EvenUp：人身傷害賠償請求資料をAIで自動生成し、案件単位で課金

📌 背景

米国の人身傷害賠償（Personal Injury）の請求プロセスは煩雑で、大量の医療記録や請求書、長期にわたる交渉が関わり、原告側法律事務所と保険会社の間には明らかな情報の非対称性が存在する。従来のやり方では、デマンドレターを1通作成するのに数日、時には1週間もかかっていた。2026年、AIの垂直アプリケーションが大規模実装段階に入り、リーガルテックの資金調達は過去最高を更新。EvenUpは自社開発の垂直特化型大規模モデルPiaiでこの细分領域に切り込み、文書生成ツールから、ソフトウェアと人手サービスを組み合わせた訴訟前の全プロセスアウトソーシングへとアップグレードし、評価額は20億ドルを突破した。

👤 ターゲット顧客

米国の原告側人身傷害法律事務所が直接の課金顧客である。最終的な受益者は人身傷害事件の負傷当事者であり、法律事務所がツールを活用して、より高い賠償額を獲得できるよう支援する。

💰 収益ポイント

1）法律事務所向けに、処理案件数または請求件数に応じて案件ごとの固定料金を徴収し、高頻度・大規模な法律事務所向けには年間エンタープライズサブスクリプション契約も提供する。2）2026年に訴訟前サービス（PLAAS）を開始したことで、案件ごとの包括一式サービス料が加わり、「ソフトウェアサブスクリプション＋案件単位課金＋人手によるマネージドサービス」の複合的な収益構造を形成する。3）付帯研修：法律事務所内のチーム向けに、製品のオンボーディング集中研修と付加価値コースを提供し、サービスパッケージ単位で費用を精算する。

🧮 コスト構造

自社開発PiaiモデルのトレーニングとAIコンピューティング基盤のコスト、数百万ページの医療記録と数十万件の過去案件データの取得・クレンジング・アノテーションのコスト。米国内の案件管理の人手チーム、営業・カスタマーサクセスチーム、および研究開発要員の人件費が主要な運営支出を構成する。

🛡️ 参入障壁

数千の提携法律事務所の匿名化された過去の判決賠償・和解データを集約した精算データベースを構築しており、案件データが蓄積されるほど完全性が増し、AIが示す案件評価額もより精密になる。さらに、25万件の判決文と数百万ページの医療記録で学習した専有の垂直特化型大規模モデルを重ね、競合が複製困難なデータとモデルの二重の障壁を形成している。米国の人身傷害法律事務所トップ100のうち約2割にサービスを提供しており、トップ顧客による信頼の裏付け効果を備える。

🔑 成功のカギ

• 精算データベースを継続的に拡充し、案件数の増加に伴って評価額と請求書の品質が使うほど精密になるようにする
• 垂直領域を深く耕し、人手によるマネージドサービスを重ねることで、ツールベンダーから業務運営パートナーへアップグレードする
• トップ法律事務所顧客を獲得して灯台効果を形成し、中堅法律事務所の追随導入を促す

⚠️ リスク

• 単一垂直市場の天井は限られており、成長は浸透率と顧客単価の同時向上に依存する
• 医療・案件データはプライバシーコンプライアンスに関わり、規制の厳格化がコンプライアンスコストを押し上げる可能性がある
• リーガルテック分野の資金調達が活発で、同質化したAI請求ツールと値下げ競争が激化している

🏢 事例

• EvenUpが1.5億ドルのシリーズE資金調達を完了し、評価額は倍増して20億ドルに、累計調達額は約3.85億ドル
• Moet Law Groupがデマンドレター作成期間を7日から30分に短縮
• 2026年5月にPre-Litigation as a Serviceの訴訟前サービスと事務所全体のナレッジベース製品を発表

📊 SWOT分析