HARVEY: ПОЧЕМУ ЮРИДИЧЕСКИЙ AI-СТАРТАП УЖЕ СТОИТ $15,5 МЛРД

9 сентября Harvey привлёк ещё $550 млн при оценке $15,5 млрд. Компания заявляет, что её используют 80% Am Law 100, а на текущей витрине Harvey — более 200 тыс. специалистов, 2 400+ организаций и 70+ стран.

Но самое интересное здесь не размер раунда. Harvey показывает, почему вертикальный ИИ может создавать больше коммерческой ценности, чем универсальный помощник.

Если продукт просто даёт доступ к сильной языковой модели через красивый интерфейс, его легко сравнить и заменить. Harvey пытается встроиться глубже: работа с документами и контекстом конкретного дела, внутренними знаниями, правами доступа, анализом договоров, корпоративными системами и многошаговыми агентами.

То есть клиент покупает не «ответ ИИ», а часть профессионального рабочего процесса.

Это и есть логика вертикального ИИ (vertical AI): базовую модель можно заменить, а настроенные рабочие процессы, интеграции, критерии качества, организационные привычки и доверие клиента заменить значительно сложнее.

Оценка при этом очень требовательная. Harvey — частная компания и аудированную финансовую отчётность не публикует. The Times недавно сообщала примерно о $350 млн ARR и о том, что компания пока не прибыльна. Если просто разделить $15,5 млрд на эти ~$350 млн, получится около 44× годового темпа регулярной выручки. Это не полноценный инвестиционный мультипликатор, а только ориентир: публично неизвестны точная валовая маржа, темп расходования денег, отток клиентов, расширение контрактов и их структура.

Есть и важный сигнал по качеству технологии. Harvey создал Legal Agent Benchmark — более 1 200 длинных юридических задач в 24 практиках и свыше 75 тыс. экспертных критериев. Первые результаты показали, насколько далеко «хороший ответ» от полностью выполненной профессиональной задачи: при строгой проверке передовые модели полностью закрывали от начала до конца лишь небольшую долю кейсов.

Для российского малого бизнеса урок здесь не в том, чтобы строить «российский Harvey». Сильнее искать один дорогой повторяемый процесс внутри конкретной профессии.

Например, не «ИИ для юристов», а первичный разбор типовых B2B-договоров: извлечь ключевые условия, сверить их с внутренними правилами компании, подсветить отклонения и подготовить вопросы человеку-юристу. Не «ИИ для бухгалтерии», а поиск конкретных расхождений в первичных документах перед закрытием периода.

Проверять такую идею лучше до большой разработки: один рабочий процесс, 20–30 реальных обезличенных задач, экспертные критерии качества, несколько компаний-партнёров для пилота, измерение экономии времени и готовности платить. Для чувствительных данных отдельно нужен безопасный и юридически допустимый контур.

Главный вывод Harvey: в ИИ стоимость всё чаще создаёт не сама модель, а система вокруг неё — отраслевой процесс, контекст, данные, интеграции, контроль качества и место продукта в ежедневной работе клиента.

Полный разбор Harvey, история инвестиций, финансовая модель и готовый сценарий проверки вертикального ИИ:
https://bizmicroscope.ru/startups/harvey-pochemu-legal-ai-stoit-15-5-mlrd-2026/

#БизнесПодМикроскопом #Стартапы