1/ 🚨Varning för nytt inlägg: Law & Order GPU. 🚨 Jag har faktiskt aldrig tittat på Law & Order. Men efter 18 månader med Legal AI-startups och köpare har jag sett hur en siffra – 3,6 miljoner dollar per advokatbyråpartner – kastar en lång skugga över antagandet. Incitament är domaren och juryn här. Grundscenariot: många interna jurister extraknäcker som snabba ingenjörer. En snabb justering i ChatGPT, ett utdrag av forskning före lunch. Det finns dedikerade verktyg, men än så länge är de mest punktkorrigeringar, inte fullständiga lösningar. Strömmen är stark. En BigLaw-medarbetare som fakturerar 2 000 timmar för 700 USD/timme är en intäktsmaskin: ~1,4 miljoner USD i topplinje, ~900 000 USD i partnervinst. Med en hävstång på 4:1 kan en enda partner klara 3,6 miljoner dollar. Detta är motorn som varje produkt måste brottas med. Problemet är att dessa verktyg är omgivna av fruktansvärd konkurrens. Stora plattformar kan rulla ut inbyggda AI-funktioner över en natt. Att byta är smärtfritt. Och ChatGPT själv spelar rollen som den kompetenta generalisten – tillräckligt bra, förbättras alltid och är i princip gratis. Detta förklarar varför punktlösningar har svårt att lösa. De kämpar mot en incitamentsstruktur på ~3,6 miljoner dollar med funktioner. Den verkliga möjligheten är inte bättre juridisk forskning – det är arbetsflöden som förstärker snarare än ersätter fakturerbart arbete. Extra poäng för försvarbarhet om verktyg kan komma på ett sätt att bli multiplayer (som vi har sett inom redovisning). Incitament belyser allt. Produkter som ger hävstångseffekt känns som jetbränsle. Produkter som minskar antalet fakturerbara timmar känns som att bromsa. Praxis på målsägandesidan, med resultatbaserade avgifter, är naturligt anpassade: effektivitet kan innebära fler fall, fler skott på mål, mer uppsida för alla. Harvey knäckte detta genom att positionera sig som hävstångsförstärkning, inte ersättning. Och även med lätt användning fungerar dess rykte som gravitation. Ett företag skriver under, de andra lägger märke till det. Varumärket blir en kil när de ekonomiska incitamenten är felanpassade. Verkliga datanätverkseffekter är för närvarande svårfångade – företag skyddar data hårt. Men verktyg som vårt portföljbolag Eve visar hur feedbackloopar kan fungera inom ett enda företag eller nisch: ju fler ärenden som slutförs, desto smartare blir intaget. Tre saker skiljer signal från brus idag: att anpassa sig till kundernas incitament, att förtjäna varumärkets förtroende som det "säkra valet" och att ompröva arbetsflöden så att de blir flerspelarläge och heltäckande från början till slut. Lagligt är inte fryst. Grundfallet är advokater som kör sidouppdrag i ChatGPT. De framtida vinnarna kommer att knäcka GTM, anpassa sig till incitament och bygga produkter som kombineras med användning.