AI大年夜模型+电子合同=智能合同？大年夜措辞模型在电子合同中的应用及瞻望

如何通过大措辞模型（LLM）提升行业中产品及做事的能力，是市场对AI技能运用落地的核心关注点。
在法律行业中，数据形式以文本为主，且绝大多数都是基于法律条款的事实和真实案件，很适宜大措辞模型演习，天然是AI运用落地的绝佳场景。

本文将磋商国内外法律科技企业在电子条约中的运用，LLM技能的加持下带来的转变、难点及未来展望。
请坐好，准备发车啦～

一、法律科技企业的全景图

法律行业的人工智能软件市场估量将从 2023 年的 9.4 亿美元增长到 2028 年的 32.9 亿美元，在预测期间（2023-2028 年）的年复合增长率为 28.50%（数据来源：Mordor Intelligence）。

图片来源：Mordor Intelligence

图片来源：Catalyst Investors

法律科技领域按做事类型分类

可分三大类产品：企业法务管理软件、法律实行管理软件、状师事情提效软件。

图片来源：LegalTech and Services – Houlihan Lokey

企业法务管理软件：帮助法律部门优化事情流，包括：条约生命周期管理、知识产权管理、法律知识检索与研究代表企业：Agiloft、iManage、ANAQUA法律实行管理软件：帮助状师事务所管理和优化状师事务，包括：法律事务管理、状师人才管理、状师计费和韶光管理等 代表企业：Aderant、LexisNexis、Clio状师事情流提效软件：帮助状师提升法律做事效率，包括：条约自动化、条约智能审查、起草、诉讼等赞助软件 代表企业：Docusign、CS Disco、casetext

法律科技企业核心的商业代价在于条约全生命周期管理（包括：条约起草、条约审核、条约签署、条约归档及如约&续约、法律做事），而条约管理范例的运用处景就在于电子条约领域。

二、电子条约 vs. 智能条约1. 电子条约办理了什么问题？

我们先简要剖析一下电子条约相较于纸质条约的上风：

纸质条约的弊端

签署周期长：条约签约需进行快递邮寄，影响签约效率，存在不可控的风险；签署本钱高：除了条约打印本钱邮寄本钱外，还须要有纸质条约的存储及管理本钱；用印风险高：萝卜章事宜、印章盗用事宜都是用印风险问题的表示。

电子条约的上风

签署周期短：通过短信或链接的办法直接发送至签约方手机，线上实时签约；签署本钱低：比较于邮寄及纸质条约存储的本钱，线上云本钱更低，更高效；风险可控：企业设置不同业务场景的审批流程，流程化进行管控风险（签署用印可管理，用印记录可追溯）。

以是，电子条约办理了签约过程中实效性，合规性与安全性的问题。
让签署各方高效连接，快捷签约，提效降本。

2. 智能条约办理了什么问题？

电子条约：

电子条约办理的是签约过程中的实效性问题，重点在于签署时的高效、安全、合规，具备法律效益。

面向的客群是签署各方，办理的是条约签约的效率问题。

智能条约：

由AI技能加持下的电子条约，面向的客群是法务 / 管理者，办理的是签署前后环节中条约本身的风险合规问题与条约管理问题。

三、人工智能技能为电子条约带来了哪些转变1. 传统以OCR、NLP技能为代表的AI技能+电子条约

OCR，光学字符识别：Optical character recognition

一句话概括：将手写或打印的图像，转化为打算机编译的电子文本。

OCR技能的核心是笔墨检测和识别：

笔墨检测：确定图像中是否存在笔墨，并给出笔墨的区域位置；笔墨识别：根据笔墨区域的图像特色，将其转换为对应的文本。

OCR技能在电子条约的范例运用处景「条约比对」。

签约前：在草拟条约时，能够通过OCR技能识别出条约文件中不同版本之间的修正差异；签约时：在吸收到电子条约时，通过OCR技能快速识别签约的电子条约与之前协商的条约内容是否有同等。

NLP，自然措辞处理：Natural language processing

一句话概括：让打算机像人类一样理解人类的措辞。

NLP的技能能力包括：

电子条约范例运用处景「条约审查」「条约归档」。

签约前：在条约草拟完成时，通过NLP技能自动对条约进行审阅，识别条约中的语法或文本缺点，以及基于录入的规则判断条约中是否存在法律风险；签约后：在条约签署完成后，通过NLP技能可自动提取条约中的主要数据，天生条约台账（包括：签约主体、签约韶光、签约金额等）可视化进行条约跟进管理。

2. 以大措辞模型（LLM）为代表的AI技能+电子条约

大措辞模型：Large Language Model

一句话概括：利用深度学习技能，在大规模数据的根本上演习的自然措辞处理模型，具备强大的文本理解和天生能力。

看起来是不是和NLP很相似，个中大措辞模型只是NLP领域中的技能实现办法。
「措辞模型」是技能实现的办法，「大」解释用于演习的数据量足够大！
并且LLM能够对特定领域专业知识，进行微调演习。
其特点是能够学习并捕捉文本中的繁芜关系，具备泛化能力，可处理更为繁芜的任务。

3. 大措辞模型（LLM）给电子条约领域带来了哪些改变

那定义咱们捋清楚了，大措辞模型是基于足够多的数据进行演习而成，并且能够基于特定领域的数据进行微调，具备强大的文本理解和天生能力，广泛用于自然措辞处理任务。

我们再回到主题，还是按条约全生命周期的不同节点来进行剖析，来看一下大措辞模型为电子条约领域带来哪些改变。

【签署前：条约起草环节】

在条约起草环节，客户可以根据需求，通过与AI对话的办法，自动天生条约文本与条款内容，从而提升条约起草效率。

国外企业：LexisNexis-律商联讯，推出的“Lexis+AI”，可通过对话的办法，自动起草条约内容。
也能在起草过程中，检索和让AI阐明法律条款，从而对条约中的法规进行补充。

图片来源：Lexis+ AI

国外企业：Spellbook，以插件的形式融入word文档中，可对条约文本的内容进行文本天生，供应起草建议，也能纠正条约文本中的语法缺点。

图片来源：Spellbook

【签署前：条约审查环节】

由于大措辞模型能够基于法律、合同等干系数据进行微调演习，可从海量的条约文本中学习到胜诉或败诉的条约内容与法律条款，以是基于微调演习后的模型可以大幅提高条约风险审查的准确性，帮助用户创造潜在的问题与风险。

国外企业：Robin AI，可快速审阅条约内容，剖析出条约中潜在的风险，并且能够针对风险内容进行修正。

视频来源：Robin AI

海内企业：幂律智能，在智普AI的ChatGLM-130B的基座模型根本上，演习了法律垂直模型：PowerLawGLM，并且推出MeCheck-条约审查助手的产品，用于条约审查业务，支持快速定位条约风险文本，供应专业风险提示、修正建议，法条判例自动援引。

图片来源：幂律智能-MeCheck

海内企业：法大大-iTerms，通过提取条约中的关键信息，基于不同业务场景，可自定义审查规则，从而实现系统自动识别条约风险，并给出风险建议。

图片来源：法大大

【签署后：条约归档环节】

可通过LLM的信息理解和提取能力，实现条约的自动分类归档、天生智能报表、并且能够对归档的条约进行检索查询与剖析。

国外企业：Docusign-CLM，通过提取条约中的关键信息，如：签约韶光，签约工具，条约金额等，自动归档至指定的条约文件夹，无需人工归档，开释人力。
并且能够将条约数据可视化呈现，自动统计多维度条约数据，实时理解条约进度。

图片来源：Ducusign CLM

海内企业：上上签-Hubble，通过与机器助手的沟通，AI能够自动总结合同内容、提取条约中甲乙双方的条约责任，提升条约信息的获取效率。

视频来源：Hubble

【签署后：法律做事环节】

当碰着条约轇轕或须要法律声援时，具备海量法律知识的LLM-Bot，绝对是一个经济的选择，其利用本钱远比请一个状师要低的多。

国外企业：DoNotPay，成立于 2016 年，总部位于伦敦。
该公司开拓了一款人工智能助手，可以理解用户的意图，并天生专业的法律文书。
该助手还可以访问大量的法律信息，以帮助用户更好地处理法律事务。

图片来源：DoNotPay

海内企业：法狗狗，成立于2016年。
旗下LogicQ智能对话系统，用户可以通过简洁易懂的案情输入过程，快速得到专业精准的案情结果预测和完善诉讼方案。

图片来源：法狗狗

【总结】

LLM相较于传统NLP技能在电子条约领域，深化了原有条约起草、条约审查风险识别、以及条约管理的能力。

传统NLP技能，以搜索关键词、配置规则和初步剖析为主，比对某个条约段落是否涉及风险，引用至哪条法律法规。
LLM技能，可以通过对话的办法进行条约起草与条约总结，既可以回答和检索更细节更完善的问题，也能在一个入口完成业务事情流的全部操作，降落利用本钱，改变人机交互办法。

四、LLM在电子条约领域中的寻衅1. 高质量数据获取

AI输出高质量内容的条件在于高质量的数据，数据将成为法律科技领域中的壁垒之一。
数据的质量越高，辐射的范围越广，AI在进行内容天生、条约审查以及提出法律建议时的准确率也会越高。

像LexisNexix-律商联讯一样，本身的业务形态就沉淀了大量的数据可供机器学习。
LexisNexix，1970年景立的老牌法律研究做事公司，有超过160个国家、100多万状师和律所资源，50亿份卷宗，425万份审批书，32000多个法律与商业信息来源等海量数据（数据来源：维基百科）。

由于有这些数据积累，再基于基座模型微调后，推出Lexis+AI的产品，在法律检索、条约总结、起草、审查等功能模块中，呈现了较高质量的效果。

2. 数据隐私问题

在电子条约领域中，用户对条约数据十分敏感。

大部分电子条约做事商供应的都是SaaS产品，数据存储在云端做事器中，将自己的条约数据存储在平台的做事器，或多或少都会担心数据的透露问题。

目前办理这类问题的处理办法是：电子签约干系的功能在利用云真个产品能力，而签约后的条约文本，存储在客户本地。

但在利用条约审查、智能归档等功能时，平台都会哀求客户将条约数据进行授权，只有赞许授权后，才能利用干系的AI能力。
这实在也即是将条约中的数据暴露给了平台。

以是大部分的AI产品运用，还勾留在条约起草、法律研究、法律诉讼等不涉及条约数据的层面。

目前办理的办法有两种。

数据传输加密：

CoCounsel 在专用做事器上通过 API 的办法访问 OpenAI 的 GPT4 模型。
所有数据在传输过程中都被加密。
这意味着 OpenAI 无法查看数据进行模型演习。

同时用户始终保留对数据的掌握权，可以在任何时候将其从平台上完备删除数据，但毕竟有一个将数据上传云真个过程，用户利用时依旧会有顾虑。

模型本地化支配：

将产品能力和模型能力本地化支配在客户的系统中，基于客户的行业数据，在客户确当地做事器中微调模型。
这种办法收取的是定制用度，虽然能够一定程度办理客户的数据隐私问题，但是对付产品供应的企业来说，形成不了规模。

3. AI不会承担任务

对付LLM的“幻觉”问题，一贯是该领域须要占领的难题。
虽然可以通过大量专业数据进行微调，通过强化学习的办法让输出的内容更安全、更合规，但是在细分的法律领域仍有可能涌现幻觉。

目前AI能力的供应方，在供应AI能力时，都会进行免责声明。
以是当AI天生幻觉的内容时，导致了起草的条约内容违规，或起诉的法律文本败诉，AI是不会承担当何任务的。

当下可行的办理方案是：建议产品的利用者，在利用AI产品能力时，须要在专业人士的监督下，对天生的内容进行核查后，再进行利用。

长期来看，对付法律科技公司而言，是否能够功克在法律细分领域中LLM的“幻觉”问题，是否能够承担因LLM的幻觉问题而导致的违规风险，也是竞争力表示的要素之一。

结尾

引用英国法律学者 Richard Susskind 的不雅观点：状师事务所通过“拥熟年轻的状师大军”而获利，由于他们向这些状师支付的人为低于他们向客户收取的用度。

LLM与电子条约的领悟，最直接的影响表示表示在「降本增效」上。

To B：面向于企业内法务部门，供应协同起草、条约审查等效率工具，降落条约起草或条约文本中的法律风险，从而提升法务部人均效率。

通过归档如约工具，可提取条约中的代价信息，以可视化图表的办法呈现，智能提醒条约中如约和续约的韶光节点及干系事变。

To C：个人或小微企业没有足够的资源聘任法律干系人才，且法律知识的学习本钱高，若短缺法律干系的知识，则在条约签约时，对条约中的风险识别能力弱，会引起不必要的轇轕和权柄的受损。

在AI技能的加持下，既能够在签约前通过AI审查条约中是否存在法律及权柄的风险点，又能在涌现条约违约时通过AI进行法律的维权做事，省时-省钱且高效。

好啦，以上是我对LLM与电子条约业业领悟的阶段性理解。

如果文章中有描述不对的地方，请帮忙示正，避免对其他读者产生误导。

加油朋友们

作者：在野在也，"大众年夜众号：在野在也

本文由 @在野在也 原创发布于大家都是产品经理。
未经作者容许，禁止转载。

题图来自 Unsplash，基于CC0协议。

该文不雅观点仅代表作者本人，大家都是产品经理平台仅供应信息存储空间做事。