查看原文
其他

趁势东风!全景式剖析AI浪潮下新兴法律服务业变革丨律新社《新兴法律服务业发展报告(2023)》正式发布

律新社 律新V品
2024-08-25


2023年,大模型和生成式人工智能(AI)席卷全球,并逐步在各行各业落地应用。新兴法律服务业作为法律行业的“新质生产力”代表,也迎来了难得的发展机遇。 

2024年4月27日,在“乘势·破局 第八届新兴法律服务业高峰论坛”上,律新社隆重发布《新兴法律服务业发展报告(2023)》(以下简称《报告》)。

▲ 律新社创始人、CEO王凤梅发布《报告》

新兴法律服务业(Emerging Legal Tech and Services)是一种全新的法律服务业态,通过利用AI和数字化等技术,或者通过探索新的和更好的方法,为法律服务需求者提供创新的解决方案,以满足市场不断变化的需求。

探索新兴法律服务业,意味着要拥抱法律创新,并采取持续改进和实验的心态。这不仅意味着使用技术,还意味着重新思考流程、商业模式和文化。因此,新兴法律服务业是一个行业协作和跨学科的领域,要求法律人与其他专业人士合作,比如技术人员、设计师和企业家,并向其他学科学习。也因此,新兴法律服务很难有一个标准的定义,而是一个多元和充满活力的领域,是一个需要好奇心、创造力和勇气的旅程。

《报告》深入研究了2023年度新兴法律服务业融资和并购事件、法律AI和“传统”数字化法律科技产品动态、新兴法律服务发展面临的挑战和解决方案等,全景式展现了过去一年新兴法律服务业的创新成果,以期为业界提供全面的参考,共同在技术变革的前夜寻找机遇,推动新兴法律服务业持续健康发展。

 以下为《报告》的亮点解读:



01

新兴法律服务业资本市场概况

1. 新兴法律服务业股权融资概况

融资是资本市场的晴雨表,真金白银的投资可以反映出真实的市场情况。2023年,我们看到新兴法律服务业涌现了数量空前的融资事件,共有48家机构获得了新一轮融资。

(1)海外市场(共37笔)

从行业上看,2023年获得新一轮融资的新兴法律服务机构遍布各个细分领域。其中,“智能法律服务”“合同生命周期管理(CLM)”“法律工作自动化”三个赛道获得融资的公司较多。

从融资轮次上看,早期融资较多。2023年共有13家公司获得种子轮融资,占比为35%;其次为“A轮”和“B轮”,分别有7家和6家公司,占比分别为19%和16%;另外,未明确公布融资轮次的公司有8家,占比为22%。

值得注意的是,获得早期投资的新兴法律服务机构基本上都集成了生成式AI技术,而获得“A轮”及更高轮次融资的公司大多都处于已经被验证的赛道,而且也集成了生成式AI技术。另外,属于“智能法律服务”“合同生命周期管理(CLM)”“法律工作自动化”三个赛道的公司更容易获得高额融资。

可以看出,生成式AI和成熟赛道是2023年新兴法律服务机构获得融资的核心驱动力。

其中,生成式AI是一项颠覆性的技术,具有改变各行各业的巨大潜力,对法律行业亦是如此。2023年大多数获得新一轮融资的新兴法律服务机构基本上都集成了生成式AI能力或者推出了新的产品,应用场景不胜枚举。标榜具有AI能力有助于法律科技公司获得融资,而且获得的融资金额也相对更高。

与此同时,成熟赛道(如CLM、法律研究、电子发现等)与AI结合有直接的落地场景,这些赛道通常沉淀了大量的行业数据;因此,成熟赛道的公司“+AI”顺理成章,也更容易得到资本市场的青睐。同时,AI也催生出了一些新的赛道,或者让以前较难实现的场景变得很容易。例如,Harvey和EvenUp正在利用AI技术重构律师的工作流程;Darrow则利用AI技术分析法院的判决,致力于潜在的诉讼机会,帮助律师获得案源。

(2)中国市场(共11笔)

与海外AI席卷法律科技行业相比,国内获得新一轮融资的公司所处的赛道则集中于“在线法律服务”,并细分业务领域,比如专注于法税、商事纠纷、小额诉讼等。 

然而,互联网技术从2013年起发展至今已超过十年,这说明除了AI技术本身存在差距以外,海内外法律科技市场的成熟度也不同。我国的法律科技市场仍处于早期阶段,或者称之为“新兴法律服务业”更为合理。因此,很多海外的法律科技经验放到中国市场或许行不通,需要结合中国国情进行本土化创新。

拓展阅读

近50家法律科技公司获得融资,AI是核心驱动力丨律新观察



02

新兴法律服务业兼并收购概况

除了股权融资,新兴法律服务业的兼并收购情况同样值得关注。

由于近年来全球经济低迷,法律科技公司和ALSP也遭受了巨大冲击;而低迷的市场对于头部公司来说,则是整合市场的好机会。因此,在2023年法律科技市场投资复苏的同时,并购活动也明显增多。

目前,市场上的各个法律科技赛道均沉淀了几家头部公司。近年来,这些公司正在通过收购同赛道的其他公司整合市场份额,同时也开始收购其他赛道的公司,从而拓展自身的业务范围,为客户提供进一步的一站式服务。

过去一年,我们看到了超过20起新兴法律服务机构之间的并购事件,分布在法律招聘、法律研究、电子发现(e-Discovery)、法律实践管理、诉讼科技、法律营销、IP备案等领域。数量空前,分布很广。

拓展阅读

法律科技并购风越刮越猛,新兴法律服务业先行者“抱团取暖”伺机而动……丨律新观察


值得注意的是,这些并购活动大部分由头部法律科技公司主导,但同时也能看到产业资本的身影,资本在并购活动中越来越活跃。

在法律科技领域,去年2月,法律实践管理平台Litify完成新一轮融资,风险投资公司Bessemer Venture Partners收购了该公司的多数股权,Bessemer的合伙人Brian Feinstein还成为Litify的董事会主席。去年6月,法律AI初创公司EvenUp完成5050万美元的B轮融资,也是由Bessemer Venture Partners领投;同时,EvenUp还将与Litify整合。无独有偶,去年8月,电子发现服务商Reveal收购两家电子发现服务商——Logikcull和IPRO,也是由Reveal的大股东K1 Investment Management提供资金。

在ALSP领域,去年4月,HBR和智能情报服务商LAC Group以及法律科技和数据咨询公司Wilson Allen,三方在共同投资者私募股权公司Renovus Capital的支持下合并为一家新公司,名为HBR + LAC + Wilson。去年7月,Renovus收购加州律师事务所Keesal, Young & Logan旗下的法律科技公司Keesal Propulsion Labs(KP Labs),并且促使该公司与HBR + LAC + Wilson合作。去年10月,HBR + LAC + Wilson、Young Consulting、KP Labs和软件服务公司Aurora North正式合并为同一家法律服务公司,名为Harbor。 

可以看出,产业资本在推动法律科技的市场整合方面正在发挥越来越重要的作用。

与此同时,互联网技术经过多年的发展,对各行各业的改造已趋于全覆盖,大多数有价值的场景已经被不同程度地满足。所以,越来越多的法律科技公司聚焦“一厘米宽,一公里深”的场景,把业务做深,解决非常垂直的需求。这确实有助于法律科技公司真正做出价值,但也意味着其产品边界有限。

因此,除了并购,法律科技公司也在相互集成,并积极进入大厂(如微软)的生态。一方面,与并购相比,合作是补充自身缺失能力的更快的方法;另一方面,小公司进入大公司的生态,还可以获得客户资源。

另外值得注意的是,除了并购和集成,头部法律科技公司也开始拓展自家的产品外延。例如,去年7月,LexisNexis发布了一个名为InterAction+的CRM产品。随着这个产品的发布,LexisNexis或将开辟一个新的市场,打破当前的CRM市场格局,将其客户群体扩展到一个新的市场。

总的来看,法律科技赛道的并购和集成趋势有以下两个原因,而且是相辅相成的: 

(1)市场需求驱动:客户对于一站式、全球化服务的需求是并购的第一大动力。并购是公司完善产品能力、提供完整解决方案、扩展新领域最直接的方式——2023年的并购标的都属于并购方自身业务的延长线,致力于将自家产品更顺畅地集成到客户的工作流程中。同时,并购在新的AI浪潮下往往还意味着收购稀缺的行业数据。

(2)整合市场份额:通过并购打造“端到端”的一站式平台,可以更好地整合市场份额,同时还可以满足各种体量、各种类型客户的各种需求,以及让用户对产品有更大的选择和控制,从而提高用户体验。

事实上,近年来,各领域的法律科技公司一直在通过并购进行战略性扩张,寻求建立垄断地位。当然,客户也会从中受益,不论是更好的产品体验,还是本土化服务等。

例如,汤森路透以6.5亿美元收购法律研究赛道的挑战者Casetext。虽然汤森路透对这笔收购的说法是补充其AI能力,为客户提供更好的服务等;但对于头部公司来说,收购通常还有另一层含义:你不重要,但没有你,对我很重要——收购,意味着消灭潜在的挑战者,从而巩固自己的垄断地位。

然而,市场整合对于行业来说是积极的还是消极的,目前还是一个备受争议的问题。行业关注的问题包括垄断市场的产品价格、垄断导致诉诸司法的机会减少,以及AI时代如何构建人才竞争力等。 


03

AI席卷法律行业

过去十年,人工智能(AI)技术取得了巨大进步,加上2022年底大模型的技术突破和以ChatGPT为代表的生成式AIGC产品引爆主流互联网,AI引领了法律科技的叙事。

去年3月,高盛发布了一份报告,预计生成式AI可以使美国44%的法律任务自动化。同时,该报告还估计美国46%的行政任务、35%的业务与财务运营任务和31%的销售任务也可以通过AI实现自动化。

过去一年,大多数法律科技公司都集成了生成式AI,以增强产品能力,比如法律检索、智能合同管理、合同审查和法律研究,落地应用不胜枚举;越来越多的律师事务所和替代性法律服务商(ALSP)设立了技术、数据、知识管理等岗位,或者从其他行业吸纳相关人才,积极尝试AI技术,甚至推出自己专有的生成式AI产品;企业法务部门则寻求通过采用AI技术降低法律成本;法院、法学院等也开始积极探索如何使用这项新兴技术。

与此同时,生成式AI的影响非常广泛,可以将很多非法律的工作自动化,从而大幅提高工作效率,这意味着可以显著扩展法律专业人士的能力。例如,法律人可以通过生成式AI高效地开展营销工作,比如起草网络研讨会的邀请函文案,以前对于这类工作,法律人并不擅长,需要单独的岗位负责,或者做起来很耗时,现在则可以使用AI快速完成。

也就是说,生成式AI模糊了法律行业组织前后台职能之间的界限,让法律专业人士“一个人就是一支队伍”的想法真正成为可能,同时也鼓励不同角色之间开展更多协作。

2023年,法律行业所有参与者都在积极拥抱AI技术。其中,法律科技公司最为积极。

过去一年,全球有超过100家来自各个赛道的法律科技公司在现有产品中集成AI技术,或者推出新的法律AI产品。基于基础大模型原有的能力,再使用特定的法律数据集进行微调或者检索增强(RAG),支持用户通过自然语言与AI对话,进行智能搜索、生成、分析/审查、总结文件以及引导用户完成相关工作等,以大幅提高工作效率。

拓展阅读

AI席卷法律行业,超百家法律科技公司推出法律AI产品丨律新观察


目前,法律AI产品主要分为以下两类:

第一,AI增强类。即在现有产品中加入AI能力,比如在法律检索数据库中集成生成式AI,支持用户通过自然语言与数据库对话,从而更高效地获得搜索结果,体验也更好。

第二,AI原生类。以大模型为核心,通过AI技术直接服务用户,即所谓“端到端”的产品形态。AI原生和AI增强类产品的核心区别是:AI原生类产品离开大模型就无法工作。

其中,AI增强类产品有直接的落地场景,而对于什么是“AI原生类产品”,目前整个科技行业还没有形成共识。同时,人们还不信任纯技术类的法律科技产品,其准确性也有待提高,这类产品现阶段很难商业化变现。

因此,从现阶段来看,“法律专业人士+AI”联合提供服务,即人机共生的模式仍将是市场主流,很多法律科技公司亦倡导这类模式。

除了法律科技公司,公司法务部门、律师事务所和ALSP、法院、法学院和研究机构等法律行业的所有参与者都在积极拥抱AI技术,整个法律行业也诞生了新的技能、岗位和就业形态,以及新的法律服务范式转变。


04

传统数字化改造继续推进

信息化、自动化、数字化一直是很多中大型律所追求的发展方向,因为法律服务中包含大量繁琐、重复性高、不得不消耗大量人力的工作,用工具来完成这些工作是许多法律工作者的期待。虽然生成式AI可以带来极大的生产力提升,但并非所有法律任务都是端到端生成的。例如,对于法律专业人士来说,起草一份合同应该先从一个相对完善的合同模板开始,而不是从头开始生成一份合同,这样更加高效,也避免了生成式AI的“幻觉”问题。 

与此同时,为了成功部署或更好地使用生成式AI技术,组织需要建立很多“传统”的技术基础设施,即需要有更多基本工具,比如云服务、数据管理软件等。换句话说,数字化做好了,未来应用AI技术会更加顺畅。事实上,在生成式AI出现之前,“传统”法律科技的推广并不容易;而随着AI技术的持续进步,关注部署能力的人越来越多,这意味着AI工具的重点用例和确保客户准备就绪已成为法律科技公司需要重点关注的问题。

因此,“传统”数字化技术仍然非常有价值,数字化仍是并将长期是法律科技行业一个重要的赛道。同时,生成式AI的火爆让云服务更加深入人心,对于各种SaaS产品来说是重大的利好,法律行业也迎来了新的数字化浪潮。

在这个背景下,法律科技数字化赛道呈现出以下两个趋势:

一是市场整合加速。例如,法律研究头部公司LexisNexis在其企业法律管理(ELM)解决方案CounselLink中新增了一个新的合同生命周期管理(CLM)产品,致力于成为“法律运营的一站式商店”。

二是随着市场竞争日趋激烈越来越多的律师事务所也开始投资法律科技,以提高自身的服务效率,同时也作为引流工具吸引潜在客户。事实上,律所投资法律科技具有天然的优势——拥有最丰富的法律专业知识。

2023年,我们看到很多大型律所围绕特定法律服务推出了数字化工具。

可以预见的是,在未来相当长的时间内,信息化、自动化、数字化仍将是法律行业确定性的趋势。



以上就是《报告》精彩内容节选。如需阅读完整版《报告》,请扫描下方二维码获取:





END



继续滑动看下一个
律新V品
向上滑动看下一个

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存