AI 合同审阅：条款提取与风险标注，保留人工把关

每个成长中的企业最终都会积累大量合同：客户协议、供应商合同、保密协议、租约、劳动合同和许可协议。规模很小的法务团队，甚至没有法务，要审阅所有这些文件，同时还要保证销售和采购的速度。结果常常是两个糟糕的选择：要么合同未经仔细阅读就签署，要么交易因等待审阅而被拖延数周。

大语言模型提供了一条折中的路。AI 可以快速阅读合同，提取关键条款和日期，与公司标准比对，并标出偏离的部分。但 AI 也可能自信地出错，而合同恰恰是错误代价高昂的文件。本文介绍如何合理地用 AI 审阅合同：哪些适合交给机器，哪些必须留给人，如何设计流程以及如何测试。本文不构成法律意见，法律决定仍由有资质的法律顾问负责。

摘要

• AI 最适合提取、比对和标注，而不是决定合同能否安全签署
• 书面的公司标准（条款手册）是最重要的原料；没有它，AI 只是在猜测您的偏好
• 每条发现都必须指向文件中的原文引用，便于核实
• 合同的保密性决定模型和处理地点的选择
• 准确率必须先用您自己的合同样本测量后再信任，并在之后持续监控

合同审阅的时间都花在哪里

选择工具之前，先弄清时间浪费在哪里。在大多数团队中，大部分时间并不是用于复杂的法律判断，而是用于重复性工作：

• 在几十页的文件中查找特定条款，例如责任限制、终止或自动续约
• 将关键日期、金额、各方和期限记录到清单中
• 将对方的新版本与上一版本比较，找出改动
• 检查条款是否符合公司标准，例如付款期限或适用法律
• 回答销售或采购的简单问题：这份合同是否允许自动续约，通知期多长

这类工作耗时，但规律足够清晰，AI 能够帮上忙。与此同时，判断某项风险在您的业务背景下是否可接受，仍然需要人来完成。

AI 可以合理做到的事

条款与数据提取

AI 可以把冗长的合同文本变为结构化数据：各方、起止日期、合同金额、付款条款、终止条款、自动续约、适用法律、争议管辖以及责任上限。结果可以导入合同台账或管理系统，到期日即可触发提醒。这与依赖整洁合同数据的合同管理与客户续约密切相关。

与公司标准比对

如果您有条款手册，即每类条款的理想立场、可接受的退让立场和不可接受的立场，AI 就可以把收到的合同与之比对。例如：“30 天内付款；经批准最多 45 天；超过则上报”。AI 标出偏离的条款，并说明偏离在哪里。

摘要与版本比较

对于长合同，结构化摘要帮助法务团队之外的人掌握要点。在谈判中，AI 可以突出版本之间的改动并概括其影响，让审阅者聚焦于变化的部分。

针对文件的问答

销售团队可以对一批合同直接提问：哪些合同含有排他条款，或者哪些客户的合同期在 90 天内结束。这本质上就是基于企业知识的 RAG AI 聊天机器人所用的基于文件的检索与回答模式，前提是每个回答都附有来源引用。

不能完全交出去的事

AI 有您需要了解的局限。

• 模型可能漏掉分散在多个章节中的条款，例如附件中的定义改变了主条款的含义
• 模型可能误读以双重例外表述的条款
• 在缺乏控制时，模型可能编造不存在的引文或条款编号
• 模型不了解您的业务背景：与对方的关系、时间压力或风险承受度
• 法律因司法辖区而异且不断变化；模型的知识可能过时，或不包含最新的本地法规
• 判断合同是否有效、可执行或可安全签署，属于法律判断

因此决定权仍在有权限的人手中。AI 的作用是准备材料，让审阅者更快工作，不遗漏明显的问题。

设计有人工监督的流程

健康的流程遵循AI 代理的人在回路中讨论的人工控制原则。常见的安排：

• 上传：合同通过受控渠道进入，并对文件类型和保密级别分类
• 提取：AI 填写数据字段并标注条款，每项都附原文引用及其在文件中的位置
• 初步评估：系统与条款手册比对，生成带优先级的发现清单
• 人工审阅：审阅者检查发现、打开引文、接受或驳回每条发现并添加备注
• 上报：高风险或高金额的合同自动转交法律顾问或管理层
• 记录：决定、修改和最终版本连同审计轨迹一并保存

确保界面便于核实。如果审阅者必须自己去找每条发现的来源，他们往往会盲目相信，而这正是该工具最大的风险。

制定条款手册

结果质量在很大程度上取决于条款手册。可以从您的业务中最容易出问题的十到十五类条款开始，例如：

• 付款条款与期限
• 自动续约与终止通知
• 责任限制与赔偿
• 保密与数据使用
• 知识产权与工作成果归属
• 适用法律与争议解决
• 排他与竞业限制
• 服务水平与罚则

对每类条款写三个层级：理想立场、无需上报即可批准的退让立场，以及需要特别批准的底线。在初稿阶段让法律顾问参与。即使没有 AI，这份手册也有价值，因为它统一了不同审阅者的标准。

保密与数据安全

合同包含敏感信息：价格、战略、第三方个人数据以及保密义务。在把文件发送给任何模型之前，请检查：

• 与模型提供商的合同是否禁止使用您的数据训练模型，以及数据如何存储和删除
• 数据在哪个地区处理，是否符合您的义务；另见[在印度尼西亚的数据存储位置与托管合规](/blog/lokasi-penyimpanan-data-dan-kepatuhan-hosting-aplikasi-bisnis-di-indonesia)
• 部分合同是否使您受保密义务约束，禁止向包括 AI 提供商在内的第三方披露
• 处理之前是否需要对个人数据或名称做脱敏
• 谁可以上传和查看结果，遵循最小权限原则

云服务与自建模型之间的选择见自托管 LLM 还是云 API。含有隐藏指令的文件所带来的特定风险见AI 应用安全：提示注入与数据泄露；来自外部的合同不是完全可信的输入。

信任之前先测量准确率

不要凭演示来评判工具，而要用您自己的合同测量。

• 收集 30 至 50 份有代表性的合同，类型和扫描质量各异
• 请经验丰富的审阅者标注正确答案：字段取值、条款位置以及与条款手册的偏离
• 运行工具并计算两个指标：发现结果的正确率（精确率）和成功找出的重要事项占比（覆盖率）
• 特别关注代价高昂的错误：漏掉有风险的条款比误报更严重
• 测试困难案例：模糊的扫描件、改变内容的附件以及混合语言

更通用的评估方法见企业应用中 AI 与 LLM 输出质量的评估。每当模型、提示词或条款手册改变时，都要重复测量，上线后也要定期抽样监控结果。

扫描件与混合语言

许多合同仍是扫描件或照片。较差的文字识别（OCR）会破坏后续的每一步，因此要先检查其质量，并标记文字识别不佳的文件。还要注意双语合同：如果印尼语版本与英语版本不同，以哪种语言为准的条款就变得重要，并且需要让 AI 检查版本之间的一致性。从文件中提取数据见文件数据录入自动化。

连接到业务流程

当提取结果进入其他流程时，价值最大。

• 到期日和通知期成为发给合同负责人的自动提醒
• 付款条款流入开票和应付账款系统
• 服务承诺进入工单系统，作为 SLA 的依据
• 金额与各方进入风险敞口报表：未来六个月到期的义务总额是多少
• 最终批准与签署可以连接到电子签名流程，参见[企业文件流程中的电子签名与电子印花税](/blog/tanda-tangan-elektronik-dan-e-meterai-untuk-alur-dokumen-bisnis)

使用治理

在工具被广泛使用之前制定书面规则，并与公司的 AI 使用政策与 AI 治理保持一致：

• 哪些合同类型可以处理，哪些禁止
• 谁对最终决定负责
• AI 的发现如何记录和保存
• 何时必须让法律顾问参与
• 错误如何上报和修正

明确告知用户，AI 的输出是辅助工具，而不是法律意见。

分阶段实施

• 第一阶段：从现有合同中提取数据字段，建立台账和提醒。风险低，价值很快显现
• 第二阶段：针对一种高频合同类型（例如保密协议或标准供应商合同）与条款手册比对
• 第三阶段：版本比较以及针对合同集合的问答
• 第四阶段：与开票、工单和电子签名系统集成

标准保密协议往往是最好的起点：形式统一、数量多、风险相对较低，因此容易衡量收益。

常见错误

• 接受 AI 摘要却不打开原文引用
• 没有条款手册，导致比对结果不一致
• 把保密合同上传到未核查数据条款的服务
• 只用几份干净的样本测试就断定工具已经可用
• 为追求速度而在高金额合同中取消法律顾问的作用

常见问题

AI 能取代法律顾问吗？

不能。AI 加快阅读和标注，但法律判断、谈判和责任仍由有权限的人承担。

把合同上传到 AI 服务安全吗？

取决于提供商的条款、处理地点和您的保密义务。请检查数据使用政策，对敏感文件考虑更可控的处理方式。

应该从哪里开始？

从现有合同的数据提取和日期提醒开始，或者从某一类标准文件（如保密协议）开始。在扩展之前，先用您自己的样本测量准确率。

结论

只要把 AI 当作结果始终可以核实的助手，它就能减少阅读、查找和比较合同所花的时间。关键是清晰的条款手册、每条发现附有来源引用、对保密性的考量、用自己的数据测量准确率，以及把最终决定交给有权限的人。如果您想构建带有人工监督的合同审阅或文件提取流程，Agsora 团队可以协助设计和实施。