为律师造AI：Legora CTO谈评估、表格审查与计费模式裂痕

法律行业长期被视为AI落地最谨慎的领域之一：文档高度敏感、错误代价高昂、专业判断难以标准化。Legora CTO Jacob Lauritzen 在一次访谈中拆解了为律师构建AI产品的真实工程挑战——从缺乏追踪数据的评估体系，到百万单元格级别的表格审查，再到按小时计费商业模式正在出现的结构性裂痕。

没有trace的评估：法律AI的第一道难关

Lauritzen 提到的一个核心工程难题是「evals without traces」——在没有完整调用链追踪的情况下做模型评估。通用AI产品通常可以依赖用户交互日志、点击流和显式反馈来构建评估闭环，但法律场景中这类信号极其稀缺：律师的工作流高度保密，交互数据难以留存，用户也很少主动标注「这个回答错了」。

这意味着团队必须用另一套方法验证模型输出。访谈透露的思路是把评估重心放在任务级正确性上，而非对话级满意度——例如合同条款抽取是否遗漏、引用法条是否真实存在、结论是否与给定文档一致。这种评估方式更接近传统软件测试，但需要领域专家深度参与构建评测集。

对做垂直AI的团队来说，这个观察有普遍意义：当你的用户不产生可观测的反馈信号时，评估基础设施必须前置设计，而不能等到产品上线后再补。

「Trace」在AI工程语境中通常指一次请求从入口到最终输出的完整调用链路记录，包括输入、中间步骤、工具调用、模型版本、延迟和 token 消耗等元数据。它既是可观测性的基础，也是构建评估数据集的原料：有了 trace，团队可以回放历史请求、定位错误发生的位置，并把失败样本转化为回归测试用例。没有 trace，评估就退化为只能依赖最终输出和人工标注，难以归因错误来自提示词、检索、模型还是后处理。对法律AI而言，trace 的缺失不仅是工具问题，还涉及保密义务和律所的数据治理政策，因此团队需要在采集粒度、脱敏和留存策略上做前置设计，才能把可观测性补齐。

百万单元格的表格审查：法律AI的真实负载

访谈中提到的另一个场景是百万单元格级别的表格审查（million-cell tabular reviews）。法律尽职调查、证据开示、批量合同比对等任务，往往涉及规模极大的结构化数据，远超普通对话式AI产品的处理量级。

这类负载对系统设计提出不同要求：模型调用不能是单轮问答，而需要任务编排、分批处理和结果聚合；上下文管理必须考虑单元格之间的引用关系；错误不能靠人工逐条复核，需要自动化的交叉验证机制。Lauritzen 的描述显示，法律AI的竞争力不只在模型本身，更在于围绕模型构建的数据管线和审查工作流。

有意思的是，表格审查这类任务的可验证性反而更强——每个单元格的答案都有原始文档作为依据，这为自动化评估提供了天然锚点。

尽职调查中的表格审查通常对应「数据房间」场景：交易一方把数千份合同、备忘录和证据材料放入受控目录，另一方需要逐份提取关键条款（如控制权变更、赔偿上限、终止条件）并汇总成对比表。传统做法是初级律师和律师助理逐行阅读并填写，耗时数周。AI 介入后，系统需要把每份文档切分、定位相关条款、抽取结构化字段，再跨文档对齐同一字段。难点在于文档格式不统一、条款表述存在变体，且抽取结果必须可回溯到原文段落，否则无法通过复核。这正是交叉验证和引用锚点成为刚需的原因。

计费模式的裂痕：AI在侵蚀什么

访谈标题中的「cracks in the billable hour」指向一个更深层的行业问题。按小时计费是律所商业模式的基石，而AI恰恰在压缩那些原本按小时出售的工作——文档审阅、条款比对、初步法律研究。

Lauritzen 的观察是，这种侵蚀不是简单的「AI替代律师」，而是价值计量方式的错位：当AI把十小时的工作压缩到一小时，律所如果继续按小时收费，收入结构就会松动；如果转向按结果或按价值收费，又需要重建整套定价和信任机制。对AI产品团队而言，这意味着客户采购逻辑也在变化——律所买的不是「更快的工具」，而是能重新定义服务定价的能力。

这也是法律AI与其他垂直领域的关键差异：产品价值直接嵌入客户的商业模式，而不只是提升个人效率。

按小时计费（billable hour）的核心是记录律师为特定客户事项投入的时间，并按小时费率结算，律所的收入与投入时间正相关。替代性计费安排（alternative fee arrangements, AFA）包括固定费用、按阶段收费、按结果收费和封顶费用等，早已存在，但因难以量化价值而推广缓慢。AI 压缩单位任务耗时后，按小时计费的逻辑出现两个方向的压力：客户会质疑为何更快的工具仍按原时长收费，而律所若主动降价又会损失收入。这促使部分律所把 AI 带来的效率收益转化为固定报价或订阅式服务，用可预测的价格替代不可预测的工时。

对垂直AI创业者的启示

把这三个观察放在一起，可以看到一条清晰的逻辑链：法律AI的评估难，因为反馈信号缺失；负载重，因为真实任务是结构化的大规模审查；商业价值深，因为它触及计费模式本身。

对正在做垂直AI的团队，Lauritzen 的经验指向几个务实建议：评估体系要从第一天就按任务正确性设计，而不是依赖用户反馈；系统架构要为批量和结构化任务预留能力，而非只优化对话体验；理解客户的商业模式，比理解客户的工作流更能定义产品方向。

法律AI不是一个靠模型能力就能赢的赛道，工程深度和行业理解才是分水岭。