知智
首发于知智
转型智能律所的四大路径|系列

转型智能律所的四大路径|系列

转型智能律所重在转型,但当前最大的障碍也在于转型。如果没有合适的路径,我们恐怕很难有决心去启动智能律所转型。通过和律所的接触、合作,我们梳理出转型智能律所的四大路径,作为转型智能律所的参照之用。

第一个维度是营销数据化,这个维度是从外部客户角度切入的。之前我在朋友圈提过一个问题【如何比客户更早知道他的法律服务需求?】,这点是客户需求驱动的起点,只有比客户更早知道他的法律服务需求,我们才能提前做好准备或者布局,有更充分的时间为客户提供更优质的体验。但问题在于怎么才能做到比客户更早知道?

有人说我可以驻扎在客户公司,不管观察客户和客户互动,看他到底在干什么、想干什么,这样我就能提前了解客户的需求。当然这种方式确实有效,问题在于成本太高,一个萝卜一个坑,你如果有一百家顾问单位的话,就需要一百个律师驻点,所以这种方式有效但不实用。

在这点上我们可以借鉴产品经理的经验。对产品经理来说,他们有一项重要的工作就是挖掘用户需求,包括用户没有表达或者自己都不知道的潜在需求。产品经理怎么去挖掘这些需求呢?不是通过和客户一个一个地聊天、互动,而是打造一款产品,让用户把这款产品用起来,在使用产品中沉淀用户的【行为数据】,借此建立对用户的认知。

比如今日头条,对外宣称用户关注的才是头条,但他们怎么知道哪些内容才是用户关注的内容、这就需要通过今日头条这款产品和用户互动、沉淀用户数据,以算法为基础形成数据闭环,在不断的循环中了解用户、认知用户,这样才能做到给用户推送精准的内容。

而对律师来说,法律服务是一个低频产品,我们很难通过法律服务和客户建立频繁的互动,但是在法律服务之外,我们可以打造一个客户社群,通过社群与客户保持持续的互动,在持续互动中沉淀用户数据,【借助数据分析去了解用户,提前预知用户的需求】。

这里需要注意这个社群不局限于微信群,也不仅仅是线上社群,需要结合你的目标客户的规模去做社群的搭建。比如你是做对外投资业务的,那么你的目标客户就是国内的企业主,对这些企业主就可以通过线上课程分享、线下聚会交流等多种方式组建起社群,社群组建之后提供诸如培训、对外投资分享会、对外投资交流游学等多种活动,在活动中去做数据收集,依托数据分析提前预知用户的需求。

如果社群的规模不大的话,这种分析一般通过人工的方式就可以完成。但如果你的律所是一家全国性的综合性律所,你的社群的规模是以十万级、百万级为单位,这个时候就需要数据智能引擎在背后支撑,用机器的决策取代人的决策,才能够在足够短的时间内快速学习、提升和逼近客户的潜在需求。

第二个维度是业务智能化,这是从内部业务效能提升的角度来切入。

业务智能化可以从两个方面来搭建:

首先是【业务资讯的自动推送系统】。做律师的都知道,有时候我们做业务实际上是在做信息的整合,这点在尽调业务中表现尤为明显。而以往对业务资讯,包括法律法规、相关案例、业务SOP、业务文档、指引事项、业务素材、背景资料的获取是通过检索的方式,是我们自己去找信息。而在AI技术的加持下,我们希望做到让信息找到你,让系统直接推送你需要的信息。

怎么做到呢?这里我给大家推荐一个成型的方案,就是【即刻app】,这款产品可以允许用户设定标签,而后按照你设定的标签给你推送合适的信息。而我们元典正在运作的一个项目叫做云知识,这个项目和即刻实现的效果相同,也是希望将律师需要的各位业务信息整合起来,而后按照律师所处的工作流程、所处的场景给律师推送精准的业务信息。比如目前在元典律师工作平台已经实现的企业工商注册信息、法官相关信息的自动推送就是这个产品的雏形,未来我们希望实现【多维度、多场景、细颗粒度】的精准业务信息推送。

其次是【作业流程的自动化】。这里我问一个问题:大家知道流程和项目有什么区别吗?流程和项目的区别在于流程一旦搭建起来就可以多次使用、重复使用,形成模板;而项目就是流程初次搭建的过程,也可以说是流程的起点。法律行业为什么一直说要做业务流程化,因为没有流程化就没有自动化。只有先通过做项目形成流程,而后在实务中对流程做测试、调整和优化,把这个流程固化下来,固化之后我们就可以引入技术【让流程自动运转起来】,这个时候律师的工作只需要启动流程和接受结果,中间的过程可以直接交给机器。

这种作业流程的自动化目前在teambition中已经实现,我们元典律师工作平台也在做这方面的迭代和优化,就是希望帮助律师在流程固定的基础上可以更进一步实现作业流程的自动化。

第三个维度培训的精准化。我们都知道律师行业是一个先苦后甜的行业,需要一年时间做实习、三年时间长经验、四年时间树品牌、五年时间拼合伙,这么算下来差不多十三年的时间我们才能培养出一个优秀的合伙人。那么有没有可能把这个时间缩短呢?有没有可能我们真的在二年时间就培养出一个合伙人?我说明下这里大家别多想,我说的不是那个沿海发达地区的特殊律师。

答案是有的,不过需要一种技术,这种技术叫做【自适应学习技术】。自适应学习技术实际上是AI技术在K12领域的应用,首先是对律师的知识、经验、仅能做评测,评测之后针对知识、经验、技能欠缺的地方给出针对性地学习地图,并且在律师学习的过程中随时对律师的学习做梳理和反馈,保证律师真正学到需要的东西。

我们可以想象,如果你的职业目标是成为一名优秀的商事律师,那么自适应学习系统首先会做商事律师能力模型的搭建,搭建出能力模型之后会对你进行测试,测试之后根据你的确实安排针对性课程和实务训练,在这中间系统就像你的随身家教时刻督促你的学习、评测你的学习成果,当然也能在很短时间内帮助你达成预期的职业目标。

与传统的培训方式相比,传统的培训方式无法做到【个性化、针对性】,而是采用大一统的培训方式,但每个律师的阅历、知识结构都不相同。同样的培训课程,有的人有所得、有的人无所得,这就是同一个班级、同一个老师教,结果有的人成了学霸,有的人像我一样成了学渣的原因。

同时自适应学习系统也是对律师的数据化,律师学习的过程就是数据沉淀的过程,通过数据整理分析我们很快就能建立起律师个人的数据化能力模型。有了这个数据化的能力模型能做什么呢?我们可以想象,如果与业务数据相结合,业务需要的能力模型和律师的能力模型相互匹配,就能解决一直困扰受众的问题【如何选择一个合适的律师】。

这个时候选择律师就和谈恋爱一样,直接上百合网或者真爱网,让系统给你推荐一个和你的契合度最高的律师,这样的律师才是客户的真爱。

第四个维度是外部生态化。正如我们之前提到的智能法律是一个生态系统,法院、律师、用户、行政系统、法律科技类公司都存在于这个生态中,智能律所会是这个生态重要的一环,但不是这个生态的全部。按照阿里参谋长曾鸣博士的说法,未来的生态中存在点、线、面三种形态,智能律所可以专注于某个细分领域,并逐渐成为这个细分领域的胜出者,成为生态系统的一条线;也可以专注于这个细分领域的某个地域或者细分领域的某类受众,成为线上的一个点。

比如北京元甲所专注于交通事故受害人一方的法律服务,相对于交通事故法律服务这条线,元甲所的定位就相当于一个点。当然律所也有机会成为一个面,在大生态内部建立一个小生态,不过这点需要律所具备智能技术、行业资源、人才储备、运营能力等多方面的支撑。这就好比在微信生态下,做一个罗辑思维,形成一个支撑生态的面。

当然,这几个方面不是智能律所的全部,而是我们容易做切入的维度,通过这些维度的积累可以一步一步打造出一家智能律所。

这些是我想和大家分享的关于智能律所的一些想法。

智能律所是一个趋势,也是必然的未来,在这个时代【最早拥抱技术的人,也最有可能成为智能律所标准的制定者】。这句话不是我说的,而是央视的前主持人张泉灵说的,也是她对AI技术的看法。对AI技术、对智能律所,只能说宜早不宜晚,我们不但需要在思想上做准备,还要在行动上有所为,也只有这样我们才能成为智能时代标准的制定者,而不是被智能时代无情地淘汰。

文章被以下专栏收录

    专注于智能法律介绍,打造成系列、专业度、有温度的智能法律知识社区