AI Legal Open-Source Mengancam Harvey dan Legora—Tapi Pukulan Pertamanya ke Margin

Mengapa open-source tiba-tiba terasa penting

Kesenjangan fitur menyempit pada bagian pekerjaan hukum yang paling mudah dipecah menjadi modul. Banyak tugas legal AI mengikuti pola teknis yang relatif berulang: dokumen diunggah, dipotong menjadi bagian-bagian yang dapat dicari, diubah menjadi embedding, disimpan dalam basis data, lalu dipanggil kembali agar model bisa menjawab, merangkum, atau menyusun teks dengan konteks.

Beberapa proyek legal RAG open-source sudah menjelaskan pola seperti itu. Sistem RAG dokumen hukum dari Ready Tensor menggunakan unggahan PDF, semantic embeddings, indeks FAISS, dan respons LLM . LegalRAG menggunakan pendekatan basis data vektor atas teks hukum digital untuk memberi jawaban kontekstual . Proyek legal RAG di GitHub juga menjelaskan retrieval, penilaian berbasis yurisdiksi, dan pembuatan jawaban dengan kutipan .

Artinya, document intelligence dasar untuk pekerjaan hukum tidak lagi sepenuhnya menjadi wilayah eksklusif platform yang didanai modal ventura. Sistem dan framework open-source makin diarahkan ke review kontrak, riset hukum, analisis dokumen, dan workflow kepatuhan . Namun istilah open-source legal AI perlu dibaca hati-hati: beberapa alat tetap bergantung pada API model komersial. Mike, misalnya, memungkinkan pengguna memasukkan kunci Claude atau Gemini sendiri . LexClaw menggambarkan pendekatan model-agnostic yang dapat bekerja dengan GPT, Claude, GLM, atau model lokal . Dengan kata lain, yang terbuka sering kali adalah lapisan workflow atau opsi self-hosting, bukan seluruh tumpukan modelnya.

Bagian mana yang paling cepat terkena tekanan

Tekanan paling jelas muncul pada workflow bervolume tinggi dengan kompleksitas lebih rendah, ketika pembeli bersedia menanggung pekerjaan teknis internal demi biaya lisensi yang lebih rendah dan kontrol lebih besar.

Ekonominya juga mengganggu. Jika sebuah firma bisa meng-host sendiri workflow legal AI dan hanya membayar biaya model, komputasi, serta pemeliharaan internal, vendor akan lebih sulit membenarkan harga premium untuk chat dokumen generik atau review tahap awal. Tetapi software gratis bukan berarti implementasi gratis. Lawra mencatat bahwa alternatif open-source sebelumnya membutuhkan investasi engineering besar untuk menyusun chunking pipeline, basis data vektor, parser kutipan, dan orkestrasi prompt . Tim legal juga tetap perlu tata kelola, evaluasi, peninjauan keamanan, dan disiplin kebijakan.

Mengapa Harvey dan Legora masih punya benteng

Harvey dan Legora tidak sekadar menjual chatbot. Mereka menjual produk enterprise terkelola yang bisa disetujui bagian pengadaan, dilatih penggunaannya, diintegrasikan ke workflow, dan dijelaskan kepada klien.

Perbedaan ini penting dalam jasa hukum, karena pekerjaannya sensitif dan kepercayaan pembeli sering sama pentingnya dengan kemampuan model. Laporan Sacra berdasarkan keterangan direktur inovasi di firma hukum besar menyebut sebagian firma besar mengadopsi Harvey antara lain karena klien memintanya dengan menyebut nama, tanda bahwa pengenalan merek dan tekanan eksternal dari klien dapat memengaruhi pilihan vendor . Business Insider juga menggambarkan Harvey dan Legora sedang berebut pelanggan serta kredibilitas di industri hukum yang konservatif, dengan miliaran dolar bergantung pada percepatan adopsi AI .

Data adopsi menunjukkan mengapa kemasan enterprise masih penting. Satu laporan pada 2026 menyebut 69% profesional hukum menggunakan alat AI umum dan 42% menggunakan alat AI khusus hukum, tetapi hanya 34% firma yang secara formal mengadopsi AI; 43% tidak memiliki kebijakan AI dan tidak berencana membuatnya . Dalam situasi seperti itu, alat self-hosted mungkin menarik bagi tim teknis, tetapi banyak organisasi tetap memilih vendor yang bisa membantu pengadaan, onboarding, kebijakan, pelatihan, dan percakapan dengan klien.

Ada pula persoalan kedalaman workflow. Survei Harvey 2026 menggambarkan penggunaan AI di firma besar pada pekerjaan substansial yang berhadapan dengan klien, termasuk drafting, negosiasi kontrak, due diligence, otomasi discovery, pembuatan playbook, dan timeline . Alat open-source bisa menyerang bagian-bagian dari workflow itu, tetapi bukti yang tersedia belum menunjukkan AI legal open-source memenangkan penerapan pada skala Harvey atau Legora.

Pertarungan sesungguhnya: lock-in dan daya tawar

Argumen strategis terkuat untuk open-source bukan hanya harga, melainkan kontrol.

Law360 melaporkan bahwa pengadopsi legal AI berfokus pada penghematan yang terukur dan portabilitas lintas model untuk menghindari lock-in . Prioritas itu menguntungkan arsitektur modular: penyimpanan dokumen yang bisa dikelola sendiri, model yang dapat diganti, alat evaluasi terbuka, dan workflow yang tidak sepenuhnya bergantung pada roadmap satu vendor.

Di sinilah open-source dapat memaksa platform komersial berubah meski belum menggantikannya. Harvey, Legora, dan vendor sejenis dapat menghadapi tekanan untuk mendukung pilihan model, kemampuan ekspor, evaluasi yang lebih transparan, dan paket biaya lebih rendah untuk pekerjaan komoditas. Jika tidak, stack open-source akan menjadi opsi build yang kredibel dalam keputusan build-versus-buy.

Sinyal bahwa open-source benar-benar siap menggantikan

AI legal open-source baru menjadi ancaman pengganti langsung bagi enterprise jika buktinya bergeser dari kemampuan proyek menjadi adopsi institusional. Sinyal yang perlu diperhatikan antara lain:

• penerapan terdokumentasi di firma hukum besar atau departemen legal teregulasi;
• kontrol keamanan, izin akses, logging, dan retensi data yang diaudit;
• workflow kutipan dan evaluasi yang andal, termasuk alat untuk menilai legal RAG seperti LRAGE ;
• integrasi dengan sistem manajemen dokumen, matter management, contract lifecycle management, dan e-discovery;
• model dukungan yang memberi akuntabilitas ketika sistem bermasalah.

Sampai sinyal-sinyal itu terlihat jelas, open-source lebih tepat dipahami sebagai lapisan tekanan yang kuat. Ia dapat menurunkan kemauan pembeli untuk membayar mahal pekerjaan dokumen AI generik. Ia dapat mendorong pembeli menuntut portabilitas model. Ia juga dapat membantu firma kecil dan tim legal yang sensitif biaya membangun sistem berguna tanpa langsung terikat pada platform enterprise premium.

Intinya

AI legal open-source sudah cukup serius sehingga platform komersial tidak bisa lagi memperlakukan document intelligence sebagai kemampuan ajaib. Serangan pertamanya mengarah ke margin, lock-in, dan workflow komoditas.

Namun untuk pekerjaan hukum yang paling sensitif, berisiko tinggi, dan berhadapan dengan klien, produk yang dibeli firma besar masih lebih dari sekadar model. Yang mereka beli adalah tata kelola, dukungan, kenyamanan klien, integrasi workflow, dan perlindungan reputasi.

Jadi jawabannya: ya, open-source adalah ancaman nyata bagi cara Harvey dan Legora memberi harga serta mengemas legal AI. Tetapi untuk saat ini, ia belum terbukti menjadi pengganti penuh bagi penerapan enterprise terkuat mereka.