Jay（Eve 联合创始人兼 CEO）¶

Eve 联合创始人兼 CEO。公司做面向原告方（plaintiff）律师的法律 AI，自我定位是"给真实的人用的法律 AI——像你我这样的人，不是机构、不是内部法务、不是那些本来就有全部资源的人"。自述约一年半前（2026 年中以前）就改成了结果导向定价，"我们在做的就是现在被叫做长时程 agent 的那个东西——大概去年就在做了"。

⚠️ 转录稿全程只以名字 "Jay" 相称，未给姓氏，本库据此命名，姓氏待确认。

本库收录他的理由：本库此前的法律 AI 材料（Legora）在辩方/企业侧，⚠️⚠️ 而他是原告侧——也就是这个行业里"预算不在那儿"的那一半。他给了三样本库此前缺的东西：① 一个产业为什么会完全没有软件，而理由是工作的对抗结构而不是预算；② 本库收到过最具体的"为什么不是裸智能就够"，而理由是数据不可爬；③ 结果定价的可行性条件被说成一个可测量的量。

⚠️⚠️ 立场必须先标：本库唯一一份他的材料出自 a16z 自家频道，主持人 Alex Rampell 是投资方（收尾时明说"很高兴成为你的合作伙伴"，并自述曾在咖啡店替公司拉到一个客户），片尾还带招聘口播。⚠️ 他的全部客户成果与规模陈述为自述、无第三方来源。 ✅ 但本库判定这一期的可用比例高于同类，依据是他对"端到端全自动办完过一个案子吗"这个对自己最有利的问题给了否定答案（"还没有，但我们接近了"）。

核心观点（2026-10）¶

来源：a16z × Eve：影子劳动力市场、把爱因斯坦丢进律所、结果定价的算力前提

⚠️⚠️ 一个产业为什么完全没有软件¶

（[00:17:10]–[00:18:10]）"历史上原告律师业真的不需要比一台手机、一个邮箱更多的东西。说实话，连 Microsoft Word，有些独立执业者也不会买。"
⚠️⚠️ 而他给的理由不是预算，是工作的结构："因为你想一想，你其实不怎么做红线修订。这是一个信任边界的局面——你这一侧和对面是对立关系，所以你不像在做合同审阅那样在协作。" ✅ 本库第一条用"协作 vs 对抗"解释软件缺位的材料。
⚠️⚠️ 而核心问题从来没被软件解掉："没有任何软件真正解掉他们的核心问题，也就是劳动力约束……而因为他们有劳动力、也擅长管理劳动力，每一个问题在他们看来都是用劳动力去解。他们就是这么长起来的。"
⚠️⚠️ 于是软件资源全流向辩方，理由是预算在哪（[00:18:10]）："大量软件资源都去了辩方机构，因为预算在那儿。对 Harvey 来说，说实话对今天任何一家法律软件公司来说，绝大多数都在辩方这一侧。因为预算在那儿，而且那边好建、好拿钱。"
⚠️ 而原告侧难做的理由很直白（[00:19:10]）："这些是每个月都盯着自己钱袋的小生意。如果你不能从第一天就给他们带来结果，你就出局了。"

⚠️⚠️ 供给约束而非需求约束：一组可核对的门槛数字¶

（[00:06:04]）"今天，如果一个律师从一个案子上赚不到至少 5,000 的费用，他就不会接。" ⚠️ 他主动加的让步："而且就算在 5,000，他们在很多案子上还是亏钱的。他们真正指望的是少数几个案子赔付非常大。而且他们连赢都不保证。"
（[00:07:05]）"如果低于自付额，美国没有任何律师会碰那个案子——从经济上就不值得。" ⚠️⚠️ 而他立刻给了另一侧的量级："就算自付额是三四千美元，对一个个人来说，那是一张工资单在和不在的差别。"
（[00:07:05]–[00:08:05]）劳动量的拆解：一通进线电话约 30–45 分钟 → 要把问题挂到某个诉因（cause of action）上，而"那份工作要他们花上 10 个小时" → "而花完这些时间，他们可能还是发现：这甚至赚不到我 5,000 块。" → ⚠️⚠️ "所以这就是为什么比如在劳动与雇佣这一侧，96% 的案子被拒掉。" ⚠️ 自述、无来源，但本库目前唯一的法律服务可得性缺口量化口径。
⚠️⚠️ 定性（[00:12:07]）："从他们的角度看，需求并没有真的被约束。真正被约束的是劳动力的供给。"
⚠️ 一条瓶颈会搬家的观察，本库认为比"受劳动力约束"本身更有用（[00:12:07]–[00:13:07]）：小所是律师 + 案件经理混乱接单 → 系统化成一支接线团队 → ⚠️⚠️ "而那就成了新的瓶颈。所以当你增加营销支出、广告牌特别吸引人、很多人打进来，突然那支团队就被压垮了。" ✅ 这解释了为什么局部自动化不改变总产出。
⚠️ 他对客户性质的提醒："他们是小生意，不是庞大的企业……而且这里每个人上的是法学院、不是商学院。"

⚠️⚠️ "把爱因斯坦丢进律所他也产出不了"¶

（[00:20:10]–[00:24:12]）✅ 本库收到过最具体的"为什么不是裸智能就够"，而且他先把立场说清楚："我们就是在赌这些模型会变得越来越好，而我们的价值恰恰在那儿。"**

⚠️⚠️ "问题是，如果你把阿尔伯特·爱因斯坦今天丢进一家律所，他会有相当长一段时间产出不出来。"

理由一，数据不可爬：⚠️⚠️ "在原告律师业，绝大多数数据其实是不可爬的。真正和解并变成判例意见的案子不到百分之一。绝大多数在索赔前或诉讼前就和解了。"
理由二，不对称的来源：⚠️⚠️ "保险公司是在和十万家不同的律所打交道……他们知道所有案子。而因为信息分散在所有不同的地方小所手里，这些小所并不知道 Geico 的每一步棋。" ⚠️ 他点名辩方工具 Colossus（"一根断掉的拇指？我们认为值这么多"**），✅ 并给了对手应有的评价（"替他们说句话，这件事确实很难做"）。
理由三，本地语境与一个真实的知识缺口：⚠️⚠️ "你去 Google'怎么针对 State Farm 的软组织损伤案写一封出色的索赔函'——这东西今天哪儿都不存在。哪怕是刚进原告律所的新助理律师，这也是他必须自己学的。" 加上"在地方管辖里，法院系统、你的对方律师，行为方式都有点不一样。"
✅ 他对产品在做什么的概括本库认为很准："把这份历史上极难利用的多属性、多维信息，变成'在此刻我能做的最好的一件事是什么，才能改善这个案子的结果'。而同一个问题在一个案子里会重复上千次。"

⚠️⚠️ 结果定价：一条远超法律行业的论证¶

⚠️⚠️ 本库认为他最该被引用的一句（[00:41:17]–[00:42:18]）：

"而最终，要让法律真正民主化，需要的是：从一组事实出发，你得知道要花多少算力资源才能到达一个结果。"
✅ 本库读法：它把"按结果定价"的可行性条件说成一个可测量的量——单位结果所需算力的方差。方差够小才能报固定价，方差大就只能按投入计费。这条判据不依赖任何法律知识。
🔗 ⚠️⚠️ 与 Serval 的"按跑过的 workflow 计费而不是按 token" 是同一问题的两层：Serval 讲用什么单位，这一条讲能不能定价。本库认为两条合起来才完整。
⚠️ 其他法律领域做不到的原因被他指认为数据缺失，不是意愿："是 10 小时的活？100 小时的活？很多情况下你接下来之前真的不知道。"
⚠️⚠️ 他们自己的定价演化很坦白（[00:43:19]–[00:44:20]）："说来奇怪，第一天我们其实是从'中杯、大杯、超大杯'模式开始的，因为我们当时不懂" → 深挖后发现客户在乎的是结果 → "所以那逼着我们从非常早期就变成基于结果的——大约一年半以前。"
⚠️⚠️ 一个案子的单位经济学，本库认为这组数字把"没有软件"从文化问题变成了算术问题（[00:36:17]）：25,000 美元和解 → 律师约三分之一（约 8,000）→ 其中约一半是劳动力支出、30% 营销、剩下也许是利润 → "因为是这样的生意，要把钱再投回去、好更好地服务下一个客户，就非常困难。真正能做到的唯一办法，就是今天去雇一个更好的律师。"
⚠️⚠️ 而被释放的劳动力预算该花到哪，他给了直接答案（[00:44:20]）："拿到更多有用产出的最好方式，说来奇怪，其实是把它花在更多 token、花在 Eve 能替你多做的活上。"
⚠️ 带让步的计费预测（[00:45:20]）："按小时计费的模式——我不觉得它会完全消亡，但我觉得它会走上按座位模式那条路。对法律的某个子集，那大概仍是最好的收费方式……但对很多部分，那已经不成立了。"

⚠️ 数据的处理方式¶

（[00:25:12]–[00:26:12]）他给的分界很清楚：

"我们基本上沿用了这个行业里已经存在的交往规则，只是用软件放大它。"
特权数据："对他们自己的案子，他们要非常私密——这是律师-客户特权。而我们从不在那份数据上训练。"
⚠️⚠️ 而战术知识本来就在共享："律师们会出差、去参加 CLE，互相交流怎么应对 State Farm 的某套抗辩——因为 State Farm 会在各处重复那套抗辩。"
平台侧：自雇律师、追踪平台上案子的成功率；产品 Auditor "一夜之间把每一个案子的每一页都分析一遍，找出一个完美的律师每次都会抓到的地方"，⚠️ 而他给的现状是"几乎每一个案子都有遗漏的信息"（厂商自述口径）。

⚠️⚠️ 长时程 agent 的现状，以及一条来自买方的 benchmark 批评¶

⚠️⚠️ benchmark 批评（来自一个实际在做长时程任务的买方）（[00:46:21]）："很多法律 benchmark——甚至包括 Anthropic、OpenAI 公开分享的那些——非常关心几乎是单一结果的东西：这是一个任务，它大体做对了吗？而世界现在正在走向 agentic 的工作。对我们来说，从来唯一重要的就是 agentic 的结果。" ✅ 本库记：指控是维度错配（单任务正确率 vs 长链条结果达成），不是难度不够。
⚠️⚠️ 规模（[00:48:22]）："一个案子大概有 10,000 次来回。" 举例（人身伤害案）：要病历就得外呼保险与医疗机构，"而这件事今天要花两周"，已用语音 AI 外呼；⚠️⚠️ "而且好笑的是，这正是我们已经看到 agent 在和别的 agent 对话、并学着怎么过对方那一关的领域。" ⚠️ 本库记为厂商自述的观察、无细节，作为待追踪的事实主张。
✅ 而对最有利于自己的那个问题给了否定答案（[00:47:22]–[00:49:22]）：被问"接电话、办入驻、最后从 Geico 拿到支票——端到端发生过吗"，答 "还没有，但我们接近了。而这正是我们需要工程师的原因"；当期状态是 "今天还是需要一点人工触碰"，并说 "我们在一些客户那里看到了早期迹象，它确实是上线了的"。
⚠️ 速率限制器是工程师不是模型："我们在这个阶段主要是被工程师数量限制住的。" ✅ 配一条工作方式描述："我们得按案件类型来做。对每一个案子，我们都在像做科学那样学习：这个案子到底怎么解决？怎么建出一个迷你律师大脑？"
⚠️ 而他对需求的判断是一句推销，本库不采信其量级："我们一旦能端到端交付机动车事故案，为世界解锁的价值是数千亿量级。而那只是一个子类型。" 累计自述规模（[00:51:25]）："大概帮了几十万个客户，有数亿次触点"（⚠️ 无口径定义）。

⚠️⚠️ 一条战术因为对方有了算力而失效¶

（[00:49:22]–[00:51:25]）✅ 本库认为这是他给的最具体、也最该长期保存的一个案例。

⚠️ 先记定价不对称："辩方这一侧基本上仍然在按小时的商业模式上运作。所以他们还没跟上我们这些律师的节奏。"
⚠️⚠️ 案例：辩方过去把证据开示（discovery）的请求日期一直推到感恩节前一天，因为"他们知道那个人会去度假，然后被这一堆工作卡在假期里" → 这家律所在 Eve 上建了个当天就回的 agent → "下一次这个东西发过来时，他们立刻带着答复回过去，而辩方当时是：这到底怎么回事？战术不起作用了。"
⚠️⚠️ 他的概括："我们看到这件事有太多变体正在发生，这让辩方意识到：等等，这就是对面也有资源时会发生的事。哦，糟了。"
🔗 ✅ 本库的处理：与 Mark Cuban 的"AI 是一个大均衡器，最后会互相抵掉" 不矛盾——Cuban 讲的是均衡态，这一条讲的是失衡期，而失衡期的收益恰好落在此前被挤出的那一侧。 ⚠️⚠️ 检验点很清楚：辩方从按小时转到结果定价需要多久，以及那之后这类优势是否消失。

⚠️ 对法律系统走向的判断¶

⚠️⚠️ 方向是分流出法院系统，而他给了已有先例（[00:33:16]–[00:34:17]）："很可能不可避免地要建起一些体系，让不是所有事情都走法院系统"——退伍军人事务案走另一个委员会、劳动与雇佣的很多案子先过 EEOC、雇主已有调解与仲裁。新增的那一块他叫 ADR（automated dispute resolution）："由 AI 赋能的调解人、或者对双方都持中立视角的中心方，用 AI 大幅加快他们形成判断的速度。" ✅ 而他明确划界："而我不认为判断真的会被取代。"
⚠️⚠️ 律师还剩什么，他给了带数字的答案（[00:29:13]）："至于谁来做代理里的活——你可以假设是 99% 的 AI，也许 99.9% 的 AI。总会有那么一点点是人的触碰。" ✅ 而那一点点很具体："决定差别的是：这个律师对那个客户、那组事实、以及他在本地要面对的那家辩方律所的本地环境，理解了什么。"
✅ 一条方向相反的使用变化，本库认为值得追踪（[00:30:14]–[00:31:14]）："Eve 上的很多客户其实选择把更多时间花在他们的庭审工作上"（⚠️ 主持人补上原因："以前去打庭审会把你整个律所拖垮，所以你希望事情和解"）→ "而现在我觉得事情更多走向真正的辩护。" ⚠️⚠️ 若成立，它意味着自动化在这个行业里的后果是更多案子进入审判，而不是更多案子被和解掉——与"AI 让一切更快结案"的直觉相反。
⚠️⚠️ 专业化会再下一层，而同时并购也在发生（[00:37:17]–[00:38:17]）：30 年前什么都接 → 按执业领域分化 → 护理过程中的出生缺陷 → "有人变得特别擅长涉及 X 和 Y 事实模式的软组织损伤案"；机制是"针对那些案子投广告，可能比 Morgan & Morgan 这种更大的所到处挂广告牌要划算得多"。⚠️ 而反方向是"那些长到很大的，正在到处收购别的律所，因为有了 Eve，以前非常痛苦的重新整合过程，现在可以直接围绕客户真正想要的东西来做"。 ⚠️ 本库记为两条待观察路径，因为都来自厂商一侧、都对 Eve 有利。

⚠️ 采用框架：增收不是降本¶

⚠️⚠️ 这条由主持人表述、嘉宾全程认同（[00:10:06]）："大多数人想到 AI 就是：噢，你要把所有人都裁了、砍成本。而实际上不是——如果我用 Eve，我给自己律所赚的钱多得多，而且不是因为砍成本，是因为能接更多案子。这其实是收入扩张。"
⚠️ 唯一的具体数字是单个自述案例（[00:14:07]）："洛杉矶有一家律所，从每位律师管大约 100 个客户，变成了 500 个。" ✅ 而嘉宾自己加了限定："而且这得算他们的功劳，他们非常努力才做到这个"，并说明他们把产品用到了极致（接线 → 资质判定 → 消掉律师与案件经理之间的传递损耗 → 调解前的摘要）。⚠️⚠️ 本库标注：单例不构成模式；且这是客户数不是收入。
⚠️ 他对律师角色的概括是"更像数据科学家与工程师"（[00:15:07]）："你作为律师会更像一个数据科学家、工程师，把一件事设计得越来越好。" ⚠️ 本库记为厂商侧的角色叙事，不记为已发生的职业变化。