首页 › use-cases › 美国小律所，被AI开成了案件工厂

你知道的可能是这样：法律AI=Harvey，服务纽约大所，一份合同审一次，跟普通人没关系。

别人已经知道的是这样的：美国最会赚钱的一批草根律所——人身伤害律所（Personal Injury），早在2023年就把整条案件流水线AI化了。收案、读病历、算赔偿、写索赔函、跟保险公司拉扯，全程有AI打工。这批律所不碰Harvey，他们用的是另一批你可能从没听过的工具：EvenUp、Eve、Supio。

这条路径是目前海外「AI+传统行业」里ROI算得最清楚、最值得抄的实战案例之一。今天把它整个拆给你。

一、为什么偏偏是人身伤害律所先跑通

先解释一下这门生意，你才知道为什么AI在这里好使。

美国人身伤害律所的商业模式叫「风险代理」：客户车祸受伤、被狗咬、工地摔伤，律师先不收钱，垫资办案，打赢了从赔偿金里抽三到四成。意味着什么？律所的本质是一家「案件工厂」——案件进料、加工、出货，每个环节的成本和周期直接决定利润。

而这条流水线上最重的活，恰好全是文书：

文书密集＋单价明确＋重复度高——这就是AI最擅长啃的骨头。

二、案例拆解：EvenUp，把索赔函做成了产品

EvenUp（官网 evenuplaw.com）是这个赛道跑出来的头牌，2021年成立。

据创始团队多次公开讲述的创业起点：联合创始人Ray Mieszaniec的父亲遭遇车祸重伤，全家跟着理赔流程走了一遭，亲眼看到律所是怎么用「人肉＋外包」把一摞摞病历变成一封索赔函的——慢、贵、质量不稳定。他后来和两位合伙人一起，干脆把这套路做成自动化产品。

产品线核心是三样：

  1. The Demands：上传案卷材料，AI生成结构化的索赔函和「损失包」（damages package），把医疗费用、未来治疗成本、痛苦赔偿逐项列清楚。
  2. Medical Chronologies：病历自动解析成治疗时间线，替代传统人工摘要外包。
  3. Liani：2024年推出的AI案件助手，律师可以直接对着案卷提问——「这位客户做过几次手术」「误工损失怎么算的」。

战果方面，据2024年秋美国多家科技媒体报道，EvenUp完成1.35亿美元融资，估值突破10亿美元，跻身独角兽；其公开口径称客户覆盖上千家律所。一个给「小律所写索赔函」的生意，做到这个体量，说明需求是真的刚。

关键认知差在这里：EvenUp没有去抢Harvey的地盘。它不服务华尔街大所，它服务的是满街打的「车祸律师」——美国电视广告里喊「打电话给我，不赢不收费」的那批人。这个群体数量庞大、付费意愿极强（因为每提升一单结案效率都是真金白银的分成），而中文科技圈聊法律AI时几乎从不提他们。

三、流水线全貌：一个案子是怎么被AI「加工」的

把一家现代人身伤害律所的处理流程画出来，大概是这样：

flowchart TD
    A["新客户上门<br/>免费评估案情"] --> B["签风险代理协议<br/>不赢不收费"]
    B --> C["收集证据<br/>病历 账单 工资单 照片"]
    C --> D["AI解析病历<br/>生成治疗时间线"]
    D --> E["AI估算赔偿区间<br/>对比同类案件"]
    E --> F["AI起草索赔函"]
    F --> G{"律师审校<br/>事实与策略把关"}
    G -->|通过| H["发函给保险公司"]
    G -->|退回修改| F
    H --> I["保险公司还价"]
    I --> J{"达到目标价位?"}
    J -->|是| K["和解结案<br/>按比例分成"]
    J -->|否| L["AI补充论证<br/>继续拉扯"]
    L --> I

注意三个细节：

四、竞争格局：这条流水线已经卷起来了

跑通之后，就有人往纵深做。目前值得盯的是三家，定位完全不同：

公司 定位 一句话差异
EvenUp 索赔函+病历摘要的「出货件」 按件交付，律所拿来就用
Eve 律所全家桶（eve.legal） 据美国科技媒体报道，由EvenUp联合创始人Jay Madanes出走创办，2025年初获a16z领投的A轮融资，想做原告律所的「操作系统」，从收案管到结案
Supio 数据管线（supio.com） 主打把散落各处的案件数据（病历、账单、现场材料）自动收拢结构化，据报道也已拿到数千万美元级融资

看明白了吗？这是一条标准的AI改造传统行业路径：先做单点爆款（索赔函）→ 再做全流程OS（Eve）→ 再往上游做数据层（Supio）。跟当年电商ERP、跨境SaaS的演化一模一样。你现在看到的，是这条曲线的第2-3阶段，中文圈还没人系统写过。

五、成本与ROI：为什么律所愿意掏钱

EvenUp、Eve的定价都不公开挂网，需要销售洽谈（这本身就是To B信号——客单价不便宜）。但ROI账很好算：

如果你要自己动手复刻一套平替（比如服务国内场景），成本主要就是token费：一份几千页病历用长上下文模型解析+生成时间线，按主流API价格估算，单案token成本大概在几元到几十元人民币量级，相比人工外包几乎可以忽略——大头其实在做「抽取结构化+校验」的工程活。

六、平移回国内：这张表才是今天的干货

这套流水线的价值不在「美国律师真爽」，而在结构可以整体搬运。国内对应的高频、文书密集、按件收费的理赔/维权场景，一抓一大把：

美国环节 国内对应场景 可复刻程度
车祸人身伤害索赔 交通事故人伤理赔（垫付、误工费、伤残鉴定材料） 高，材料结构与美版几乎同构
保险拒赔申诉 医疗险/重疾险拒赔后的申诉文书 高，核心都是「事实时间线+条款论证」
工伤索赔 劳动仲裁+工伤鉴定材料包 中高，仲裁文书高度模板化
律所病历摘要外包 律所/鉴定机构的卷宗摘要 中，需处理扫描件质量

自己动手复刻的步骤（今天就能做）：

  1. 拿一份真实脱敏案卷练手：把一份交通事故病历+费用清单（PDF）丢给长上下文模型，用固定提示词抽「就诊时间线+诊断+费用明细」三张表。
  2. 固化提示词模板：关键是要求模型「只引用原文页码、不确定就标注待人工核实」——把幻觉压到可审计。
  3. 加一道人工卡点：生成件必须经人工核对事实后才算交付，这是美国同行用处罚案例换来的教训，别省。
  4. 找第一个客户：本地处理人伤案件的律所、保险经纪、理赔咨询工作室，用「第一单免费」换一份交付样稿，之后按件报价。

这个方向在国内还没有成熟的「EvenUp」，窗口就在这里。

信息差总结

你以为的 实际情况
法律AI=Harvey，离普通人很远 草根人身伤害律所的AI流水线更早跑通、ROI更硬
法律AI主要做合同审查 最赚钱的是索赔函、病历时间线这类「出货件」
AI写法律文书=危险瞎搞 跑通的团队都是AI起草+律师审校的强制卡点
这类工具国内没有对标场景 交通事故理赔、保险申诉、劳动仲裁结构几乎同构

行动指南

参考来源

  1. EvenUp 官网（产品线：The Demands / Medical Chronologies / Liani）：https://www.evenuplaw.com
  2. Eve 官网（原告律所全流程平台）：https://www.eve.legal
  3. Supio 官网（案件数据管线）：https://www.supio.com
  4. EvenUp 2024年融资与估值信息据美国科技媒体公开报道（TechCrunch、CNBN等对其D轮融资的报道口径）
  5. 2023年纽约律师引用AI编造判例被法院处罚案：Mata v. Avianca，当年全美法律科技圈广泛报道

本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。

[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。

51学通信知识星球海报-扫码加入

📎 本分类最新文章