快速分析法條、寫證詞!AI法律公司Casetext厲害在哪,讓路透社6.5億高價買下?
快速分析法條、寫證詞!AI法律公司Casetext厲害在哪,讓路透社6.5億高價買下?

就算是從業30年的律師,也會被AI愚弄。今(2023)年6月,紐約資深律師史瓦茲使用了ChatGPT準備開庭資料,沒想到最後繳交的資料中,有6份判例是ChatGPT瞎掰出來的虛構案例。

但這並不代表「AI+法律」沒有用,只是用錯了方向。同年6月,法律資料庫新創Casetext宣布,以6.5億美元的價格出售給知名媒體《路透社》背後的傳媒集團公司湯森路透(Thomson Reuters Corporation)。

Casetext內建了美國最高法院與50州的各大等判決歷史,運用AI技術幫助使用者分析法條、撰寫證詞、查找法條案例等,可幫助律師節省法律文件的搜索時間,早在2013年就入選知名加速器Y Combinator。

這筆交易被認為有助於湯森路透在AI領域的佈局,畢竟湯森路透的旗下就設有法律資料庫萬律(Westlaw),可以跟Casetext有深度的結合。

出自史丹佛、耶魯法學院,Casetext創辦人打造「共享法律百科全書」

Casetext的3位創辦人皆有法律背景,營運長Laura Safdie出自耶魯法學院,曾擔任民事訴訟律師、執行長Jake Heller和創新長Pablo Arredondo皆出自史丹佛大學法學院,2人過去為同事關係,在美國聯邦第一巡迴上訴法院擔任書記官,他們發現,法律研究工具價格十分高昂,使得窮人往往在司法系統中處於劣勢。

Casetext
Casetext創辦人暨執行長Jake Heller。
圖/ Casetext

早在10年前,Lexis和萬律這兩家法律資料庫巨頭的費用就高得嚇人,他們提供各國法院判例、法律資料、期刊等,並依照主題分類清楚、提供名詞註釋,為律師節省一大把研究時間。

然而,根據專精於研究法律界動態的部落格《3 GEEKS AND A LAW BLOG》在2012年指出,律師事務所一年就要支付345萬美元(約新台幣1.07億元)給萬律。

眼見此市場痛點,兩人期望打破這類型資料庫的訪問限制,於是利用「知識共享」的概念打造Casetext平台,讓使用者上傳自己對於法律文件的分析、註釋,分享給其他用戶查閱,就像是法律版的共享百科全書。

3分鐘就能閱讀800頁法條並分析,Casetext導入AI成為你專屬的法務助理

接下來幾年,Casetext也逐步導入AI技術,在2018年推出CARA AI,只要使用者上傳一份法律文件,CARA AI就能找出與其相關聯的其他文件,搜索速度相較於傳統的法律文件資料庫LexisNexis還要快上20%。

今(2023)年3月,Casetext再導入GPT-4模型,推出AI法務助理CoCounsel,將法律文件查找這件事變得和聊天一樣簡單,「它將法律研究、文件審查、證詞準備和合約分析等任務委託給AI,讓律師能夠專注在工作上更重要的事物。」Jake Heller說明。

Casetext的AI助理主要用來查找資料,分成兩種應用場景:內部資料及外部資料。以公司內部資料來說,使用者可先上傳PDF檔案,快速撈取所需資訊。另外使用者也可以說明證人與案件資訊,Casetext會協助準備證詞、幫助律師進攻和守備說詞。

Casetext.gif
使用者可在Casetext上傳文件後,快速撈取所需資料。
圖/ Casetext

在外部資料方面,Casetext的功能則類似於微軟的Copilot,使用者提出問題則能獲得解答,同時取得相關法條的資料來源。

Casetext
使用者詢問法律問題,Casetext即可立即回覆並提供相關法條。
圖/ Casetext

Casetext被湯森路透集團收購,雙方互補AI與法律資料庫優勢

目前Casetext的資料庫包含美國最高法院、聯邦上訴法院、50州法院等資料,使用者已超過10,000家律師事務所和企業法務部門,並採用訂閱制來收取費用,分為免費版、基礎版(每月110美元)及進階版(每月400美元)。2013年,Casetext入選YC加速器,今年6月剛被湯森路透以6.5億美元的價格收購。

近期路透社投入大筆資金在AI技術上,導入法律、稅務、會計、新聞等業務上,預計每年有1億美元的預算,並在2025年前預留100億美元拿來併購其他公司,尤其瞄準AI應用相關企業。Jake Heller也回應,加入湯森路透集團可擴充Casetext本身的資料庫內容,優化產品的法律研究能力,「加入路透社可以推進我們的AI技術,不僅僅對律師有幫助,還能擴展到其他領域。」

參考資料:MSNBC、TechCrunch1、TechCrunch2、LawSites、Casetext

本文授權轉載自:創業小聚
責任編輯:蘇祐萱

往下滑看下一篇文章
廢棄碳纖維也能變再生材料!天翊綠能靠低溫解聚技術,獲桃園SBIR助攻產品驗證
廢棄碳纖維也能變再生材料!天翊綠能靠低溫解聚技術,獲桃園SBIR助攻產品驗證

碳纖維因重量輕、強度高,廣泛應用於自行車、汽車、航太及無人機等產業,每公斤原生碳纖維價格可達數百元,部分高階材料甚至高達數千元。然而,這些高價材料製成複合材料後,生產過程產生的邊角料與廢棄物,卻因熱固性樹脂難以分離,往往只能焚化、掩埋或降級使用,讓耗費大量能源製造的碳纖維失去再利用價值。

「產業真正需要的不是把廢棄物處理掉,而是如何把裡面的碳纖維、玻璃纖維重新變成有市場價值的材料。」天翊綠能科技執行長莊文彥指出。深耕複合材料產業約20年的他,於2023年成立天翊,希望透過自主開發的低溫常壓解聚技術,讓廢棄複材重新回到製造業供應鏈。

低溫解聚保留纖維性能,從廢料處理走向材料再生

熱固性複合材料難以回收,關鍵在於樹脂固化後無法像一般塑膠重新加熱熔融。傳統高溫熱裂解雖能去除樹脂,卻可能損傷碳纖維性能;若回收碳纖維強度下降,製造商可能需要增加材料用量以滿足產品的強度要求,反而削弱碳纖維原有的輕量化優勢。

為突破限制,天翊開發低溫常壓化學解聚技術,在約90°C、常壓環境下分離樹脂與纖維,降低高溫處理對纖維性能的影響。不同於將樹脂直接燒除,天翊也推進樹脂回收再利用及化學溶劑循環,提高材料利用效率。根據天翊提供的第三方檢測結果,回收碳纖維在受測性能項目上的表現達原生材料的98%以上。團隊也將回收纖維製成再生碳纖維不織布、板材、塊材及工程材料。

莊文彥表示,再生碳纖維每公斤價格約150至300元,具備成本競爭潛力。天翊也規劃三層商業模式:取得合法處理資格後,協助製造商處理複材廢料並收取處理費;將回收纖維製成再生材料銷售;再與客戶共同開發終端零組件。「我們不希望公司的主要價值停留在『每公斤收多少處理費』,而是希望營收逐步往再生材料與高值應用移動。」莊文彥強調,讓回收材料具備市場需求,才是循環經濟能否持續運作的關鍵。

桃園 SBIR 助攻百公斤級驗證,跨越技術走向產品的關鍵門檻

對技術型新創而言,證明技術可行只是第一步。要讓再生材料進入製造業供應鏈,還必須建立可重複的處理流程、穩定的材料品質及產品驗證機制。這些工作需要投入設備、人力與檢測費用,對商業化初期的天翊而言,是不小的負擔。

在桃園市政府地方型SBIR計畫的研發經費支持下,天翊得以加速推進製程測試、材料檢測與產品驗證。莊文彥指出,過去團隊主要仰賴實務經驗調整回收製程,但要讓技術進入產業應用,還必須建立標準作業流程、進出料紀錄及材料品質數據。透過計畫,天翊逐步完善這些機制,並針對碳纖維自行車、碳纖維預浸布邊料、高壓氣瓶與車用零件等廢料進行測試,完成超過100公斤複材廢料的處理驗證,建立相應的操作條件。

除了製程驗證,補助也支持團隊將回收纖維製成不織布、模具及相關產品,確認再生材料能否符合實際需求。其中,以再生碳纖維氈製作的模具,相較原本的玻璃纖維模具,減重約56.96%;以再生碳纖維氈製作的產品,相較原本玻纖產品,減重約27.77%。這些成果讓天翊不再只能向客戶說明技術可行性,而能透過具體的材料與產品數據,爭取後續合作機會。

天翊也與既有下游夥伴推進汽車零組件應用,累積再生材料進入供應鏈所需的驗證經驗。「SBIR對我們而言,不只是補助研發,而是幫助公司跨過了『實驗室技術走向實際產品』非常重要的一段。」莊文彥表示,政府資源不僅分攤研發成本,更協助團隊補足商業化所需的品質管理與產品驗證基礎。

以桃園為循環基地,從碳纖維走向風機葉片回收

除了研發補助,桃園聚集電子、汽車、航空與複合材料產業,也讓天翊有機會就近尋找廢料來源、加工夥伴及應用客戶。此外,天翊與桃園市政府消防局就高壓氣瓶展開合作,嘗試將回收技術應用於地方政府實際產生的循環需求。團隊目前持續推進桃園廠區設置與再利用相關申請,希望建立「在地廢料、在地回收、在地再製」的產業模式。

不過,即使技術與產品驗證已取得初步成果,天翊仍須完成事業廢棄物再利用相關許可程序,才能依核准條件擴大收料與處理規模。漫長的審查過程雖然增加營運成本,但莊文彥認為,除了回收技術,合法處理資格、穩定料源與產品市場,同樣是建立長期競爭優勢的關鍵。天翊的長期目標則不止於碳纖維。莊文彥補充,當初投入低溫常壓解聚技術,也考量到未來大型風力發電機退役葉片的回收需求。風機葉片主要由玻璃纖維、樹脂及部分碳纖維構成,體積龐大且難以回收,隨著全球風電產業發展,退役葉片處理將成為重要課題。天翊也已取得風機葉片回收處理方法的臺灣發明專利與美國發明專利。

因此,團隊選擇先從材料價值較高的碳纖維切入,累積技術驗證、設備放大與商業化經驗,再逐步拓展至大型風機葉片。「我們希望證明,複合材料不是只能從製造走向廢棄,而是可以從廢棄再回到材料、再回到產業。天翊要做的,就是把這條循環真正建立起來。」莊文彥說。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂工業AI
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓