这集讲什么
Eve 创始人认为，AI 若能接手原告律师事务所从接案到和解的大量流程，小律所的增长上限就可能从「能雇多少人」转向「能处理多少案件」；但十亿美元营收仍是设想，不是已实现的结果。
1-3要点
- 可及性的障碍不止价格：客户不预付律师费，仍可能因律所预期回报不足而无法获得代理。
- AI 的商业价值可能首先体现为新增供给：接更多原本被放弃的案件，与在现有案件上节省工时，是两种不同的收益。
- 工作流程可能比裸模型更难复制：案件材料、律所偏好、当地经验和长期任务衔接，决定模型能力能否转化为办案能力。
0:00 / --:--
a16z Show · 10 月 30 日
Eve 创始人认为，AI 智能体若能接手原告律师事务所从接案到和解的大量流程，小律所的增长上限就可能从「能雇多少人」转向「能处理多少案件」，但十亿美元营收仍是设想而非已实现的结果。
Eve 创始人认为，AI 若能接手原告律师事务所从接案到和解的大量流程，小律所的增长上限就可能从「能雇多少人」转向「能处理多少案件」；但十亿美元营收仍是设想，不是已实现的结果。
这集还没有学习卡。生成后会保存在这一集，下次直接打开。
a16z Show· 2026-10-19当 AI 智能体能花你的钱时，会发生什么？What Happens When Al Agents Can Spend Your Money?内容相近
Latent Space· 2026-09-16为超级智能承保：支持你可以起诉的智能体——Rune Kvist，AIUCUnderwriting Superintelligence: Backing Agents you can Sue — Rune Kvist, AIUC内容相近a16z Show· 2026-10-02为什么 AI 智能体能击败现有巨头Why AI Agents Can Beat the Incumbentsa16z Show
Why AI Could Turn Small Law Firms Into Billion-Dollar Businesses
YouTube
音频
本集讨论的重点不是为大型企业起草合同的律师，而是代表个人向雇主、保险公司等机构提出索赔的原告律师。这类律所常以胜诉或获得和解后才收费的风险代理收费方式办案：客户不必先承担不断累积的小时费，律所则要预付筛选、取证和办案所需的人力，并承受案件没有回报的风险。
Eve 希望用 AI 智能体（Agent）协助律所完成来电接待、案件筛选、资料整理、文书准备及后续推进。主持人 Alex Rampel 同时是投资者，因此节目既解释法律服务的供给缺口，也鲜明地呈现了产品与市场的看多论点。
这集的核心问题是：为什么一个确实受到损害的人，仍可能找不到愿意接案的律师？答案不只是律师费太贵。即使采用胜诉后收费，律所也必须先花时间接电话、核查事实、寻找法律依据、取得医疗记录，再决定案件是否值得投入。赔偿额较小的案件可能对当事人十分重要，却不足以覆盖律所的获客与办案成本。Eve 因此把 AI 的价值定位为扩大可服务的案件范围与律所收入，而不只是削减现有员工。
节目给出的最鲜明案例，是一家洛杉矶律所据称将每名律师管理的客户数从约 100 人提高至 500 人。嘉宾认为，若接案、交接、材料审查和和解准备能够持续自动化，律所便能把更多精力留给客户沟通、出庭和关键判断。不过，这个案例说明的是特定律所的处理能力变化，不能直接推出收入、利润或客户结果也增长了五倍。
更有意思的竞争论点是：通用模型即使越来越聪明，也未必知道某家律所的办案标准、当地对手的习惯，或大量未公开和解案件的经验。Eve 想把这些分散在流程中的知识变成可用的工作能力。由此延伸出的「小律所可达十亿美元营收」仍是一条有条件的推论：技术要能跨案件类型稳定工作，律所要能获取足够案件并管理质量，还要面对执业地域、保密和利益冲突等约束。节目真正指出的变化，是法律服务的供给方式可能重组；它尚未证明行业增长会以多快速度、由哪些律所兑现。
💬 他们说了什么：Rampel 先区分服务大型企业、按小时收费的律所，与代表普通个人提出索赔的原告律所。Jay 将 Eve 定位为后者的法律 AI：从第一次来电、案件推进到和解，为律师提供贯穿流程的协助。他以「给大卫一把弹弓」形容个人对抗资源更充足机构的处境。
💡 为什么重要：客户能否承担律师费，与律所能否承担接案成本，是两道不同的门槛。风险代理收费缓解了前一道门槛，却没有消除律所预付劳动与承担败诉风险的问题。
⚡ 争议点：「从头到尾处理」表达的是产品方向，不应理解为目前所有案件已能在无人监督下完成。
💬 Rampel 以 1000 美元损害举例：即使律师可取得结果的约三分之一，预期收费仍可能不抵办案投入。Jay 称，律所通常希望单案至少产生约 5000 美元律师费，部分案件达到这一水平仍会亏损。他还举出首次沟通需 30—45 分钟、后续法律研究可能需 10 小时的情形，并声称劳动就业类线索约 96% 会被拒绝。
💡 对个人而言，几千美元可能关乎一笔工资；对律所而言，同一金额却不足以支持完整办案。法律需求因此存在，却没有转化为有效供给。
⚡ 5000 美元门槛和 96% 拒绝率均是嘉宾的口述数字，节目没有交代样本、统计范围或计算方法。
💬 Jay 描述 Eve 接听来电、依据律所偏好初筛，并启动初步工作；原本耗费约 10 小时的研究与准备，有些步骤可被显著提速。案件可能持续 6 个月至 1 年，其间有大量往返。Rampel 因而强调：对接案能力受限的律所，AI 的主要收益可能是承接更多案件，而非裁掉人员。
💡 如果律所已有无法服务的来电，更低的单位办案成本不仅改善利润率，也可能让原先不经济的案件变得可接。
⚡ 初筛提速不等于最终获赔。还需比较新增案件的胜率、回款、律师审查时间及客户体验，才能判断收入扩张是否真正发生。
💬 Jay 称，一家洛杉矶律所将每名律师管理的客户数从约 100 人增至 500 人。他特别指出，这家律所投入了自身工作，并广泛使用 Eve 处理来电、资格筛选、团队交接，以及调解前的案件摘要和和解准备。
💡 此例展示的不只是更快写一份文件，而是减少案件在律师、案件经理与其他人员之间流转时的等待和信息损失。
⚡ 这是单一客户案例。「管理客户数」不等于同期在办案件数，也不直接证明五倍收入、五倍结案量或更好的赔偿结果。
💬 Rampel 说，按既有软件采购额衡量，原告律所似乎不是大市场；Jay 甚至形容，一些独立执业者过去主要依靠手机和邮箱。两人认为，旧软件没解决真正的稀缺品——可用于接待、研究和推进案件的劳动。因此，能完成工作的软件，竞争对象并不只是其他软件预算。
💡 这改变了市场规模的观察口径：律所可能愿意为可衡量的新增办案能力付费，即使过去几乎不购买专业软件。
⚡ 把人力支出视为软件的潜在市场，不能假定工作可被等比例替代；审核、纠错、合规和客户关系仍需成本。
💬 Jay 以「把爱因斯坦直接放进律所，也无法立刻高效办案」说明：聪明不等于熟悉工作环境。他称，原告案件的大量和解信息不在可检索的公开判例中，并提出不到 1%的相关案件形成可供公开查询的判决意见这一估计。Eve 试图结合律所资料、当地环境和历史策略；Jay 同时表示，客户个案资料不会被用于训练模型，并介绍了逐页检查案件材料遗漏的 Auditor 产品。
💡 在诉前和解占重要位置的领域，工作流程、文件权限与既往经验，可能比单纯接入一个更强的通用模型更影响实际表现。
⚡ 「不到 1%」的口径及保密承诺均未在节目中获得独立验证。尤其需要区分不用于模型训练，与系统在提供服务时如何读取、保存、隔离数据。
💬 Rampel 追问，若索赔一方能够低成本持续提出有依据的要求，保险公司和机构一方也会使用 AI，博弈将如何变化。Jay 预计，常规往返可能更多发生在智能体之间，但没有声称防守方会停止采用技术。
💡 自动化可能削弱「对方耗不起时间」这类优势，也可能带来更多、更快的请求与回应。最终结果取决于双方的能力、规则和处理容量，而非某一方单独使用 AI。
⚡ 双方效率同时提高，未必必然使和解更快或更公平；低成本批量交互也可能增加噪声与审查负担。
💬 Jay 设想未来大量事务性工作由 AI 执行，甚至以 99% 或 99.9%作为思想实验；他同时坚持，律师仍需理解当事人、具体事实、当地对手，并负责推动关键决策。他称，一些使用 Eve 的客户因此能将更多时间投入庭审工作，而不必让一次开庭准备占用整个律所。
💡 若重复劳动减少，律师的稀缺价值可能更集中在事实判断、客户信任、谈判策略和出庭辩护，而非逐项传递资料。
⚡ 99% 以上是未来想象，不是当前自动化率。即使多数步骤由系统执行，律师对错误、期限和专业判断的责任也不会随之自动消失。
💬 Rampel 讲述自己与富国银行发生纠纷后，使用 ChatGPT 相关工具准备起诉，并称约 4 小时后完成了提交与送达安排；但开庭仍须等待排期。Jay 据此预测，更多争议可能走向调解、仲裁或其他替代性争议解决渠道，并由 AI 协助中立方整理事实，而非取代其判断。
💡 当提出主张的成本下降，法院、调解员和对方机构的处理能力就可能成为新瓶颈。提高「提交速度」与提高「解决速度」不是一回事。
⚡ 主持人的经历是个人叙述，不能当作起诉流程普遍耗时的证据；AI 辅助的中立判断也必须面对偏差与程序正义问题。
💬 Rampel 提出小律所达到十亿美元营收的可能性；Jay 回应说，律所或将更像软件公司，通过积累特定案件类型的数据和流程扩大规模。他用一笔 2.5 万美元和解举例：律师费约取三分之一、简化为 8000 美元，其中约一半用于劳动、约 30% 用于营销，余下才可能成为利润。他预期，律所既可能更细分专业领域，也可能借助统一流程进行收购整合。
💡 如果专业经验可以沉淀、复用和跨地域部署，律所的扩张便不一定完全依赖同步增加律师人数。
⚡ 十亿美元是主持人的推演，并非 Eve 客户已达成的营收。示例中的成本比例也不是行业审计结果；跨地域执业与整合更受当地规则和管理能力约束。
💬 两人将原告律所的胜诉收费，与其他律所的计费小时制及软件的按席位收费比较。Jay 说，Eve 最初也采用类似分档定价，后来更重视客户结果；但若案件工作量可能是 10 小时，也可能是 100 小时，定价仍难确定。谈到技术边界时，他承认尚无完全自主、从接电话到拿到赔款的完整案例，并估计单案可能涉及约 1 万次往返或操作；取得医疗记录一项，传统流程就可能耗时约 两周。
💡 按结果收费需要预测投入与结果，端到端自动化则要求系统在许多相互依赖的步骤中持续可靠。两者都比完成单次文书任务困难。
⚡ 「计费小时制消亡」是趋势性标题，不是嘉宾的字面结论：他明确说它不会完全消失。约一万次交互也属粗略估计，需明确何种操作计入其中。
💬 Jay 描述一家合作律所遇到的重复策略：对方把证据开示请求安排在感恩节或其他长假前夕，以期增加律所假期内的工作压力。该律所随后在 Eve 上创建智能体，下一次遇到类似请求时据称当天便作出回应。节目末尾，Jay 称 Eve 迄今已帮助「几十万」名客户，并希望继续扩大覆盖。
💡 这一例子把抽象的「处理能力」具体化：若常规回应不再依赖律师放弃休假加班，利用时间差施压的策略可能失效。
⚡ 节目未展示请求、答复文件或对案件结果的影响；「帮助几十万名客户」也未说明统计的是咨询、接案、在办还是已结案客户。
「问题不是人们没有法律需求，而是律所没有足够的人力，以经济可行的方式服务他们。」——据 Jay 的论述意译
「如果把爱因斯坦放进今天的律所，他也不会立刻变得高效。」——Jay，以此说明通用智能与专业流程之间的差距
「对律所来说，这不只是削减成本，而是扩大收入机会。」——据 Rampel 的论述意译
「计费小时不会完全消失，但在许多领域，它可能不再是最合适的定价方式。」——据 Jay 的论述意译
