KeyFrame內部研究專用

Building Legal Agents When You Can't See the Data - Jacob Lauritzen, CTO of Legora

Latent Space67 min英文
觀看原始影片

三句話摘要

AI法律科技公司Ligora如何用智能代理和自訂工具流程改造律師的工作方式與法律行業結構。 Ligora展示了AI在知識工作中的真正價值不在於炫耀最新模型,而在於把工具與工作流緊密結合、用現場部署與法律工程師槓桿小團隊服務大市場,同時誠實面對模型極限並不斷迭代——這套模式可能預示著未來每個垂直產業都需要專門的AI實驗室。 從助手到代理的轉變:Ligora大約在一年前從對話式助手轉向主動代理模型,代理可自行執行任務如批量文件分析、組織檔案、跨文件複雜分析,而無需每次都等待律師的提示。這改變讓律師可專注高價值判斷工作。

重點整理

  1. 從助手到代理的轉變:Ligora大約在一年前從對話式助手轉向主動代理模型,代理可自行執行任務如批量文件分析、組織檔案、跨文件複雜分析,而無需每次都等待律師的提示。這改變讓律師可專注高價值判斷工作。

  2. 模型選擇的實用主義:公司與客戶的期望相反,律師並不需要最頂級的模型。團隊建立完整評估體系追蹤各模型在不同法律專業領域的表現,發現許多模型發佈會在某些任務改進同時在其他任務退化。透過模型仲裁策略(選擇最適合各子任務的模型)而非單一模型,同時也讓用戶選擇權但會警告成本代價。

  3. 表格視圖作為核心原語:批量審查已成為法律工作標準(如盡職調查),表格形式讓律師快速掌握全局、迭代提問、協作評論、追蹤引文來源。這不是單純的UI選擇,而是整個工作流的基礎原語,可串接其他功能如紅旗分析、備忘錄草擬。

  4. 法律工程師與現場部署的槓桿:區別於傳統顧問,Ligora區分「法律工程師」(以律師身份轉職、具CS背景、可配置產品但不寫代碼)和「現場部署工程師」(全職軟體工程師寫生產代碼、做複雜整合)。這讓公司用相對小的工程團隊服務大客戶,同時法律工程師也成為產品開發的內部客戶與設計合作者。

實用技巧與重點

  • 核心數據與指標:
  • 表格檢視最多可處理百萬級單元格
  • 準確率從70%升至99%(模型更新無需業務調整)
  • 工程師規模:100人(曾目標保持20人)
  • 評估團隊:3名工程師+3名律師+「法律工程師」池
  • 主要產品功能:
  • 表格檢視(Tabular View):批量提取、協作審查、紅旗標記
  • 攝取(Intake):Slack整合、任務觸發、工作流協調
  • 列表(Lists):類似Linear的工作管理、觸發與自動化
  • 門戶(Portal):律師-律師、律師-客戶、律師-代理協作
  • Word/Outlook增益工具
  • 使用的模型:
  • 主要:Fable、Opus、Sonnet
  • 特定任務:Gemini(轉錄與說話人歸屬)、Microsoft Transcribe
  • 開源模型:用於法律研究等邊界明確的任務
  • 公司佈局:
  • 成立地:瑞典斯德哥爾摩(2023年YC S23,2024年YC S24參與)
  • 現有城市:紐約、倫敦、斯德哥爾摩
  • 首批現場部署工程師:9個月前進駐紐約(來自搜索和Meta背景)
  • 技術棧亮點:
  • 基礎設施:Azure(因客戶信任微軟)
  • 引文系統:所有輸出皆可回溯源文件(包含PDF邊界框標記)
  • Map-reduce與分塊編排:處理超大合約編輯
  • 搜尋與檢索研究:使用自訂嵌入模型(如Voyage)、後期交互等

結論

Ligora展示了AI在知識工作中的真正價值不在於炫耀最新模型,而在於把工具與工作流緊密結合、用現場部署與法律工程師槓桿小團隊服務大市場,同時誠實面對模型極限並不斷迭代——這套模式可能預示著未來每個垂直產業都需要專門的AI實驗室。

完整解析

Ligora的故事從一個簡單的想法開始:用ChatGPT配上瑞典法律搜尋工具,讓律師能快速查找先例和法律判例。這個核心的法律研究功能逐步擴展,模型現在能草擬文件、編輯Word檔案、組織檔案、執行複雜分析。但真正的轉折點是從被動助手轉向主動代理——代理不只回答提問,而是自主跑出批量任務、追蹤進度、標記問題供律師審核。

這家公司面臨的第一個挑戰是模型準確度。早期版本引文系統有問題,導致輸出難以追蹤驗證。但隨著Anthropic等廠商發佈更新模型,準確率從70%跳到99%,而Ligora團隊幾乎沒做任何調整。這個意外收穫啟發了他們的戰略思考:與其被動等待模型改進,不如主動建立評估體系,追蹤不同模型在各個法律領域、各類任務中的表現差異。他們發現模型發佈常會改進某些任務但退化其他任務,所以採取「模型仲裁」——根據任務特性動態選擇最佳模型。同時他們也提供模型選擇權給用戶,但坦白告訴客戶升級到Fable等高階模型會燒10倍額度。

產品層面的創新是表格檢視。律師的日常工作常涉及批量文件審查(如盡職調查要處理10000份僱傭合約),過去做法是鎖一群律師助理在會議室直到半夜。表格檢視讓這類工作變成:上傳所有合約,按列提問(例如終止期、IP轉讓條款、終止賠償金),代理自動填滿整個表格。律師可快速掃過全景、標記已審查或紅旗項目、與同事協作評論、甚至點進單元格查看引文位置。這個方案如此有效,連Claude的法律服務現在也用「表格檢視」這個Ligora創造的術語。

但Ligora認識到,光有好工具還不夠。美國市場對客製化有強烈需求——客戶想把Ligora和自身的CRM、審核流程、複雜系統整合在一起。為此Ligora創造了「現場部署工程師」角色:全職軟體工程師駐守客戶現場,做複雜整合與代碼級定制。這群人從頂級公司(Meta、Google)招募,與「法律工程師」(有律師背景、具CS學位、能配置但不寫代碼)協作。律師可能花一小時在Slack提個需求,現場部署工程師就把它整合到系統裡。這種模式讓100人的工程團隊能服務規模遠大的企業客戶。

在法律行業的長期願景上,主講人預期律師會更加專注於策略判斷、風險評估和客戶關係,而不是翻閱文件找蛛絲馬跡。至於合夥制是否改變,他們認為法律行業的瓶頸在於難以積累無形資產——知識、流程、判例庫等。當一名合夥人離職,所有智慧財產就跟著走。如果Ligora能幫法律事務所用代理把工作方式、判例庫、定型文件知識圖譜化,成為公司資產而非個人資產,整個業務模式可能改變。但這需要改變合夥人的誘因結構——現在他們離職就失去那些資產的分紅。

公司在開源模型、多語言、合規等方面也做深度投資。基礎設施架在Azure上(因早期客戶只信任微軟)、所有輸出有可審計的引文鏈、使用自訂嵌入模型以提升搜尋質量。雖然還未自行微調模型,但在法律研究等邊界明確的任務上已在試驗開源模型的後訓練。

83 min
企業管理英文PODCAST11月19日

Scaling Linear’s GTM to $100M ARR — Cristina Cordova, COO

Latent Space看原片 ↗
  • 議題追蹤已死的真正含義:不是issue單位消失,而是人類應停止手動追蹤工作。Linear著重構建AI友善的系統,讓代理自動執行原本由人工完成的繁瑣步驟(標籤、指派、狀態更新),讓工程師和PM把時間花在產品開發上。
  • 務實的市場階梯策略:Linear沒有直接攻擊企業市場,而是先聚焦成長期公司—那些已有既有工具但可被說服轉換的組織。唯有成功說服這個客群,才有信心向上攻擊企業。這個策略花了兩年時間,直到2025年才正式啟動企業銷售部門。
98 min
AI 技術英文PODCAST11月16日

Building Visual Intelligence — Andreas Blattmann & Dustin Podell, Black Forest Labs

Latent Space看原片 ↗
  • 從研究到商業的轉折點:穩定擴散2022年開源不僅改變了講者個人的職涯軌跡,也啟發整個社群。Dustin因此辭職投身AI,Andy看到了基礎模型產業化的可能性,這股動能直接催生Black Forest Labs的創辦。
  • 資料品質優於複雜算法:整個採訪反覆強調資料的重要性。從SDXL的多寬度訓練、SD3的文字渲染,到Flux Context的編輯能力,關鍵都不在算法創新而在精心設計的資料集。Dustin在法國小屋用6小時訓練測試集就看到編輯能力湧現,說明好資