# “Service as Software”：当部署能力本身成为产品

> 参考 HTML 页面：https://leaid.ai/zh/articles/service-as-software-capacite-deployer
> 语言：zh-CN
> 作者：Mamadou Waggeh, Leaid 创始人
> 日期：2026-08-31

PwC 与 Harvey，KPMG 与 ContractPodAi，Deloitte 与 Legora 继而 Ironclad，OpenAI 及其 Frontier Alliances：五年之间，AI 厂商与咨询公司的联盟已成为法律市场的常态。我们对 2021 年至 2026 年 8 月间达成的约十五宗合作的分析表明，这些不是分销协议，而是一种新的生产架构：软件负责产出，咨询负责治理，客户购买的是结果。这一模式不会带来法律的全面自动化——它将服务重组为五个层次，陪伴服务在其中成为一个生产性组成部分。前提是：正视那些新闻通稿避而不谈的风险。

## 引言

生成式 AI 应用于法律的第一阶段提出的问题很简单：法律专业人士会使用这些工具吗？三年过去，这个问题已有定论——而真正的难题发生了转移。关键不再是提供工具的使用权限，而是把一种技术能力转化为持久的成果——融入流程、兼容保密要求、可以核验。然而工具无处不在，成果却远非如此。2025 年，McKinsey 全球调查中 88% 的受访者表示至少在一项职能中经常使用 AI，但只有 39% 报告 AI 对 EBIT 产生了哪怕有限的影响。同年，BCG 估计仅有 5% 的企业在大规模应用中获得显著价值，而 60% 的企业只看到微弱甚至为零的收益。技术在不断进步；必须驾驭技术的组织，其转型却未能跟上。

面对这一难题，法律市场给出的回应日益清晰：结盟。PwC 早在 2023 年 3 月便与 Harvey 结盟，随后又携手 ContractPodAi。KPMG 在同一平台上构建了托管式法律服务。Deloitte Legal 陪伴 Legora 从试点走向规模化，随后 Deloitte 又与 Ironclad 在完整合同周期上结盟。在法国，Lefebvre Dalloz、Xelya 与 Anomia 将可靠内容、业务软件与持续培训结合在一起。模型供应商也走上同一轨迹：OpenAI 推出 Frontier Alliances 并设立部署公司，Anthropic 建设卓越中心并开展大规模认证，Google Cloud 则围绕 Gemini Enterprise 打造合作伙伴生态。

我们的解读是：这些联盟不是一条销售渠道，而是一种生产基础设施。随着模型日趋同质化、各平台功能不断趋同，竞争优势正转向以下能力：选对问题、融入现有系统、组织人工把控、推动采用、衡量价值——并对交付的结果承担越来越大的责任。合作伙伴关系成为产品的一部分。这正是本文分析的要旨：部署能力本身正在成为产品。

## 1. “Service as Software”：销售标的正在改变

SaaS 建立在一种清晰的分工之上：厂商提供一款按订阅方式使用的工具，按席位、按用量或按功能计费；客户则自行负责组织团队、产出结果。传统咨询遵循相反的逻辑：客户购买的是专业知识、投入和判断力，按时间、按资历或按固定费用计价——技术提升咨询公司的生产率，但在所售服务中并不可见。在这两极之间，还有托管服务——由服务商长期运营某一流程——以及“软件加服务”（software plus services）：陪伴服务为部署提供便利，但销售标的并未改变。

“Service as Software”（服务即软件）所指的是一种更彻底的断裂：供应商出售的不再只是完成工作所需的工具，而是已完成的工作——或一个界定明确的结果——其中相当大一部分由软件产出。Foundation Capital 将这一转变描述为责任的转移：客户不再需要亲自使用平台来达成目标，由供应商对交付的结果负责。Sequoia 将“副驾驶”（把工具卖给专业人士）与“自动驾驶”（把工作本身直接卖给客户）相对照。Bessemer 则观察到，AI 如今已触及服务的生产层，而不再仅仅停留在界面层。这一概念更多来自投资界文献而非学术研究，其价值在于四个位移：销售标的（从访问权到结果）、运营责任（从客户转向供应商或联合体）、定价（从席位和小时转向案卷、用量与价值），以及增长（与人员规模的关联越来越弱）。

在法律领域，全面的“自动驾驶”与法律服务的本质相抵触。标准条款、一致性核查、义务提取可以转化为可重复的输出；诉讼策略、风险研判、敏感谈判或涉及职业责任的咨询意见则难以如此。因此，可信的模式不是人工服务的消失，而是它的重组：AI 将可重复的环节工业化；事务所制定规则、结合具体情境、监督例外情形、承担判断并维系客户关系。法律领域的“Service as Software”是一个受治理的混合生产系统——而不是一款自主运行的软件。

## 2. 法律：约束之下的首选阵地

法律工作中相当大的一部分建立在文档、规则、先例和重复性流程之上：阅读、比对、起草并跟进合同；梳理法规并将其转化为可操作的义务；组织证据卷宗与时间线。这些特征使许多子任务具备自动化的可能：法律因此[跻身生成式模型最早进军的垂直市场之列](/zh/articles/geants-ia-marche-droit-verticale)。

然而，效率的提升在这里既不均匀，也不等同于质量。在 Choi、Monahan 与 Schwarcz 发表于 Minnesota Law Review（2024）的随机对照试验中，初级法律从业者典型任务上的时间节省从 11.8% 到 32.1% 不等，但质量的平均改善微弱且不稳定。Nielsen 及其合著者的一项实验（Journal of Empirical Legal Studies，2024）表明，由 AI 生成的重点高亮可将处理时间缩短 30% 而不降低质量——而单纯的摘要则毫无助益。辅助方式的精细设计与模型的整体能力同样重要。

Dell’Acqua 及其合著者对 BCG 的 758 名顾问开展的研究进一步阐明了这一边界。对处于模型能力边界之内的任务，使用者多完成 12.2% 的任务、速度快 25.1%、答案质量更高；而对一项恰好位于边界之外的任务，他们得出正确结论的可能性要低 19 个百分点。这条边界是“参差不齐”的：两项看似相近的任务，可能分别位于可靠区的两侧。

在法律领域，这种参差不齐不只是生产上的瑕疵，而是一种职业风险。一个错误可能危及一项程序、暴露保密信息、造成利益冲突或影响客户的决策。CCBE 提醒，使用生成式 AI 关系到保密义务、专业能力、独立性、对客户的透明度以及对输出的核验；ABA 则强调监督义务与合理收费。因此，对陪伴服务的需求并非数字技能的暂时缺口，而是结构性的：必须有人来确定自动化在哪些环节是正当的、如何加以控制、由谁对结果负责。

## 3. 2021-2026：三代联盟

近年的合作史可以分为三代来解读。第一代早于生成式 AI 的公开兴起，聚焦合同系统：当 Accenture 先在自身运营中部署 Icertis——近 3000 名专业人士、遍及 46 个国家——再正式推出联合服务时，这家咨询公司带来的不是客户名录，而是使用实证。这种“零号客户”模式后来成为行业规范。第二代是生成式助手的一代，软件开始进入咨询服务的生产环节本身：PwC 用 Harvey 大规模装备内部团队，推出由 Leah 驱动的咨询服务，KPMG 提供托管式法律服务——软件不再只是被安装，而是在人工监督下被运营。

第三代自 2025 年起清晰可见，瞄准的是完整的运营模式——重塑客户关系、技能、数据与工作流——模型供应商则将这一运动推向普遍化。OpenAI 的 Frontier Alliances 把战略、工作流重构、集成与变革管理交给咨询公司；OpenAI Deployment Company 的设立及对 Tomoro 的收购，则把部署工程内部化；Anthropic 与 Deloitte、继而与 Accenture 共建卓越中心并开展大规模认证——目标先是 15000 名、继而 30000 名专业人士，并向客户派驻工程师。Summize 收购咨询公司 InnoLaw Group 的团队与资产，从相反方向说明了同一件事：当部署层变得具有战略意义时，它就会被内部化。

### 第一代 · 2021-2022——先在自家部署，以使用证明

- **2021 · Accenture × Icertis**：面向 3000 名专业人士的内部部署，随后推出 CLM 集成联合服务——“零号客户”先于市场投放。
- **2022 · Bain × OpenAI**：首个咨询公司与模型供应商之间的重大联盟，2024 年扩展为卓越中心与行业解决方案。

### 第二代 · 2023-2024——共同生产服务

- **2023 · PwC × Harvey**：为百余个国家的 4000 名专业人士配备工具，并开展商业化与定制化——咨询公司同时成为使用者、集成者与共同设计者。
- **2024 · PwC × ContractPodAi**：推出由 Leah 驱动的全新咨询服务——软件进入咨询的生产环节。
- **2024 · KPMG × ContractPodAi**：在人工监督下提供托管式法律服务——从软件许可走向受运营的流程。
- **2024 · PwC 德国 × Aleph Alpha**：合资公司 creance.ai，初期聚焦 DORA 合规——共同打造垂直领域资产。

### 第三代 · 2025-2026——转型运营模式

- **2025 · Deloitte Legal × Legora**：从试点到持久采用，配以预配置工作流——运营模式成为项目本身的对象。
- **2025 · Thomson Reuters × Icertis × Accenture**：内容、合同平台与编排——一条多方参与的价值链。
- **2025 · Anthropic × Deloitte，继而 × Accenture**：卓越中心、数万名认证专业人士、派驻客户的工程师。
- **2026 · Deloitte × Ironclad**：端到端的智能体化合同周期——智能体、控制、数据、治理与应用场景。
- **2026 · OpenAI——Frontier Alliances，继而 Deployment Company**：部署能力成为模型供应商自身的一项职能。
- **2026 · Summize × InnoLaw Group**：收购咨询团队与资产——落地能力被内部化为差异化优势。

*资料来源：上述组织的官方公告。各条目描述的是已宣布的合作架构，而非经审计的业绩。*

## 4. 五层价值架构

这些联盟组装起五个互补的层。智能能力，由通用或专用模型提供。法律知识——法源、分类体系、先例、文书模板、业务规则——为回答提供锚点。工作流，即工作在其中被触发、充实、验证、留痕与传递的系统。落地与转型：诊断、集成、培训、角色变革、价值衡量。最后是责任：由一位专业人士或一个法务职能承担控制、升级处理、客户关系与最终决策。

一家法律科技（legaltech）公司可以掌握前三层，却不具备后两层所需的正当性、运营在场与转型能力；一家咨询公司可以握有客户关系与业务专长，却不掌控技术与内容。联盟弥合了这一断层：客户购买的是一条连贯的路径，而不是一堆需要自己组装的组件。

整合有三个层级——“配备工具的咨询公司”，在工具上发展自身能力；“集成者型咨询公司”，拥有面向客户部署的方法论、认证与专职团队；以及“共同生产”，合作伙伴共建联合服务或托管服务，并分担结果的一部分经济责任。合资与收购是其资本化变体：当经验积累、使用数据与方法论变得过于战略化、不能再留在外围时，它们便会出现。

“零号客户”在这一架构中处于核心位置。咨询公司先在内部部署解决方案，把抽象的联盟转化为使用实证：产品的局限、操作手册、摩擦点、参考案例。这种经验缩小了与客户之间的信息不对称，也为厂商提供了一块要求严苛的学习场地。但它只有在成果、失败与成功条件都得到如实记录时才可信——而不是被加工成营销话术。

## 5. 陪伴服务是市场的强烈期待

认为好工具自然而然会被采用的想法，混淆了“可用”与“转型”。Thomson Reuters 的 Future of Professionals Report 2026 说明了这一点：74% 的受访专业人士每周多次使用 AI，但 41% 没有一款基于经核验内容、为专业工作设计的工具，34% 表示在使用未经组织授权的工具。更关键的是，在存在明确 AI 战略的组织中，66% 的人认为 AI 达到或超出价值创造的预期，而在没有活跃战略的组织中这一比例仅为 22%。这是一种基于自述的相关性，不是因果证明——但这一差距说明了组织框架的分量。

价值要靠技术无法独自完成的一系列操作来构建。把经济目标转化为精确的应用场景：缩短合同签署周期是一个目标，“部署一个聊天机器人”不是。[重新设计工作流](/zh/articles/ia-juridique-maitrise-du-workflow)——输入、自动化步骤、控制、例外、责任：McKinsey 观察到，在所研究的各项属性中，工作流重构与 EBIT 影响的关联最强——而 2025 年初，使用生成式 AI 的组织中只有 21% 表示对某些流程进行了深度重构。准备数据与集成，因为一个与 DMS、CLM、CRM 及审批流程相隔离的法律 AI 无法产生持久价值。治理：授权信息、核验、审计日志、升级机制、事件处置。变革管理：按角色培训、实践社群、定期答疑、激励机制。最后是衡量：有效采用率、周期时间、质量、覆盖面、避免的风险。

两项近期研究直接测量了这种陪伴的效果。在 Chien 与 Kim 针对法律援助专业人士的研究中（Loyola of Los Angeles Law Review，2025），一个随机抽取的子组除工具使用权外，还获得“管家式”（concierge）陪伴——共享应用场景、定期答疑、随时协助。该组在自报生产率、满意度、感知质量与使用频率上均显著更优；试点参与者中共有 90% 表示生产率有所提升。在整个系统的尺度上，Ash、Mehmood 与 Goessmann 于 2026 年对巴基斯坦 118 个司法辖区 1559 名法官开展的实验得出同样的结论：配以针对性培训的助手，比通用培训带来更强、更持久的采用；暴露程度最高的地区结案更多——在中位暴露水平上估计提升 6.3%——所选质量指标未见劣化，而且使用向模型最可靠的任务转移。

因此，咨询履行的是一种转换职能：它把一种概率性的能力转化为受治理的工作系统。这一职能直接生产结果的质量——它减少不当使用、加速学习、组织责任、让收益可以复现。在“Service as Software”模式中，它必须作为服务的一个组成部分来设计、定价和衡量，而不是作为一项用来弥补产品缺陷的附带成本。

## 6. 法律科技公司、咨询公司、客户：各方所得与各自的前提

对法律科技公司而言，收益首先是商业性的：咨询公司带来难以复制的信任、行业知识、决策者通道与本地在场——在受监管环境中，这种正当性降低了感知风险，缩短了从签约到价值实现的周期。其次是信息性的：项目会产生关于错误、例外、控制点与真实落地条件的数据，在恰当的合同与职业道德框架内，这些数据可以反哺评估体系、工作流库与产品本身。Bessemer 视之为 AI 原生服务的优势：每一个可核验的工作单元都是一个学习信号。在法律领域，这一优势建立在对方法论、错误类别与升级规则的沉淀之上——而不是对客户保密数据的占有。前提是：守住软件的经济模型。过度定制或过宽的责任会把厂商变成低杠杆的服务公司；正确的目标不是卖出更多人天，而是把每个项目转化为可复用的组件——连接器、操作手册、评估体系。

对咨询公司而言，联盟是一条产品化路径：出售诊断、预配置工作流、持续合同审查或合规能力，而不是一小时接一小时的堆叠——保留判断与客户关系，同时提高每位专业人士可服务的案卷数量。商业模式的转换是最难的一关。Simon-Kucher 2026 年对 182 位服务企业高管的研究显示，90% 的企业已在 AI 领域布局或计划布局，但货币化的演进慢于生产方式：最先进的企业中有 30% 采用订阅制，而整体样本中只有 14%；仅有 16% 的企业对技术成本做到了充分差异化的分摊。与按时计费的冲突是真实存在的：当二十个小时变成两个小时，机械地维持小时模式要么压缩营业收入，要么独占全部收益而不让客户看见——两条路都不可持续。ABA 也提醒：收费必须与实际投入的时间保持一致——律师不得把自己学习工具的时间计入客户账单。

对客户而言，主要收益是协调风险的降低：无需分别挑选模型、平台、集成商、培训方与验证方，而是购买一条经过编排的路径——前提是合同不留灰色地带——并可以把价格对齐一个有用的单位：处理的合同、分析的案卷、缩短的周期、覆盖的水平。最可信的定价将是混合式的：

关键的位移正在于此：价值单位不再是小时或席位，而是可靠的处理能力、覆盖面、决策速度与风险掌控。生产率收益的一部分必须与客户分享；其余部分用于支撑控制、安全、改进与责任。

## 7. 设计一个立得住的联盟：八项原则

从上述分析中可以提炼出八项设计原则——这是一套工作框架，不是现成配方：每个联盟都需要结合自身情境与治理方式加以转化。

- **从业务结果出发，绝不从工具出发**：合同签署周期、未处理案卷比例、一次审查的成本、错误频率——这些可衡量的出发点，能防止没有负责人、没有价值路径的试点泛滥。
- **拆解工作流，把判断关口落到实处**：针对每项子任务，决定 AI 是提议、执行、控制还是辅助；在部署之前定义不确定性阈值与升级触发条件。这是对参差不齐的技术边界的操作化转译。
- **让咨询公司成为负有举证义务的“零号客户”**：内部部署必须产出基准数据、评估协议和有记录的事件——并区分技术收益、采用收益与经济收益。
- **以合同确立端到端、清晰可读的责任**：一套覆盖模型供应商、法律科技公司、咨询公司、法务部门、IT 部门与用户的可操作 RACI；输出验证、服务级别、模型变更、事件处置程序。
- **构建采用体系，而不是一次培训**：按角色设计的路径、应用场景库、定期答疑、推广大使、有效使用指标。自 2025 年 2 月起适用的《人工智能法案》第 4 条，已使 AI 素养成为一项组织义务。
- **守住数据掌控与可逆性**：数据存放地、二次使用、分包商、配置的权利归属、导出机制；尽可能将数据、内容、工作流与模型相互分离；在合同履行期间就测试可逆性，而不是等到期满。
- **让价格对齐一个可观察的价值单位**：订阅对应可用性，按用量对应业务量，固定费用对应界定明确的输出，绩效对应可衡量的结果——不得在缺乏正当理由的情况下叠加许可费、咨询人天与集成费用。
- **把合作伙伴关系当作一个活的产品来治理**：共同的待办清单、版本管理、周期性评估、对模型或范围变更的书面决策；并在价值凝结进提示词、测试与工作流之前，就确定资产的归属划分——共有资产、各方自有资产、归客户所有的资产。

## 8. 为什么法国与欧洲是这一模式的天然土壤

法国与欧洲汇聚了使这一模式成为必需的各项条件：组织有序的受监管职业、具有代表性的机构、[对主权与保密的高度要求](/zh/articles/ia-generative-secteurs-regules-confiance)、丰富的法律语料——以及大量并不总是拥有足以独立整合 AI 的内部团队的律师事务所、公证处和中小企业。这些特征放大了对可信中介的需求，也使一种仅靠通用模型横向铺开的战略难以令人信服。

两个新近的架构可以说明这一点。Lefebvre Dalloz、Xelya 与 Anomia 的合作，将可靠的法律知识库、律所日常使用的软件环境与初始及持续培训结合起来：其价值不在于多出一个界面，而在于把内容与生产整合进业务系统，并附以数据托管与不被再利用的保证。法国公证人高等理事会（Conseil supérieur du notariat）的选择——2026 年 7 月宣布携手 Mistral AI 与 Scaleway——则遵循一种更具机构色彩的逻辑：提供一个受掌控的欧洲环境、组织认知培养并对使用进行集体规范，而不触动公证人的职责与责任。

这些例子为专业化的咨询公司开辟了空间：它们规模小于大型集成商，却能把业务理解、监管、机构、决策链条与执行能力汇于一身。它们的角色不是转售平台，而是运营落地本身——甄选应用场景、搭建合作伙伴关系、构建治理、连接生态系统各方，并把部署一直推进到可观察的成果。在受监管市场中，这种对实地的了解比通用的配置技能更具防御性。但有一个前提：守住独立性与技术多元——透明的诊断方法、可比的标准、开放的架构，以及说出“某个工具并不合适”的能力。欧洲市场由此可能出现的，不仅是更贴近服务的法律科技公司，还有更贴近产品的咨询公司。

## 结语

法律科技公司与咨询公司之间联盟的激增不是边缘现象。它回应的是企业 AI 的根本约束：技术能力的进步速度，快于将其转化为成果的工作流、责任与技能。在法律领域，这一约束又因保密、核验、独立性与职业责任而加倍。“Service as Software”提供了解读框架——前提是不把它与全面自动化混为一谈。可信的轨迹是一种产品化且受治理的服务：软件产出越来越大比例的工作；事务所设计流程、组织落地、监督例外并承担判断；客户购买的是更快、覆盖更广、更可衡量的结果。

概而言之，我们的信念是：随着模型日趋同质化，部署能力本身正在成为产品。占据最佳位置的，既不是独自拥有最强模型的一方，也不是能排出最多顾问的一方，而是懂得把技术、知识、工作流、落地与责任组装成一个连贯、经过验证、可持续改进的服务体系的一方——同时不稀释作为法律服务根基的判断、信任与独立性。

---

Markdown 版本： https://leaid.ai/zh/articles/service-as-software-capacite-deployer — Leaid · https://leaid.ai · https://leaid.ai/llms.txt