Module 01
案件 intake 智能评估
客户首次咨询 AI 同步在听 + 抽取关键信息 + 比对历史案件 + 给出“案件价值初判”——律师当场就能告诉客户大致预期。
把案件全生命周期接进 AI，“撤掉它律师会辞职”
这家客户是一家做个人伤害、医疗事故、劳工纠纷案件的中型律所，60+ 律师 + 200+ 法务助理 / 调查员，年处理案件数千件。和综合性商事律所不同，这家所做的是“原告律所”——靠胜诉分成而非小时费，每一个案件的最大化定性 / 取证 / 谈判都直接影响营收。Stage 02 阶段他们已经在医疗证据整理上跑通了 AI；Stage 03 是把案件全生命周期都接入。
- 律师产能
- 2-3×
- 案件价值
- 10×
- 节省工时
- 千小时
- 日均调用
- 75 次
同样人手接 2-3 倍案
从 10 万到百万级
全所累计每月
头部律师人均
Stage 03 · 系统 AI 重构
在 4 阶段路线图上的位置
入口工具AI 原生组织
01 · The customer
客户画像
一家广东本地的中型律所，专精个人伤害、医疗事故、劳工纠纷案件。60+ 律师 + 200+ 法务助理 / 调查员，年处理案件数千件。客户群主要是个人 + 中小企业，靠胜诉分成模式而非小时费。
02 · The challenge
案件量上来了，但案件价值上不去
原告律所靠胜诉分成赚钱，关键不是“多接案”而是“每个案的赔偿金额最大化”。问题是要把案件价值做高，需要：医疗记录全套梳理、损害量化、证据链构建、谈判话术准备——这些都是“律师产能瓶颈”的工作。
传统模式下，60 个律师 + 200 个助理，能服务的案件量到顶，每个案件的“深度处理”空间有限——大部分案件被以“走完流程”的方式处理，赔偿金额停留在十万级。律所想做大案件却没人能做。
- 每个案件涉及数千页医疗记录、雇佣合同、事故证据、医疗影像；
- 律师人工梳理一个案件需要 20-40 小时——把案件价值做透的时间不够；
- demand letter（赔偿请求函）人工起草质量参差不齐，影响谈判结果；
- 和保险理赔员谈判时，没有实时的“反驳材料”准备。
03 · What we built
把案件全生命周期接进 AI——从 intake 到结案
我们重建了案件全生命周期的工作流：从客户首次咨询、到医疗记录整理、到 demand letter 起草、到谈判准备、到结案归档——每一个环节都有 AI 共驾。律师从“靠人脑跑流程”变成“靠人脑做高阶判断”。
Module 02
医疗记录自动摘要
数千页医疗记录、影像报告、检查单 AI 自动结构化 + 摘要 + 损害量化。律师从“读千页”变成“读 AI 整理的几十条关键点”。
Module 03
Demand letter 自动起草
AI 按案件类型 + 损害量化 + 历史成功案例自动生成 demand letter 初稿——质量稳定、风格统一、引用充分。
Module 04
实时谈判辅助
和保险理赔员通话时 AI 实时听 + 在律师屏幕上推送反驳材料、相似案例赔偿金额、判例引用——律师不再“凭记忆”谈判。
Module 05
证据时间线构建
AI 跨文档构建案件证据时间线——事故发生 → 医疗就诊 → 误工损失 → 后续治疗——按时间轴可视化呈现，方便法庭使用。
Module 06
案件知识库
过去 N 年案件的处理方法、判赔金额、谈判策略沉淀为可被 AI 检索的库——新案件来了 AI 自动找“过去最相似的 5 个案件”。
04 · The result
律师产能 2-3 倍，案件价值整整高一个量级
新工作流上线后：律师产能 2-3 倍提升（同样的人接 2-3 倍的案）。最大的变化是案件价值区间——从原来的“十万级”为主，提升到“百万级”成为常态。原因：AI 把“把案件做透”的时间成本降下来了，律师终于有精力把每个案件做到“赔偿金额最大化”。头部律师每天调用 AI 工具约 75 次，全所每月节省工时累计数千小时。律所合伙人原话：“如果撤掉这套 AI，他们会立刻辞职。”
- 律师产能
- 2-3×
- 案件价值
- 10×
- 月节省
- 数千小时
- 日均调用
- 75 次
Indirect benefits · 间接收益
- 新律师培养周期显著缩短——AI 把“经验”数字化沉淀，新人能直接用资深律师的判断风格。
- 案件接收门槛下降——原来不敢接的复杂案件现在敢接了，因为 AI 把 intake 成本降下来。
- 和保险公司谈判的胜率上升——实时数据 + 案例库支撑让谈判变成数据对话而非话术对话。
- 律所获得新业务线：可以代理更多更复杂的案件，单客户终身价值显著提升。
05· What we’d commit to
如果你想跑这条路 · 我们会怎么开始Lighthouse cases describe a destination. This is how temax would actually engage.
这是 Stage 03 阶段一个企业能跑到的位置。下面是我们承接同类项目时的具体路径——什么时候开始、对什么签字、会拒哪些诉求。
We begin · 我们怎么开始
如果你是靠胜诉分成赚钱的律所、案件价值上不去——我们会先 3 周诊断“intake → 取证 → demand → 谈判 → 结案”全生命周期，识别哪些环节直接影响赔偿金额，先在那里接 AI。
We measure · 我们对什么负责
签的是“案件平均赔偿金额”“律师产能”“demand letter 周转周期”——以及谈判胜率（如果你的数据可获取）。
Risk we’d flag · 风险与边界
最大的坑是“AI 把案件价值往低判”——AI 默认对历史数据回归平均，但真正的高价值案件需要律师把它推到分布尾部。所以 AI 只做基线估值，“上探”决策永远在律师手里。
典型 scope：年度合伙 · 培养体系改造
聊一下你的场景06 · Next step
这位客户的下一步Where this customer goes next.
每个 Stage 01 客户都不止于此。下面是这家公司在路线图上的下一站， 也是 AI 原生组织进化的下一格。
Stage 04 · AI 原生组织
把 AI 写进新律师与新助理的培训体系
案件流水线跑稳定后，下一步是把 AI 协作能力写进新律师与新助理的入所培训——第一周就配 AI 工具 + 完成“用 AI 处理 demo 案件”实战考核。同时把跨办公室的判赔策略沉淀机制制度化，让律所在拓展新城市时不再“重新积累经验”。
预估年度合伙 · 培养体系改造
看完整 RoadmapAnother case
多品牌连锁餐饮