AI 已经能审完合同，但责任还没人能接
法律科技是 2026 年 AI 应用里接受速度最快、争议最少的一类——审合同尤其。但”AI 审合同”听起来简单，实际落地仍然卡在责任与边界两件事上。本篇把 2026 年的真实状态拆开看。
AI 现在能可靠地做的事
1. 第一轮合同审查（红线批注）
输入一份 NDA / SOW / 采购合同，AI 模型能在 30 秒内：
- 识别偏离公司立场的条款（如付款账期 60 天变 120 天）；
- 找出缺失条款（如缺少保密期限、缺少退出条款）；
- 给出建议修改文本（直接生成可粘贴的反建议 draft）。
多家头部厂商（Harvey / Spellbook / Lexis+AI / 国产几家法务 SaaS）都能做到，律师团队普遍报告”AI 审一次能省 30-50 分钟人工时间”。
2. 合同抽取与元数据填充
把一堆历史合同批量送进去，模型自动抽取关键字段（合同方、生效日、付款条款、争议解决地）写到 CRM / CLM 系统。替换了 60-70% 的人工录入工作。
3. 风险标记与分级
对每份合同生成一张”风险 heatmap”——告诉法务哪些条款需要重点看。这本身是 70 年代就在做的（律所模板），AI 把它自动化到毫秒级。
不能完全放手做的事
1. 跨合同条款的级联影响判断
单份合同条款之间的兼容性，AI 不差。但多份合同之间的级联风险（如主合同终止后，子合同的命运）AI 仍弱。这要靠人。
2. 商业条款的实质判断
“这个付款条件对客户的现金流影响大不大”——这种商业判断 AI 没经验。AI 能给你数据，最终判断是人的事。
3. 司法管辖与本地法规细节
模型对常见法域（美 / 英 / 欧盟 / 中国主流地区 / 香港 / 新加坡）都行。但对冷门司法管辖区、最新判例、本地实务惯例容易”看上去对但实际不接地气”。
责任分担的 3 个常见做法
做法 A：AI 是工具，人是责任主体
法务/律师在合同审阅意见流里确认”AI 标记是我已确认采纳/修改/拒绝”。系统记录人与 AI 的对话，所有最终决定必须可追溯到人。这是国内监管的倾向。
做法 B：人在回路，必须审批
AI 给建议，但所有改动必须点”审核通过”才能出文本。流程上 AI 提效、流程不跳步骤。律所和大型企业法务更喜欢这种。
做法 C：AI 跑流程，黑天鹅保单兜底
对低风险合同（金额小 / 标准模板）让 AI 自动化通过 + 内部 E&O 保险兜底。这种做法在 2025-2026 年出现，但合规上仍有灰色地带。
企业部署 AI 审合同的 5 个建议
- 先识别”高频低复杂度”的合同——NDA / SOW / 标准采购。从这里切入 ROI 最明显。
- 建立”标准立场库”——把公司 preferred positions 转成结构化条款。AI 有了立场库才能做偏离检测。
- 做好反馈闭环——律师每个”接受 / 拒绝 AI 建议”的动作都要写回训练数据。3 个月后模型质量会显著提升。
- 不要省掉 IL-Review（in-house counsel review）这一步，即使 AI 通过率 95%，5% 错过的代价远大于 5% 的工作量节约。
- 合同模板的”治理”——AI 用的对比 baseline 要由法务定义版本控制，否则模型会学习到旧模板。
2026 年的预期变化
- 国产法律 AI 模型普及，多家国内厂商能用本地模型跑这一场景，对数据出境敏感的企业利多。
- 律所内部”AI 协作律师”角色普及，新一代律师培训里加入 prompt 工程。
- 跨境合同的 AI 处理成为新热点，多语言 + 多法域同步审阅变得越来越重要。
AI 审合同已经不是”能不能”，是”用不用得起”。2026 年还坚持纯人工审阅的法律团队，5 年内大概率会被同行甩开。
