更令人惊叹的是，Legora 的创始人 Max Junestrand 年仅 25 岁，且毫无法律行业背景。这家明星初创公司的崛起逻辑、产品策略与增长路径，在 Max 与 YC 合伙人 Gustaf Alströmer 的深度专访中，终于揭开了神秘面纱，为所有垂直领域创业者提供了一份极具参考价值的实战指南。
一、产品破局：从律师的 “日常工具” 切入，重构法律工作流
对法律从业者而言，Microsoft Word 与 PDF 是每日工作的 “主战场”—— 起草合同、审阅文件、标注修改，几乎所有核心工作都围绕这两个工具展开。Legora 没有选择打造一个独立的 “新平台”，而是以 “嵌入现有场景” 为核心思路，推出了网页应用与 Word 插件两大产品，精准击中律师的效率痛点。
1. 网页应用：从 “聊天工具” 到 “智能工作流引擎”
Legora 的网页应用最初只是一个简单的 “文件对话工具”—— 用户上传法律文件后，可通过聊天提问的方式获取信息，比如 “提取这份合同中的付款条款”。但随着功能迭代，它已进化为能处理复杂任务的 “智能体”，核心能力体现在两个方面：- 分步执行复杂工作流：以 “撰写法律备忘录” 为例，用户只需提出需求，智能体便会自动拆解步骤 —— 先检索相关法律条文与判例（外部工具调用），再将检索结果整理为律所标准表述（语言适配），最后生成完整备忘录（内容整合），全程无需人工干预。
- 表格化审查：解决 “大规模文件比对” 难题：法律工作中常需同时审阅数十份甚至上百份文件，并提取特定信息（如 “所有合同中的控制权变更条款”）。Legora 的 “表格化审查” 功能可支持 “任意数量文件 + 任意数量查询” 的交叉运行，甚至能并行处理 10 万个查询而不崩溃。其核心技术壁垒并非 “模型提示”，而是 “文件分块与精准引用”—— 法律文件动辄数百页，且条款间存在交叉引用（如 “本条款定义见第 5.2 条”），Legora 通过类似 RAG（检索增强生成）的技术，确保每一条提取结果都能精准对应文件原文，避免法律风险。
2. Word 插件：律师版 “Cursor”，把 AI 装进工作场景
Cursor 是程序员熟知的 “AI 代码编辑器”，可直接在代码编写场景中提供实时建议。Legora 的 Word 插件正是借鉴了这一思路，被 Max 称为 “律师版 Cursor”—— 它被嵌入 Word 右侧的固定栏目中（类似移动应用的窄屏界面），在不干扰律师原有操作习惯的前提下，提供三大核心功能：- 实时文档编辑与谈判支持：用户上传一份主服务协议（MSA）后，可直接下达指令，如 “按照我方内部清单，为买方重新谈判这份 MSA”，插件会自动识别合同中的不利条款，并生成修改建议与替代表述，甚至能引用律所内部的 “谈判策略手册”（用户上传的自定义规则），确保修改符合团队标准。
- 策略手册（Playbook）执行：大型律所或企业法务团队通常会制定 “合同谈判策略手册”，包含 20-30 个步骤（如 “初始立场坚持 XX 条款，若对方反对则启用备选方案 1，仍不接受则用备选方案 2”）。Legora 插件可直接加载这份手册，自动对照合同逐条检查，标记不符合项并给出修改建议，甚至能跟踪谈判进度，确保每一步都符合策略要求。
- 跨源信息整合：律师撰写备忘录时，常需同时参考 “自有文件”（如客户提供的资料）、“外部法规”（如当地公司法）与 “法院判例”。Legora 插件可同步检索这三类信息，将结果整合后生成内容 —— 这在过去是 “成本极高且难以实现” 的任务，律师需手动翻阅法规数据库、判例网站，耗时数小时才能完成，而现在只需几分钟。
二、销售策略：从 “高层突破” 到 “明星团队示范”，破解律所采购难题
向律所销售软件，素来是科技公司的 “硬骨头”—— 决策链条长（需经过创新部门、IT 部门、合伙人团队多层审批）、安全审查严（客户数据敏感）、用户习惯难改变（律师依赖传统工作方式）。但 Legora 通过 “高层切入 + 明星团队示范” 的策略，仅用两年时间就拿下了 250 家律所，其中不乏顶级机构。
1. 核心逻辑：抓住 “行业变革焦虑”，成为 “长期合作伙伴”
法律行业正面临一场 “效率革命”—— 过去，不同律所提供的尽职调查、合同审查等服务差异化极低（客户找 X 律所或 Y 律所，得到的结果相差不大），但 AI 的出现打破了这种 “均衡”：能使用 AI 的律所可将尽职调查时间从 5 天缩短至 1 天，成本降低 50%，而客户的 “价格敏感度” 正不断提升（不愿为简单的基础工作支付高价）。Legora 抓住了律所的这一核心焦虑，在销售沟通中始终传递一个观点：“AI 不是‘可选工具’，而是‘生存必需’—— 你要么主动拥抱，要么被客户抛弃。我们希望成为你的长期合作伙伴，帮你在这场变革中保持领先。” 这种 “共赢视角” 让很多律所愿意尝试 —— 尤其是那些想成为 “行业先行者” 的顶级律所，它们担心被竞争对手超越，更愿意投入资源探索 AI 工具。
2. 决策链条突破：从 “创新部门” 或 “合伙人” 下手
不同规模的律所，决策路径差异极大，Legora 采取了针对性策略：- 大型律所：锁定 “创新部门”：头部律所通常设有专门的 “创新部门”，负责推动技术落地与效率提升。这些部门虽不是直接用户，但拥有采购决策权 —— 它们更关注 “律所整体竞争力”，而非单一团队的需求。Legora 优先与 “懂技术、想变革” 的创新部门合作，避开那些只想 “在 AI 上打勾” 的形式主义者。同时，创新部门会联合具体业务团队（如并购组、争议解决组）的 “创新实践者”，共同设计应用场景（如 “用 Legora 优化并购尽职调查流程”），再在全所推广。
- 中型律所：直接对接 “合伙人”：中型律所大多没有独立的创新部门，决策权集中在合伙人手中。但合伙人团队往往意见难统一 —— 有人关注成本，有人担心技术风险，有人抵触改变。Legora 的策略是 “不追求全员同意，先找‘愿意尝试’的合伙人”：与某一位合伙人及其团队合作，帮他们打造 “明星案例”（如 “用 AI 将团队的尽职调查效率提升 3 倍”），其他合伙人看到实际效果后，会主动要求引入，实现 “以点带面” 的扩散。
3. 关键认知：自下而上行不通，必须走 “采购流程”
与 To C 或 To 小 B 业务不同，律所的软件采购绝无 “个人买单” 的可能 —— 所有工具都需经过 IT 部门的安全审查（客户数据不能外泄）、采购部门的合同谈判（价格与服务条款），甚至需符合律所的合规要求（如数据存储地点）。Legora 从一开始就放弃了 “让律师个人先试用，再推动全所采购” 的自下而上思路，直接对接律所的采购与 IT 部门，确保产品符合所有合规要求，这也是其能快速进入顶级律所的关键。
三、竞争壁垒：拼 “变化率” 而非 “当前功能”，用 30 人干过千人团队
法律科技领域并非 “蓝海”—— 存在很多深耕多年的行业巨头（如 Thomson Reuters、LexisNexis），它们拥有庞大的客户基础、深厚的数据壁垒，以及数千人的研发团队。但 Legora 凭借 AI 时代的 “速度优势”，实现了 “以小胜大”：仅用 30 名工程师，产品迭代速度就远超巨头的千人团队。
1. 核心竞争力：“变化率” 比 “当前功能” 更重要
Max 认为，在 AI 驱动的行业变革中，“谁能更快迭代” 比 “谁现在功能更强” 更关键。原因有两点：- 客户需求在快速变化：律所对 AI 的需求从 “简单的文件提取”，已升级为 “复杂工作流自动化”，未来还会向 “智能谈判支持”“风险预测” 演进。巨头的产品体系庞大且僵化，一个功能从立项到上线可能需要 6 个月；而 Legora 的小团队可快速响应 —— 客户提出一个新需求，2-3 周就能推出原型，1 个月内就能落地。
- 模型技术在快速迭代：Legora 没有绑定单一模型供应商，而是采用 “多模型热插拔” 架构 ——Azure、AWS、OpenAI GPT、Claude、Gemini、Mistral 等模型均可交替使用，且能根据任务复杂度自动匹配（简单查询用轻量模型，复杂分析用大模型）。这种架构不仅能控制成本（轻量模型 token 费用更低），还能确保 “模型升级时，产品能力同步提升”—— 当 Claude 推出更长上下文窗口时，Legora 可立即接入，支持更长的法律文件审阅，而巨头往往需要数月才能完成模型替换。
2. 数据与生态：不依赖 “独家数据”，靠 “场景深度” 构建壁垒
行业巨头的核心优势之一是 “数据壁垒”—— 积累了数十年的法律条文、判例与合同模板。但 Legora 没有试图 “复刻数据”，而是通过 “深度绑定客户工作流” 构建壁垒：- 客户自定义规则沉淀：每家律所都有自己的 “标准表述”“谈判策略”“风险偏好”，这些 “非公开知识”（如 “某类合同必须包含 XX 免责条款”）是巨头无法获取的。Legora 通过 “策略手册”“内部清单” 等功能，帮助律所将这些知识数字化，并嵌入 AI 工作流 —— 当律所使用 Legora 越久，自定义规则沉淀越多，产品就越 “贴合其需求”，切换成本也越高。
- 跨部门场景延伸：Legora 的功能最初只服务于律所的法务团队，但随着使用深入，逐渐扩展到合规、风险、销售等部门。例如，某北欧银行的销售团队在发送保密协议（NDA）前，会先用 Legora 对照法务团队制定的策略手册进行自查，确保条款符合公司标准，无需再等待法务审核 —— 这种 “跨部门协同” 让 Legora 从 “法务工具” 变成了 “全公司的合规基础设施”，进一步巩固了客户粘性。
四、创始人认知：非行业背景的 “优势”，以及垂直创业的 3 条核心建议
作为 “非法律背景” 的创始人，Max 没有陷入 “必须成为行业专家才能创业” 的误区，反而将 “外行视角” 转化为优势。在他看来，垂直领域 AI 创业的核心，不是 “懂行业”，而是 “会学习、能落地”。
1. 非行业背景的 “天真优势”：敢问 “为什么”
Max 在创业初期对法律行业一无所知，但他没有因此胆怯，反而带着 “天真视角” 与律师交流 —— 他会频繁问 “为什么这件事要这么做”“有没有更高效的方式”，而这些问题往往是行业内人士 “习以为常、不愿质疑” 的。例如，过去律师审阅合同需手动标注 “红线”（修改痕迹），并对照判例逐一核对，没人觉得有问题；但 Max 提出 “能不能让 AI 自动对照判例标注修改建议”，这才有了 Legora 的 “红线比对” 功能。为了快速了解行业，Max 采取了一个简单却有效的方法：在 LinkedIn 上联系 100 位律师，提出 “共进午餐并支付其小时费率” 的请求。结果没有一位律师真的收费，反而都愿意分享 ——“人们愿意帮助积极学习且懂得感恩的人”。通过这些交流，Max 不仅摸清了律师的工作流程，还找到了早期合作伙伴，为产品落地奠定了基础。
2. 垂直 AI 创业的 3 条实战建议
对于想在物流、金融、医疗等垂直领域做 AI 创业的创始人，Max 给出了 3 条核心建议：- 不要绑定单一模型供应商，也不要与 AI 实验室竞争：OpenAI、Anthropic 等实验室的核心优势是 “模型研发”，创业公司不可能在这方面超越它们。正确的做法是 “把模型当基础设施”，聚焦 “场景落地能力”—— 比如医疗 AI 转录，核心不是 “让模型会转录”，而是 “让模型能用正确的医学术语转录”，这需要嵌入大量行业自定义规则，而这正是创业公司的机会。
- 从 “现有工具” 切入，而非打造 “新平台”：垂直领域的用户往往有根深蒂固的工具习惯（如律师用 Word、程序员用 VS Code），打造新平台需要用户 “改变习惯”，成本极高。更好的选择是 “嵌入现有场景”，比如在 Excel 中做财务 AI 插件、在 CAD 中做工程 AI 工具，降低用户的使用门槛。
- 优先招聘 “前创始人”，打造 “主动解决问题” 的文化：Legora 的团队中包含多位前创业者，这些人的核心优势是 “主动性”—— 他们不会等待指令，而是会主动发现问题并解决（比如 “用户反馈某功能卡顿，会自己牵头优化”）。在 AI 行业，技术迭代速度极快，被动执行的团队会迅速落后，而 “创业者型员工” 能让公司保持敏捷。
五、未来展望：律师角色的重构，以及 Legora 的全球化野心
当被问及 “5-10 年后律师的工作会是什么样” 时，Max 认为，律师的角色将从 “执行者” 彻底转向 “审阅者与管理者”——AI 会完成 99% 的基础工作（如文件提取、条款起草、判例检索），而律师的核心任务是 “管理 AI 的工作成果”：确保 AI 生成的内容符合客户利益、控制法律风险、向客户传递专业价值。对 Legora 而言，当前的目标已不仅是 “成为法律 AI 工具提供商”，而是 “成为律所的战略合作伙伴”—— 帮助律所完成从 “传统服务模式” 到 “AI 优先模式” 的转型。为此，Legora 已在纽约、伦敦、斯德哥尔摩设立办公室，加速美国市场扩张，并计划继续扩大团队规模（从 100 人向 200 人迈进），同时保持 “小团队的敏捷性”。
Max 的创业经历印证了一个道理：在垂直 AI 领域，“行业背景” 不是必需品，“用户视角” 与 “落地能力” 才是核心。当一家公司能精准击中用户痛点、快速迭代产品、深度绑定场景时，即使是行业巨头，也难以阻挡其成长的步伐 —— 这或许就是 Legora 能在两年内成为独角兽的根本原因。