。

经过近二十年的市场考验,公司已经拥有超过一半的财富 100 强客户,包括阿里巴巴。年收入 3 亿多美元,这个数字相当于当年近一百家律所的年收入之和。

为什么拆分业务 IPO?

为了上市,Axiom 把公司业务拆分到了三家公司:

最重要的现金牛——人才平台,提供律师或律师团队,补充和扩充客户法律力量;

合同平台(名叫 Knowable),针对可重复的工作提供端到端解决方案,包括起草、谈判和执行合同,商业协议的存储和分析,结合了律师与人工智能技术 ;

管理解决方案(AMS),下一代大规模复杂法律工作的解决方案。

Axiom 将法律工作分为三种类型:

复杂到无法简化的法律工作,只有最有经验和才华的律师才能做;

可重复的工作,需要有经验的律师,但需要专门搭建的工具和流程的脚手架;

最后,这种工作人们根本不应该做,因为机器的学习、记忆和处理能力更强。

合同平台(Knowable) 和管理解决方案(AMS) 分别用来解决第二、三个问题。

而本次 IPO 的是最成熟也最赚钱的人力平台业务。

虽然与法律市场的整体规模相比,收入规模仍然显得微不足道,但成长的速度非常快,正在拿走传统业务脂肪最厚的那部分。而且,商业模式(年费或项目收费)简单,成熟,华尔街也表示青睐。

即将 IPO 表明,这个细分市场现在已经成熟,超出了传统大型律师事务所可以将其挤出市场的程度。

不过,真正重度依赖人工智能技术颠覆行业的 Knowable 和 AMS 业务却被拆分出来,看来这次 IPO 仍然是对商业模式创新的认可,而与人工智能技术没有太大关系。

至于为什么拆分出来这两个业务,由于外界信息不多,我们只能分析推测。

这是一家服务商,而不是软件公司。

因此,目前合同平台使用的技术很可能是与 Kira 这样的法律 AI 公司合作,并非公司自有资产。就算公司自研,既然上市,这个问题也就转化成一个财务问题:

为什么每年要花那么多钱在这个新技术上面?尤其是不知道最后能不能赚到钱,赚钱模式能否得到华尔街的青睐。一位投资人告诉机器之心,投资这样的法律技术,获得回报是很难的。

因此,既然业务的差异性比较大(包括利润和成本结构和市场诉求,和成熟度),拆分后,公司就能够根据自身业务的特点,定制化公司战略。而且,现在没有上市,并不意味着以后没有机会。

长远看来,人才平台,与后面两个被拆分的业务,可以被视为两个阶段性任务:

过去二十年的人才平台业务中,公司一直在做大公司的渠道,在法律行业拥有最好的企业渠道,为输入下一代基于人工智能的、更依赖纯技术的解决方案打好基础。

而且,IPO 会让这一良好的渠道优势,得到进一步加大。与此同时,不仅进一步威胁到大型律所,也进一步拉开了与法律 AI 公司的行业资源差距。

早在 2012 年,公司 CEO Mark Harris 在接受 Zach Abramowitz 采访时曾提到,随着法律市场的成熟,解决方案也与纯工具越来越相关,公司的「下一代」产品和创意,将来自会在未来十几年颠覆这个行业的法律技术。

这也是无可回避的趋势。

Axiom AI

「下一代」产品的发动机,或者说孵化机制,正是 2017 年启动的 AxiomAI 项目。

其实,在此之前三、四年中,为了搞清楚人工智能是怎么回事,他们已经在实验室里测试不同的 AI 工具。

由于公司最大业务板块与合同有关,他们特别关注能从合同与商业协议中提取关键信息的技术工具。

比如,第一个 AI 产品就是并购业务的合规审查(技术由合作伙伴 Kira 提供)。它可以帮助律师识别和提取关键文本信息,让他们专注于更具解释性的工作和提供建议。

随着深度学习取得突破,Axiom 认为技术准确度到达了一个临界点,可以走出实验室,进入产品和服务。因此,将过去几年尝试正式化为 Axiom AI。

「考虑到当时美国公司企业的 AI 产业化才刚刚开始,法律领域更是处在更加起始的阶段,我们认为,在项目中添置研发环节非常必要。」公司 COO Paul Carr 在 2017 年接受法律科技博主 Bob Ambrogi 采访时解释道,

「当产品足够鲁棒、准确并且前后一致时,才考虑让客户参与进来。」

事实上,目前诸如合同创建和协商领域的人工智能技术应用,还比较落后。

比如,利用人工智能创建协议,或者为了非常迅速地确定一个协议在哪里不符合标准,需要如何通过审批程序等。

对比,Axiom 更多的只是投以关注。

由于法律领域的工业化程度(相对其他领域,比如金融行业来说)很低,公司目前工作主要专注于帮助客户接受将推动法律产业工业化的「工厂框架」。

他们发现,在业务过程中,说服客户接受法律技术之所以存在不小的困难,根本原因之一在于为了利用这些先进技术,他们不得不拥抱一套完全不同的生产系统。

在今天的法律行业中,只销售技术解决方案,就像在 19 世纪末向铁匠出售传送带一样,根本行不通。为了期待工业革命的到来,还要围绕传送带建造一座工厂。

「在以技术为依托的工业化道路上取得进展,我们必须先建立工厂,然后才能使用让工厂变得更好的工具。」Mark Harris 在上述采访中提到。

因此,在获得类似金融技术领域发达之前,法律行业需要在以服务为主导,除了技术,还要围绕技术做一些基础性的流程和标准化工作。销售,在很大程度上,也是在做启蒙与教育工作。

年入三亿即将IPO,这家虚拟「律所」的 AI 路线图


今天律所的金字塔结构 VS 未来律所的火箭式结构

2017 年,作为 Axiom AI 项目的配套,公司还在西雅图开设了一个新的研发机构,为更加独特和变革的用例塑造下一代 AI 应用。公司还计划将技术员工数量翻倍,包括工程师和数据科学家。

曾在微软亚马逊工作过的技术行业资深人士 Doug Hebenthal 被聘为 第一任首席技术官,负责新的西雅图研发前哨。

Axiom 预测,随着时间的推移,人工智能技术所带来的好处也会不断演化。

比如,现在合同领域中的人工智能技术扮演的是一个效率机制,将提取信息的方式自动化或效率化。

人工智能会带来速度,这在合同中是非常重要的,因为这会加速销售或收入确认。效率方面的应用是我们在合同中看到的一个起点。」Paul Carr 在上述采访中分析道,

「但是,我们认为,真正具有变革意义的是一整套的利益,这是我们目前所处的阶段难以想象的。」

在未来,它带来的好处会超出效率和自动化。

比如,可以改善决策、提供洞见。识别隐藏在成千上万个协议中的风险或机会、协同效应将会开启各种新的可能性,这些都是今天无法企及的。

产业法律AxiomIPO
相关数据
Amazon机构

亚马逊(英语:Amazon.com Inc.,NASDAQ:AMZN)是一家总部位于美国西雅图的跨国电子商务企业,业务起始于线上书店,不久之后商品走向多元化。目前是全球最大的互联网线上零售商之一,也是美国《财富》杂志2016年评选的全球最大500家公司的排行榜中的第44名。

https://www.amazon.com/
相关技术
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

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)

数据科学技术

数据科学,又称资料科学,是一门利用数据学习知识的学科,其目标是通过从数据中提取出有价值的部分来生产数据产品。它结合了诸多领域中的理论和技术,包括应用数学、统计、模式识别、机器学习、数据可视化、数据仓库以及高性能计算。数据科学通过运用各种相关的数据来帮助非专业人士理解问题。

阿里巴巴机构

阿里巴巴网络技术有限公司(简称:阿里巴巴集团)是以曾担任英语教师的马云为首的18人于1999年在浙江杭州创立的公司。

https://www.alibabagroup.com/
推荐文章
暂无评论
暂无评论~