AI・大規模モデル米国
← ステッカーウォール
JOURNEY · DETAIL
Harvey AI：大手法律事務所向けにワークフローをカスタマイズする法務大規模言語モデルアプリケーション
創業：Winston Weinberg、Gabriel Pereyra · Harvey AI（Counsel AI Inc.）
JOURNEY
主要項目
FIELD STAMPS業界AI・大規模モデル
地域米国
規模巨大企業
チャネルその他
創業のきっかけ
Gabriel Pereyraは元ロースクール生のWinston Weinbergと偶然知り合った。Winstonは法律事務所で働く中で、契約審査の煩雑な手続きを何度も経験し、GabrielはかつてOpenAIに在籍し、大規模言語モデルの潜在能力を理解していた。彼らは、従来の弁護士が複雑な契約を1件審査するのに平均数時間を要し、時間単位の課金モデルが企業法務コストを極めて高くしていることに気づき、大規模言語モデルを利用して法律文献と契約審査の処理を支援するAIワークフローを構築することを決めた。
成長のマイルストーン
2022年
創業とプロトタイプテスト 失敗
Gabriel Pereyraは元ロースクール生のWinston Weinbergと知り合った後、Winstonは法律事務所で働く際、大量の契約条項検索作業に苦しめられていた。彼らはOpenAIのGPT-3 APIを使って初版の法律Q&Aアシスタントを作成した。初版アシスタントは深刻なハルシネーションを起こし、提示する判例引用には架空の事件番号や法令条項がしばしば現れた。初期の協力テスト先の法律事務所はすべての結果を人手で照合することを要求し、直接の商用化はまったく実現できず、プロジェクトは一時廃止寸前となった。
2022年
転換点と最初の大手顧客との協業 転換点
チームは英国の安理法律事務所で試験運用の機会を得て、初月には数百名の弁護士チームが約4100件の質問を入力した。彼らは全体の精度は高いものの、どこか1箇所でも誤りがあれば法律事務所が法的責任リスクにさらされることを発見し、システムは初期には文献索引の補助しかできないよう制限された。このことが、モデルを全自動の弁護士ではなく複数のタスクアシスタントに分解することを迫り、人とAIの協働を基礎とするモデルアーキテクチャを確立させた。
2022年
シードラウンドと成長のボトルネック 失敗
彼らは500万ドルのシードラウンドを獲得し、OpenAIもこのラウンドの投資に参加した。しかし中規模法律事務所の開拓を進める中で、多くの旧式事務所のインフラはHarveyプラットフォームにそもそも接続できず、従業員は契約内容を手作業でコピー＆ペーストしてWebページに貼り付けるしかなかった。これにより極めて悪い体験と高い解約率が生じ、大半の中規模法律事務所はトライアル期間終了後に契約を更新しなかった。創業チームは受動的な縮小と人員削減の圧力に直面した。
2023年
大口顧客・高単価モデルへの転換 転機
中規模法律事務所市場で何度も壁にぶつかった後、チームは大半の中規模顧客との協業を中止し、大手ホワイトシュー法律事務所と世界級コンサルティング機関に専念することを決めた。高度にカスタマイズしたオンプレミス展開とクローズドなコーパスでの微調整により、中核顧客単価は50万ドル以上に引き上げられた。これにより収益の質が大幅に高まり、低品質顧客がふるいにかけられた。短期的な収入は減少したものの、大口顧客への深度展開という戦略方向を確立することに成功した。
2023年
シリーズBでの画期的なPMF達成 PMF
Sequoia Capitalが8000万ドルのシリーズBをリードし、企業評価額は7億1500万ドルに達した。同月、Bain Consultingと全社的な内部協業に合意し、一部の外部弁護士顧問ワークフローを全面的に置き換え、HarveyのAIシステムを内部法務データ処理フローに接続した。Bainの報告書によれば、一部のコンプライアンス審査時間は数時間から数分に短縮され、これはPwCなどコンサルティング機関の追随受注を引き起こしただけでなく、ビジネスモデルの検証成功を正式に宣言するものとなった。
2024年
シリーズC資金調達と規模拡大 成長
Google VenturesとSequoia Capitalが共同で参加した8000万ドルのシリーズC資金調達により、評価額は13億ドルに上昇した。従業員数は年初の約20人から60人余りに拡大し、エンタープライズ向け中核顧客の中で足場を固めた。大規模言語モデルはマルチエージェント・ワークフローへと進化し、顧客はトップ法律事務所に加えてP&Gなど大企業内部の法務・コンプライアンス部門にも広がった。年間収入は爆発的な成長を示した。
転換点
- 初期モデルが頻繁にハルシネーションを起こし、完全に架空の法令・判例を示した後、チームは断固として製品アーキテクチャを全面的に再編し、出典追跡可能な多段階ワークフロー分解モデルへと転換した。
- 中規模法律事務所のテストデータ処理体験は極めて悪く、チームには十分な技術サポートも欠けていたため、会社は中小顧客を全面的に放棄し、大手ホワイトシュー事務所とトップコンサルティング機関へ転換した。
- 安理法律事務所での初月トライアル期間中、数千件の法律問題からのフィードバックにより、全自動の文書生成を直接行うのではなく、既存の契約テンプレートに組み込む必要があることが示された。
失敗とつまずき
- 2022年の初版フルアシスタント・モデルでは、大規模言語モデルの自由生成に依存しすぎたため、生成された法律文書で多数の案件が架空のものとなり、テスト先の法律事務所から直ちに使用不可と判定された。
- 創業直後のチームは、標準化されたSaaSサブスクリプション制で広範な法律事務所を惹きつけられると楽観していたが、中規模市場の開拓では旧式システムの導入とデータ接続の課題を解決できず、相次ぐ解約に遭った。
- 2023年初頭のマルチモーダル機能追加テストでは、企業内部の機密コンプライアンスデータに関する標準的な制約を導入できず、一部の大口顧客のセキュリティ審査で門前払いされ、重大契約の流失寸前となった。
关键成功要素
- リーガルテック製品の堀は、高単価で細く長く収益を上げることと深度あるカスタマイズにあり、中小企業向けの大規模標準化SaaS路線ではない。
- モデル能力になお限界がある中では、複合型ワークフローと厳格で信頼できる出典制約の方が、単に大規模言語モデルそのものを提供するよりも商業的意義が大きい。
- BainやPwCなどのトップコンサルティング会社が最初の深度協業顧客となったことで、アイスブレイク期間が大幅に短縮され、業界内の口コミ伝播も効果的に果たされた。
- 中核創業者は、基盤AI研究の深さと伝統業界の中核的知見において完全な補完効果を達成してこそ、モデルを実験的な対話から真のエンタープライズ向けツールプラットフォームへと押し上げられる。
教訓
- 創業期に伝統業界のITインフラを過小評価すると、納品サイクルが大幅に遅れ、チームの中核生産能力を大量に消耗する。
- 顧客の最も強いフィードバックは往々にしてシステムの致命的な痛点を直接突いており、画一的な大規模言語モデルによる自動化代替は実行不可能だという幻想を捨てるべきである。
- 大規模商用化の道筋を確認するまではチーム規模を極力抑制することが、早期の試行錯誤の中で真の業界コーパス優位を蓄積する助けとなる。
- 大口顧客モデルへの転換は事業ラインの鈍化を意味するのではなく、重サービスの深度協業を通じて顧客単価を高め、顧客の業務システムと共に進化することを意味する。
主要データ
- 种子轮(2022)：約500万ドル。OpenAI投資基金が参画（公開資料ベース、独立した検証は未実施）
- 团队人数：2024年半ばまでに60名余りの従業員に拡大（公開資料ベース、独立した検証は未実施）
- 核心客户数：20社超のトップホワイトシュー法律事務所、およびPwC、Bainなどの四大会計事務所と深度契約（公開資料ベース、独立した検証は未実施）
- 第二轮融资金额：8000万ドル、評価額は7億1500万ドル（公開資料ベース、独立した検証は未実施）
- 第三轮融资金额：8000万ドル。GVとSequoiaが共同で参加し、評価額は13億ドルに達する（公開資料ベース、独立した検証は未実施）
競合・同業
Robin AIは契約審査プロセスの自動化に注力しており、市場は主に欧米の中規模法律事務所とスタートアップを対象とし、総額約5000万ドルの資金調達を行い、標準SaaSを提供しつつ、人間の弁護士による後審査の仕組みを保持している。EvenUpは人身傷害案件と保険金請求文書の自動化に特化し、初期はクローラーとテンプレートを組み合わせた路線を採り、特定の垂直領域で数千万ドルのARRを獲得した。Lexis+ AIはLexisNexisの百年にわたる膨大な判例データベースを背景に、基盤連携モデルを利用して非巨頭の顧客群を一掃しようとしている。Harveyはこれら3社と比べ、高単価でトップコンサルティング会社や法廷弁護を手がける法律事務所を深く囲い込み、同質化した中低端のレッドオーシャンを避ける傾向がある。