4月6日,幂律智能(以下简称“幂律”)宣布完成 A 轮融资。本轮融资由源码资本领投,经纬中国跟投,老股东华宇科创、红杉中国、线性资本均在本轮跟投。

这是今年法律科技行业拿到的新一轮融资。

听到这个消息,我并不意外。以A.I.驱动的法律科技公司拿到融资,只是时间问题。

近年来,资本对法律科技的关注度明显上升。有意思的是,幂律智能的股东方:源码资本、经纬中国、红杉中国等均是国内的一线基金,而且这几家投资机构都有美元基金背景,在 To B 领域也有很深的布局,他们投资幂律,或许代表了法律科技的某种发展趋势。

作为一个法律科技博主,我对幂律如何在短期内推出多款产品,并拿到国内一线基金的多轮投资,非常感兴趣。我忍不住和幂律的创始人涂存超先生聊了聊。你是什么想的?你是怎么做的?然后呢?还有呢?

聊完后,就一个感受:精彩。

今天,我把这次对谈内容分享给你。




1.幂律智能迭代简史


我在一开始接触幂律的时候,并不清楚他们是干什么的,甚至有点 confuse 。

打开幂律智能的公众号,发现大部分内容都是在讲法律人,尤其是律师的日常工作和生活,而且很多内容体裁用的还是“条漫”,仿佛一个法律休闲自媒体。

深入了解后发现,幂律推出过多款产品,比如觅律搜索、MeBox、MeCheck ...... 服务的用户群体也从律师到法务

而这些产品背后,其实体现了幂律团队的成长、对法律行业的理解和逐渐明确的过程。

总体来说,幂律经历了 3 个产品阶段:

第一阶段:法律检索
时间周期:2018.11~2019.04
代表产品:觅律搜索
服务对象:法律人
2018年7月,幂律智能开始正式运营。经历了早期的团队组建阶段之后,幂律选的第一个产品方向,就是“法律检索”,而且很快便推出了「觅律搜索」。

幂律当时选择“检索”这个方向,主要的判断是“检索”对法律行业来说是刚需,但幂律对「觅律搜索」的定位,并不是一个付费的产品,无法构成幂律的商业模式。

事实上,作为一个非法律背景、技术出身的创始团队,幂律在一开始并没有一个十分笃定的长期的产品形态。而做法律检索,可以快速积累对法律行业数据处理的经验和技术能力。

现在幂律官网上展示的智能司考、刑事案件推理、法律智能问答等多个技术使用场景,其实都是幂律通过「觅律搜索」这个产品所积累的底层文本处理技术能力的展示。

第二阶段:律所知识管理
时间周期:2019.05~至今
代表产品:MeBox
服务对象:律所
经过早期的技术积累,幂律开始思考自己的商业模式,以及幂律做什么产品才是有竞争力的、能长期做且能收费的产品。后来,基于觅律搜索对公开法律数据的检索能力,幂律推出了一款面向律所的产品「MeBox」,来解决面向私有数据的律所知识管理问题。

我们知道,律师的流动性很大,甚至有的律师离开了,律所的某个业务就空白了。所以对律所来说,知识的沉淀和管理非常重要,可以说是基础设施级的存在。「MeBox」的定位就是面向律所的知识管理系统,帮助律所把各种类型的法律知识沉淀并利用起来。

但问题在于,这类产品的逻辑,主要是将线下流程“线上化”,考验的是对业务场景的理解能力和产品能力。虽然业务逻辑很复杂,但真正能够发挥幂律A.I.技术优势的地方其实非常少,而且市面上已经有不少竞品了。

这还不是最大的问题。

这类产品最大的问题,其实是天花板的问题。

为什么法律行业对资本的吸引力一直很低?就是因为很多产品或场景的天花板比较低。

比如,面向律所的工具型产品,付费客户是律所,那么全国 3 万多家律所中有多少是目标客户,每年能收多少钱,天花板很容易就算出来了,而且市场上没有成功的对标,所以很长一段时间内没有太多投资机构愿意来看这个方向。这是行业中大家都会碰到的问题。

所以,除了「MeBox」之外,幂律也开始开拓新的场景。

第三阶段:智能合同审查
时间周期:2019.07~至今
代表产品:MeCheck
服务对象:企业
那么,在法律科技行业中,哪个方向既有很高的天花板,又能够发挥A.I.技术的优势呢?

于是,幂律从自身的自然语言处理(NLP)技术优势出发,去研究国外有A.I.背景的法律科技公司都在做哪些方向,终于下定决心做「智能合同审查」。

为什么大家都在做合同?

首先,合同这个场景的天花板很高。

涂存超介绍,对于合同审查市场大小的计算,幂律主要参考了电子签章公司。

在国内市场,活跃的中小企业大概 4000 万家,目前已经通过电子签章的方式接受电子合同的企业数量接近 1000 万家。

那在这 1000 万家企业中,多少企业有合同审查的需求呢?

事实上,对企业来说,只要有合同,就有审查的需求。有潜在风险,就有审查的必要。

但涂存超说,目前能够获得合同审查服务的企业,大概只有 70 多万。这些企业要么有自己的法务部,要么聘请常法。剩下的大部分企业,其实并没有获得合同审查服务。

为什么大家很多合同没有找律师去审?

因为大部分合同的标的额很低,但审查的成本却很高。

比如,一个常法服务 10W / 年,平均 273 / 天,在这一年里,你可以随时让你的常法帮你审合同,这看起来还挺划算。但对于大部分企业来说,最常见、使用最高频的合同,是一些标的额只有几千、几万的合同,找律师来审怎么也得 800~1000 元,这就很不划算了。

涂存超举了自身的一个例子,幂律在装修新办公室的时候,就遇到了条款不明、责任不清的问题:装修合同里面没有约定消防验收条款,于是造成了后续消防验收相关的一系列问题。对于没有法律知识的普通人来说,在没有专业知识背景的情况下,自己审合同更容易出错。这是很现实的问题。

同时,律师也很难啊。收费低了,别人还说你内卷,甚至还会被处罚。

大部分中小企业甚至个人都有合同审查的需求,但现有的合同审查服务只能覆盖标的额较高的单项合同,这就产生了巨大的创新机会。

比如,用机器来审合同,效率更高,价格更低,每家企业、每个人都能用得上。

效率更高毋庸置疑,机器非常适合用来解决一些高频、常见、逻辑简单的重复性审查工作,与法律人一起合作来提供合同审查服务,能够覆盖更多的未被满足的合同审查需求。

至于价格,互联网产品的特点,就是边际成本会越来越低。

举例来说,我研发一款产品,前期的投入是 100 万,这个成本几乎是固定的,随着销售规模不断扩大,这个成本会被不断分摊。比如我只有 10 个客户,那服务每个客户的成本就是 10 万,我的服务价格起码 10 万起。但如果我有 1000 个客户,那服务每个客户的成本就缩减到 1000 元,这时我标价 1000 元,理论上就可以。

也就是说,一款智能合同审查产品,在将来理论上可以用更低的价格提供服务。而低价格的服务,大部分企业都可以负担。

因此,面向中小企业,智能合同审查是一个巨大的市场。

于是,在研发 MeBox 的时候,幂律也同步开始探索智能合同审查方向。

2020年6月,幂律的智能合同审查产品:「MeCheck」,上线了。




2.从高频刚需的场景切入

虽然智能合同审查有很大的前景,但实现的过程并不简单。对这类产品来说,冷启动是特别大的门槛。

涂存超说,智能合同审查的链条非常长,从一开始的搜集数据,到梳理知识、数据标注、产品设计、算法实现 ...... 每个环节都不简单。

其中最难的,就是怎么收集到高质量的数据。

智能合同审查的本质,就是通过机器学习挖掘合同数据,来获得对合同信息智能识别的能力,从而进一步预测法律风险。

预测效果好不好,取决于你给机器喂了多少高质量的数据。喂的数据越多,算法就能识别得更准。比如一个合同条款,算法之所以能识别出来,是因为它已经见过大量的这类条款。

而且,算法需要的不是原始合同数据,而是标注数据。

什么是“原始数据”?什么又是“标注数据”?

简单来说,一份没被加工过的合同,就是“原始数据”。而“标注数据”,就是将合同条款切割成一个个字段,而不是直接甩给机器一份没有处理过的合同。比如,针对货物买卖合同,我们需要把“标的物”、“价款”、“支付”等条款以及“主体”、“签订日期”、“总价款”等要素通过人工或机器标注出来,再喂给机器。

这就需要使用到真实合同,而不是合同范本。

那怎样才能获得真实的合同呢?

要知道,合同对企业来说是非常敏感的数据,但能否获得真实的合同,又决定了机器的智能程度。这个问题必须解决。

对此,幂律采用的方法是“地毯式搜集”。

首先,网上公开的合同需要搜集。比如各种政府的合同,可以通过技术的方法在公开信息中获得。

但获得合同最好的方法,还是让企业成为自己的客户。

这就涉及到创业公司怎么找种子用户的问题。

种子用户,能够帮你验证产品价值,如果你的产品是有价值的,种子用户极有可能成为你的客户,并与你合作产品共创。

但是,找种子用户很容易遇到一个错觉:看谁都是用户。如果看谁都是用户,那你就要做一个大而全的产品,去满足所有用户的需求。

具体到合同这个场景,一个大而全的产品就是能审查各种类型的合同,比如买卖合同、赠与合同、借款合同 ...... 而要审查这么多类型的合同,你就需要大量各种类型的真实合同,这对于初创公司来说基本不可能。

事实上,大部分合同并没有高频审查的需求,即便你做了一款大而全的产品出来,经常被使用的,可能就是某几类合同。

因此,不论是从创业角度,还是从现实角度看,都应该选择“高频刚需”的场景切入。

对此,幂律重点思考了两个问题:

首先,对企业来说,哪些类型的合同有审查的必要,而且量是非常大的呢?

答案是买卖类和租赁类。而且这两类合同可以细分为各种类型的合同。这就是“高频刚需”的场景。

其次,对于这些类型的合同,哪些企业有大量的审查需求呢?

答案是各行各业的头部企业。具体来说,就是有自己的法务部,在单一合同类型上有大量审查的需求的头部企业。

目前,幂律已经和腾讯、南方电网、三一重工等各行各业的头部企业达成了合作。

当然,幂律的野心不止于此。涂存超告诉我,2020年底,幂律确定了自己的企业文化。

使命:用科技推动法律服务更好更便捷
愿景:与法律人一起服务 100 万家企业

技术,应该是普惠的。

但是,选对了赛道,这就够了吗?



3.复合型的创业团队


当然不够。

创业点子谁都有,但现实往往是,创意被高估了,执行力被低估了。

一家创业公司能否做成,除了选对赛道,创业团队和赛道的匹配程度也非常关键。

幂律本轮融资的股东方源码和经纬,都是国内 To B 投资做的很好的一线基金,他们在此时投资幂律,或许有着不一样的思考。

于是我问:投资人投幂律,投的是什么?

涂存超说:60% 投赛道,10% 投阶段性成果,剩下的30% ,投团队。

赛道很好理解,合同场景对投资机构来说是一个足够大的场景,天花板也够高。阶段性成果也好理解,幂律推出「MeCheck」,初步跑通了智能合同审查的完整链条。

至于团队,很多人会忽视它的重要性。

具体到合同审查这条赛道,即便市场有需求也有短板,也不是每个团队都能做好。

一方面,要把合同审查这个需求做好,最重要的是对合同审查场景的理解,以及怎样通过知识梳理把合同审查转化为机器可解决的问题,并提供相应的数据。

另一方面,由于市面上能够搜集到的合同比较有限,智能合同审查的算法本质上解决的是小样本学习以及如何融合领域知识的问题,也就是怎么在相对有限的合同数据下,让机器学习更有效。

这就需要一个复合型的创业团队。

幂律最开始的创始团队全都是名校的人工智能技术背景,没有任何法律背景。而现在,幂律已经有 60 多名全职员工,其中就包括一个接近 20 人的法律团队,来解决合同审查场景、知识和数据问题。同时,幂律还构建了长期进行数据标注的标注团队,标注团队也全部都是法律背景,上岗前必须经过幂律的培训,而且必须只能线下标注,来最大化地保证合同标注的质量和效率。

团队和赛道,非常契合。

听完涂存超的介绍,我开始理解,为什么投资人认为幂律的团队值得 30% 了。




4.核心能力和想象空间


选对了赛道,还搭建了与之相匹配的创业团队,一个最底层的问题已经呼之欲出了:

“幂律的核心能力是什么?”

这个问题,体现了公司和创始人对这个行业的理解深度,对每个行业都是如此。

涂存超说,幂律的核心能力,其实是算法、知识、数据共同驱动的法律文本分析处理能力。通过这种能力,解决合同“从无到有”、“从有到好”两个环节的问题,来提升合同质量、降低合同风险。

什么意思?

我们可以通过“一横一纵”来理解。

“一横”,指的是合同全生命周期管理。

对于合同这个场景,从一开始的合同范本管理,到合同起草、审查、履约、归档等合同全生命周期的各个环节,合同文本贯穿始终,每个环节都需要法律文本分析和处理的能力。

“一纵”,指的是做深智能合同审查。

智能合同审查是幂律聚焦智能合同场景、解决合同问题的差异点和杀手锏,是幂律核心能力最重要的体现,也是幂律“与法律人一起服务 100 万家企业”的愿景的支撑点。当然,智能合同审查的能力不止于此,未来还可以应用到其他法律文本的分析和处理上。

不论是大企业的合同管理、审查的提效需求,还是中小企业的合同审查需求,都是还没有被满足的需求。

这些都是未来的想象空间。

而这些想象空间,都始于“合同”这个增长底牌。

从此扎根一处,无限生长。




后记

对了,我看着笔记,问涂存超先生,为什么幂律的使命,是“与法律人一起服务 100 万家企业”?

他说:“哦,幂律对自己的定位从来不是一个技术提供商,我们未来一定是要向还没有获得法律服务的群体直接提供法律服务的,这也是我们做智能合同审查的初衷。而且,幂律未来的法律服务一定是和法律人一起协作,共同提供的。不论是我们提供法律服务还是我们构建自己提供法律服务的能力,都少不了法律人的深度参与。”

听完幂律的故事,你有什么感受?

我的感受,是精彩。

近年来资本对法律科技的关注度逐渐上升,离不开每个创业者的参与。

创业不易,但有迹可循。

不知道你们发现没有,幂律的故事,其实回答了几个关于创业的问题:

  • 如何找到一个创业想法?

  • 如何找到切入点?

  • 如何搭建创业团队?

  • 如何找到核心竞争力?

  • ......


幂律智能,是中国智能合同审查领域的一匹黑马。他们通过自身的实践,一步步探索出智能合同审查这个极具想象力的创业赛道。这也许是企业服务如火如荼的大背景下,法律科技的一个突破口吧。

最后,感谢涂存超先生,祝福幂律。

法律科技,仍有很大的想象力。

点赞(0)

评论列表 共有 0 条评论

暂无评论
法总荟-企业法务助手 微信小程序

微信小程序

微信扫一扫体验

立即
投稿
法总荟,企业法务资讯公众号

微信公众账号

微信扫一扫加关注

发表
评论
返回
顶部