基于人工智能将帮助人们实现自动化的想法，EvenUp的估值突破了10亿美元所有的伤害要求。
前雇员告诉商业内幕网，该公司的大部分工作都是依靠人类来完成的。
EvenUp表示，它使用人工智能和人类的结合来确保准确性，而且它的人工智能正在改进。
由于人工智能可以帮助实现法律业务利润丰厚部分的自动化，EvenUp的估值突破了10亿美元。前雇员告诉《商业内幕》，这家初创公司的大部分工作都是靠人工完成的。
EvenUp的目标是简化人身伤害索赔，该公司曾表示，在10月份的一轮融资中，该公司的估值从年初的8,500万美元跃升为独角兽，是历史上增长最快的公司之一。
客户上传医疗记录和案件档案，EvenUp的人工智能应该筛选大量数据，提取关键细节，以确定事故受害者应该得到多少赔偿。
EvenUp的一位投资者将其“基于人工智能的方法”描述为“巨大的飞跃”。
8名前EvenUp员工在夏末秋初接受《商业内幕》采访时表示，至少到目前为止，现实情况是，人类员工已经完成了这项工作的很大一部分，而EvenUp的人工智能在填补空白方面进展缓慢。
这些前雇员表示，他们目睹了EvenUp的人工智能存在的许多问题，包括错过受伤、出现幻觉的医疗状况，以及错误记录的医生就诊情况。为了保住未来的就业前景，这些前雇员要求不透露姓名。
一位今年早些时候离职的前EvenUp员工表示：“他们在面试和培训过程中声称，人工智能是一种帮助加快工作速度的工具，因为人工智能，你可以完成更多的工作。”“在实践中，一旦你进入公司，我的经验是，我的经理甚至告诉我不要使用人工智能。他们说它不可靠，而且制造了太多错误。”
另外两名前雇员也表示，今年他们曾多次被主管告知不要使用EvenUp的人工智能。另一位今年离职的前雇员表示，他们从未被告知不要使用人工智能，只是他们必须保持警惕，纠正它。
这位前雇员说：“我100%被告知它不是非常可靠，我需要密切关注它。”
EvenUp告诉BI，它使用人类和人工智能的结合，这应该被视为一个功能，而不是一个缺陷。
EvenUp联合创始人兼首席执行官拉米·卡拉巴在一份声明中表示：“这种综合方法确保了最高的准确性和最高的质量。”“有些需求主要是通过人工智能生成和最终确定的，只需要少量的人力投入，而其他更复杂的需求需要大量的人力投入，但使用人工智能仍然节省了时间。”
对于人工智能公司来说，早期依靠人类来完成任务和改进方法是一种常见的策略。随着时间的推移，这些人类输入被输入到人工智能模型和相关系统中，而这项技术意味着学习和改进。这些前雇员表示，在EvenUp，这种人工智能良性循环的迹象并不明显。
“在我看来，人工智能似乎没有进步，”一名前员工表示。
“我们的人工智能每天都在进步，”卡拉巴说。“今天比一周前节省了更多的时间，一周前比一个月前节省了更多的时间，一个月前比去年节省了更多的时间。”
随着人工智能席卷整个市场和董事会，并进入工作场所和消费者的生活，EvenUp的情况突显出一个更广泛的担忧。生成式人工智能的成功需要复杂的新技术不断改进。有时候，创业公司创始人和投资者的梦想与员工和客户使用这项技术的实际情况之间存在差距。就连微软（Microsoft）也难以将其著名的人工智能产品Copilot在一些实际应用中实现。
开发过机器学习工具的多伦多大学（University of Toronto）法学助理教授阿比迪·艾迪德（Abdi Aidid）表示，虽然人工智能擅长分类和解读大量数据，但迄今为止，它在准确解读医疗记录等内容方面一直存在困难，因为这些内容的格式不同，而且往往在页边空白处潦草地写着医生的笔迹。
艾迪德说：“当你扫描数据时，它会被打乱很多，让人工智能读取打乱的数据是没有帮助的。”
今年早些时候，BI向EvenUp询问了人类在生产需求信（其关键产品之一）中的作用。外联活动结束后，这家初创公司给出了书面答复，并发表了一篇博客文章，澄清了员工所扮演的角色。
该公司写道：“虽然经过通用数据训练的人工智能模型可以处理一些任务，但起草高质量需求信的复杂性需要的不仅仅是自动化。”“在EvenUp，我们将人工智能与专家评审相结合，提供无与伦比的精确度和护理。”
这家初创公司的发言人拒绝透露人工智能节省了多少时间，但他告诉商业商业周刊，员工写需求信的时间比年初减少了20%。该发言人还表示，72%的需求信内容来自人工智能草案，高于2023年6月的63%。
EvenUp成立于2019年，比OpenAI的ChatGPT发起生成式人工智能热潮早了两年多。
Karabibar， Raymond Mieszaniec和Saam Mashhad创立了EvenUp，为人身伤害受害者提供“公平”的竞争环境。创始人和投资者经常引用米萨尼克父亲雷的故事来解释为什么他们的使命很重要。EvenUp的投资者之一光速创投（Lightspeed Venture Partners）在一篇关于该公司的文章中说，他在被车撞后致残，但他的律师不知道适当的赔偿数额，最终的和解“不够”。
“我们已经训练了一台机器，让它能够阅读医疗记录，解释它正在扫描的信息，并提取关键信息，”米萨尼克在去年的一次采访中说。“我们是有史以来第一个将整个过程自动化的技术，在确保这些公司以经济高效的方式完成所有工作的同时，还能保持高质量。”
今年早些时候，八名前EvenUp员工告诉BI，这个过程还远远没有实现自动化，而且容易出错。
一位前雇员表示：“你必须仔细检查人工智能给你的所有东西，或者完全从零开始。”
例如，据一些前雇员说，该软件在产生不存在的幻觉的情况下，遗漏了医疗记录中的关键伤害。BI没有发现这些错误进入最终产品的实例。其中三名员工表示，此类错误如果没有被员工发现，可能会减少支付。
EvenUp的系统有时会将几天内的多次医院就诊记录为一次。其中一名前员工表示，如果员工没有发现这些错误，索赔金额可能会更低。
这些前雇员回忆说，EvenUp的人工智能系统会产生幻觉，让人去看医生，但实际上并没有。据报道，一名受害者肩膀受伤，而实际上他们的腿受伤了。前雇员说，该系统还混淆了汽车行驶的方向，这在人身伤害诉讼中是很重要的信息。
“它会提取不存在的信息，”一名前雇员回忆说。
该软件有时也会遗漏一些关键细节，比如医生是否确定病人的受伤是由特定事故造成的——据一些员工说，这是分配损害赔偿的关键信息。
一名前雇员表示：“这对律师来说是一笔大钱，而人工智能总是会错过这一点。”
EvenUp的发言人承认，前员工提到的这些问题“可能会发生”，特别是在其早期版本的人工智能中，但他表示，这就是为什么它雇佣人类作为后盾。
EvenUp没有让高管接受采访，但发言人让BI联系了一位客户和一位投资者。
西蒙法律集团（Simon Law Group）的联合创始人罗伯特·西蒙（Robert Simon）表示，EvenUp的人工智能使他的人身伤害公司更有效率，使用人工可以减少错误。
西蒙说：“我很感激这一点，因为我希望在产品还给我之前，能多有人来检查一下。”“EvenUp非常非常准确。”
贝恩资本风险投资公司（Bain Capital Ventures）的合伙人莎拉·欣克弗斯（Sarah Hinkfuss）表示，她很欣赏EvenUp的人力，因为他们帮助训练人工智能模型，而OpenAI及其ChatGPT产品等竞争对手无法轻易复制这些模型。
Hinkfuss在今年早些时候的一篇博客文章中写道：“他们正在建立以前不存在的新数据集，他们正在自动化流程，这大大提高了毛利率。”
大多数前EvenUp员工表示，他们被这家初创公司吸引的一个主要原因是，他们觉得人工智能将会完成大部分工作。
“我原以为这份工作会很简单，”其中一名前员工说。“我认为这就像你检查人工智能已经为你完成的工作一样。”
这些人说，现实情况是，他们必须长时间工作，才能发现、纠正并完成人工智能系统无法完全准确处理的任务。
另一名前雇员回忆说：“我的很多同事会工作到凌晨3点，甚至在周末也要工作，努力跟上工作进度。”
EvenUp的AI可以在两个小时内完成的简单情况下提供帮助。但更复杂的案件有时需要8个小时，因此一个工作日可能会延长到16个小时，其中四名前雇员说。
“我不得不在圣诞节和感恩节工作，”其中一人说。“他们（经理们）表现得应该很快，因为人工智能完成了所有事情。但事实并非如此。”
EvenUp的发言人说，求职者会事先被告知这份工作很有挑战性，需要大量的写作。他说，公司的保留率“与其他高速增长的初创公司持平”，今年第三季度，40%的法律业务助理得到了晋升。
这位发言人说：“我们认识到，在一家规模如此之大的公司工作并不适合所有人。”“此外，随着我们的人工智能不断改进，利用我们的技术将变得越来越容易。”
这位发言人指出，EvenUp在10月底聘请了一位负责人事的副总裁，突显了人力资源的持续重要性。
