Harvey dan EngramLab telah merilis dataset sintetis open-source yang berisi lebih dari 100 juta token, pada dasarnya membangun seluruh karya fiktif sebuah firma hukum agar sistem AI nyata dapat belajar bagaimana firma-firma sungguhan beroperasi. Dataset ini mencakup lebih dari 250 perkara klien sintetis untuk 46 klien, dengan sekitar 10.000 file individu yang mewakili jenis pengetahuan institusional yang biasanya tersimpan dalam pikiran mitra yang telah berpraktik selama puluhan tahun.
Apa yang sebenarnya terkandung dalam dataset tersebut
Kontribusi EngramLab berfokus pada teknologi lapisan memori-nya, yang menurut perusahaan dapat memampatkan konteks organisasi hingga mengurangi penggunaan token hingga 100 kali lipat. Dalam praktiknya, ini berarti sistem AI dapat memproses setara dengan sejumlah pengetahuan institusional sepanjang karier mitra tanpa menghabiskan anggaran komputasi.
Harvey, untuk bagiannya, telah membangun menuju rilis semacam ini. Pada awal 2026, perusahaan tersebut melepaskan Legal Agent Benchmark, dikenal sebagai LAB, yang menetapkan cara standar untuk mengukur seberapa baik agen AI melakukan tugas hukum. Dataset sintetis ini merupakan pendamping alami, memberikan materi pelatihan nyata kepada peneliti dan pengembang untuk digunakan bersama benchmark tersebut.
Perusahaan-di-balik-rilis tersebut
Harvey telah menjadi salah satu pemain paling terkemuka di bidang AI hukum, dengan nilai saat ini sebesar $11 miliar. Perusahaan ini menempatkan dirinya sebagai platform bagi firma hukum yang ingin mengintegrasikan AI ke dalam alur kerja mereka tanpa melepaskan kendali atas pengetahuan propietaris mereka.
EngramLab mengumpulkan dana sebesar $98 juta pada 23 Juni 2026, dengan valuasi sekitar $600 juta. Teknologi intinya berfokus pada lapisan memori yang dipelajari untuk sistem AI, mengurangi beban komputasi yang diperlukan untuk mempertahankan konteks selama interaksi panjang.
Kemitraan antara dua perusahaan ini sudah ada sebelum rilis dataset ini. Kolaborasi mereka berfokus pada pengkodean proses firma hukum melalui AI, dengan Legal Agent Benchmark sebagai output publik awal dari karya tersebut.
Mengapa sumber terbuka penting di sini
Kantor hukum terkenal sangat melindungi data mereka, dengan alasan yang tepat. Hak istimewa pengacara-klien, doktrin hasil pekerjaan, dan kerahasiaan kompetitif semuanya menciptakan hambatan besar dalam mengumpulkan jenis data pelatihan yang dibutuhkan sistem AI. Data sintetis menawarkan solusi alternatif: seluruh kompleksitas struktural dari pekerjaan hukum nyata, tanpa kekhawatiran kerahasiaan apa pun.
Apa artinya ini bagi lanskap AI hukum
Klaim kompresi 100x dari EngramLab, jika terbukti valid dalam praktik, bisa sangat signifikan. Satu transaksi M&A saja bisa menghasilkan puluhan ribu halaman dokumen. Teknologi apa pun yang mampu mempertahankan konteks bermakna di sepanjang volume sebesar itu tanpa peningkatan biaya yang sebanding akan menangani salah satu hambatan mendasar dalam penerapan AI secara skala besar di firma hukum.
Bagi Harvey, strategi open-source memperkuat posisinya sebagai lapisan infrastruktur untuk AI hukum, bukan hanya solusi titik lainnya. Dengan menyediakan baik benchmark (LAB) maupun data pelatihan sekarang, perusahaan ini membentuk standar yang akan menjadi acuan seluruh sektor.