AI 代理越受歡迎，毛利卻轉負？Harvey 的法律 AI 成本警訊
一位合夥人交辦併購盡職調查：從大量契約找出風險、標明依據，再寫成能供審閱的備忘錄。AI 代理可以搜尋、讀文件、反覆查證並草擬成果；每多走一步，也會消耗更多模型運算。這是 Harvey 公開法律代理測試所模擬的工作，不是某件真實客戶案件。
需求衝上來，收入與成本卻走向兩端
彭博於 2026 年 9 月報導，Harvey 在 3 月更新 AI 代理後，客戶使用量快速上升；一位知情人士指出，毛利率從年初約 50%，到 6 月跌至負 50%。這是媒體引述匿名消息的數字，並非 Harvey 公開財報；毛利率轉負也不能直接說成公司整體虧損。
難題在於，傳統軟體多按帳號或席位收費，代理卻會為完成同一件工作持續呼叫模型、搜尋資料、重試與整理引文。使用者越願意把完整流程交給 AI，供應商承擔的變動成本可能越高。把「有多少人登入」當成成功指標，便看不見每件工作的成本。
Harvey 的解法：把模型帶回法律任務
Harvey 8 月公布的 Tenet 研究預覽，使用開放權重 Kimi K3 作為基礎，與 Fireworks 合作針對長流程法律工作進行後訓練。除了單一 token 價格，團隊也把代理何時使用工具、推理多久納入優化：任務成本取決於單價與消耗量，兩者都要管。
在 Harvey 的 LAB 留出測試集上，Tenet 對照基礎 Kimi K3 的全項通過率提高 9 個百分點，官方稱任務成本大致維持穩定。這是研究環境的初步結果，不能當作所有客戶工作流程的實際獲利數字，也不能推論毛利改善全由一個模型帶來。Harvey 表示會逐步把研究能力帶入產品。
企業導入代理，先算每件合格成果
Harvey 的案例提醒企業，AI 從回答問題走向交付成果時，預算不應只列模型月費。以契約審查為例，應先定義「合格成果」：風險有沒有找全、引文能否核對、律師需要花多少時間覆核；再把模型與工具成本除以合格件數，觀察重試、過長推理和人工返工是否吃掉效率。
專業代理的價值，最終要落在可審核的成果上。當使用量成長，企業同時追蹤品質、每件合格成果成本與人工覆核時間，才能知道擴大部署是在創造產能，還是在放大帳單。
留言