Legora CEO：AI如何重塑法律工作，释放律师生产力

法律行业长期面临一个结构性矛盾：需求远超供给。Legora 联合创始人兼 CEO Max Junestrand 在访谈中直言，法律服务的需求显著大于当前供给，导致并非每份合同都能得到审查，并非每起不公都能进入诉讼程序。这家定位为「法律工作操作系统」的公司，正试图用 AI 填补这一缺口。

法律行业的供给瓶颈与 AI 的破局点

Junestrand 对法律行业的判断很直接：这是一个根本上受供给约束的领域。需求与供给之间的鸿沟，意味着大量合同被搁置、资产尽调只能在事后补做。他提到，世界需要并要求更多的法律服务和法律智能，而 Legora 希望通过 AI 让这些能力「随取随用」。

这种供给约束并非因为律师不努力，而是工作模式本身限制了产出效率。当每一份合同都需要人工逐条审阅、每一个并购项目都依赖团队手工完成尽调时，产能天花板显而易见。AI 的介入点，正是把这些重复性、标准化的初筛工作接过去，让法律团队把精力集中在真正需要判断力的环节。

从 BERT 到 GPT-3.5：一个「互联网时刻」的创业决策

Legora 的起点比很多人想象的更早。Junestrand 透露，最初的想法诞生于 Google 早期模型 BERT 开放访问的时期，但早期探索的用例难度太高，直到 GPT-3.5 出现才真正跑通。

这个转折点直接促成了他离开大学的决定。他把 GPT-3.5 称为「我们这一代人的互联网时刻」，并直言：没有 OpenAI，可能就不会有 Legora。这段经历说明，法律 AI 产品的可行性高度依赖底层模型能力的跃迁——不是产品思路不够好，而是此前的模型接不住法律场景对准确性和推理深度的要求。

BERT（Bidirectional Encoder Representations from Transformers）是 Google 于 2018 年发布的开源预训练语言模型。它的关键创新在于「双向」编码：在理解一个词时同时利用其左右两侧的上下文，而非像此前的单向模型那样只能从左到右阅读。这一特性让 BERT 在文本分类、问答、命名实体识别等理解型任务上大幅刷新了当时的基准成绩。不过，BERT 本质上是编码器架构，擅长「理解」而非「生成」，难以胜任需要长篇推理和输出的法律文书起草、合同比对说明等任务。这正是 Legora 早期用 BERT 探索时用例难度过高的技术根源。

GPT-3.5 则是 OpenAI 基于解码器架构、以大规模指令微调和人类反馈强化学习（RLHF）训练出的生成式模型系列，ChatGPT 背后的模型即属于该系列。相比 BERT，它具备连贯的多轮对话、长文本生成和一定的链式推理能力，使「让 AI 通读一份合同并给出修改建议」这类任务第一次变得可行。Junestrand 将其称为「互联网时刻」，正是强调这种能力跃迁对产品形态的决定性作用。

信任是法律行业的硬通货

在法律领域，信任的重要性甚至超过计费小时。Junestrand 强调，客户不能对工具有任何「二次猜测」或「妥协」的感觉。这决定了法律 AI 产品的设计逻辑：不是追求炫技，而是确保输出可靠、过程可追溯。

他用了一个比喻：Legora 像一辆非常快的 F1 赛车，但赛车需要强大的引擎，OpenAI 持续推出的新模型就是不断升级的引擎。这种依赖关系也带来挑战——产品必须紧跟模型迭代节奏，才能保持性能优势。

计费小时（billable hour）是法律服务行业沿袭已久的计费模式：律所按律师投入的小时数向客户收费，通常以六分钟为最小计量单位。这一模式长期受到批评，因为它将律所的收益与耗时挂钩，而非与成果价值挂钩，客观上激励了低效。AI 介入后，初筛和审阅所需时间被大幅压缩，直接动摇了按小时计费的基础，推动行业向固定费用、订阅制或按价值计费转型。这也解释了为何 Junestrand 强调信任甚于计费小时——当工具本身改变收入模型时，客户对输出可靠性的要求只会更高。相关的还有可追溯性（traceability）要求：法律工作常需向监管机构、对方律师或法庭证明某一结论的来源与推理路径，因此法律 AI 产品通常需要提供引用定位、原文对照和操作日志，而不只是给出一个答案。

「建沙堡」哲学：AI 原生公司的产品节奏

随着公司快速扩张，Junestrand 最在意的是保持 AI 原生（AI-native）的特质。他的方法是保持低自我（low ego），不把产品当作要经受时间考验的纪念碑，而是持续穿越 AI 能力的前沿。

他用「建沙堡」来形容这种策略：底层技术变化太快，产品必须随时准备用上最好的能力，哪怕这意味着不断推倒重建。对于法律 AI 这类强依赖模型能力的赛道，这种姿态可能比追求稳定架构更务实——因为稳定本身在模型快速迭代的周期里是一种幻觉。

AI 原生（AI-native）公司与「AI 赋能」的传统公司有本质区别：前者从第一天起就把模型能力当作产品的核心构件来设计业务流程和交互方式，而非在既有软件上叠加一个智能按钮。这意味着产品架构需要围绕模型的输入输出特性来组织，例如以自然语言任务而非固定表单为主要界面。其代价是深度耦合——底层模型一升级，提示策略、上下文窗口管理、输出校验逻辑都可能需要重做。Junestrand 的「建沙堡」比喻针对的正是这种耦合：把产品视为可快速重建的临时结构，而非需要长期维护的固化资产，从而在每一轮模型迭代后第一时间把新能力转化为用户体验。

可量化的价值：一个 Fortune 100 客户的样本

访谈中最具说服力的部分，是 Legora 在一个 Fortune 100 客户身上的落地效果。据 Junestrand 介绍，该客户将合同周转时间大幅缩短了 90%，在外部和诉讼与尽调成本上节省超过 2000 万美元，每位律师每周还拿回 9.5 小时用于更高价值的工作。

这些数字指向同一个结论：AI 在法律场景的价值不只是「更快」，而是重新分配了律师的时间预算。当初筛、审阅、尽调等环节由 AI 代理完成第一遍，法律团队才能把判断力用在交易推进和风险决策上。Junestrand 的野心也由此而来——他希望每一份法律工作都跑在 Legora 上。

法律团队的角色正在被重新定义：不只是保护企业，更要推动企业前进。在 Junestrand 看来，现在是有史以来做律师最好的时代。如果这件事做对了，个体借助技术所能达成的成就，会让过往任何一波技术浪潮都显得微不足道。