Birinci Perde: Prestij ya da Hiç

Çoğu yatırımcı onlara aynı şeyi söyledi: Küçük firmalarla başlayın. Solo avukatları hedefleyin. KOBİ pazarından girin.

Winston bu tavsiyeyi reddetti.

Doğrudan Allen & Overy'nin kapısını çaldılar; dünyanın en büyük ve prestijli hukuk firmalarından biri. O an Harvey'nin tüm ekibi 4 kişiydi ve Airbnb'den çalışıyorlardı.

Mantık son derece basitti ama çoğu kurucu bunu kaçırıyor:

"Birkaç büyük firmanın güvenini kazanırsanız, geri kalanlar sizi zaten güvenilir bulur. Onların müşterileri de öyle."

Profesyonel hizmetlerde güven, bir ürün özelliği değil; ürünün ta kendisi.

A&O, pilotun ilk aşamasında yüzde 70 ile 80 arasında günlük kullanım oranına ulaştı. 3.500 avukat, firma taahhüt vermeden önce 40.000 soru sordu. İlk 50 kurumsal müşteri, hukuk firmalarının kendi müşterilerinden gelen yönlendirmelerle geldi.

Türkiye'deki hukuk teknolojisi tartışmalarında da benzer bir soru var: Önce büyük firmaları mı hedefleyelim, yoksa erişilebilirlikten mi başlayalım? Harvey'nin cevabı nettir; zorlu işi kazanabileceğinizi kanıtladığınızda, kolay iş zaten gelir.

İkinci Perde: Genişle, Daralt, Tekrarla

Harvey'nin ürün stratejisi, dikey yapay zeka için neredeyse bir şablon haline geldi.

Hukuki iş birkaç temel kategoriye ayrılır: taslak hazırlama, belge karşılaştırma, içtihat araştırması, düzenleyici analiz, sözleşme incelemesi, veri odası işleme... Her birinin kendine özgü mantığı var. Bir due diligence sürecinde milyon sayfalık sözleşmeyi tarayan sistem ile bir dava dilekçesine karşı argüman geliştiren sistem aynı şey değil.

Harvey'nin yaklaşımı iki adımda özetlenebilir:

Önce genişle: Her iş akışı için ayrı, derinlemesine optimize edilmiş sistemler inşa et. Mühendislerin yanına avukatlar yerleştir. "Disclosure schedule nasıl yapılır?" ya da "Piyasada standart madde nedir?" gibi soruların yanıtları bu süreç verisinde saklı; hiçbir eğitim setinde yok. Hukuk firmalarının içinde yaşıyor.

Sonra daralt: Tüm bu sistemleri tek bir arayüzde birleştir. Yapay zeka, kullanıcının sorusuna göre doğru araca yönlendir. Menü yok, sürtüşme yok. Bir içtihat sorusu soruyorsanız sistem LexisNexis bağlantısını öneriyor; birleşme sözleşmesi yüklüyorsanız due diligence iş akışını tetikliyor.

Sonuç? Dörtten fazla ürün modülünü benimseyen kullanıcılarda günlük aktif kullanım oranı yüzde 75; bu rakam şu sıralar yüzde 85'e yaklaşıyor.

Üçüncü Perde: Yazılım Satmaktan İş Satmaya

Harvey'nin en radikal dönüşümü burada başlıyor.

Geleneksel SaaS şirketleri koltuk satar. Harvey bir adım öteye geçiyor: iş satıyor.

Şöyle çalışıyor: Harvey, bir hukuk firmasıyla birlikte özel bir yapay zeka çözümü geliştiriyor. O firma bu çözümü kendi müşterilerine satıyor. Gelir paylaşım modeliyle Harvey de bu satıştan pay alıyor.

Somut örnek: Bir özel sermaye fonunun kurulum ve yapılanma süreçleri (fund formation), bir hukuk firmasının Harvey üzerinde kurduğu özel bir iş akışıyla otomatize ediliyor. Firma bu ürünü müşterisine satıyor. Bütçe, teknoloji harcamaları kaleminden değil (milyonlar), profesyonel hizmet harcamaları kaleminden (milyarlarca) geliyor.

Bu fark küçük görünüyor ama sonuçları devasa: Hukuk firmasının teşvik yapısı tersine dönüyor. "Harvey'e ne kadar az ödesem?" sorusu "Harvey üzerinden ne kadar çok iş satasam?" sorusuna dönüşüyor.

Gözden Kaçan Metrik: GRR

Harvey'nin CEO'su Winston Weinberg, yapay zeka sektöründeki yatırımcıların yaptığı en büyük hatayı şöyle tanımlıyor:

"Çoğu yatırımcı sadece net yeni ARR'a bakıyor. Gross Revenue Retention'ı görmezden geliyorlar. Bu büyük bir hata."

Elde tutma verisine bakıldığında resim netleşiyor: Harvey'de devreye alındıktan sonraki 12 ay içinde medyan koltuk sayısı ikiye katlanıyor. Haftalık aktif kullanıcılar yıldan yıla dört katına çıktı.

$100M ARR'ın ötesine geçen şirketler için gerçek sınav burada başlıyor. Yeni müşteri kazanmak değil, mevcut müşteriyi tutmak ve büyütmek. Harvey'nin rakamları bu sınavı geçtiğini gösteriyor.

Rekabet: İki Oyunculu Bir Yarış

Kurumsal hukuk teknolojisi pazarı hızla iki merkezli bir yapıya dönüşüyor: Harvey ve Legora.

Harvey yaklaşık $200M ARR ile öndeyken, Legora bir yıl geç başlamasına rağmen hızla yaklaşıyor.

Teknik konumlanmada farklılar: Harvey birden fazla temel model (OpenAI, Anthropic, Google, Mistral) üzerinde bir orkestrasyon katmanı çalıştırıyor ve göreve göre en uygun modeli seçiyor. Legora ise ağırlıklı olarak Claude üzerine kurulu, hız ve büyük belge işlemede optimize.

Harvey'nin kopyalanması zor avantajları arasında LexisNexis ortaklığı (ürünün içinden erişilebilir içtihat), 18.000 kullanıcı tarafından inşa edilmiş özel iş akışları ve eski büyük hukuk firmalarından gelen satış ekibi öne çıkıyor.

Bu rekabeti izlemek, Türkiye açısından da kritik. Zira her iki şirketin de Türk kullanıcılarla ilişkisi şekilleniyor.