短短三年，HarveyAI從矽谷實驗室起步，成為估值超過15億美元、年度經常性收入（ARR）突破7,500萬美元的法律科技獨角獸。這家公司由前律師Winston Weinberg與AI科學家Gabriel Pereyra共同創立，獲得OpenAI Startup Fund的早期投資，並迅速獲得Allen & Overy、PwC等全球頂級律所青睞。Harvey的成功更顯難能可貴——法律AI被視為最難落地的垂直領域之一，牽涉繁複法規、語境精準與專業責任，任何錯誤都可能造成高額風險。Harvey卻以專業化模型、檢索增強生成（RAG）架構與多模型策略突破限制，打造出能「真正懂法律」的AI助手，重塑律師工作的方式，也為AI進軍專業服務領域開出一條前所未有的路。
從律師困境到AI解方：Harvey的創辦故事
HarveyAI的故事開始於2022年的美國矽谷，當時一位年輕律師Winston Weinberg和AI科學家Gabriel Pereyra決定攜手改變法律業。
Weinberg畢業於USC法學院並曾在頂尖律所O’Melveny & Myers短暫任職，他親身體會到傳統法律工作的繁瑣低效。而Pereyra則是來自DeepMind、Google Brain等研發單位的AI專家。
兩人早些年相識卻各自在法律和科技領域探索，直到2022年再度重逢時擦出火花：Pereyra向Weinberg演示了剛問世不久的GPT-3模型，這令Weinberg大感震撼。他驚訝於GPT-3的強大能力，尤其不解為何幾乎沒有業界人士嘗試將其應用在真實法律問題上。意識到這項技術潛藏的價值後，兩人開始動手實驗，把AI引入法律工作的可能性。
為了驗證AI在法律領域的可行性，Weinberg和Pereyra選擇從網路社群著手：他們從Reddit的法律諮詢版面收集了一百道房東與房客糾紛的真實提問，讓GPT-3嘗試回答，並將生成結果交由三位執業律師評估。這些律師並不知道答案出自AI，只被問及是否願意不加修改地將答案發給客戶。結果讓人驚艷：100道問題中，有高達86道的回答被律師認可為可直接提供給客戶。首輪實驗的成功，讓兩位創辦人更加堅信AI能成為法律從業者的強力助手。
接下來，他們大膽地將這些發現整理後直接發送給OpenAI的法務長，希望獲得專業回饋。這封「冷郵件」很快引來回應：2022年7月，OpenAI高層主動邀約會面，深入了解了他們的原型系統。不久之後，Harvey成為OpenAI Startup Fund（OpenAI新創基金）成立後投資的首批公司之一。來自OpenAI的天使資金與技術支持，為Harvey提供了堅實後盾，也宣告著這個初創團隊正式啟航。創辦短短幾年內，Harvey迅速從兩位創辦人的概念實驗，成長為法律科技界備受矚目的新星。
法律人的AI工具箱：Harvey的產品功能與定位
Harvey將自身定位為法律專用的AI助手，致力於彌合通用大型語言模型與法律實務高度專業需求之間的鴻溝。
不同於一般「一刀切」的聊天機器人，Harvey提供的是一套量身打造的工具組，內建對法律標準和職業責任的理解，可支援合約分析、法律研究、文件撰寫等任務。
Weinberg曾形容Harvey的系統運作方式就像傳統律所的協作流程：當使用者提出請求時，系統將其拆解為多個小任務，每個任務交由專精該領域的AI模型（彷彿一位助手律師）處理，最後再將成果彙整為完整回覆。這種模組化的架構允許不同AI在各自步驟進行推理和判斷，層層遞進：包括經法律語料微調的大型模型串聯、可存取公共法律數據和客戶私有資料的檢索增強生成（RAG）機制，以及負責分解任務與協調流程的編排引擎。透過上述技術堆疊，Harvey試圖確保產出結果符合專業法律工作所要求的嚴謹水準。
在產品層面，Harvey已發展出四大核心模組：
Assistant：類似全能的法律智囊，可用自然語言回答各類法律問題並協助分析文件。Assistant支援超過50種語言和法域，強調全球適用性。使用者可以同時詢問多份文件的內容，從內部知識庫中提取見解，每個答案還貼心地附上引用資料來源，以便律師進一步查證。Assistant也能執行進階的代理任務，例如起草合約、法律研究與分析等，甚至可透過Microsoft Word外掛直接在律師熟悉的文件環境中運作。2024年，Assistant推出「協助模式」與「起草模式」兩種運行方式：前者側重快速摘要、分析與檢索（例如對多份證詞找出矛盾點並以表格呈現），後者則用於撰寫和潤色長篇幅法律文件如訴狀或合約條款。
Vault：面對法律、財務、稅務領域中動輒成千上萬頁的檔案，Vault充當安全的AI雲端工作空間，協助專業人員高速管理和分析海量文件。據官方介紹，Vault可在數分鐘內完成傳統上需要數小時甚至數天的繁重文件工作。使用者每個專案可上傳多達1萬份文件，系統能從中自動擷取關鍵條款，涵蓋超過50種欄位類型，召回率高達97%。Vault提供的一鍵工作流程免除了繁複的提示工程設定，使律師能快速取得重點資訊，將精力集中於高層次決策。這些預設流程由曾任職大型律所的律師與AI研究員團隊開發，針對各類常見法律文件（併購協議、租約、法院意見書等）優化，確保資料擷取的全面性與準確性。Vault還內建檢視表（Review Table）功能，可將千份文件中抽取的關鍵數據彙整成類似電子表格的形式，以欄列方式呈現每份文件的重要資訊（如「生效日期」「管轄權地」「終止條款」等），方便律師篩選、比較與分析而無需逐一打開文件。
Knowledge：提供強大的法律知識檢索能力。這是一個專為法律及合規領域打造的AI調研平台，能回答複雜的跨法域法規問題。Knowledge模組利用經產業語料訓練的模型，確保回答內容根植於權威的一手資料，並在回答中附上最相關依據的引文和原文連結。Harvey Knowledge整合了廣泛的全球法律資源，例如美國上市公司信息披露資料庫EDGAR、歐盟判例資料庫EUR-Lex，以及各大律所的研究備忘錄資料庫等。截至2025年7月，Harvey計畫將Knowledge涵蓋範圍擴展至美國聯邦和各州判例，以及法國重要司法機構的案例。透過這些整合，律師能快速進行跨國法律調研，同時確信AI輸出的依據可追溯至可靠來源。
Workflows：讓使用者能執行預先建置或自行定義的自動化工作流程。律所可將自身的作業流程編排為一系列AI任務，捕捉機構獨有的專業知識並轉化為自動化服務。Harvey也提供與Microsoft 365等常用工具的整合介面，方便在Word、Outlook、SharePoint等平臺直接調用AI功能。這意味著律師可以將Harvey深度嵌入日常辦公軟體中，讓AI成為團隊協作流程的一部分。透過Workflows，法律團隊得以把反覆性任務自動化，同時保留對流程的掌控和客製化，確保AI工具契合每家律所的專業要求。
Harvey在產品戰略上強調「專業深耕」而非泛用。創辦團隊招募了眾多具備大型律所經驗的律師參與產品設計與測試，讓法律專家直接與工程師並肩合作。Weinberg指出，這些內部律師會手把手地告訴工程師哪些文件部分該如何處理、各類法律產出的結構與標準，確保AI工具真正貼合律師的工作方式。
透過將法律專業知識深度融入AI開發流程，Harvey力求克服外界對AI法務助理常見的疑慮——例如聊天機器人可能缺乏情境理解、產出與實務脫節等問題。這種「法律＋AI」雙專業融合的產品哲學，使Harvey在法律AI領域建立起獨特的口碑：不僅技術先進，更真正懂法律人的所需所想。
值得一提的是，Harvey創立初期選擇直接搭載OpenAI提供的GPT模型，借力快速推進產品。然而隨著市場演進，團隊也意識到過度依賴單一模型供應商的風險。2025年，Harvey宣佈將採取多模型策略，除OpenAI的模型外，開始引入Anthropic的Claude以及Google即將推出的Gemini等模型。
透過同時支援多家頂尖AI模型，Harvey希望在性能、成本和可控性上取得更佳平衡，也避免日後受制於某一廠商技術路線的侷限。這種靈活開放的技術路線，顯示Harvey致力保持產品的前沿性與獨立性：既充分利用業界最強大的通用模型能力，又透過自研的法律專屬模組與架構來打造差異化競爭力。
按席訂閱與客製方案：解密Harvey的商業模式
作為一家面向企業級市場的SaaS新創，Harvey的商業模式帶有典型的B2B軟體服務色彩，同時也因產品的高度專業性而略顯神祕。
迄今為止，Harvey並未在官網公開其定價策略，但根據業界消息推測，按使用者席位收費應是其主要模式。有來源指出Harvey採取與傳統企業軟體類似的「按人頭訂閱＋客製化報價」方式，不同規模與需求的客戶價格各異。甚至有未經證實的傳聞稱，Harvey對外報價可能高達每位用戶每月1,000美元左右。
如此高昂的單價，遠超一般辦公軟體，反映出法律AI工具為客戶創造的價值密度——若一位律師的時薪動輒數百美元，AI每月幫助其節省數十小時工時並避免差錯，千元級的月費對大型律所而言依然划算。Harvey也很可能針對大型客戶提供批量折扣與年度合約，具體費率則依據用戶數量和使用範圍洽談。
由於法律業務的多樣性，Harvey除標準化產品外也會為重點客戶開發定制功能或專屬版本，例如與特定客戶資料庫的深度整合、特殊類型文件的專門分析模組等。這類量身打造的解決方案同樣會帶來可觀收入，成為除授權訂閱外的另一收益來源。總的來說，Harvey的商業模式可概括為「高價值訂閱＋定制服務」雙軌：一方面透過向企業法務團隊收取軟體訂閱費來獲利，另一方面承接大型機構的專案合作以獲得額外收益。
Harvey的定價邏輯也受到競爭環境的影響。Thomson Reuters將AI助手直接綁定於其Westlaw等現有產品內，等於免費附加給已有訂閱的客戶。相較之下，Harvey作為獨立產品需要說服律所額外掏錢採用，對預算緊張或觀望態度的潛在客戶而言門檻更高。
為化解這一挑戰，Harvey強調其帶來的即時價值回報（ROI）。Harvey通常會先提供試用或試點專案，讓客戶親身體驗效率提升。例如在合約審查場景中，Harvey能將律師花費數天的契約分析工作壓縮至數小時內完成；又比如在併購盡職調查中，Harvey協助將文件審閱時間縮短80％以上。這些實實在在的成效，使得管理合夥人和法務主管更容易接受額外的付費訂閱，因為成本很快就能由節省的人力工時抵銷。
此外，Harvey也強調其產品在提升律師產能與降低風險上的價值——透過自動化重複勞務，律師可將更多時間投入高階策略和客戶關係；透過AI雙重檢查，可降低人工錯漏風險並提高工作一致性。這些隱形價值雖難以量化，卻是許多律所願意投資Harvey的長期考量點。
可以預見，隨著Harvey客戶基礎壯大，它也將探索更多商業模式的延伸可能。例如，Harvey已和PricewaterhouseCoopers（PwC）等專業服務機構合作打造客製AI助手，用於稅務諮詢等領域。這類跨領域合作意味著Harvey未來不僅服務律所，還可能以OEM或技術授權形式，進軍財會、諮詢等行業的內部工具市場。
此外，Harvey採集的大量跨司法管轄區數據和使用反饋，從中衍生出的行業洞察也具有商業價值。數據訂閱或行業報告等增值服務，或許會成為其營收組合的一部分。當然，目前Harvey仍將重心放在擴張用戶和優化產品上，短期內其主要收入來源依然是來自大中型法務組織的軟體訂閱費用。整體而言，Harvey的商業模式走的是典型企業級AI服務路線：以技術實力和專業服務支撐高單價，以卓越的用戶價值換取客戶續約和擴容，最終形成可觀且穩定的經常性收入。
律界寵兒的成長軌跡：Harvey的營運與成績
儘管法律圈向來以守舊謹慎著稱，Harvey上市短短幾年已迅速從鮮為人知的新人，蛻變為業界炙手可熱的「律界寵兒」。
Harvey的首個重大客戶突破發生在2023年初：英國Magic Circle頂級律所之一的Allen & Overy（簡稱A&O）宣佈，將在全所3,500名律師中推廣使用HarveyAI。對當時的大型律所而言，將AI引入核心業務尚屬創舉——許多合夥人原本視此類工具為風險大於收益的新奇玩意，擔心AI難以勝任複雜法律事務或帶來保密隱患。A&O作為首例大規模部署，猶如一顆投入平靜池水的石子，激起了圈內關注的浪花。
隨著A&O試點取得良好反響，Harvey的聲譽也在法律界口耳相傳，推動其發展勢如破竹。2024年時，Harvey的企業用戶數已從約40家飛增至235家，服務範圍擴張到42個國家。進入2025年，增長更是指數級加速——截至2025年4月，全球共有337家法律服務客戶在使用Harvey，遍及53個國家。Harvey的年度經常性收入（ARR）亦同步飆升，在2025年初突破7,500萬美元。
根據內部增長曲線預測，公司ARR有望在數月內衝破1億美元大關。如此亮眼的成績，在以採納周期長、保守著稱的法律產業實屬罕見。Harvey透過實際表現向市場證明了法律AI工具的價值，也令曾經觀望的律所開始重新審視對AI的態度。
從使用者反饋與留存的指標來看，Harvey交出的成績單同樣令人鼓舞。據官方披露，Harvey在客戶中的續約率高達98％，淨收入留存率（NDR）達到167％，這意味著絕大多數客戶不但續約，還在擴大購買規模。
Harvey的用戶黏著度也很突出：平均每位用戶每月提出的查詢請求量較去年成長60％，座席使用率達到77％，顯示購買授權的大部分律師都在積極使用該產品。在已全面部署Harvey的大型客戶中，內部採納率超過90％，也就是說十之九的律師每天工作都離不開這款AI工具。
這樣的滲透程度，對任何企業軟體而言都是極高的，更何況是在最初對AI敬而遠之的法律圈。在實際效益方面，多家頂尖律所分享了Harvey帶來的轉變：例如透過Harvey的文檔審閱自動化，大型併購交易的盡職調查時間減少了八成，律師每天騰出多達3小時去處理更高價值的任務。
有客戶技術長讚譽Harvey「能適應我們法律工作的DNA，放大律師專業價值，讓團隊能專注於最擅長的事情」；亦有律所合夥人表示「自從深入使用Harvey後，就難以想像回到沒有它的日子，Harvey已成為我們營運中不可或缺的一環」。這些現實世界的成功案例，進一步鞏固了Harvey作為法律科技革新者的地位。
垂直化／領域專用大型語言模型成為顯著趨勢
在生成式AI的發展浪潮中，垂直化、領域專用的大型語言模型（LLMs）已成為顯著趨勢，而 Harvey AI正好是法律領域這股潮流的代表。不同於GPT-4或Claude這類通用模型，Harvey透過在法律資料上的精調與流程優化，針對專業使用情境進行深度設計。這樣的專用化帶來更高的準確度與上下文理解力，特別在文件審閱、合約比對與法律研究等工作中表現明顯優於通用模型，根據業界的 Vals 2025基準測試 就可見端倪。
Harvey採用了 檢索增強生成（RAG） 架構，並整合了包含判例、法規與引註系統的外部法律知識庫。它與 LexisNexis 的合作，將 Shepard’s 引註資料及Lexis的專有法律內容導入 Harvey 的 AI 環境，確保模型輸出的答案具可驗證性與可信度（LexisNexis × Harvey 合作）。對使用者而言，這樣的架構能在生成過程中直接查看引用來源，符合律所與法院對審計與合規的要求。
Harvey 的競爭優勢主要來自 資料存取、工作流程整合以及治理能力。透過與內容供應商的專屬合作，以及在律所內部導入像 A&O Shearman 所開發的多代理（multi-agent）應用，Harvey 建立了難以被通用模型廠商複製的壁壘（A&O Shearman + Harvey agents）。此外，像 LegalBench 和 Vals 這類專門的法律 AI 評測框架，已逐漸成為衡量品質與信任的指標，而符合各法院針對生成式AI使用的政策（例如 紐約州法院 2025 指南）也進一步鞏固了其市場信任度。
不過，領域專用化也並非沒有代價。持續維護不同法域的最新法規與案例資料需要龐大成本，而下一代 基礎模型（foundational models） 若在法律推理與引註準確度上有突破，的確有可能壓縮這些垂直模型的優勢。特別是像 Thomson Reuters 與 LexisNexis 等內容巨頭，已將生成式AI深度整合至自家產品中（Westlaw Precision + CoCounsel）。但至少在短期內，法律實務的採用仍高度依賴信任、可追溯性與與現有流程的契合度。在這樣的現實環境中，Harvey 以其垂直整合的策略，仍然展現出在專業性與可擴充性之間取得平衡的能力。
律師、AI 與新工作分工：Harvey 帶來的下一場專業革命
生成式AI正在重塑法律產業的工作結構，而 Harvey AI正是這場轉變的前線實驗室。從最早的文件審閱與盡職調查，到合約比對與法律研究等任務，Harvey這類專業AI工具已能在實務中達到接近甚至超越人類的水準。根據 Vals 2025 法律AI基準測試，多家領先產品（包括Harvey）在文件審閱、摘要生成與合約紅線比對等任務上展現顯著優勢，並於M&A、租賃與合規審查等領域落地應用。Harvey甚至進一步攀升價值鏈，與 A&O Shearman 共同開發多代理（multi-agent）系統，能處理原屬資深律師範疇的高複雜任務，如跨 130 個法域的反壟斷申報或基金設立稽核（A&O Shearman + Harvey agents）。
然而，這樣的技術演進正在重新分配律所內部的角色與價值鏈。初階律師 是最直接受衝擊的群體：許多以往作為訓練場的任務——如初步法規研究、引註整理、備忘錄起稿與盡調萃取——如今可由Harvey等AI系統在幾秒內完成。這種「初階工作壓縮」現象，與勞動經濟學的實證結果一致：生成式AI對新手知識工作者的生產力提升最顯著（NBER: “Generative AI at Work”）。結果是，每個案件所需的初階工時下降，律所的招聘速度放緩，而專業審核與客戶策略顧問等高附加價值角色的重要性同步上升。
不過，資深律師的角色 也並非毫髮無傷。隨著多代理 AI 進入法規掃描、合規清單與複雜決策場景，資深律師的工作型態正從「從零合成」轉為「審核與判斷」導向——更像是AI的監督者與決策把關人。這種轉型並非取代，而是重新定義專業價值。根據 Thomson Reuters 2025 法律產業報告，約七成大型律所已導入生成式AI工具，但多數採取「人機協作」策略，強化內部培訓與治理，而非全面取代。這與 紐約州法院2025年AI使用指南 一致，該指南明確要求AI生成內容必須由律師審核與背書。
這種現象在跨產業也十分明顯。客服與營運領域 的實證研究顯示，引入生成式AI助手後，整體生產力平均提升約14%–15%，其中新進員工的效益提升最為明顯（NBER: “Generative AI at Work”）；軟體開發領域 的GitHub Copilot 研究 也顯示AI協助能使開發速度提升26%–56%。宏觀上，2025年的IMF與OECD勞動市場調查指出，企業在招聘策略上開始以AI取代部分初階職能，特別是在高收入國家的知識型工作中。這些跨產業數據共同印證AI的衝擊首先會集中於重複性高、判斷門檻中等的職務，而這正是法律產業初階律師長期的訓練場域。
對Harvey而言，這場結構性變革既是挑戰，也是機會。它促使律所重新思考人力配置與技能組合，並使Harvey從單純的效率工具，進化為 人才結構重塑的引擎。未來律師的價值，將更倚賴其在「AI輔助決策」中的洞察力與倫理判斷，而非重複性輸出。
徐維澤
