近日，嘉程创业流水席第216席【探讨生成式AI在垂直行业的最佳落地案例】，邀请了LegalNow联创Turing分享，主题是《人人都能用LLM写专业法律合同，我们怎么做的?》。

以下是正文内容：

LegalNow从开始做到现在大概经历了两年的时间，相比于两年之前，我们现在的定位有一些变化，现在我们定位为全球最大的线上律师事务所。我们仍然使用 LegalNow 这个名称，延续了当初法律产品的品牌。

我很想和大家聊一聊早期对法律市场的看法。在市场的产品类型中，我观察到了case by case的定制化产品，同时，也有像我们这样，开发一些轻量级的标准化产品思路。因此，我想先和大家讨论一下我们对法律市场的观点和想法。

无论律师的报价是高是低，客户通常会感觉法律服务的费用较高。通过访谈，我们发现没有任何客户认为律师服务的费用是便宜的。律师侧的感受是，许多律师并未获得很高的收入，这个行业也符合二八定律，顶尖律师赚取了大量收入，拥有大客户，而其他律师的收入则相对较低。因此，对律师来说，“赚钱”也是一个非常重要的议题。

由于律师服务的费用昂贵，超过90%的人在遇到法律问题时，通常不会选择聘请律师。相反，他们会尝试自行在网上寻找模板，或在Google上搜索相关信息，使用这些模板或其他人编写的制式文件，直接在自己的法律合作场景当中使用。这种做法往往会引发许多问题，例如，在MCN与网红签约时，如果没有律师服务或法律指导，未来可能会出现较大的争端或争议。我们也观察到，许多人因为类似问题——包括房东签约等——在合同履行过程中遇到困难。解决这些问题的成本很高，如果涉及仲裁或诉讼，时间周期也相对较长。实际上，无论是我们身边的用户还是我们调研访谈的近千位用户，我们都发现了这些普遍存在的问题。

律师希望提高服务效率。如果将律师的工作模式抽象化，他们每天的8至10小时工作时间，每小时都明码标价，并且不可能有更多时间来提供法律服务。因此，在这个过程中，效率是关键，因为这是一种以时间为本的生意。这也是为什么过去40年来，许多名校毕业生从进入律所到成长为合伙人需要很长时间。

行业内并没有太大变化，仍然是以律所为主导的服务模式。但值得高兴的是，我们可以看到Harris和国内的幂律等公司正在进行一些变革，他们的思路可能有所不同。

对律师而言，另一个重要的方面是个人品牌的塑造。我们在法律意见领域搜索到的所有PR文章，理论上都是律师用来获客的手段。如果律师想要获得更多客户和案源开展，他们实际上需要投入大量时间和精力来撰写文章。对于独立执业的律师来说，是极度需要自己进行案源拓展的。

在用户类型方面，我们进行了分类。

• DIY用户可能无论如何都不会购买律师服务。并且，绝大多数人都没有采纳或购买过律师服务，这是一种常见现象。无论是个人还是中小企业主，他们的商业行为通常不涉及常法律师的聘用，而且聘请常法律师的大型企业比例仍然很低。

从人均律师“保有量”来看，中国与美国之间的差距很大，美国的人均律师数量大约是中国的三倍，在全球范围内，美国的人均律师“保有量”也始终处于最高水平。这也意味着，除了美国以外的其他国家和地区，对律师服务和法律服务的需求仍然很高。

因此，对于一些DIY用户，我们希望通过产品化能力，将律师服务打造为一种产品，并利用AI技术来实现。这样可以以非常低的成本，使用这个产品制作所需的合同或协议，并在真实的应用场景中使用。

全球各类律师实际上是我们的生产资源，他们将自己擅长的法律知识和专业领域内容注入AI中，为用户提供服务。用户无需支付费用或只需支付很少的费用，就可以使用这种轻量级产品，获得一份完全适用于商业用途且不太可能出现问题的合同。

在此过程中，我们还集成了工作流。根据各种法律需求，我们可以定制AI工作流，但这可能是产品后期才会上线的功能。

• 始终有一部分人对AI提供的服务持怀疑态度，即使经过精细的微调和测试，他们仍然无法信任AI的准确性。这些客户通常本来就是不管法律服务的价格高低，倾向于购买真人律师服务的人群。他们的需求需要case by case地考虑。因此，对于那些非DIY用户，在他们付费意愿和付费能力比较强的前提下，我们希望将我们的产品转变为一个全球律师提供法律服务的平台。当AI产品无法满足需求时，我们可以轻松“唤醒”全球的律师。

对于那些跨法域需求较多的非DIY客户，我们的产品可以提供一些解决方案：

首先，AI内置的工作流，包括文件管理和草稿审查，非常便利。

其次，在业务流程中，客户可以找到中国律师进行Leading Consulting，同时唤醒欧洲当地的律师，共同完成业务和服务。在大型牌照申请或并购业务中，这是一个很好的解决方案。也就是说，本地律师可以提供Leading Consulting服务，而由于合规性原因，比如只能聘请当地律师提供服务，这实际上相当于让全球律师入驻平台，客户可以轻松地联系到任何法域中评价较高、能力较强的法务专家。

在我们的一个案例中，一位立陶宛律师与一位中国律师合作，完成的任务相对来说非常出色。使用我们的产品，律师节省了大量时间，从而能够专注做一些更顶层的、更能问出好问题的工作。

我想分享的要点是，AI的优势在于它能不知疲倦地提供各种内容，它就像一个“做题家”。但我们希望律师能够在这个场景中成为提出好问题的人，通过他们的专业服务和研究能力，帮助客户在现有和潜在的法律规则体系下得到真正的服务。对于非DIY用户、大客户、单价较高的客户，我们提供的服务和能力是“AI+律师”。我们初步判断下来，这种模式可以节省律师的标准工作时间，降低成本。因此，在整个服务过程中，这也提供了更好的体验。

• 这也回答了许多人关于如何服务大客户的问题。对于大客户，解决方案很简单，就是“AI+人工”。当AI无法覆盖当前的服务需求时，唤醒一位这个领域的专家提供服务。首先，卡点会变得非常具体，我们已经知道了问题所在；其次，能够问到这个深度，我们普遍认为这已经接近于将潜在客户转化成功了。我们会将AI服务的部分与这一转化过程结合起来，对于律师来说，这是一个更高效的过程。常见的简单问题，通过我们的问答库就可以解决，或者至少解决了绝大多数问题。

自2022年4月起，我们便开始了这项工作，创建了一个GPT化的团队，成员们贡献了大量优秀的法律内容。网络上可找到的模板或现成的法典、判例属于现有的资源。然而，最宝贵的是律师对其擅长领域法律的深刻洞见，这是他们多年执业经验积累起来的。这些见解以文字形式表达出来，需要编写数十条，但我认为这正是我们与其他AI产品区别开来的核心——把律师的insight赋予AI的能力。通过AI获取这些反馈后，我们能够为用户提供更优质的服务体验和交付结果。

目前，我们的全球律师网络已覆盖约3000名律师的lawyer group，它涉及与全球各地的人沟通，我们早期就开始与意大利、欧洲、香港、日韩、北美等地的人进行交流，并取得了一些成绩和成果。我们希望律师们能够更多地贡献他们的insight，无论是进行微调还是赋能产品，都能做得更多、更强。在这个过程中，我们仍然希望律师是重要的生产力，或者是我们insight来源的贡献者。为此，我们专门开发了一个内容收集前端，用于收集律师撰写的内容，再反馈出来。

我们的目标是打造全球最大的线上律所。切入口选择了基于合同场景的撰写和审阅，以及咨询助手的功能。尽管每个国家都有其独特的法律体系和执法判例，但某些法律准则具有普遍性。

以婚姻法为例，中国和阿拉伯国家之间完全不同。不同国家和地区的法律规定之间，常常存在巨大的差距。例如，一些穆斯林国家禁止利息的存在，因此产生了穆斯林金融的概念。面对200多个国家的法律体系，如何实现全面覆盖？如果要全面实施，可能每个法域都需要资深律师的支持。

在早期，由于不可能支持全球所有律师中心化地一起工作，我们要做的第一件事是聚焦于商务合作和通用化场景。我们最初选择的合同场景具有普遍适用性，无论是在美国还是英国，这些合同场景都是通用的。例如，保密协议（NDA）就是一种广泛应用的通用协议。即使需要一定程度的定制化，这种定制化的程度也不会太高。在这种情况下，我们可以采用这种方法或选择这样的场景为客户提供服务。

我们优先考虑的是通用性强的、可泛化的场景。我们的目标用户群是全球范围内有DIY合同需求的中小型B端和C端用户，他们大多数情况下不会选择雇佣常驻法律顾问或购买昂贵的律师服务，这就是我们最终要去服务的一类人。

对于非常头部的客户，以国内市场为例，我觉得它属于幂律的客户。他们往往是需要高度定制化服务的客户群体，一定需要一组人all in去服务，其定制化基于模型层或产品层，更倾向于SaaS化的定制。然而，我们始终致力于开发轻量级产品，避免产品功能太重，在提升效率方面，我们仍在不确定产品的实际作用，这是我们的一个重要考量。

在全球范围内也有类似的公司，如Legal Zoom和Rocket Lawyer。Rocket Lawyer类似于一个律师入驻平台，用户可以花很少的钱聘请律师。许多律师通过该平台接单，为了获得真正的客户。在这个场景里，这两家公司的年收入已达到约6亿美元，并在全球范围内覆盖了2000万用户。因此，这不是一个空穴来风、建立在想象当中的市场，我们可以看到市场体量足以支持一两家小型公司向独角兽企业的方向发展。

接下来讲讲我们的产品，我分享的题目是每个人都可以用大语言模型来起草和审查自己的合同，在我们这里就可以做到。

• 首先，我们利用AI和内置的合同模板来撰写客户所需的定制化协议。以保密协议（NDA）为例，左侧展示的是我们筛选并调整过的内置合同模板，不是网上随意下载的版本。右侧是为用户起草合同时提供的检查清单（Check list），用户只需使用自然语言回答预设的问题，即可生成专属的定制化协议。在书写要求上，用户无需使用专业的“法言法语”，可以直接用自然语言表达想法，这是我们设计挺有意思的一个点。

其次，许多人询问我为什么要设计Check List，以及它是如何制作的。实际上，这是基于律师的insight，判断合同中非定制化部分的关键要点。我们根据律师的经验对合同结构进行了设计，每个法律合同都有其构成要素，就像产品一样，法律合同和一个产品一样也有其功能区。

• 除了起草合同外，我们的服务还包括合同审查。用户可以上传一份合同，通过一键操作进行审阅，清晰地理解每个部分的内容。无论是将法律条款翻译成大白话，还是进行详细解释，这都是律师工作的重要组成部分，通常需要花费时间向客户阐明合同条款的具体含义，以及如何根据这些条款做出反应，包括后续可能的谈判和修改。我们将这一过程直接内置到了服务中，用户可以上传任何类型的合同，例如劳动合同或其他工作协议，然后利用我们的功能检查法律风险，并对存在风险的部分进行修改。

• 另外一个是关于咨询的问题，我们将合同审查与实时咨询相结合。当AI产品无法满足咨询需求时，我们会转入人工律师环节。

我们的市场定位主要是海外用户，整个产品也是符合海外市场的调性。我们在2023年10月16日推出了正式的Open Beta版本，并在Product Hunt上进行了发布。发布当天，我们在日排行榜上获得了第二名，也是年度最佳法律AI产品。

席友：产品是基于哪个大模型开发的？

Turing：我们的产品基于GPT-4模型。在Claude和GPT-4之间，我们最终选择了GPT-4。这并非因为国产模型不好，而是我们制定了一套清单测试每个大型模型在法律领域的能力。我们需要了解模型的基座能力，然后再决定使用哪种模型作为支撑。当然，这实际上是大模型公司之间的竞争。如果未来ChatGPT或Claude取得进一步发展，也许会覆盖我们产品的部分价值。我们希望我们的产品和律师能够更多地关注如何提出好问题，而不是成为一个加强版的做题机器人。

席友：最初开发这个产品的beta版本时，需要对其进行训练吗？这些数据从何而来？

Turing：实际上，我们没有对模型进行训练。这是因为对于大模型来说，一次训练的成本可能高达千万美元。对于小公司而言，进行模型训练在投入产出比上并不划算。如果不进行训练，我们可以自己建立一个数据层，并将其与AI结合。这相当于在模型的基础上增加了一个数据层，我们进行了一些工程化处理和微调，主要是在工程方面进行创新。

所以，从产品模型的能力来看，我们并没有建立非常强大的技术壁垒。但我们的壁垒在于两个方面：第一是lawyer group，怎么去运作全球化，这是短时间内难以追赶的。第二，这些律师在团队中贡献的内容和insight，短期内也难以赶上。这些内容是构建产品和拆解Check List的关键。特别是当客户用自然语言回答问题时，他们的回答可能完全相反，或者想要表达的内容完全不同。在这种情况下，我们的产品可以提供更多元化的服务。无论用户用自然语言输入什么，我们都能确保在尊重事实和意愿的基础上提供更好的交付。如果他提出的内容违反合同法，或者无法写入合同，我们的系统也会提供提示，建议用户如何修改，以符合具体使用和现行法律规范。我们从这个角度进行更多处理，而不是在训练方面，因为那不是我们擅长的领域。

席友：在产品壁垒并不特别强大的情况下进军海外市场，目前是完全面向B端市场吗？收费是否会遇到阻力？

Turing：我们的服务对象是B端和C端。我们并没有严格区分大C端用户和小B端用户，而是泛指那些不在法律服务头部需求之列、普通律师不愿意或不会处理的中长尾法律需求。这些需求量很大，这也是我们选择了众多通用场景的原因。大型企业能产生法务合同的时间节点，跟它的业务流紧密配合，而中小企业或个人法律实体可能在日常生活中频繁产生合同需求，如租房、商务合作、接待、保密等。这些是我们发现需求频率较高的场景。我们的核心是提取这些高频场景，跟用户走得更近，这样会更有效。

此外，咨询过程在过去浪费了律师大量的时间和精力，现在用户可以先与AI进行交互，只有在必须付费时才唤醒人工律师提供服务，这可能是一种更好的方式和体验。毕竟，在线上咨询过程中，用户无需支付很高的费用。我们还在FAQ中内置了大量问题，这些问题的回答由该领域的专家提供，质量通常比初入行的人工律师要高。