AI接下律师的杂活，律所开始换活法

2026年3月，一家成立仅三年的AI公司拿到2亿美元融资，估值跳至110亿美元——三个月前它还只是80亿。这家叫Harvey的公司，客户是全球1000多家律所，其中一半是美国顶级大所。没人料到，法律这个最依赖经验、最讲规则的行业，会被AI啃下这么大一块蛋糕。更关键的是，它不是在抢律师的饭碗，而是把律所的工作流程拆了个底朝天。为什么顶级资本敢在三个月内给它加30亿估值？答案藏在一套让AI当「流水线工人」的逻辑里。

把律所拆成「AI流水线」

你可以把Harvey的系统想象成一个没有情绪的律师助理天团——不是一个全能AI，而是一群各干一行的「模块化Agent」。就像律所里的助理们各有分工：有人专盯合同条款提取，有人只做风险评分，有人负责合规审查。每个Agent只练这一项本事，练到比大多数初级律师还熟练。

传统律所的工作是「一条龙」：一个律师从接案子到写文书全包，大部分时间耗在翻文件、找法条这种杂活上。Harvey把这个流程拆成了「流水线」：客户需求先被拆解成十几个专项任务，每个任务交给对应的Agent处理，最后再由一个统筹Agent把结果拼成完整的交付物。

比如一份跨国并购合同，条款提取Agent先把所有关键条款扒出来，风险评分Agent给每条条款标红风险等级，合规审查Agent对照60多个国家的法规查漏洞，最后由起草Agent把这些内容整合成符合律所风格的初稿。整个过程像工厂组装零件，每个环节都精准可控。

这种拆分最狠的地方，是把律师从「执行者」拉回了「判断者」。AI做所有耗时间的杂活，律师只需要盯着最终结果，拍板要不要改、怎么改——就像工厂里的工程师，不用自己拧螺丝，只需要把控产品质量。

越用越黏的「数据飞轮」

但Harvey能涨这么快，光靠流水线还不够。它手里握着一个让客户离不开的「数据飞轮」——简单说就是，你用得越多，AI就越懂你，你就越不想换别的产品。

Harvey给每家律所都建了一个独立的「数据保险箱」。你上传的所有合同、案例、内部规则，都会被脱敏处理后，只用来训练你这家律所专属的AI模型。你用得越多，AI积累的你的律所风格、客户偏好、甚至常用的法律术语就越多，输出的结果就越贴合你的需求。

比如一家专做知识产权的律所，用得久了，Harvey的Agent会精准识别他们最在意的专利侵权风险点，甚至能模仿他们写法律意见书的语气。等到这时候，你再换别的AI产品，就像换了个完全不懂你习惯的助理，一切都要重新来。

这个飞轮转起来后，客户的迁移成本会变得极高。数据显示，Harvey的客户席位数量，平均每12个月就会翻一倍——不是靠降价抢客户，而是客户自己越用越顺手，主动加购。这也是为什么资本敢砸钱：只要飞轮不停转，客户就会一直留下来，收入就会稳定增长。

中国律所的差距，不止在技术

当Harvey把这套逻辑玩得炉火纯青时，中国的法律AI市场正处在一个尴尬的阶段：96%的律师已经在个人用AI工具，但只有28%的律所实现了系统化的AI应用。简单说就是，大家都在各自用AI查法条、写初稿，但没人把AI拼成一条流水线。

这里面有本土市场的壁垒：中文法律语料的复杂性、中国司法体系的独特规则、律所合伙制的管理模式，都让Harvey那套直接搬过来就行不通。但更关键的是，多数本土法律AI还停留在「工具」层面，而不是「平台」层面。

比如有的AI能帮你查法条，有的能帮你审合同，但它们是孤立的，没法像Harvey那样把整个流程串起来。更没有哪家公司能像Harvey那样，给每家律所建专属的「数据保险箱」——不是技术做不到，而是还没意识到，数据飞轮才是真正的护城河。

当然，这也是机会。中国的法律AI不需要复制Harvey，而是可以结合本土需求，打造自己的流水线和飞轮。比如针对中小企业的批量合同审查，或者针对劳动争议的AI调解系统。只要能把律师从杂活里解放出来，让他们专注于判断，这条路就走得通。

Harvey的故事，本质上是一场「把律师的时间卖回给律师」的革命。AI接下那些耗时间的执行性工作，让律师能把时间花在真正值钱的地方——判断、策略、和客户的沟通。这不是AI取代律师，而是AI让律师更像律师。

未来的法律行业，拼的不再是有多少初级律师能熬夜加班，而是有多少律师能把AI用成自己的「超能力」。AI不抢饭碗，只筛选真正的专业者。 对每一个法律人来说，这都是一道必须回答的题：当AI能做所有杂活时，你剩下的价值是什么？