我今天看到一个案例，脑子里一直卡着一个画面。
一个律师，从大所离开。
她原本不是想创业。
她想去做投资人。
为了吸引一些潜在的创业者项目，她开始在社交媒体上分享创业公司的法律避坑内容。
结果很有意思。
来找她的人，确实都是创业者。
但他们不是来找她融资的。
他们是来找她做法律服务的。
甚至有人愿意给现金，再加一点公司股权，请她帮忙。
后来，她顺着这个需求做了一家面向创业公司的法律服务公司，两年做到 130 万美元收入。
再后来，她把这套服务继续产品化，做成了一个 AI 法律系统 Lexsy。
据 Business Insider 报道，Lexsy 在 2026 年 6 月公开发布时，已经有 37.2 万美元 ARR，也就是年经常性收入。
团队呢？
核心人类团队 5 个人。
剩下大量执行工作，交给一组 AI agents 先做第一稿，再由资深成员做策略和审核。
我看到这个故事的时候，第一反应不是，法律行业也要被 AI 改造了。
这个太宏大了。
我真正被戳到的是另一件事。
她不是先有一个 AI 产品，再去找市场。
她是先用内容找到真实需求，再用服务验证付费，再用 AI 把服务产品化。
这个顺序，太重要了。
很多人现在一提 AI 创业，脑子里就是做一个工具。
写代码。
做 landing page。
买域名。
接 API。
然后期待用户自己来。
但真实世界往往不是这样。
尤其对于普通人，或者说对于有一门专业能力的人来说，AI 最好的入口，可能不是一上来做软件。
而是先问一个更笨的问题。
我现在会的东西，别人有没有一直在问？
他们愿不愿意为这个问题付钱？
这个问题里，哪一部分是重复劳动？
哪一部分必须由人来判断？
AI 能不能先吃掉重复劳动，人继续守住判断？
这篇文章，我想讲的就是这个。
一个专业服务者，怎么从内容，走到服务，再走到 AI 产品。
不是喊口号。
是真有路径。
1、
她一开始想做的事，其实和后来完全不一样。
Kristina Subbotina 是一名公司法方向的创业律师。
据 Business Insider 的文章，她在 Big Law 做了将近 10 年，最后一份工作是在 Cooley。
Cooley 是硅谷很有名的大型律所，服务大量科技公司和创业公司。
离开之后，她原本想去 VC 基金做投资。
这个路径听起来很合理。
做过创业法律服务，懂融资，懂股权，懂合同，懂创始人常见坑。
转去投资，似乎顺理成章。
于是她做了一个动作。
开始在社交媒体上发创业公司法律建议。
表面看，这是获客动作。
但她当时想获的，不是法律客户。
她想吸引潜在的 portfolio companies，也就是未来她作为投资人可能会投的创业公司。
你看，这里就很微妙。
她以为自己在给“投资人身份”铺路。
市场却用行动告诉她，不，你现在最值钱的不是投资判断，而是法律问题解决能力。
创业者看到她的内容后，来找她，不是问：
你能不能投我们？
而是问：
我们这个股权结构对不对？
我们有没有签 IP assignment？
我们的 vesting 有没有问题？
83(b) 有没有按时提交？
这些问题，听起来很细。
但对创业公司来说，很多都是会在未来变成大麻烦的坑。
我很喜欢这个地方。
因为它像极了很多个人 IP 和专业服务创业者最容易错过的信号。
你以为你在表达 A。
用户却不断为 B 找你。
很多人会觉得，这不是我想做的方向。
于是硬拧。
硬把自己拧回原来的设想里。
但 Kristina 做了一个更聪明的选择。
她听见了市场的回音。
后来有导师提醒她，这显然是一个真实的市场问题。
别只追你以为会成功的东西，去回应世界正在向你要的东西。
这句话很轻，但分量很重。
很多时候，商业机会不是你想出来的。
是别人反复来找你，把它问出来的。
2、
她后面做的第二件事，是把内容当成信任系统。
这件事也很值得讲。
法律行业本来是一个非常严肃、保守、讲资历的行业。
一个顶级律所律师，在 TikTok 或 Instagram 上跳舞、讲段子、讲法律恐怖故事，听起来是有点违和的。
甚至可以说，会被同行觉得“不专业”。
Business Insider 的文章里提到，她自己也知道，在 Big Law 语境里，一个顶尖律师去社交媒体跳舞，会被认为很 cringe。
但她坚持两个原则。
去人们注意力所在的地方。
提供价值。
她没有在社媒上发那种干巴巴的法律条文。
她讲真实的法律事故。
用短视频、喜剧、甚至跳舞的形式讲。
让创业者在 20 秒内停下来，然后突然意识到：
等一下，我们公司好像也没签这个东西。
等一下，我们当时好像也没做 vesting。
等一下，我们的 83(b) 是不是已经错过了？
据 Business Insider 报道，她的视频月观看量超过 500 万，Mark Cuban 也转发过她的内容。
但我觉得更关键的，不是这个曝光数字。
而是她把一个高信任、低频、复杂的法律服务，拆成了大量“前置教育内容”。
用户还没付钱之前，已经通过内容认识了她的判断。
用户还没咨询之前，已经知道自己可能有坑。
用户还没签约之前，已经感受到她不是在卖焦虑，而是真的懂创始人会在哪里摔倒。
这就是内容的真正价值。
不是热闹。
不是人设。
不是今天涨了多少粉。
而是它在帮你提前完成信任建设。
特别是专业服务。
咨询、法律、财税、投流、培训、商业顾问、个人 IP 教练，都一样。
你卖的不是一个标准品。
你卖的是判断。
但判断这个东西，很难在成交前证明。
怎么办？
用内容提前展示你的判断。
不是说你很专业。
而是你能不能一眼指出用户真正的问题。
能不能讲出他正在踩的坑。
能不能把一个复杂问题，拆成他听得懂、又能立刻行动的一步。
这才是专业服务内容的本质。
内容不是流量池。
内容是信任池。
3、
然后她做了第三步，创办 Lawlace。
这是一个面向创业公司的法律服务公司。
据 Business Insider 报道，Lawlace 两年做到超过 130 万美元收入。
这一步其实很关键。
因为她没有从内容直接跳到 AI 产品。
她先做服务。
服务有什么好处？
它慢。
它累。
它不性感。
但它有一个巨大的优势。
你可以近距离看到用户到底怎么出问题。
创业公司的法律问题，表面上可能都是合同、股权、融资文件。
但真正做服务时，你会发现：
谁最着急？
谁最不懂？
哪些问题最反复？
哪些流程最浪费时间？
哪些地方用户以为自己清楚，其实完全没概念？
哪些工作需要律师判断？
哪些工作其实只是重复整理、起草、核对、提醒？
这些东西，不做服务，很难知道。
很多 AI 产品最大的问题，就是跳过了这一步。
创始人没有在泥里滚过。
没有真正处理过一百个用户的混乱需求。
于是做出来的产品看起来很完整，但不痛。
界面很漂亮，但没有压住一个真实问题。
Kristina 的路径恰好反过来。
她先用内容获得信任。
再用服务承接需求。
再从服务里看见可自动化的部分。
这就让 AI 不是一个装饰，而是一个自然长出来的工具。
我一直觉得，AI 时代有一类人会很有机会。
不是纯技术背景的人。
而是那些在某个专业服务里，真的处理过大量具体问题的人。
比如律师、会计、投流顾问、培训老师、咨询师、招聘顾问、设计顾问、私域操盘手。
他们手里有一种东西，非常值钱。
叫“高质量重复场景”。
每次客户来，问题都不完全一样。
但底层结构很像。
每次都需要判断。
但有大量前置资料整理、初稿生成、风险提醒、清单核对、报告输出，是可以被 AI 接走的。
这就是机会。
不是让 AI 替代你的专业。
而是让 AI 承接你的重复劳动。
然后你把更多时间留给判断、策略、关系和信任。
4、
到了 2025 年后期，她开始把这个服务继续产品化。
Business Insider 文章里说，到 2025 年末，她认为 AI agents 已经可以做真正复杂的工作，基本相当于 junior associate，也就是初级律师助理的工作。
于是她开始搭 Lexsy。
Lexsy 的定位，是一个面向公司的 AI 法律操作系统。
客户买订阅，把公司的法律事务放在平台上运行。
平台先由 AI agents 做初步处理，再由真人律师把关。
文章里有一个细节，我觉得很重要。
她不是说，AI 完全替代律师。
她说，AI agents 先做第一稿，高级成员负责策略和审核。
而且平台上的工作仍然受 attorney-client privilege，也就是律师客户保密特权保护。
这个设计非常聪明。
因为法律服务的核心，从来不只是生成文本。
真正值钱的是：
责任。
判断。
边界。
风险承担。
客户知道，背后有真人专业人士在看。
AI 提高的是速度和产能。
人保住的是信任和责任。
这也是很多专业服务 AI 化时必须守住的边界。
不是所有事情都应该交给 AI。
也不是所有环节都必须由人亲自做。
你要重新分工。
AI 做重复、初稿、整理、提醒、比对。
人做判断、策略、关系、最终责任。
你看，这不只是法律行业。
任何专业服务都可以借这个思路重做一遍。
比如一个小红书投流陪跑。
AI 可以先读笔记、整理后台数据、生成复盘模板、列出可能问题。
但到底该不该加预算，问题是封面、标题、转化承接，还是产品定位，仍然需要操盘手判断。
比如一个英语培训老师。
AI 可以批改作文、整理错题、生成练习题。
但一个学生到底卡在词汇、语法、阅读定位，还是学习心态，仍然需要老师判断。
比如一个个人 IP 教练。
AI 可以整理素材、生成选题、写初稿。
但这个人的表达是否真实，他的商业定位是否成立，他的内容有没有身份感，仍然需要人判断。
所以我觉得，AI 时代的专业服务，不是“人没用了”。
而是人的价值被重新挤压到更核心的地方。
如果你只会执行，你会很危险。
如果你有判断，你会更值钱。
5、
再看她的融资方式，也挺有意思。
她后来融了 65 万美元。
放在硅谷，这个数字不大。
甚至有点克制。
但她不是为了讲一个大故事去融资。
她有很明确的目的。
Business Insider 里说，她已经有收入，也已经盈利。
融资是为了让自己可以停下销售 6 个月，专心搭 Lexsy 的平台和 agents，招聘团队。
而且，如果投资人不能提供资金以外的帮助，比如媒体支持、客户介绍，她就不拿。
这也很反常识。
很多人会把融资当成目标。
好像融到钱，故事就成立了。
但在这个案例里，融资只是一个工具。
她先有内容。
先有客户。
先有服务收入。
先有真实需求。
再融一点钱，把已经被验证过的服务产品化。
所以 Lexsy 2026 年 6 月公开发布时，已经有客户迁移过来，有口碑增长，有她社交媒体带来的流量。
这就是为什么它能在发布时就有 37.2 万美元 ARR。
它不是冷启动。
它是从一个已经在运转的服务生意里长出来的。
这点对普通人尤其重要。
很多人太迷恋“从 0 到 1”。
但真正更适合大多数人的路径，可能是：
从 1 到 1.5。
你先有一个小服务。
先有几个真实客户。
先有一套重复交付流程。
先有一批内容带来的信任资产。
然后再用 AI 把它变轻、变快、变可复制。
这比一上来做一个陌生产品，现实得多。
6、
如果把这个案例拆成一套普通人能用的流程，我会拆成 5 步。
第一步，先用内容找“反复被问的问题”。
不要一开始就想做产品。
先连续发 30 条内容。
每条内容只回答一个真实问题。
然后记录：
哪类内容有人收藏？
哪类内容有人评论？
哪类内容有人私信？
哪类问题反复出现？
哪类用户愿意进一步咨询？
真正的需求，不是你脑子里觉得重要的东西。
是用户一次又一次追问你的东西。
第二步，把问题变成付费服务。
当一个问题反复出现，不要急着做 SaaS。
先做服务。
比如：
一次诊断。
一个陪跑。
一份报告。
一个模板包。
一次 7 天测试。
服务的目的，不只是赚钱。
更重要的是贴近用户。
你要看见他真实的混乱。
他怎么描述问题。
他给你的资料是什么样。
他哪里听不懂。
他愿意为什么结果付钱。
第三步，记录交付里的重复动作。
每次服务结束后，做一张表。
这一单里，我重复做了什么？
哪些动作每个客户都要做？
哪些判断必须由我来？
哪些内容可以模板化？
哪些资料可以让 AI 先整理？
哪些初稿可以让 AI 先生成？
哪些检查项可以变成清单？
这一步非常关键。
因为 AI 产品化不是凭空想功能。
它是从你的交付流程里，把重复动作一块一块抠出来。
第四步，做人机分工。
写清楚：
AI 负责什么。
人负责什么。
比如：
AI 负责收集资料、生成初稿、列风险点、出报告框架。
人负责判断优先级、确认策略、修改关键建议、承担最终责任。
如果你说不清这个分工，就不要急着做 AI 化。
因为最后要么变成纯人工服务，AI 只是噱头。
要么变成全自动工具，但用户不敢信。
第五步，把服务变成订阅或系统。
当你知道用户会长期遇到这个问题，才考虑做订阅。
比如法律事务不是一次性的。
创业公司会持续有合同、融资、股权、员工、合规问题。
所以它适合做 legal operating system。
那你自己的行业呢？
投流复盘是不是持续的？
英语学习是不是持续的？
内容生产是不是持续的？
客户管理是不是持续的？
如果一个问题是持续发生的，它就可能从一次服务，变成一个系统。
7、
讲到这里，我想把这个案例收回来。
这个故事表面上是一个律师做 AI 法律平台。
但真正值得我们学的，不是法律，也不是融资。
而是一个顺序。
内容，发现需求。
服务，验证付费。
流程，沉淀方法。
AI，自动重复。
人，保留判断。
产品，放大交付。
这个顺序对我自己也有提醒。
我这段时间一直在和 AI 一起做内容生产工作流。
每天找案例，判断选题，写文章，配图，发公众号。
刚开始我也会想，这是不是就是一个“内容自动化工具”？
但做着做着我发现，不是。
真正有价值的，不是让 AI 写一篇文章。
而是把一个内容人每天做判断的流程拆出来。
什么案例值得写？
为什么这个钩子强？
哪些数字能打动人？
这个故事背后能拆出什么方法？
读者看完以后，今天能做什么？
这些才是内容人的判断。
AI 可以帮我搜索、整理、出初稿、做图片。
但它不能替我决定，一个故事为什么值得被讲。
这个部分，仍然得我来。
你看，最后绕回来，其实和 Kristina 做 Lexsy 是一样的。
AI 不是替代专业。
AI 是把专业里的重复部分接过去。
然后逼你回答一个更难的问题。
你的真正判断，到底是什么？
如果你是一个专业服务者，我建议你今天就做一个小动作。
打开一个表格。
写下过去 30 天，客户反复问你的 10 个问题。
然后给每个问题标三列：
有没有人愿意付钱？
有没有重复交付动作？
有没有必须由你来判断的部分？
如果一个问题，三列都打勾。
那它可能就是你的 AI 产品化入口。
不要急着做 App。
先做一次服务。
不要急着谈自动化。
先把交付流程写下来。
不要急着证明自己很先进。
先证明你真的解决了一个问题。
AI 时代，普通人最好的机会，可能不是变成技术公司。
而是把自己已经会的那件事，变成一套更轻、更快、更能复制的系统。
这件事，听起来没有那么性感。
但它可能更真实。
也更适合我们。资料来源
1. Business Insider, I left Big Law to become an investor, but building an AI firm proved more lucrative. We hit 6 figures in our first 6 months.https://www.businessinsider.com/big-law-cooley-ai-agents-legal-platform-2026-6
2. Lexsy 官网，Legal Operating System for Startups and Their Investors.https://www.lexsy.ai/
闽公网安备 35010202001226号
