Как заработать 650 млн долларов на ИИ-ассистенте для юристов: история Casetext
В судопроизводстве грядет революция. Раньше юристам приходилось месяцами изучать материалы дел, искать прецеденты и штудировать законы. Теперь все это можно сделать за считанные минуты — с помощью компании Castext и ее ИИ-ассистента.
Привет! На связи команда корпоративного мессенджера Compass.
В 2013 году компания Casetext разработала юридическую библиотеку — что-то среднее между Википедией и Reddit. А спустя 10 лет превратила ее в «виртуального юриста» на базе ИИ и была куплена медиакомпанией Thomson Reuters за 650 миллионов долларов.
Расскажем, как небольшая команда меняла облик своего продукта и спустя 10 лет выпустила ИИ-сервис для работы с документами и судебными делами.
Как все начиналось
Джейк Хеллер, кофаундер и CEO Casetext, учился юриспруденции. Его карьера началась очень рано — еще в университете он проходил стажировку в одной из крупных юридических компаний. Затем работал клерком в Апелляционном суде США по федеральному округу (Federal Curcuit Judge) и интерном в Консульском отделе (Counsel’s Office) Белого дома США при президенте Обаме.
Джейк замечал, что работа юристов отнимает много времени и сил. Например, на вычитку договоров уходило по нескольку часов, а на поиски одного важного прецедента для судебного дела — целые недели. И при этом никто глобально не пытался облегчить их труд.
Джейку было странно осознавать, что технологии помогают в таких тривиальных вещах, как заказ еды, но не приносят пользу в более серьезных ситуациях. Так у него родилась идея — разработать продукт, который бы облегчил работу юристов.
«Яма сожалений» и поиск клиентов
В 2013 году Джейк попал в Y Combinator с идеей создать сервис для юристов. Он образовал компанию Casetext и разработал краудсорсинговую библиотеку, в которую интегрировал примитивную языковую модель. Пользователи могли редактировать и комментировать все материалы внутри сервиса. К комментариям был «прикручен» счетчик оценок, чтобы другие люди голосовали за или против них.
Продукт понравился сразу нескольким крупным юридическим фирмам. В нем еще не было ИИ и он не был таким мощным, как сейчас. Но все-таки пару инновационных функций он предлагал. Например, специалист мог загрузить на сайт документы и получить рекомендации, что почитать по этой теме — какие кейсы, законы и подзаконные акты помогут продвинуться в поисках.
Так компания столкнулась с первой проблемой масштабирования. Джейку казалось, что они уже нашли целевую аудиторию и создали продукт, который полностью отвечает запросам потребителей. Однако он ошибся — ЦА для сервиса пришлось искать заново.
В YC есть диаграмма, которая описывает стадии, через которые проходит команда стартапа. Так вот — после релиза и первоначальной эйфории фаундеров поджидают «яма сожалений» и «проблески ложных надежд». В этот момент очень важно не потерять из виду цель и продолжать движение вперед. Casetext так и сделал — это принесло результат.
После запуска продукта и первоначальной эйфории следует почти отвесное падение вниз — в «яму сожалений». Если испытание ямой пройдено, наступают «проблески ложных надежд». Эти периоды нужно преодолеть.
Компания начала интегрировать ИИ в сервис с 2016 года. Но только выход GPT-3 и GPT-4 позволил им создать по-настоящему крутой продукт — виртуального ассистента CoCounsel.
Джейк не скрывает, что технология GPT-4 вызвала у него восторг при первой же демонстрации возможностей.
У лучших LLM-стартапов* есть один общий паттерн — «золотое» демо. Это пробный период, в течение которого пользователи могут бесплатно опробовать все функции нового продукта. Casetext использовали его в CoCounsel — и у людей просто не было шанса отказаться от их продукта.
* LLM-стартапы — проекты, которые используют большие языковые модели (Large Language Models), продвинутые алгоритмы искусственного интеллекта.
Развитие ценой в 650 миллионов долларов
CoCounsel базируется на большой языковой модели второго поколения. Это продвинутый ИИ, который способен выполнять огромный объем работы. Например, анализировать загруженные документы и отвечать на вопросы специалистов. Или искать релевантные дела в большой базе данных — по отдельным штатам, регионам и даже по всей стране.
Путь от электронной библиотеки до ИИ-ассистента впечатлил крупные корпорации. В июне 2023 года Thomson Reuters объявила о покупке Casetext за 650 миллионов долларов. При этом все 104 сотрудника сохранили свои рабочие места и продолжили работу над сервисом.
Почему Casetext — это прорыв
В интервью для Y Combinator Джейк Хеллер привел пример того, как Casetext помогает юристам решать глобальные задачи:
Что о Casetext думают пользователи
На Reddit и Software Advice почти все комментарии о продукте положительные. Пользователи хвалят сервис от Casetext за простоту и удобство использования.
В редких случаях критикуют полноту данных — для некоторых штатов США система выдает ограниченное число документов. Кто-то недоволен поддержкой пользователей, изредка можно встретить отзывы о «минималистичном дизайне». Этим претензии ограничиваются.
Чему мы можем научиться у Casetext
Мир нуждается в технологиях для решения сложных задач
Умные сервисы подбора и доставки еды — это хорошо. Но гораздо лучше, когда технология помогает решать более важные задачи. Например, находить факты и зацепки, от которых зависит свобода человека.
Трудности настигают все стартапы — их важно преодолеть
Casetext дважды настигали ошибки, из-за которых компания топталась на месте. Но Джейк и компания не сдавались — они переориентировал сервис под новую целевую аудиторию и постоянно его улучшали, чтобы в конце концов достичь кратного роста.
Важно верить в свою миссию и постоянно развивать продукт, чтобы получить результат.
ИИ недооценен — о нем много говорят, но мало где применяют с пользой
По мнению Джейка Хеллера, сейчас — идеальное время для питча идей, связанных с искусственным интеллектом. На его взгляд, технологии на базе ИИ все еще слишком недооценены. Чем глубже в них погружаешься, тем больше «белых зон» находишь. Все это — возможности, благодаря которым можно решать серьезные социальные проблемы.
Читайте больше полезных материалов на сайте Compass:
- Управление командой проекта: топ-советы для успешной работы
- Как незаметно подтолкнуть людей к выбору вашего продукта: 8 методик из книги «Nudge: Архитектура выбора»
- Как развить свой проект: 5 шагов от идеи до результата
- Секреты успеха Stripe: как превратить FinTech-стартап в компанию на $100 млрд
- Как фрилансер создал международную компанию за 6 лет. История команды Qtim: вызовы и решения
Оптимизируйте работу и общение своей команды в корпоративном мессенджере Compass. Для команд из 10 человек сервис бесплатный. Для большего количества участников есть бесплатный пробный период на 30 дней. Это хороший шанс протестировать возможности Compass, не отрываясь от рабочего процесса.
Тут вопрос в другом - есть ли риски у такой технологии?
Нейронки сейчас часто ошибаются и в целом запросы не точно обрабатывают некоторые. Не приведет ли это к коллапсу и куче ошибок в юридической индустрии?
Всё гораздо, гораздо хуже.
Нейронные сети не думают, они галлюцинирует. Т.е. они генерируют текст, ОЧЕНЬ ПОХОЖИЙ на правду.
Да, чаще всего текст похожий на правду оказывается правдой. Зато когда нет - в ответ приходит максимально убедительная ложь, какую только смог придумать ИИ специально для вас.
Наше любимое от нейросети – "свиные крылышки", но на юридическом поле галлюцинации ИИ не такие смешные
согласна на все 100 ;)
ИИ просто обладает библиотекой информации доступной в сети. И это обычный поиск по ключевой фразе... Так что это не ответ на вопрос, а попытка выкатить информацию усредненную по сети
открою тебе секрет - человеческое мышление устроено ровно таким же образом, такая же "китайская комната"
достаточно поставить на выходе данных фактчекер (что есть не у каждого человека, кстати) и получается отличный специалист. именно так реализованы картиночные нейросети, например.
а еще когда тебе делают МРТ мозга на выходе получают сотни снимков срезов мозга в разных режимах. ты думаешь врач сидит и все их с лупой разглядывает? там простенькая нейросеть сравнивает их с референсами из базы и подсвечивает отличия. а дальше врач уже решает баг это или опухоль
Сам ты галлюцинируешь) прежде чем такое писать разберись в работе ИИ
Okay
Разве инструмент описанный в статье не "просто ищет информацию в большом массиве данных", а генерирует её?
К сожалению, генерирует.
Да и с поиском проблемы - если найденные неподходящие документы ещё может отфильтровать человек, то вот сказать, что какие-то подходящие документы ИИ зря "отбросил" - уже нет.
А если вдруг сможет - то непонятно зачем тогда ИИ.
Если генерация, то это дичь. Если поиск нужной информации по массиву с какими-то комментариями, то это упрощает процесс