"软件市场其实是一个影子劳动力市场"：原告律师业的供给约束、"把爱因斯坦丢进律所他也产出不了"，以及结果定价的前提是"从一组事实就能知道要花多少算力"（a16z × Eve，2026-10-30）¶

嘉宾: Jay — Eve 联合创始人兼 CEO（面向原告方（plaintiff）律师的法律 AI；⚠️ 转录稿全程只以名字 "Jay" 相称，未给姓氏，本库据此命名）
主持: Alex Rampell（a16z 普通合伙人）
来源: YouTube · 52 分钟
转录稿: sources/a16z/20261030-iRMmPjunm3Q（⚠️ 自动字幕 en-orig，无说话人标签；转录稿用 >> 标换人，归属为编辑判断）

⚠️⚠️ 立场：主持人是投资方——他在收尾时明说 "很高兴成为你的合作伙伴、把 Eve 带给下一个一万家律所"，并在片中自述九个月前在咖啡店向人介绍 Eve 时替公司拉到一个客户。⚠️ 嘉宾的全部客户成果、规模与"快了/多了"类陈述为自述、无第三方来源，片尾还带招聘口播。 ✅ 本库对这类"投资人采访自家被投公司"的材料已有处理先例（VGS、Town），一律按"结构性论证可用、成果数字降权"处理。

✅ 但本页认为这一期的可用比例高于同类，原因有三处：① 主持人贡献的不是捧场而是一个独立的市场结构论证（"软件市场是影子劳动力市场"）；② 嘉宾给的"为什么不是裸智能就够"是本库收到过最具体的一个版本，而且理由是数据可得性而不是品牌或工作流；③ 对"全自动端到端办完一个案子"这个对自己最有利的问题，他的回答是"还没有，但我们接近了"。

✅ 本页认为这一期值得长期保存的是七处，其中四处是本库此前完全没有的： ① ⚠️⚠️ 一个产业为什么会完全没有软件，而理由不是"预算小"："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"，⚠️⚠️ 而连 Word 都有人不买的原因是"你其实不怎么做红线修订——这是一个信任边界的局面，你和对面是对立关系，你不像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。 ② ⚠️⚠️ 而主持人把它推成一条市场规模论证：软件支出看起来小得可笑（基本就是 Office），但这个行业交付的结果是数千亿量级；他们交付不了更多是因为受劳动力约束，而"你没法按一小时 12 美分雇人，因为那不存在"。 → ⚠️⚠️ "所以这个软件市场其实像一个影子劳动力市场，而它比任何人预期的都大得多。" ③ ⚠️⚠️ "为什么不是裸智能"的最佳版本："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。" 而理由是数据不可爬——⚠️⚠️ "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。" 外加地方管辖环境（法院系统、对方律师的行为方式）构成的本地语境。 ④ ⚠️⚠️ 不对称的来源被指认得很具体：保险公司在和十万家不同的律所打交道，所以总量在它手里（并有 Colossus 这类软件给"一根断掉的拇指"定价），而分散的地方小所"并不知道 Geico 的每一步棋"。⚠️⚠️ 配一句很硬的现状描述："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。"** ⑤ ⚠️⚠️ 本页认为全期最可迁移的一句，而且它远超法律行业："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。" ✅ 也就是说，结果定价的前提不是意愿而是可预测的单位结果算力。 ⑥ ⚠️⚠️ 一条倒转：原告律师业从一开始就是结果定价的，所以它领先于整个 SaaS 的"从按座位改成按结果"运动（主持人的对照是 Zendesk 当年 20 亿 ARR，"而现在是：你需要多少座位？也许是零"）。⚠️ 而其他法律领域做不到结果定价的原因被指认为数据缺失："是 10 小时的活还是 100 小时的活？很多情况下你接下来之前真的不知道。" ⑦ ⚠️⚠️ 一条已经在发生的 agent 对抗，而它是本库第一个"战术因为对方有了算力而失效"的具体案例：辩方过去把证据开示的交付期推到感恩节前一天（算准对方要去度假）→ 这家律所在 Eve 上建了个当天就回的 agent → "辩方当时是：这到底怎么回事？战术不起作用了。" ⚠️⚠️ 而嘉宾自己给的概括是："这就是对面也有资源时会发生的事。"

一、⚠️⚠️ 一个产业为什么完全没有软件：理由是对抗关系，不是预算¶

（[00:16:08]–[00:19:10]）✅ 本页认为这是全期最该被 AI 商业化与价值捕获引用的一段，因为它同时解释了"为什么以前没有"和"为什么现在有"。

先记这个行业的分界（主持人开场给的）（[00:01:02]）：⚠️ 硅谷听到"法律"想到的是公司法——"去哈佛法学院、一小时账单两千美元"的那类大所；而另一侧更大、更分散，就是原告律师业（"你每次开在 101 上看到的那些广告牌"）。⚠️⚠️ 他给的对照很直接："他们听说过 Wilson Sonsini，但没听说过 Morgan & Morgan——而 Morgan & Morgan 大概比 Wilson Sonsini 赚钱得多。"

⚠️⚠️ 而历史软件栈的答案是本节核心：

"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。" ⚠️⚠️ "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。"
✅ 本页标注这条为什么值得长期保存：⚠️⚠️ 它给出的不是"这些人不花钱"，而是"协作型软件在对抗型工作里没有位置"。本库此前的"某行业没有软件"材料多把原因放在预算、技术能力或监管上；这是第一条把原因放在工作本身的对抗结构上的。
⚠️⚠️ 而"真正的核心问题从来没被软件解掉"是他自己的归纳："没有任何软件真正解掉他们的核心问题，也就是你说的劳动力约束。那是他们做任何事情的根本。而因为他们有劳动力、也擅长管理劳动力，他们找到的办法就是：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。"
⚠️⚠️ 于是软件资源全部流向了辩方，而理由是预算在哪："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。"
⚠️ 而原告这一侧难做的理由他讲得很直白："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，续不上约，他们会把你骂一顿，能对你干什么就干什么。" ✅ 本页标注这条是一个可用的采购行为描述，而且它和"预算在辩方"是同一枚硬币的两面。

⚠️⚠️ 主持人贡献的那条市场规模论证：软件市场是影子劳动力市场¶

（[00:16:08]–[00:17:10]）✅ 本页认为这是主持人在本期最有价值的贡献，而且它独立于他的持仓。

⚠️ "VC 以前就是这样看错这个行业的：噢，原告律师业的软件市场很小，他们都只买 Microsoft Office。而 Office 还算贵的，所以软件支出一年也就几百亿，看起来小得可笑。" ⚠️⚠️ "但等一下——他们交付的结果是一年几千亿。他们交付不了更多，是因为他们在劳动力上被卡死。而他们没法按一小时 12 美分雇人，因为那不存在。" ⚠️⚠️ "所以结果是，这个软件市场其实像一个影子劳动力市场，而它比任何人预期的都大得多。"

⚠️ 本页必须标出这组数字是口述量级、无来源（"几百亿""几千亿"），✅ 但本页认为论证的形状不依赖数字的精确性：它说的是用当期软件支出估 TAM，在"该行业用人力替代软件"的场景下会系统性低估。
⚠️ 他把同一条用"12 美分一小时的助理律师"讲了两次（[00:13:07]、[00:16:08]）："如果我能按 12 美分一小时雇一个助理律师，我就能服务进来的全部 5,000 条线索"——"所以我只是……根本不存在一个能这样运作的劳动力市场。但有了 AI，现在我可以了。"
🔗 ✅ 本页标注这与本库既有材料的接口：⚠️⚠️ 本库此前关于"软件吃掉服务业"的材料多在供给侧讲"agent 能干活了"（Lassie 的牙医行政、Netic 的实体服务业）；✅ 这一条给的是 TAM 侧的方法论修正，而且它可以被反过来用作筛选条件：去找那些"当期软件支出远小于其交付结果、且差额被人力填着"的行业。 ⚠️ 本页同时记下这正是一个 VC 会喜欢的论证，所以它的吸引力本身不是它正确的证据。

二、⚠️⚠️ 供给约束而不是需求约束：这个行业的单位经济学¶

（[00:02:02]–[00:14:07]）✅ 本页认为这一段是全期最该被 AI 与就业引用的部分，因为它给的是一组可核对的门槛数字，而不是一个趋势判断。

先记商业模式（嘉宾给的）（[00:02:02]–[00:03:04]）：大所按小时计费（两千美元/小时那一侧），而"律师也明白人们没法按 500、600 美元一小时、开一张不知要开多久的空白支票"；⚠️⚠️ 于是原告这一侧长在风险代理（contingency）上——"他们只有在替客户赢下案子的时候才拿到钱。而这才是让个人对机构有任何一点公平竞争环境的东西。" Eve 的自我定位是"给大卫一把弹弓去打倒歌利亚"。

⚠️⚠️ 而本页认为最该被引用的是这组门槛数字：
（[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。" ⚠️ 他还加了一句让步："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]）"大多数人都有过某种程度的追尾事故。如果低于自付额（deductible），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对照："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。而他们拿不到任何代理。"
（[00:07:05]–[00:08:05]）劳动量的拆解：一个进线电话"大约 30 到 45 分钟的工作" → 然后要去做法律研究，因为"在美国的雇佣关系里基本上都是 at-will，你必须把一个问题挂到某个受保护条款上，这叫诉因（cause of action）" → ⚠️⚠️ "而那份工作要他们花上 10 个小时"（查判例、查事实、来回追问以确认是否符合条件）→ "而花完这些时间，他们可能还是发现：嘿，这甚至赚不到我 5,000 块。"
⚠️⚠️ 于是是那个数字："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。" ⚠️ 本页记为嘉宾自述的行业数字、无来源，但本页认为它值得保留并追踪，因为它是本库目前唯一一个"法律服务可得性缺口"的量化口径。
⚠️⚠️ 而需求侧与供给侧的定性是本节的落点（[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——我内部有没有足够的人去服务那个问题。"
⚠️ 他还给了一条瓶颈会移动的观察，本页认为这条比"受劳动力约束"本身更有用（[00:12:07]–[00:13:07]）：小所是一个律师配一个案件经理接电话记录、律师有空再回（"混乱地到处跑"） → 下一层是把它系统化，有一支接线团队 → ⚠️⚠️ "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，你又被'你能代理多少人'限制住了。" ✅ 本页标注：这是一条"瓶颈在同一个组织里反复搬家"的具体描述，而它解释了为什么局部自动化不改变总产出。
⚠️ 他对这些机构的性质有一句很具体的提醒："他们是小生意，不是庞大的企业。他们想代理个人，而且这里每个人上的是法学院、不是商学院。"

⚠️⚠️ "这不是降本，是增收"：一个本库值得单独保存的采用框架¶

（[00:09:05]–[00:11:06]）

⚠️⚠️ 主持人用自己的一段轶事引出这条（[00:10:06]，⚠️ 他自称"九个月前"在 Los Altos 的 Blue Bottle 咖啡店向人解释 Eve，结果一位开庭律师走过来说"我想试试"）：

"大多数人想到 AI 就是：噢，你要把所有人都裁了、砍成本，全是省钱。而实际上不是——如果我用 Eve，我给自己律所赚的钱多得多，而且不是因为我在砍成本，是因为我能接更多案子。这其实是收入扩张。"
⚠️⚠️ 而嘉宾把这件事接到"这个市场为什么失灵"上（[00:05:04]–[00:06:04]）：⚠️ "如果我有 1,000 美元的损失，我当然付不起 1,200 美元一小时的律师费。那风险代理呢——问题是和解金额可能不够大。律师可能想服务我，但他有助理律师要养。" → ⚠️⚠️ "但如果软件能把活干了，那市场机会就大得多。你真的可以为很多人送上正义，而他们此前被价格挡在外面。"
⚠️ 自述的成果只有一个具体数字（[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。" ⚠️⚠️ 本页标注三点：这是单个自述案例、不构成模式；✅ 而嘉宾自己主动加了限定——"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 Eve 用到了极致"（从接线、资质判定，到消掉案子在律师与案件经理之间转手的传递损耗，一直到提交调解前的摘要）；⚠️ "100 → 500"是客户数而非收入，本页不把它当成 5 倍收入。
⚠️⚠️ 而主持人在后面把这条推成了一个更大的预测（[00:35:17]–[00:36:17]）："如果我以前每位律师只能办 100 个案子，现在能办 500，未来可能 5,000，那我为什么要把办公室限制在新泽西一个很小的地方？" → "小所真的可能变成一个十亿美元收入的生意"（⚠️ 他点出"目前律所还不能上市，也许在亚利桑那之类的地方可以"）。⚠️ 本页记为投资人的推演，不记为嘉宾的判断。

三、⚠️⚠️ "把爱因斯坦丢进律所"：本库收到过最具体的"为什么不是裸智能"¶

（[00:20:10]–[00:24:12]）✅ 本页认为这是全期最该被 AI 商业化与价值捕获与 LLM 实用方法论同时引用的一段。

⚠️ 主持人问的是应用层创业者当下最怕的那个问题："很多应用层创始人现在在想：也许我是大厂的路边遗骸。生产智能的那些实验室，也许下一个就来收拾我。" ✅ 而他自己先给了框架："但'防守'这个词其实说小了它——如果你有网络效应、或者你有别人根本没有的数据，你就能交付更好的结果。所以谁在背后用 ChatGPT 还是 Claude，根本不重要。"

⚠️⚠️ 嘉宾的回答先把立场说清楚，本页认为这个开头很诚实：

"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。如果有一千个爱因斯坦能用来做诉讼、或者有史上最好的律师来做每一项任务，我们会要的。" ⚠️⚠️ "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。而那就是 Eve 在解的那个一般性问题。"
⚠️⚠️ 而第一个理由是数据可得性，本页认为这是本期最硬的一条事实：

"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，有些甚至更早——就是一次谈判：这是我被怎么对待了，请你修正。"
⚠️ 主持人把它落到具体：车祸、不是我的责任 → 对方保险公司"否认、否认、否认" → 我请律师 → 拿到和解。 ⚠️⚠️ "案子不会进到审判，但 Geico 确实付了 29,000 美元——而这是非常非常有用的信息。"（⚠️ 这是举例数字，不是真实案例。）
⚠️⚠️ 第二个理由是不对称的来源，而它被指认得很具体：

"因为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。"
⚠️ 他点名了辩方的工具："他们甚至有听起来很不祥的软件，叫 Colossus，它会追踪——他们基本上在说：一根断掉的拇指？我们认为值这么多。" ✅ 而他对这件事给了对手应有的评价："替他们说句话，这件事确实很难做，但他们在做；不过同时说的也是：这是我们能糊弄过去、少给他们的数额——而不管那个人实际的需求。而那正是法律系统本该修正的东西。"
⚠️⚠️ 第三个理由是本地语境，而他给的例子是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。" "而且更复杂的是，在地方管辖里，法院系统、你的对方律师，他们的行为方式都有点不一样，而这个语境也重要。"
⚠️⚠️ 而他对 Eve 在做什么给了一个本页认为很准的概括："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，而人脑就是没法把这些全记在脑子里——但 AI 可以。"
✅ 落地的第一处他说得很实在："而他们最先看到价值的地方当然是接案（intake）：我该接谁？我擅长代理谁？也许就从这里开始，然后不断变好。"

⚠️ 数据的处理方式：沿用行业已有的交往规则，用软件放大¶

（[00:24:12]–[00:26:12]）⚠️ 主持人问得很到位：小所彼此不竞争（新泽西四人所和亚利桑那七人所的对手方都是 State Farm 和 Geico），"在极限上，共享信息其实是没问题的"；✅ 他还给了一个同构参照——"我合作过一家牙科 AI 公司：爱荷华的牙医不能服务佛罗里达的病人，但他们想从彼此的集体行动里学习。"

⚠️⚠️ 嘉宾的回答是一条很清楚的分界：

"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。" "规则是：对他们自己的案子，他们要非常私密——这是法律规定的，是律师-客户特权。而我们从不在那份数据上训练。" ⚠️⚠️ "但律师们本来也在共享这类知识：他们会出差、去参加 CLE（持续法律教育），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。"
⚠️ 而平台侧自己的做法是："我们雇我们自己的律师，追踪平台上案子的成功率。如果你在用 Eve，你就应该更成功——这是我们追踪的东西。"
产品形态（自述）：Auditor——"它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："而且很遗憾，普遍来说，绝大多数案子——几乎每一个案子——都有遗漏的信息。" ⚠️ 本页记为厂商自述的发现率，无外部口径；但本页认为"遗漏信息普遍存在"这个方向与本库其它行业的巡检类产品记录一致。

四、⚠️⚠️ 结果定价：一条远超法律行业的论证¶

（[00:39:17]–[00:45:20]）✅ 本页认为这是全期最该被 AI 商业化与价值捕获长期引用的一段。

主持人先给了那条倒转，而本页认为它是本期最有意思的结构观察（[00:39:17]）：

⚠️ 他对按座位 SaaS 的概括："SaaS 以前是按座位按月。我以前开玩笑说这是软件销售的'中杯、大杯、超大杯'模式——你去任何 SaaS 公司的网站，79 美元一月、99 美元一月、129 美元一月。" ⚠️⚠️ "这也正是 Claude 为什么能那么轻易地把它们全克隆一遍——它们长得都一样。"
⚠️ 他给的在位者处境：Zendesk 最后一次做上市公司时有 20 亿美元 ARR，被 Permira 和 Hellman & Friedman 私有化，⚠️⚠️ "而现在他们是：哎呀，你需要多少座位？也许是零。我们得交付结果。"
⚠️⚠️ 而倒转是："有意思的是，你专注的这种法律形态从一开始就一直是结果导向的。" ✅ 本页标注这条值得记，因为它把"按结果定价"从一个 AI 时代的新趋势，改写成一个在某个行业里已经跑了几十年的既有制度——于是那个行业就成了可参照的先例，而不是实验场。
⚠️⚠️ 而其他法律领域为什么做不到，被双方一致指认为数据缺失（不是意愿）：
嘉宾（[00:41:17]）："难的地方就是它真的难。不管你在辩方还是原告方，关于你这个案子的问题是：这是 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。"
主持人给了更精确的版本（[00:40:17]、[00:43:19]）：⚠️ "替他们说句话，按小时收费的理由不是要坑客户，而是我脑子里想要什么、和我怎么表述它之间存在数据不对称，而且项目范围会随时间变。" ⚠️⚠️ "他们在低的那个方向不会被烧到——'我收了你 25,000，我只花了一小时'；但他们会在高的那个方向被烧到——'我现在得花 4,000 小时的律师时间，我可能在这上面亏钱'。" ✅ 他还顺手给了公司法的做法："在公司法里这些其实是亏本引流产品，然后你试着在 M&A 或 IPO 上补回来。"
⚠️ 主持人自己的规范性判断："移民法应该是结果导向的。什么都应该是结果导向定价，但它难，因为存在数据缺失。" ⚠️ 他对自己的遗产规划律师给了一个玩笑式的例外（"我的结果是我死，所以我不知道我想不想要那个"）。
⚠️⚠️ 而嘉宾给出了本页认为全期最可迁移的那一句（[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。" "而那是通过两件事发生的：数据的聚合与更好的使用，以及更好地实际跑那些算力去达成既定结果。而我们两件都在做。"
✅ 本页标注这条为什么重要：⚠️⚠️ 它把"按结果定价"的可行性条件说成一个可测量的量——单位结果所需的算力的方差。方差够小，就能报固定价；方差大，就只能按投入计费。这条判据不依赖任何法律知识，可以直接搬到任何在讨论"要不要按结果收钱"的 AI 应用上。
🔗 ⚠️⚠️ 本页认为这应与 Serval 的"按跑过的 workflow 计费而不是按 token"（10-29）并读，因为两者是同一问题的两个层次：Serval 讲的是计价单位该选哪一个（workflow 而非 token，理由是 token 里混着啰嗦和低效）；✅ 而这一条讲的是能不能定价——它给的前提是"单位结果的算力得先可预测"。本页认为两条合起来才完整：先要方差够小才敢报结果价，然后才轮到选什么单位。
⚠️⚠️ 他们自己的定价演化也坦白（[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。" → 深挖之后发现"他们在乎的是结果、是怎么服务更多客户" → "所以那逼着我们从非常早期就变成基于结果的——我们说的是大约一年半以前，在今天这个世界里这算挺早的，挺好笑。"
⚠️⚠️ 而被释放出来的劳动力预算该花到哪，他给了一个很直接的答案（[00:44:20]）："我们讲过那个价值图——三分之一归律师，其中一半是劳动力，而那一半他们不用再花了。那怎么把它变成更有用的东西？而说来奇怪，拿到更多有用产出的最好方式，其实是把它花在更多 token、花在 Eve 能替你多做的活上，从而替你律所赚更多钱。"
⚠️⚠️ 而他对计费模式给了一条带让步的预测（[00:45:20]）："我们确实认为按小时计费的模式——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，因为很难在很多年后的结果出来之前知道价值。但对很多部分，那已经不成立了。"

⚠️⚠️ 一个案子的单位经济学：这组数字解释了"为什么他们被软件革命落下"¶

（[00:36:17]–[00:37:17]）✅ 本页认为这组数字是本期最该被单独引用的事实，因为它把"没有软件"从文化问题变成了算术问题。

⚠️⚠️ "假设你有一笔 25,000 美元的和解。律师大概拿到三分之一——为简单起见就算 8,000。而那 8,000 里，大约一半去了劳动力支出，30% 去营销，剩下的也许是利润。这大概就是今天这个生意的样子。" ⚠️⚠️ "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。"

⚠️⚠️ 而他给的转变是资产形态的转变："变化在于，他们现在真的可以积累一个属于自己的数据库和数据集，让他们在某个法律子领域拿到比竞争对手更好的结果。" → "而这其实就是专业化。"
✅ 他给了专业化的历史纵深，本页认为这条让预测变得可检验："30 年前是你家附近那个什么都接的律师——从雇佣案到 IP 到别的"（⚠️ 主持人补"还有 DUI"）→ 现在是按执业领域分化（IP 的、雇佣的） → ⚠️⚠️ "而现在更细了，比如专做护理过程中出生缺陷的。而我预期这会再下一个层级——有人变得特别擅长涉及 X 和 Y 事实模式的软组织损伤案。"
⚠️⚠️ 而他给的那条经济机制是分化为什么划得来："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。" ✅ 主持人的概括："所以在本地把一件事做到很好，然后扩到全国，因为你对那一个领域有那么高的信心。"
⚠️⚠️ 而他同时说了相反方向也在发生，本页认为这处"两个方向同时"值得记："我们也和 Morgan & Morgan 这个量级的一些在合作。其中有些其实在抱团——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，也就是一个法律结果。" ✅ 主持人把这条机制说清楚了："这样他们就能大幅避开变革管理、人员变动、运营变动的那些活，因为 Eve 替他们处理了很多——他们能更快让那笔收购划得来。"
⚠️ 本页标注：行业同时走向极端专业化与并购整合这两件事并不矛盾（前者是新进入者的打法、后者是在位者的打法），但本页认为这两条都来自厂商一侧、都对 Eve 有利，所以只记为待观察的两条路径。

五、⚠️⚠️ 长时程 agent 的现状：10,000 次来回、"还没有，但我们接近了"，以及一条 benchmark 批评¶

（[00:46:21]–[00:49:22]）✅ 本页认为这是全期最该被评估与 Benchmark 引用的一段。

⚠️⚠️ 先记那条 benchmark 批评，因为它来自一个实际在做长时程任务的买方：

"很有意思，很多法律 benchmark——甚至包括 Anthropic、OpenAI（我们和他们很多都在紧密合作）公开分享的那些 benchmark——非常关心几乎是单一结果的东西。比如：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。"
🔗 ✅ 本页标注这与本库既有的 benchmark 材料接口：⚠️⚠️ 本库此前的"benchmark 对不上实际"材料多来自实验室或评测方一侧（纸面趋同、bench maxing、评估权在买方）；✅ 这一条是应用侧的同向证词，而它的具体指控是维度错配——单任务正确率 vs 长链条结果达成，而不是难度不够。
⚠️⚠️ 而他们的时间线自述值得记，因为它是"长时程 agent"这个词的一个早期使用证据（[00:41:17]）："而我们在做的，就是现在被叫做长时程 agent 的那个东西——大概去年就在做了。那只是驱动结果所必需的。"
⚠️⚠️ 规模的描述是本节最具体的事实（[00:48:22]）：

"打个比方，一个案子大概有 10,000 次来回。" 流程举例（人身伤害案）：客户进来 → 要病历 → 于是必须外呼保险公司和医疗机构去拿客户本来就有的记录 → ⚠️⚠️ "而这件事今天要花两周。" → Eve 的外呼 agent（语音 AI）做这通电话。
⚠️⚠️ 而这里有一条本库此前只在预测里见过、现在被说成已在发生的事："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，挺滑稽的。" ⚠️ 本页记为厂商自述的观察，无细节、无证据，但记下它作为一个待追踪的事实主张。
⚠️⚠️ 而对"有没有完整全自动办完过一个案子"这个对自己最有利的问题，他给了否定答案（[00:47:22]–[00:49:22]）：
主持人问得很具体："接电话、给客户办入驻、最后从 Geico 拿到支票——端到端发生过吗？"
⚠️⚠️ "还没有，但我们接近了。而这正是我们需要工程师的原因。" ✅ 他给的当期状态是："今天还是需要一点人工触碰，有人把某个结果做得更好，或者做点什么。" 以及 "而我们正在建的恰恰是怎么把这整件事端到端跑通——我们在一些客户那里看到了早期迹象，它确实是上线了的。"
✅ 本页标注这处让步是本页判定这一期可用比例高的主要依据之一。
⚠️⚠️ 而速率限制器被说成是工程师，不是模型（[00:47:22]）："所以我们在这个阶段主要是被工程师数量限制住的。我们有无限多的事要做来推进这件事。" ✅ 配一条很有意思的工作方式描述："在我们这个行业，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？怎么建出一个能把所有这些数据点算到那个解决方案上的迷你律师大脑？"
⚠️ 而他对需求的判断是一句推销，本页不采信其数量级："我们一旦能端到端交付机动车事故案，这件事为世界解锁的价值是数千亿量级。而那只是一个子类型。"
自述的累计规模（[00:51:25]）："我们今天大概帮了几十万个客户，有数亿次触点。" ⚠️ 无口径定义，本页记为量级自述。

⚠️⚠️ 已经在发生的 agent 对抗：一条战术因为对方有了算力而失效¶

（[00:49:22]–[00:51:25]）✅ 本页认为这是全期最具体、也最该被长期保存的一个案例。

⚠️ 先记定价不对称："我会说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。所以这里有很多——我想说是定价上的不对称。"
⚠️⚠️ 而那个案例是：

"我们合作的这一家律所，辩方过去的做法是：把证据开示（discovery）的请求日期一直往后推到感恩节前一天、或者某个大节日前一天，然后在那时候把开示发过来——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，做不好、或者只能赶工。" ⚠️⚠️ "而因为这是他们反复用的战术，这家律所就在 Eve 上建了一个 agent，当天就回。所以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。"
⚠️⚠️ 而他给的概括是本节落点："而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。"
🔗 ✅ 本页标注这条与本库既有材料的接口，因为它把一个抽象讨论变成了一个事实：⚠️⚠️ 本库此前关于"双边都用 AI 会不会互相抵掉"的材料是 Mark Cuban 的"AI 是一个大均衡器，最后会互相抵掉"（10-28）；✅ 而这一条给的是过渡期的具体形状：不是对称抵消，而是先到的一方把对方依赖时间差的那类战术作废。 ⚠️⚠️ 本页的判断：这与 Cuban 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。本页认为这件事的检验点很清楚：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。

六、⚠️ 法律系统往哪走：ADR、瓶颈搬到机构，以及一条 agent 对机构的压力¶

（[00:26:12]–[00:35:17]）⚠️ 本节全部为双方推演，本页只记其中有机制或有先例支撑的部分。

⚠️⚠️ 嘉宾给的方向是分流出法院系统，而他给了已有先例："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。而这在法律里已经是一个既有框架了——某些类型的退伍军人事务案子走另一个委员会；劳动与雇佣的很多案子要先过 EEOC；而雇主们也找出了各种调解和仲裁的办法，不一定走法院系统。"
⚠️⚠️ 而新增的那一块他叫 ADR："我预期某些部分会走某种版本的 ADR——automated dispute resolution（自动化争议解决），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。" ✅ 而他明确划了界："而我不认为判断真的会被取代。他们拿到的是一组事实，显示历史上这件事是这么发生的、那件事是那么发生的，而去掉可能存在的偏见是他们的事。"
⚠️⚠️ 而主持人给了两个"瓶颈搬到机构"的例子，本页认为这条比 ADR 的推演更有用：
他自己的事（[00:32:15]–[00:33:16]，⚠️ 自述）：和 Wells Fargo 有纠纷，试了 4 小时解决不了，于是让 Codex "起诉 Wells Fargo"，⚠️ "4 小时后它真的起诉了，它甚至找到了一个送达人（process server）。我收到了要上庭的通知，但日期在二月。" ✅ 本页标注落点是最后那句：动作成本归零，而排期没有。
专利法：⚠️⚠️ "以前申请一个专利是那么多活，现在活少了，但你还有 USPTO，而那就是瓶颈。"
✅ 本页认为这两例合起来给了一条可引用的一般结论：当一侧的生产成本被 AI 压掉后，瓶颈会移到不受 AI 影响的制度环节（法院排期、审查机关），而那恰恰是不能靠买算力解决的。
⚠️ 主持人另给了一条本页认为与本库 agent 材料直接相关的观察（[00:27:13]）："你在 Muse 和那些消费 agent 上已经看到一点这个苗头了：我想订一个根本订不到的餐厅，而他们是人在接电话——现在我可以 DDoS 他们，因为我只要付一分钱一小时。然后他们最终会意识到自己被 DDoS 了，然后他们会去阻止它。" ⚠️ 本页记为主持人的类比，不记为事实；但本页认为它与上面那条"瓶颈搬到机构"是同一机制的另一面——成本不对称会先被滥用、然后被制度封堵。
⚠️⚠️ 而对"律师还剩下什么"他给了一个带数字的答案（[00:29:13]）："当一个个人需要代理时，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。" ✅ 而他说的那一点点很具体："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。"
✅ 而一条反直觉的使用变化本页认为值得记，因为它是方向相反的（[00:30:14]–[00:31:14]）："我们已经在看到，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。" ⚠️⚠️ 主持人补上了原因："因为以前去打庭审会把你整个律所拖垮——突然你所有时间都在做庭审准备、面试陪审员，所以你希望事情和解。" ✅ 嘉宾的落点："而现在我觉得事情更多走向真正的辩护（real advocacy）。" ⚠️⚠️ 本页标注这条值得追踪：如果成立，它意味着自动化在这个行业里的一个后果是更多案子进入审判，而不是更多案子被和解掉——这与"AI 让一切更快结案"的直觉相反。
⚠️ 而主持人对那个数据集给了一个用途清单（[00:31:14]–[00:32:15]）：他拿诉讼融资（litigation finance）作对照（"有公司会说：我来给这个案子出钱，因为我指望你赢它，而且他们会用数据做各种聪明的事——这个法官是谁、这里是什么情况"），⚠️⚠️ 然后把问题落到决策上："Geico 给了我 12,000。我该不该顶回去争 15,000？我该不该拿去审判、试着赢 100,000？我怎么做这些决定？" ✅ 嘉宾的回答是"帮他们每个案子都做出最好的决定、并知道什么时候已经拿到最优结果"，⚠️ 并保留了责任归属："而我会说，把它再往前推仍然是律师的责任。"

本页认为值得长期保存的¶

条目	内容
一个产业完全没有软件，而理由是对抗关系	⚠️⚠️ "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"，连 Word 都有人不买——"你其实不怎么做红线修订。这是一个信任边界的局面，你和对面是对立关系，不像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
"软件市场其实是一个影子劳动力市场"	⚠️⚠️ 当期软件支出看起来小得可笑（基本就是 Office），但交付结果是数千亿量级，差额被人力填着，而"你没法按一小时 12 美分雇人，因为那不存在"；✅ 可反过来当筛选条件用；⚠️ 数字为口述量级、无来源，且这正是 VC 会喜欢的论证
一组可核对的门槛数字	⚠️⚠️ "赚不到至少 5,000 的费用就不接"（且"就算在 5,000，很多案子还是亏钱"）、"低于自付额，美国没有律师会碰"、接线 30–45 分钟 + 挂到诉因上要 10 小时法律研究、⚠️ "劳动与雇佣这一侧 96% 的案子被拒掉"（自述、无来源，但本库目前唯一的可得性缺口量化口径）
供给约束而非需求约束，且瓶颈会在组织内搬家	⚠️⚠️ "从他们的角度，需求并没有真的被约束。被约束的是劳动力供给"；✅ 瓶颈路径：律师+案件经理混乱接单 → 系统化的接线团队 → "而那就成了新的瓶颈，增加营销支出就被压垮"——解释了为什么局部自动化不改变总产出
采用框架是增收不是降本	⚠️⚠️ "大多数人想到 AI 就是裁人砍成本。而实际上：如果我用 Eve，我赚的钱多得多，不是因为砍成本，是因为能接更多案子"；⚠️ 唯一具体数字是单个自述案例（LA 一家所每位律师 100 → 500 个客户，✅ 嘉宾自己加了"这得算他们的功劳，他们非常努力"；⚠️ 是客户数不是收入）
"把爱因斯坦丢进律所他也产出不了"	⚠️⚠️ 本库收到过最具体的"为什么不是裸智能"，而理由是数据可得性："绝大多数数据不可爬——真正和解并变成判例意见的案子不到百分之一"；外加地方管辖的本地语境（法院系统、对方律师的行为方式）
不对称的来源被指认得很具体	⚠️⚠️ "保险公司在和十万家不同的律所打交道……而因为信息分散在地方小所手里，这些小所并不知道 Geico 的每一步棋"；⚠️ 辩方有 Colossus 这类给"一根断掉的拇指"定价的软件；⚠️⚠️ "你去 Google'怎么针对 State Farm 的软组织损伤案写索赔函'——这东西今天哪儿都不存在"
数据分界：沿用行业已有的交往规则	特权案件数据"我们从不在那份数据上训练"；⚠️⚠️ 而战术知识本来就在 CLE 会议上被共享（因为"State Farm 会在各处重复那套抗辩"）；平台侧自雇律师追踪成功率 + Auditor 逐页夜间巡检（⚠️ "几乎每一个案子都有遗漏的信息"，厂商自述口径）
结果定价的前提（全期最可迁移）	⚠️⚠️ "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"；✅ 本页读法：结果定价的可行性条件是单位结果算力的方差足够小；🔗 与 Serval 的"按 workflow 而非按 token 计费" 是同一问题的两层（能不能定价 / 用什么单位）
一条倒转：原告律师业领先于 SaaS 的结果定价运动	⚠️⚠️ 它"从一开始就一直是结果导向的"，所以是先例而非实验场；⚠️ 对照是Zendesk 20 亿 ARR 被私有化后"你需要多少座位？也许是零"，以及"按座位 SaaS 长得都一样，这正是 Claude 能把它们全克隆一遍的原因"
其他法律做不到结果定价的原因是数据缺失	⚠️⚠️ "是 10 小时的活还是 100 小时的活？很多情况下你接下来之前真的不知道"；主持人的精确版本："低的方向不会被烧到，高的方向会——我现在得花 4,000 小时"；✅ 并给了公司法的做法（亏本引流，在 M&A / IPO 上补回来）
一个案子的单位经济学	⚠️⚠️ 25,000 和解 → 律师约 1/3（约 8,000）→ 其中约一半劳动力、30% 营销、剩下是利润 → "因为是这样的生意，要把钱再投回去好更好服务下一个客户就非常困难；唯一的办法是今天去雇一个更好的律师"；✅ 把"没有软件"从文化问题变成算术问题
被释放的劳动力预算该花到哪	⚠️⚠️ "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 上"；配一条带让步的预测："按小时计费不会完全消亡，但会走上按座位模式那条路"
专业化会再下一层，同时并购也在发生	⚠️⚠️ 30 年前什么都接 → 按执业领域 → 护理出生缺陷 → "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比 Morgan & Morgan 到处挂广告牌划算得多"；⚠️ 同时大所在收购小所，因为重新整合可以围绕"客户只想要一个法律结果"来做
一条来自买方的 benchmark 批评	⚠️⚠️ "包括 Anthropic、OpenAI 公开分享的那些法律 benchmark，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？而对我们来说，从来唯一重要的就是 agentic 的结果"；✅ 指控是维度错配，不是难度不够
长时程的具体规模，以及一处让步	⚠️⚠️ "一个案子大概有 10,000 次来回"；拿病历今天要两周，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"；✅ 而对"端到端全自动办完过一个案子吗"答"还没有，但我们接近了"；⚠️ 速率限制器是工程师，不是模型
一条战术因为对方有了算力而失效	⚠️⚠️ 辩方把证据开示推到感恩节前一天（算准对方要度假）→ 律所在 Eve 上建了当天就回的 agent → "战术不起作用了"；嘉宾的概括是"这就是对面也有资源时会发生的事"；🔗 与 Cuban 的"AI 是大均衡器，最后互相抵掉" 不矛盾——那是均衡态，这是失衡期
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"；✅ 检验点：辩方转到结果定价要多久，以及之后优势是否消失
瓶颈搬到不受 AI 影响的制度环节	⚠️ 主持人让 Codex 起诉 Wells Fargo，"4 小时后它真的起诉了，还找到了送达人"，而"日期在二月"；专利法"申请的活少了，但你还有 USPTO，而那就是瓶颈"；✅ 本页的一般结论：动作成本归零后，瓶颈移到买不到算力的那一环
一条方向相反的使用变化	⚠️⚠️ 客户选择把更多时间花在庭审工作上（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"）→ "更多走向真正的辩护"；✅ 本页记为待追踪：若成立，自动化的后果是更多案子进审判，与直觉相反
"99% 的 AI，也许 99.9%"，而剩下的那点很具体	⚠️⚠️ "至于谁来做代理里的活，你可以假设是 99% 的 AI、也许 99.9%。总会有那么一点点是人的触碰"；而那一点点是"这个律师对那个客户、那组事实、以及他本地要面对的那家辩方律所的本地环境，理解了什么"
ADR，以及一条明确的划界	⚠️ "automated dispute resolution：AI 赋能的调解人或中立中心方，用 AI 大幅加快形成判断"，先例是退伍军人事务委员会、EEOC、雇主仲裁；✅ "而我不认为判断真的会被取代"