📰 重點摘要
Blue Voice是一家波士頓的AI新創公司，由哈佛法學院輟學生David Lawrence與共同創辦人Amit Patankar（哈佛MBA、前Google工程師）及Michael Gropman（波士頓警局退休副局長）共同創立，專為第一線警員提供即時政策指引。Lawrence當初在校園目睹一起涉及警員的槍擊事件後，發現多數執法失誤源於警員在現場無法即時查閱部門規定，因而決定投入AI解決這個問題。
該公司近日結束隱身模式，宣布獲得SignalFire與Las Olas VC領投的600萬美元融資。目前已有25州、225個郡級警局的警員每天使用這套工具確保執法行為符合部門規範，Lawrence將其定位比擬為法律界廣泛使用的Harvey，或醫療界的OpenEvidence。
過去，警員若忘記某項具體流程（例如犯罪現場處理的第七步驟），只能翻閱多達1.5萬頁的手冊、半夜打電話叫醒主管，或使用Google、ChatGPT等通用工具，但這類消費級AI模型的錯誤率高達30%。Blue Voice則是針對各部門特定的法規、地方條例與執勤準則進行訓練，這些內容是一般AI工具無法從公開網路取得的。平台同時提供警員手機端的詳細校園地圖，供突發槍擊事件時使用。
目前Blue Voice平均每分鐘回答一個問題，且系統設計上不直接下指令，而是引導警員查閱原始法規條文，由警員結合現場經驗自行判斷，藉此建立警員對工具的信任。過去一年，其客戶數成長達11倍，警局回報犯罪率下降、爭議事件減少等具體成效。近期一起案例中，一名新進警員透過該工具即時確認某可疑情況符合「引誘兒童」罪嫌的法律要件，協助阻止一起疑似綁架事件。
💬 JudyAI Lab 觀點
我們觀察到，Blue Voice用AI幫第一線警員即時查對部門規定，原因很單純：1.5萬頁手冊翻不動，深夜打電話問主管不切實際，而通用AI工具在專業法規領域的錯誤率又高達30%。
這個案例反映一個值得AI builder留意的設計思維：與其追求「什麼都懂」的通用模型，不如針對特定領域的規範檔案做深度訓練，讓AI只回答它真正有把握的問題。更值得注意的是互動設計上的取捨——系統不直接下指令，而是引導警員回頭查閱法規原文，由人結合現場經驗做最終判斷。這種「輔助而非取代」的定位，讓Blue Voice客戶數一年成長11倍，也是建立使用者信任的核心關鍵。
如果你正在打造AI工具，不妨想想：產品的角色是幫使用者做決定，還是幫使用者更快找到做決定所需的依據？
📅 原文資訊
- 發布時間：2026-08-31T18:35
- 來源原文：https://techcrunch.com/2026/08/31/harvard-law-dropout-raises-6m-for-blue-voice-to-build-a-harvey-for-police-officers/