在大模型技術的加持下，越來越多行業迎來了重塑的可能，市場也格外關注大模型技術的實際落地。那么，當大模型與電子合同產生碰撞，會出現哪些轉變與可能性？一起來看看本文的分析與展望。

如何通過大語言模型（LLM）提升行業中產品及服務的能力，是市場對AI技術應用落地的核心關注點。在法律行業中，數據形式以文本為主，且絕大多數都是基于法律條款的事實和真實案件，很適合大語言模型訓練，天然是AI應用落地的絕佳場景。

本文將探討國內外法律科技企業在電子合同中的應用，LLM技術的加持下帶來的轉變、難點及未來展望。請坐好，準備發車啦～

一、法律科技企業的全景圖

法律行業的人工智能軟件市場預計將從 2023 年的 9.4 億美元增長到 2028 年的 32.9 億美元，在預測期間（2023-2028 年）的年復合增長率為 28.50%（數據來源：Mordor Intelligence）。

圖片來源：Mordor Intelligence

圖片來源：Catalyst Investors

法律科技領域按服務類型分類

可分三大類產品：企業法務管理軟件、法律執行管理軟件、律師工作提效軟件。

圖片來源：LegalTech and Services – Houlihan Lokey

• 企業法務管理軟件：幫助法律部門優化工作流，包括：合同生命周期管理、知識產權管理、法律知識檢索與研究代表企業：Agiloft、iManage、ANAQUA
• 法律執行管理軟件：幫助律師事務所管理和優化律師事務，包括：法律事務管理、律師人才管理、律師計費和時間管理等 代表企業：Aderant、LexisNexis、Clio
• 律師工作流提效軟件：幫助律師提升法律服務效率，包括：合同自動化、合同智能審查、起草、訴訟等輔助軟件 代表企業：Docusign、CS Disco、casetext

法律科技企業核心的商業價值在于合同全生命周期管理（包括：合同起草、合同審核、合同簽署、合同歸檔及履約&續約、法律服務），而合同管理典型的應用場景就在于電子合同領域。

二、電子合同 vs. 智能合同

1. 電子合同解決了什么問題？

我們先簡要分析一下電子合同相較于紙質合同的優勢：

紙質合同的弊端

• 簽署周期長：合同簽約需進行快遞郵寄，影響簽約效率，存在不可控的風險；
• 簽署成本高：除了合同打印成本郵寄成本外，還需要有紙質合同的存儲及管理成本；
• 用印風險高：蘿卜章事件、印章盜用事件都是用印風險問題的體現。

電子合同的優勢

• 簽署周期短：通過短信或鏈接的方式直接發送至簽約方手機，線上實時簽約；
• 簽署成本低：相比于郵寄及紙質合同存儲的成本，線上云成本更低，更高效；
• 風險可控：企業設置不同業務場景的審批流程，流程化進行管控風險（簽署用印可管理，用印記錄可追溯）。

所以，電子合同解決了簽約過程中實效性，合規性與安全性的問題。讓簽署各方高效連接，快捷簽約，提效降本。

2. 智能合同解決了什么問題？

電子合同：

電子合同解決的是簽約過程中的實效性問題，重點在于簽署時的高效、安全、合規，具備法律效益。

面向的客群是簽署各方，解決的是合同簽約的效率問題。

智能合同：

由AI技術加持下的電子合同，面向的客群是法務 / 管理者，解決的是簽署前后環節中合同本身的風險合規問題與合同管理問題。

三、人工智能技術為電子合同帶來了哪些轉變

1. 傳統以OCR、NLP技術為代表的AI技術+電子合同

OCR，光學字符識別：Optical character recognition

一句話概括：將手寫或打印的圖像，轉化為計算機編譯的電子文本。

OCR技術的核心是文字檢測和識別：

• 文字檢測：確定圖像中是否存在文字，并給出文字的區域位置；
• 文字識別：根據文字區域的圖像特征，將其轉換為對應的文本。

OCR技術在電子合同的典型應用場景「合同比對」。

• 簽約前：在草擬合同時，能夠通過OCR技術識別出合同文件中不同版本之間的修改差異；
• 簽約時：在接收到電子合同時，通過OCR技術快速識別簽約的電子合同與之前協商的合同內容是否有一致。

NLP，自然語言處理：Natural language processing

一句話概括：讓計算機像人類一樣理解人類的語言。

NLP的技術能力包括：

• 文本分類：可識別文本背后所表達的情感與意圖，用于情感分析與意圖分析；
• 文本提?。嚎捎糜谔崛∥谋局械年P鍵數據；
• 機器翻譯：可進行不同語言翻譯。

電子合同典型應用場景「合同審查」「合同歸檔」。

• 簽約前：在合同草擬完成時，通過NLP技術自動對合同進行審閱，識別合同中的語法或文本錯誤，以及基于錄入的規則判斷合同中是否存在法律風險；
• 簽約后：在合同簽署完成后，通過NLP技術可自動提取合同中的重要數據，生成合同臺賬（包括：簽約主體、簽約時間、簽約金額等）可視化進行合同跟進管理。

2. 以大語言模型（LLM）為代表的AI技術+電子合同

大語言模型：Large Language Model

一句話概括：利用深度學習技術，在大規模數據的基礎上訓練的自然語言處理模型，具備強大的文本理解和生成能力。

看起來是不是和NLP很相似，其中大語言模型只是NLP領域中的技術實現方式?！刚Z言模型」是技術實現的方式，「大」說明用于訓練的數據量足夠大！并且LLM能夠對特定領域專業知識，進行微調訓練。其特點是能夠學習并捕捉文本中的復雜關系，具備泛化能力，可處理更為復雜的任務。

3. 大語言模型（LLM）給電子合同領域帶來了哪些改變

那定義咱們捋清楚了，大語言模型是基于足夠多的數據進行訓練而成，并且能夠基于特定領域的數據進行微調，具備強大的文本理解和生成能力，廣泛用于自然語言處理任務。

我們再回到主題，還是按合同全生命周期的不同節點來進行分析，來看一下大語言模型為電子合同領域帶來哪些改變。

【簽署前：合同起草環節】

在合同起草環節，客戶可以根據需求，通過與AI對話的方式，自動生成合同文本與條款內容，從而提升合同起草效率。

國外企業：LexisNexis-律商聯訊，推出的“Lexis+AI”，可通過對話的方式，自動起草合同內容。也能在起草過程中，檢索和讓AI解釋法律條款，從而對合同中的法規進行補充。

圖片來源：Lexis+ AI

國外企業：Spellbook，以插件的形式融入word文檔中，可對合同文本的內容進行文本生成，提供起草建議，也能糾正合同文本中的語法錯誤。

圖片來源：Spellbook

【簽署前：合同審查環節】

由于大語言模型能夠基于法律、合同等相關數據進行微調訓練，可從海量的合同文本中學習到勝訴或敗訴的合同內容與法律條款，所以基于微調訓練后的模型可以大幅提高合同風險審查的準確性，幫助用戶發現潛在的問題與風險。

國外企業：Robin AI，可快速審閱合同內容，分析出合同中潛在的風險，并且能夠針對風險內容進行修改。

視頻來源：Robin AI

國內企業：冪律智能，在智普AI的ChatGLM-130B的基座模型基礎上，訓練了法律垂直模型：PowerLawGLM，并且推出MeCheck-合同審查助手的產品，用于合同審查業務，支持快速定位合同風險文本，提供專業風險提示、修改建議，法條判例自動援引。

圖片來源：冪律智能-MeCheck

國內企業：法大大-iTerms，通過提取合同中的關鍵信息，基于不同業務場景，可自定義審查規則，從而實現系統自動識別合同風險，并給出風險建議。

圖片來源：法大大

【簽署后：合同歸檔環節】

可通過LLM的信息理解和提取能力，實現合同的自動分類歸檔、生成智能報表、并且能夠對歸檔的合同進行檢索查詢與分析。

國外企業：Docusign-CLM，通過提取合同中的關鍵信息，如：簽約時間，簽約對象，合同金額等，自動歸檔至指定的合同文件夾，無需人工歸檔，釋放人力。并且能夠將合同數據可視化呈現，自動統計多維度合同數據，實時了解合同進度。

圖片來源：Ducusign CLM

國內企業：上上簽-Hubble，通過與機器助手的溝通，AI能夠自動總結合同內容、提取合同中甲乙雙方的合同義務，提升合同信息的獲取效率。

視頻來源：Hubble

【簽署后：法律服務環節】

當遇到合同糾紛或需要法律援助時，具備海量法律知識的LLM-Bot，絕對是一個經濟的選擇，其使用成本遠比請一個律師要低的多。

國外企業：DoNotPay，成立于 2016 年，總部位于倫敦。該公司開發了一款人工智能助手，可以理解用戶的意圖，并生成專業的法律文書。該助手還可以訪問大量的法律信息，以幫助用戶更好地處理法律事務。

圖片來源：DoNotPay

國內企業：法狗狗，成立于2016年。旗下LogicQ智能對話系統，用戶可以通過簡潔易懂的案情輸入過程，快速獲得專業精準的案情結果預測和完善訴訟方案。

圖片來源：法狗狗

【總結】

LLM相較于傳統NLP技術在電子合同領域，深化了原有合同起草、合同審查風險識別、以及合同管理的能力。

• 傳統NLP技術，以搜索關鍵詞、配置規則和初步分析為主，比對某個合同段落是否涉及風險，引用至哪條法律法規。
• LLM技術，可以通過對話的方式進行合同起草與合同總結，既可以回答和檢索更細節更完善的問題，也能在一個入口完成業務工作流的全部操作，降低使用成本，改變人機交互方式。

四、LLM在電子合同領域中的挑戰

1. 高質量數據獲取

AI輸出高質量內容的前提在于高質量的數據，數據將成為法律科技領域中的壁壘之一。數據的質量越高，輻射的范圍越廣，AI在進行內容生成、合同審查以及提出法律建議時的準確率也會越高。

像LexisNexix-律商聯訊一樣，本身的業務形態就沉淀了大量的數據可供機器學習。LexisNexix，1970年成立的老牌法律研究服務公司，有超過160個國家、100多萬律師和律所資源，50億份卷宗，425萬份審批書，32000多個法律與商業信息來源等海量數據（數據來源：維基百科）。

因為有這些數據積累，再基于基座模型微調后，推出Lexis+AI的產品，在法律檢索、合同總結、起草、審查等功能模塊中，呈現了較高質量的效果。

2. 數據隱私問題

在電子合同領域中，用戶對合同數據十分敏感。

大部分電子合同服務商提供的都是SaaS產品，數據存儲在云端服務器中，將自己的合同數據存儲在平臺的服務器，或多或少都會擔心數據的泄露問題。

目前解決這類問題的處理方式是：電子簽約相關的功能在使用云端的產品能力，而簽約后的合同文本，存儲在客戶本地。

但在使用合同審查、智能歸檔等功能時，平臺都會要求客戶將合同數據進行授權，只有同意授權后，才能使用相關的AI能力。這其實也等于將合同中的數據暴露給了平臺。

所以大部分的AI產品應用，還停留在合同起草、法律研究、法律訴訟等不涉及合同數據的層面。

目前解決的方式有兩種。

數據傳輸加密：

CoCounsel 在專用服務器上通過 API 的方式訪問 OpenAI 的 GPT4 模型。所有數據在傳輸過程中都被加密。這意味著 OpenAI 無法查看數據進行模型訓練。

同時用戶始終保留對數據的控制權，可以在任何時候將其從平臺上完全刪除數據，但畢竟有一個將數據上傳云端的過程，用戶使用時依舊會有顧慮。

模型本地化部署：

將產品能力和模型能力本地化部署在客戶的系統中，基于客戶的行業數據，在客戶的本地服務器中微調模型。這種方式收取的是定制費用，雖然能夠一定程度解決客戶的數據隱私問題，但是對于產品提供的企業來說，形成不了規模。

3. AI不會承擔責任

對于LLM的“幻覺”問題，一直是該領域需要攻克的難題。雖然可以通過大量專業數據進行微調，通過強化學習的方式讓輸出的內容更安全、更合規，但是在細分的法律領域仍有可能出現幻覺。

目前AI能力的提供方，在提供AI能力時，都會進行免責聲明。所以當AI生成幻覺的內容時，導致了起草的合同內容違規，或起訴的法律文本敗訴，AI是不會承擔任何責任的。

當下可行的解決方案是：建議產品的使用者，在使用AI產品能力時，需要在專業人士的監督下，對生成的內容進行核查后，再進行使用。

長期來看，對于法律科技公司而言，是否能夠功克在法律細分領域中LLM的“幻覺”問題，是否能夠承擔因LLM的幻覺問題而導致的違規風險，也是競爭力體現的要素之一。

結尾

引用英國法律學者 Richard Susskind 的觀點：律師事務所通過“擁有年輕的律師大軍”而獲利，因為他們向這些律師支付的工資低于他們向客戶收取的費用。

LLM與電子合同的融合，最直接的影響體現體現在「降本增效」上。

To B：面向于企業內法務部門，提供協同起草、合同審查等效率工具，降低合同起草或合同文本中的法律風險，從而提升法務部人均效率。

通過歸檔履約工具，可提取合同中的價值信息，以可視化圖表的方式呈現，智能提醒合同中履約和續約的時間節點及相關事項。

To C：個人或小微企業沒有足夠的資源聘用法律相關人才，且法律知識的學習成本高，若缺少法律相關的知識，則在合同簽約時，對合同中的風險識別能力弱，會引起不必要的糾紛和權益的受損。

在AI技術的加持下，既能夠在簽約前通過AI審查合同中是否存在法律及權益的風險點，又能在出現合同違約時通過AI進行法律的維權服務，省時-省錢且高效。

好啦，以上是我對LLM與電子合同行業融合的階段性理解。

如果文章中有描述不對的地方，請幫忙指正，避免對其他讀者產生誤導。

加油朋友們??