Harvey

142 · Harvey 如何把 AI 帶進大型律所

44:17YouTube 上架 2025-12-05Gabe Pereyra（Harvey）

No Priors Ep. 142 | With Harvey Co-Founder and President Gabe Pereyra

Gabe Pereyra 談 Harvey 從個別律師的工具走到整間律所與企業法務，法律任務怎麼驗證，以及為什麼不自己開律所。

142 講了什麼

• 從個人工具到整間律所Gabe 說前兩年是替律師做一套圍著模型的 IDE，最近一年要解的是怎麼讓整個律所處理上千件客戶案子更有生產力也更賺錢。到這個規模，問題多半不是模型智慧，而是 orchestration、governance 這類企業產品問題。
• 把 associate 當成 agentGabe 回憶拿到 GPT-4 的第一天，共同創辦人 Winston 關在房間 14 小時重做自己的 associate 工作，做法像是土法煉鋼的 agent。Gabe 說他們由此看出方向，也把客戶案子視為法律版的 RL 環境。
• 資深合夥人的價值在推理軌跡Gabe 用 Gordon Moody 協助 Dell 重組的經驗說明，公開資料只看得到最後的文件，缺的是決策過程。
• 法律的 reward function 很難定Gabe 說合併協議這類長文本沒有二元的好壞，最後是合夥人說好。律所手上的修改與回饋資料，是他們考慮拿來訓練 reward function 的材料。
• 不自己開律所Gabe 提到研究 Atrium 時得到的看法，認為同時做律所和軟體公司兩件事都做不好，也會因為利益衝突而無法擴張。他們想做的是讓每間律所成為 AI first，並讓專業服務業者與客戶安全協作。
• 早押 GPT-4 與組織層級的生產力Gabe 說當時在 Meta 做大型語言模型，許多共事過的好手去了 OpenAI，於是押 OpenAI 會先做出來；另一半原因是 Winston 雖然只是第一年的 associate，卻很懂整個法律產業。Gabe 也認為多數人還在談 copilot 與個人效率，真正的問題是怎麼組織大量人與 AI。

從哪一段開始看17 段

1. 00:05公司與規模Gabe 說 Harvey 替律所與大型企業內部團隊做 AI，已接近 1,000 個客戶、500 名員工。
2. 00:36不只是 ChatGPT起初是把 GPT-4 交給律師玩，碰到幻覺與沒接上脈絡的問題，才演變成圍著模型的律師 IDE，再走向整個律所。
3. 02:14走進企業法務律所把 Harvey 秀給客戶後，客戶也想自己用；Gabe 提到 Walmart、AT&T，以及與外部律所安全共享資料的需求。
4. 03:35大型律所的工作以創投與私募的基金設立、投資盡職調查為例，說明法律工作非結構化，類比成合約構成的 code base。
5. 06:23associate 即 agent主持人問法律是否也走 agentic；Gabe 以 Winston 的 14 小時實驗說明，並談到客戶案子就是法律的 RL 環境。
6. 08:29律所的未來主持人轉述客戶擔心助理減少、培養不出合夥人；Gabe 說正在與律所談怎麼訓練下一代、怎麼重整各業務組。
7. 12:25合夥人角色不變Gabe 認為合夥人如同資深工程師，主要在定策略與抽象、把工作委派出去，變的是較低層的功能。
8. 13:43專家的推理軌跡以 Gordon Moody 在 Dell 私有化再上市中的角色為例，說明缺的是決策過程這類不公開的資料。
9. 17:22難以驗證的法律長文本沒有二元答案，reward function 最終是合夥人；Gabe 也說程式一旦進入真實系統，同樣沒有單元測試可驗。
10. 19:44部署工程師為什麼成立 deployed engineering 團隊：接上客戶的計費、治理等系統，並替非標準化的大型企業做出路線圖。
11. 22:33企業軟體打法主持人說這是 Oracle、IBM 式的標準做法；Gabe 說律所也開始替自己的企業客戶導入 Harvey。
12. 23:49採用速度第一個客戶從小規模試用走到全所使用；Gabe 把這和 Cursor、OpenEvidence 放在同一類文字與知識密集的行業。
13. 25:22為何不開律所同時經營律所與軟體公司等於兩間公司，也會被利益衝突擋住；目標是讓每間律所都成為 AI first。
14. 27:27專業服務協作平台大型併購牽涉律所、投行、稅務與人資顧問，Gabe 想做的是讓這些業者與客戶安全協作的基礎設施。
15. 29:31研究者變創辦人Gabe 說最大的轉變是從個人貢獻者到經營大規模公司；之後談到為何在 GPT-4 之前就看出時機。
16. 34:51為何法律先成形主持人問為何程式工具晚兩年才成形；Gabe 說法律的雛形功能是上傳文件並給出準確引用，直接對上日常工作。
17. 40:21組織層級的 AIGabe 說多數人仍談 copilot 與個人效率，自己更關心怎麼組織眾多人與 AI 一起把事情做快。

值得記的話5 句

• And you can kind of think of associates as agents.Gabe 把律所的 associate 比作 agent07:26

• in legal that RL environment is a client matter.Gabe：在法律裡，RL 環境就是一件客戶案子07:57

• what that reward function is at the law firms, it's the partnersGabe：律所裡的 reward function 就是合夥人18:25

• doing a law firm well is very different than building a software company wellGabe：經營律所和經營軟體公司是兩件很不同的事26:23

• making someone program 20% faster doesn't make you build a product 20% fasterGabe：讓人寫程式快 20%，不等於產品也快 20%42:11

名詞與人物10 個

Harvey

Gabe 共同創辦的公司，替律所與大型企業內部團隊做 AI

Winston

Gabe 的共同創辦人，原本是律師，GPT-4 到手第一天就重做自己的 associate 工作

associate

律所裡接合夥人派下任務的資淺律師，Gabe 拿來類比 agent

fund formation

設立基金：替私募或創投設計持有資金的實體，並起草上百頁的 limited partnership agreement

side letter

個別投資人用來修改基金協議的附加文件

RL environment

讓 agent 與任務互動取得回饋的環境；Gabe 說在法律裡就是一件客戶案子

reward function

判斷產出好壞的標準；在法律裡最終是合夥人的判斷

Gordon Moody

稿中說是一家頂尖交易型事務所的前合夥人，早期加入 Harvey，現為顧問

deployed engineering

Harvey 的客戶端工程團隊，Gabe 說近似 Sierra 的 agent engineering，不是 Palantir 式的客製軟體

Atrium

Gabe 研究時請教過成員的公司，結論是同時做律所與科技公司很難

提到但沒有展開

• Gabe 提到律所內部留有大量修改與回饋紀錄，他們正在想怎麼用這些資料訓練 reward function；另一個和律所談的題目，是怎麼把合夥人的回饋與資料拿來做訓練。
• 主持人轉述 Gabe 先前提過的例子：兩家跨國公司的大型併購可能牽涉上百間外部律所，因為在雙方都有客戶的紐西蘭，有只有當地人懂的稅務問題。Gabe 說這類協作最難的是跨多方的安全資料共享。

在 YouTube 看原片 ↗