Harvey Tenet mění pravidla hry: od pronajatých modelů k vlastní právní inteligenci

Harvey Tenet není jen další chatbot pro právníky. Jde o první model, který si právně-technologická společnost Harvey post-trénovala sama — na otevřeném modelu Kimi K3 od čínské Moonshot AI. Na vývoji spolupracovala s Fireworks AI.

Tento krok znamená posun od strategie, v níž Harvey především upravovala a kombinovala modely třetích stran, k větší kontrole nad samotnou modelovou vrstvou. Společnost tak může získat větší vliv na chování systému, způsob jeho nasazení i náklady na provoz.

Zároveň jde o názorný příklad takzvané vertikální AI: místo vývoje univerzálního modelu od nuly vezme firma schopný obecný základ a přizpůsobí ho konkrétnímu oboru pomocí odborných dat, pracovních postupů a cíleného vyhodnocování. Nejsilnější tvrzení o výkonu Tenetu však zatím pocházejí od samotné společnosti Harvey. Bez nezávislých testů a širších výsledků z praxe je proto vhodné brát je s rezervou.

Co je Harvey Tenet

Harvey popisuje Tenet jako svůj první model post-trénovaný přímo pro právní práci. Je založený na Kimi K3, open-weight modelu vyvinutém čínskou společností Moonshot AI, která stojí za chatbotem Kimi. Na post-trénování se podílela Fireworks AI.

Pojem „post-trénování“ označuje vylepšování modelu po dokončení jeho původního základního tréninku. Nejde tedy o vytvoření zcela nového základního modelu od nuly. Harvey uvádí, že při práci využila veřejně dostupná právní data, syntetická data a data od lidských odborníků simulující dlouhé a komplexní právní úkoly.

Tenet je tak specializovanou verzí existujícího open-weight základu. Je určený například pro kontrolu smluv, právní prověrky neboli due diligence a další úlohy, které mohou vyžadovat práci s rozsáhlými dokumenty a několikahodinové uvažování.

Jaké výsledky Harvey uvádí

Harvey tvrdí, že Tenet dosahuje špičkových výsledků v právním benchmarku LAB a že se jeho schopnosti přenášejí i do testů třetích stran. Podle zveřejněných údajů model dokončil téměř dvakrát více vyčleněných úloh LAB než základní Kimi K3 a o 20 % více úloh v části LAB zaměřené na smlouvy. Míra úspěšného splnění všech požadovaných částí úlohy se měla zvýšit o 9, respektive o 2 procentní body.

Čísla naznačují, že post-trénování zlepšilo výsledky základního modelu v testech vybraných společností Harvey. Sama o sobě ale nedokazují, že Tenet překonává všechny konkurenční modely při skutečné právní práci. Výsledky mohou ovlivnit konstrukce benchmarku, výběr úloh, způsob zadávání dotazů, hodnocení i podmínky nasazení.

Při oznámení navíc nebylo zcela jasné, v jaké fázi je praktické nasazení. Business Insider uvedl, že Tenet byl představen, ale v platformě Harvey zatím nebyl dostupný a společnost neuvedla konkrétní termín spuštění. Nezávislé testování v produkčním prostředí proto bude důležitým dalším krokem.

Proč je důležité, že základem je Kimi K3

Volba Kimi K3 je pozoruhodná i kvůli dosavadním vazbám Harvey na západní poskytovatele AI. Společnost dříve spolupracovala například s OpenAI na modelu upraveném pro právní profesionály. Právní AI platformy obecně často využívají uzavřené systémy firem OpenAI a Anthropic. Za jejich používání platí a zároveň závisejí na cenách, infrastruktuře a harmonogramu vydávání nových verzí těchto poskytovatelů.

Otevřené váhy dávají Harvey větší prostor pro úpravy a vlastní nasazení modelu. Firma může sama rozhodovat, jak bude systém post-trénovat, pro které typy práce ho optimalizuje a jaké právní úkoly mu svěří. Současně ale přebírá odpovědnost za infrastrukturu, bezpečnost, vyhodnocování, údržbu a provoz modelu — tedy náklady a rizika, která při využívání externího API z velké části nese poskytovatel.

Volba Kimi K3 ukazuje také pragmatičtější přístup k vývoji AI. Pro komerční uživatele nemusí být původ modelu rozhodující, pokud otevřený systém nabízí kvalitní výchozí bod, lze ho technicky i právně přizpůsobit a vychází ekonomicky výhodně. To ale neodstraňuje otázky původu dat, bezpečnosti, správy ani akceptace ze strany zákazníků. Naopak se stávají součástí prověřování modelu před jeho nasazením ve firmách.

Ekonomika vlastního modelu

U platformy pro vysoce hodnotné odborné činnosti se ekonomika modelu přímo promítá do marží i designu produktu. Externí modely se obvykle účtují podle využití, takže náklady rostou s počtem dlouhých dokumentů, kroků AI agentů a úloh vyžadujících delší uvažování. Vlastní model může Harvey umožnit, aby vhodné úkoly zpracovávala na infrastruktuře, kterou více kontroluje, místo aby každý dotaz posílala externímu modelu.

Otevřené váhy samozřejmě neznamenají provoz zdarma. Harvey stále potřebuje výpočetní kapacitu, přípravu dat, kontrolu kvality, bezpečnostní systémy a inženýry, kteří budou model udržovat. Společnost však uvádí, že post-trénování podpořilo také efektivnější práci s nástroji a úspornější uvažování, což může při nasazení snížit počet zpracovávaných tokenů.

V praxi tak může vzniknout rozdělení práce: nejdražší univerzální modely zůstanou vhodné pro nejtěžší a nejotevřenější otázky, zatímco specializovaný Tenet bude zpracovávat opakující se a objemné právní úkoly s nižšími provozními náklady. Zda tato strategie skutečně přinese lepší ekonomiku, ale ukáže až kombinace přesnosti, rychlosti, vytížení a nároků na infrastrukturu — nikoli pouze cena samotných modelových vah.

Co Tenet znamená pro strategii Harvey

Harvey se profiluje jako oborová AI pro advokátní kanceláře a právní oddělení velkých firem. Na svém webu uvádí více než 2 400 právních organizací, které platformu používají, a nasazení ve více než 70 zemích.

Taková zákaznická základna dává společnosti důvod získat větší kontrolu nad technologií, která stojí pod uživatelským rozhraním. Právní klienti potřebují předvídatelné chování, bezpečnost, dohledatelnost a stabilní výkon při analýze smluv, právních prověrkách, compliance i litigacích.

Tenet se proto může stát základem integrovanější platformy, v níž Harvey kontroluje model, koordinaci AI agentů, kontext konkrétního případu i specializované pracovní postupy. Do budoucna by to mohlo usnadnit také přizpůsobení modelu interním znalostem jednotlivých zákazníků. Tato možnost byla zmíněna v reportingu, nejde však o potvrzenou funkci dostupnou při uvedení.

Lekce pro oborovou AI

Nejdůležitější dopad Tenetu nemusí být technický, ale strategický. Specializované AI firmy nemusí trénovat vlastní špičkové základní modely od úplného začátku, aby získaly významnou kontrolu nad svým produktem.

Mohou zkombinovat čtyři prvky:

• otevřený obecný model jako výchozí základ;
• vlastní nebo odborníky vytvořená data;
• post-trénování zaměřené na pracovní postupy konkrétního oboru;
• produktové řízení agentů, kontextu, vyhodnocování a nasazení.

Tento přístup může vytvořit konkurenční odlišení bez kapitálu a infrastruktury potřebných k přímému soupeření s největšími vývojáři základních modelů. Zároveň ale přesouvá na aplikační firmu více náročné práce: musí prokázat spolehlivost, chránit citlivá data, sledovat selhání a ukázat, že lepší benchmarky skutečně vedou k užitečnějším výsledkům.

Pro Harvey je tedy Tenet současně uvedením nového modelu i testem vertikální integrace. Společnost sází na to, že právní expertiza a data z pracovních postupů dokážou proměnit otevřený základ v komerčně hodnotný systém — a že vlastnictví specializovaného modelu zlepší kontrolu nad náklady i výkonem produktu. Dosavadní důkazy podporují strategický posun; skutečný rozsah výhody ale ukážou až nezávislá hodnocení a výsledky z reálné právní praxe.