合同审核慢的不是「读」,是「找依据」
梳理流程时我们发现,法务同事真正耗时间的不是阅读合同本身,而是三件事:
- 翻找历史同类合同,确认这次的条款和上次有没有实质差别;
- 核对是否与公司标准模板、合规要求、监管口径一致;
- 把关键信息(金额、期限、付款节点、违约条款、管辖约定)手工摘出来填进台账。
一份合同从头到尾读一遍也许只要十几分钟,但「找依据 + 摘信息 + 填台账」加起来,就是半个工作日。
为什么不能只用大模型
直连大模型做合同审核,看起来最简单,在医药行业却是不能接受的。原因很直接:合规场景不能有幻觉。模型给出一个「看起来合理」的结论,如果无法回溯到原文条款或制度依据,法务不敢采信,出了事也无法解释。
我们的原则是:AI 负责找出来,人负责下判断。系统输出的每一条结论都必须能点开看到出处——是哪份文件、哪一条、原文怎么写的。
方案:检索 + 提取 + 比对,人工终审
| 环节 | 做什么 | 输出 |
|---|---|---|
| 文档解析 | 合同与制度文件结构化切分,保留页码与条款编号 | 可检索的条款级片段 |
| 混合检索 | 关键词 + 语义检索并行,命中制度与历史同类条款 | 带出处的依据清单 |
| 信息提取 | 金额、期限、付款、违约、管辖等字段自动提取 | 结构化字段表 |
| 差异比对 | 与标准模板逐条比对,标出新增、修改、缺失条款 | 差异清单 |
| 人工终审 | 法务确认或修正,修正结果回流入库 | 审核意见与更新的知识库 |
三个关键设计
- 引用可回溯:每条结论附带原文片段与位置,点击可定位,杜绝「无出处的结论」;
- 置信度分流:提取置信度低的字段自动转人工,不硬猜——宁可让人多看两眼,也不让错误字段流入台账;
- 权限与留痕:合同属敏感数据,按角色隔离可见范围,谁看过、谁改过全程留痕。
效果口径:半天 → 1 小时以内
需要说明这个数字的边界:指的是单份合同从领取到产出差异清单的初审用时,不含法务的最终判断与商务谈判时间。系统替代的是机械比对与信息摘录,不是法务的专业判断。
上线后另一个变化更值得关注:因为历史条款被沉淀进了知识库,新同事上手同类合同的速度明显变快——经验从个人身上,变成了组织资产。
这套能力还能用在哪
采购协议、销售合同、渠道协议、供应商准入材料、招标文件预审——所有「有标准依据、需要逐条比对、必须留痕」的场景都适用。我们通常会先选一个文件量最大的场景做切口,跑通后再横向复制。
本文要点
- 合同审核的真正瓶颈是找依据与摘信息,不是阅读速度
- 合规场景不能直连大模型,每条结论必须可回溯到原文
- 方案链路:解析 → 混合检索 → 信息提取 → 差异比对 → 人工终审
- 三个关键设计:引用可回溯、置信度分流、权限与留痕
- 「半天 → 1 小时」指单份合同初审用时,不含法务最终判断
微信内识别二维码分享此文