在大模型技术的加持下，越来越多行业迎来了重塑的可能，市场也格外关注大模型技术的实际落地。那么，当大模型与电子合同产生碰撞，会出现哪些转变与可能性？一起来看看本文的分析与展望。

如何通过大语言模型（LLM）提升行业中产品及服务的能力，是市场对AI技术应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，很适合大语言模型训练，天然是AI应用落地的绝佳场景。

本文将探讨国内外法律科技企业在电子合同中的应用，LLM技术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预计将从 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

法律科技领域按服务类型分类

可分三大类产品：企业法务管理软件、法律执行管理软件、律师工作提效软件。

图片来源：LegalTech and Services – Houlihan Lokey

• 企业法务管理软件：帮助法律部门优化工作流，包括：合同生命周期管理、知识产权管理、法律知识检索与研究代表企业：Agiloft、iManage、ANAQUA
• 法律执行管理软件：帮助律师事务所管理和优化律师事务，包括：法律事务管理、律师人才管理、律师计费和时间管理等 代表企业：Aderant、LexisNexis、Clio
• 律师工作流提效软件：帮助律师提升法律服务效率，包括：合同自动化、合同智能审查、起草、诉讼等辅助软件 代表企业：Docusign、CS Disco、casetext

法律科技企业核心的商业价值在于合同全生命周期管理（包括：合同起草、合同审核、合同签署、合同归档及履约&续约、法律服务），而合同管理典型的应用场景就在于电子合同领域。

二、电子合同 vs. 智能合同

1. 电子合同解决了什么问题？

我们先简要分析一下电子合同相较于纸质合同的优势：

纸质合同的弊端

• 签署周期长：合同签约需进行快递邮寄，影响签约效率，存在不可控的风险；
• 签署成本高：除了合同打印成本邮寄成本外，还需要有纸质合同的存储及管理成本；
• 用印风险高：萝卜章事件、印章盗用事件都是用印风险问题的体现。

电子合同的优势

• 签署周期短：通过短信或链接的方式直接发送至签约方手机，线上实时签约；
• 签署成本低：相比于邮寄及纸质合同存储的成本，线上云成本更低，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）。

所以，电子合同解决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. 智能合同解决了什么问题？

电子合同：

电子合同解决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，解决的是合同签约的效率问题。

智能合同：

由AI技术加持下的电子合同，面向的客群是法务 / 管理者，解决的是签署前后环节中合同本身的风险合规问题与合同管理问题。

三、人工智能技术为电子合同带来了哪些转变

1. 传统以OCR、NLP技术为代表的AI技术+电子合同

OCR，光学字符识别：Optical character recognition

一句话概括：将手写或打印的图像，转化为计算机编译的电子文本。

OCR技术的核心是文字检测和识别：

• 文字检测：确定图像中是否存在文字，并给出文字的区域位置；
• 文字识别：根据文字区域的图像特征，将其转换为对应的文本。

OCR技术在电子合同的典型应用场景「合同比对」。

• 签约前：在草拟合同时，能够通过OCR技术识别出合同文件中不同版本之间的修改差异；
• 签约时：在接收到电子合同时，通过OCR技术快速识别签约的电子合同与之前协商的合同内容是否有一致。

NLP，自然语言处理：Natural language processing

一句话概括：让计算机像人类一样理解人类的语言。

NLP的技术能力包括：

• 文本分类：可识别文本背后所表达的情感与意图，用于情感分析与意图分析；
• 文本提取：可用于提取文本中的关键数据；
• 机器翻译：可进行不同语言翻译。

电子合同典型应用场景「合同审查」「合同归档」。

• 签约前：在合同草拟完成时，通过NLP技术自动对合同进行审阅，识别合同中的语法或文本错误，以及基于录入的规则判断合同中是否存在法律风险；
• 签约后：在合同签署完成后，通过NLP技术可自动提取合同中的重要数据，生成合同台账（包括：签约主体、签约时间、签约金额等）可视化进行合同跟进管理。

2. 以大语言模型（LLM）为代表的AI技术+电子合同

大语言模型：Large Language Model

一句话概括：利用深度学习技术，在大规模数据的基础上训练的自然语言处理模型，具备强大的文本理解和生成能力。

看起来是不是和NLP很相似，其中大语言模型只是NLP领域中的技术实现方式。「语言模型」是技术实现的方式，「大」说明用于训练的数据量足够大！并且LLM能够对特定领域专业知识，进行微调训练。其特点是能够学习并捕捉文本中的复杂关系，具备泛化能力，可处理更为复杂的任务。

3. 大语言模型（LLM）给电子合同领域带来了哪些改变

那定义咱们捋清楚了，大语言模型是基于足够多的数据进行训练而成，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生成能力，广泛用于自然语言处理任务。

我们再回到主题，还是按合同全生命周期的不同节点来进行分析，来看一下大语言模型为电子合同领域带来哪些改变。

【签署前：合同起草环节】

在合同起草环节，客户可以根据需求，通过与AI对话的方式，自动生成合同文本与条款内容，从而提升合同起草效率。

国外企业：LexisNexis-律商联讯，推出的“Lexis+AI”，可通过对话的方式，自动起草合同内容。也能在起草过程中，检索和让AI解释法律条款，从而对合同中的法规进行补充。

图片来源：Lexis+ AI

国外企业：Spellbook，以插件的形式融入word文档中，可对合同文本的内容进行文本生成，提供起草建议，也能纠正合同文本中的语法错误。

图片来源：Spellbook

【签署前：合同审查环节】

由于大语言模型能够基于法律、合同等相关数据进行微调训练，可从海量的合同文本中学习到胜诉或败诉的合同内容与法律条款，所以基于微调训练后的模型可以大幅提高合同风险审查的准确性，帮助用户发现潜在的问题与风险。

国外企业：Robin AI，可快速审阅合同内容，分析出合同中潜在的风险，并且能够针对风险内容进行修改。

视频来源：Robin AI

国内企业：幂律智能，在智普AI的ChatGLM-130B的基座模型基础上，训练了法律垂直模型：PowerLawGLM，并且推出MeCheck-合同审查助手的产品，用于合同审查业务，支持快速定位合同风险文本，提供专业风险提示、修改建议，法条判例自动援引。

图片来源：幂律智能-MeCheck

国内企业：法大大-iTerms，通过提取合同中的关键信息，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合同风险，并给出风险建议。

图片来源：法大大

【签署后：合同归档环节】

可通过LLM的信息理解和提取能力，实现合同的自动分类归档、生成智能报表、并且能够对归档的合同进行检索查询与分析。

国外企业：Docusign-CLM，通过提取合同中的关键信息，如：签约时间，签约对象，合同金额等，自动归档至指定的合同文件夹，无需人工归档，释放人力。并且能够将合同数据可视化呈现，自动统计多维度合同数据，实时了解合同进度。

图片来源：Ducusign CLM

国内企业：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、提取合同中甲乙双方的合同义务，提升合同信息的获取效率。

视频来源：Hubble

【签署后：法律服务环节】

当遇到合同纠纷或需要法律援助时，具备海量法律知识的LLM-Bot，绝对是一个经济的选择，其使用成本远比请一个律师要低的多。

国外企业：DoNotPay，成立于 2016 年，总部位于伦敦。该公司开发了一款人工智能助手，可以理解用户的意图，并生成专业的法律文书。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

国内企业：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，快速获得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技术在电子合同领域，深化了原有合同起草、合同审查风险识别、以及合同管理的能力。

• 传统NLP技术，以搜索关键词、配置规则和初步分析为主，比对某个合同段落是否涉及风险，引用至哪条法律法规。
• LLM技术，可以通过对话的方式进行合同起草与合同总结，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工作流的全部操作，降低使用成本，改变人机交互方式。

四、LLM在电子合同领域中的挑战

1. 高质量数据获取

AI输出高质量内容的前提在于高质量的数据，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在进行内容生成、合同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年成立的老牌法律研究服务公司，有超过160个国家、100多万律师和律所资源，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）。

因为有这些数据积累，再基于基座模型微调后，推出Lexis+AI的产品，在法律检索、合同总结、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

在电子合同领域中，用户对合同数据十分敏感。

大部分电子合同服务商提供的都是SaaS产品，数据存储在云端服务器中，将自己的合同数据存储在平台的服务器，或多或少都会担心数据的泄露问题。

目前解决这类问题的处理方式是：电子签约相关的功能在使用云端的产品能力，而签约后的合同文本，存储在客户本地。

但在使用合同审查、智能归档等功能时，平台都会要求客户将合同数据进行授权，只有同意授权后，才能使用相关的AI能力。这其实也等于将合同中的数据暴露给了平台。

所以大部分的AI产品应用，还停留在合同起草、法律研究、法律诉讼等不涉及合同数据的层面。

目前解决的方式有两种。

数据传输加密：

CoCounsel 在专用服务器上通过 API 的方式访问 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训练。

同时用户始终保留对数据的控制权，可以在任何时候将其从平台上完全删除数据，但毕竟有一个将数据上传云端的过程，用户使用时依旧会有顾虑。

模型本地化部署：

将产品能力和模型能力本地化部署在客户的系统中，基于客户的行业数据，在客户的本地服务器中微调模型。这种方式收取的是定制费用，虽然能够一定程度解决客户的数据隐私问题，但是对于产品提供的企业来说，形成不了规模。

3. AI不会承担责任

对于LLM的“幻觉”问题，一直是该领域需要攻克的难题。虽然可以通过大量专业数据进行微调，通过强化学习的方式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出现幻觉。

目前AI能力的提供方，在提供AI能力时，都会进行免责声明。所以当AI生成幻觉的内容时，导致了起草的合同内容违规，或起诉的法律文本败诉，AI是不会承担任何责任的。

当下可行的解决方案是：建议产品的使用者，在使用AI产品能力时，需要在专业人士的监督下，对生成的内容进行核查后，再进行使用。

长期来看，对于法律科技公司而言，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，也是竞争力体现的要素之一。

结尾

引用英国法律学者 Richard Susskind 的观点：律师事务所通过“拥有年轻的律师大军”而获利，因为他们向这些律师支付的工资低于他们向客户收取的费用。

LLM与电子合同的融合，最直接的影响体现体现在「降本增效」上。

To B：面向于企业内法务部门，提供协同起草、合同审查等效率工具，降低合同起草或合同文本中的法律风险，从而提升法务部人均效率。

通过归档履约工具，可提取合同中的价值信息，以可视化图表的方式呈现，智能提醒合同中履约和续约的时间节点及相关事项。

To C：个人或小微企业没有足够的资源聘用法律相关人才，且法律知识的学习成本高，若缺少法律相关的知识，则在合同签约时，对合同中的风险识别能力弱，会引起不必要的纠纷和权益的受损。

在AI技术的加持下，既能够在签约前通过AI审查合同中是否存在法律及权益的风险点，又能在出现合同违约时通过AI进行法律的维权服务，省时-省钱且高效。

好啦，以上是我对LLM与电子合同行业融合的阶段性理解。

如果文章中有描述不对的地方，请帮忙指正，避免对其他读者产生误导。

加油朋友们🤗