今天我们来聊聊AI在法律科技领域中的应用
如何通过AI赋能, 来提升合同智能审查的输出质量
文章会分为三部分进行介绍:
第一部分: 法律科技领域的市场规模与主要的细分领域
第二部分: CLM合同生命周期管理概览介绍以及市场上的主要玩家
第三部分: 分享如何通过AI赋能提升合同审查的输出的质量与准确性
1. 法律科技领域的市场规模
法律科技(Legal technology)是指运用人工智能, 大数据, 区块链等技术手段, 提升法律工作效率和质量, 也使法律服务更加普惠, 法律科技领域与法律行业相互促进, 共同发展
在2024年法律科技领域的全球市场规模超过291.8亿美元, 预计2025-2037年复合年增长率GAGR超过9.6%, 2025年预计市场规模为315.2亿美元
图片来源: Legal Technology Market Statistics Report 2025-2037 -- Research Nester
其中亚太地区增长最快, 北美市场规模最大, 但整体的市场集中度偏低, 没有出现绝对领域的头部玩家
图片来源: Global Legal Tech Market size & Share Analysis - Growth trends and Forecasts
图片来源: Global Legal Tech Market size & Share Analysis - Growth trends and Forecasts
2. 法律科技的细分领域
法律科技的细分领域主要包括:
图片来源: Legal Technology Market Statistics Report 2025-2037 -- Research Nester
1. CLM-合同生命周期管理概览介绍
Contract Lifecycle Management(合同生命周期管理) , 是增长最快的细分领域之一
图片来源: Contract Lifecycle Management Market -- Astute Analytica
2024年市场规模达到36.1亿美元, 2025-2033年预测的复合年增长率达13.55%
合同生命周期管理, 是对合同从创建、谈判、合规审查、审批、签署、履约、续约到终止全流程进行系统化和自动化的管理系统, 用于提高合同管理的效率, 把控合同的风险与合规性, 帮助企业高效管理, 降低合规风险与法律风险
图片来源: 中国CLM（合同全生命周期管理）市场产业全景研究报告 - TE智库
其中合同的合规风险审查, 是CLM中的关键环节, 接下来我们聚焦于CLM中的合规审查模块, 看看如何通过AI赋能, 来识别合同中签在的法律风险和不合规条款, 帮助企业规避合同风险
图片来源: Global Legal Tech Market size & Share Analysis - Growth trends and Forecasts
图片来源: 康达律师事务所
以上是两个很直观的案例:
- 图一统计了自从2018年5月GDPR生效以来, 截止至2024年9月, 罚款超过了24亿欧元
GDPR (General Data Protection Regulation) 通用数据保护条例 -> 由欧盟出台的关于数据隐私保护的法规
- 图二统计了在2021-2023年国有企业民事纠纷案件数据统计中, 合同风险成为企业经营的主要风险, 诉讼案件占比高达65%
所以如何降低合同的法律风险与合规风险, 是企业组织经营过程中的强需求
2. 合同智能审查的主要玩家
合同审查这个细分领域的主要玩家可以分为两类:
一类是传统的CLM厂商, 在已有CLM的模块中, 做深合同审查的功能模块, 如:
主打产品: Icertis Contract Intelligence (ICI) 合同生命周期管理平台
市值&融资情况: 市值超50亿美元, 累计融资5.2亿美元, ARR预估2.5亿美元
主打产品: Ironclad CLM
市值&融资情况: 市值约32亿美元, 累计融资3.34亿美元, ARR预估1.112亿美元
主打产品: DocuSign eSignature(电子签), DocuSign CLM(合同生命周期管理), DocuSign IAM(智能协议管理)
市值&融资情况: 市值约101.6亿美元, 累计融资5.13亿美元, ARR预估10.6亿美元
另一类是AI驱动的智能合同厂商, 如:
- LexCheck
- 法大大的“iTerms合同智审系统
- 幂律智能的MeCheck
- iCourt的AlphaGPT
合同审查这个活是一个既不允许出错又容易出错的“苦差事”
- 不许出错: 是因为出错后的代价极高, 不出错和规避合同风险是合同审查的核心目标
- 容易出错: 是因为审合同这件事情的专业属性高, 不仅需要具备专业的法律知识, 还需要根据企业所处行业和自身业务情况进行综合判断
所以合同审查最终输出审查结果的准确度至关重要, 直接决定了产品是否可以用
合同智能审查常规的处理流程是:
用户上传需要审查的合同文件 -> 然后系统来进行合同的风险识别与评估 -> 最后生成风险评估结果与修改建议
其中合同的风险识别与评估是合同审查的关键环节, 可以将其拆分为两个流程节点:
- 合同信息要素的抽取
- 合同信息要素的审查
这两个流程节点决定了审查的准确性, 合同信息要素抽取的准不准? 抽取后对合同信息要素分析的准不准? 是否能够识别到其中的风险点? 能否给风险进行评级, 能否基于识别到的风险给出修改建议等等, 以上这些问题环环相扣, 都影响着合同审查的输出结果
目前对于合同智能审查的主流解决方案:
模型 + RAG + 法律场景下的工程化解决方案
1. 模型方面
在模型方面, 像主流的大模型厂商OpenAI, Anthronpic, Meta, 字节, 阿里, DeepSeek等通用模型能力在都不断提升, 同时像PowerLawGLM, LaWGPT, JurisLMs等垂直法律大模型也在不断迭代发展, 随着时间的推移, 模型对信息要素提取与处理的能力肯定会不断地增强
但模型只是决定了合同智能审查输出质量的下限
因为大语言模型它本质上是基于概率预测进行内容的生成, 所以“幻觉”问题一直是一个无法避免的问题
图片来源: Hallucination-Free?Assessing the Reliability of Leading AI Legal Research Tools - Stanford
这是斯坦福研究团队对比了不同AI法律工具在输出质量上对于“幻觉”与“输出不完整性”的数据数表现情况
而合同审查又是一个严肃且不容出错的业务场景, 所以只靠大语言模型本身来做合同审查这项一下复杂的推理任务, 是远远不够的, 所以就进入到下一个阶段: 模型+RAG
2. RAG 检索增强生成
RAG检索增强生成(Retrieval-Augmented Generation)
现在只要涉及到垂直领域的智能体应用, RAG几乎是一个标配模块, 用于增强大语言模型的信息输入, 从而提升大语言模型的输出质量
图片来源: Hallucination-Free?Assessing the Reliability of Leading AI Legal Research Tools - Stanford
通过RAG的方式, 能够检索到权威的法律法规与企业自建的风险案例库, 识别到合同中存在的风险隐患后, 再生成针对性的风险提示与修改建议, 确保审查的输出结果有理有据
如果你想进一步了解检索增强生成, 可以看一下这一期视频内容, 里面有对RAG通俗易懂的详细讲解
大模型+RAG, 已经在一定程度上提高了合同审查的输出质量, 但是仅做到这一步还不够, 因为合同审查是一个复杂的法律推理任务, 不仅涉及多领域的法律融合, 需要识别出条款间的相互影响, 而且还需识别潜在的法律和商业风险, 权衡交易主体的利益
所以在大模型+RAG的基础上, 还需要再增加一些“工程化”的解决策略
3. 法律场景下的工程化解决方案
1) 策略一: 人工预设审查规则
审查清单和审查规则是合同审查的基础, 只有知道要审什么, 怎么审, 才能够审对
不同行业, 不同合同类型, 审查的内容都不同, 要确保审查结果的准确性, 需要企业的法务团队将日常审查工作的Know-How进行结构化的知识梳理, 输出不同合同类型的审查清单与审查规则, 再结合提示词工程的技巧, 让模型更好理解
常见的方式有两种
- 第一种是将审查规则与合同类型绑定: 软件服务商将审查清单与审查规则与合同类型进行绑定, 简化用户审查合同的操作门槛, 只需选择对应的合同类型, 即可完成合同审查, 再通过对话式交互与在线编辑的方式, 来修改合同细节
图片来源: Robin AI
图片来源: Robin AI
- 第二种是在第一种的基础之上, 新增信息输入的维度, 比如在用户上传完审查合同后, 新增“审查立场”, “审查目的”和 “审查清单”列表, 并且支持用户自定义添加和修改审查目的与审查清单, 通过提供更丰富的审查背景信息, 来提升合同审查的输出质量
图片来源: 无忧吾律
图片来源: AlphaGPT
2) 工作流来拆解复杂任务
一个复杂的法律推理问题, 其实都是由环环相扣的小问题组成
刚刚有介绍过合同审查最基本的两个环节, 合同信息要素抽取与合同信息要素审查, 由此就可以推出两个基本的工作流节点 (信息抽取与信息审查)
当然我们要应用在实际业务中, 还需要做更细致的工作流拆解
比方说以审查“违约责任”这个审查点为例, 需要先判断合同中是否存在“违约责任”的条款, 然后明确“违约行为”的定义, 接着再审查违约责任的形式(如: 违约金数额计算方式, 损害赔偿的范围, 解除合同的条件等等), 接着再审查免责条款的合法性以及不可抗力条款的关联性, 最终若发现问题, 再提出修改意见, 确保违约责任条款完善, 合法, 有效
以上这些问题都能通过工作流的方式进行拆分
如果你对工作流的搭建的方法论感兴趣, 可以查看一下这一期的视频, 里面有关于智能体工作流的搭建方法介
