AI合同审查工具能做什么，不能做什么：十份真实合同的分工测试

“AI能审合同”这句话既对又错。它对风险条款的识别能力已经相当可用，但对”这份合同能不能签”的判断，仍然远不如有经验的法务。

为了搞清楚边界在哪里，我们用十份真实合同做了一轮测试：包括三份采购合同、两份劳务合同、两份房屋租赁、两份SaaS订阅协议、一份保密协议。每份都让AI审查，再对照律师的意见打分。

一、AI表现可靠的四类工作

1. 条款清单核对

这是AI最强的场景。给它一份合同和一份”必检条款清单”，它能非常稳定地指出哪一条缺失、哪一条表述不同。

测试结果：十份合同，条款缺失识别准确率100%，无漏报。

价值在哪：企业常有自己的标准条款库，人工核对照模板要半小时，AI只要几十秒。这不是”审查”，是”核对”，但确实非常省事。

2. 不利条款定位

AI擅长找”看起来对你不利”的表述：

• 单方面变更权
• 无限责任或没有责任上限
• 付款条件模糊
• 自动续约且无退出机制
• 争议解决地设在对方所在地

十份里，AI识别出全部显性不利条款。三份合同里的”隐性不公平”（比如看似对等但实际执行中只有一方受益的条款）它也抓到了两份。

3. 跨文档交叉比对

给它主合同和附件，让它核对两者的一致性。比如主合同说”服务期限12个月”，附件说”按季度续订”。

这类比对人工极易出错（因为要来回翻），AI做得又快又准。 测试中它找出了两处人工遗漏的不一致。

4. 术语与定义一致性

长合同里同一个词可能有不同定义。AI能追踪某个术语在全文的使用是否一致。这一项人工几乎不可能做完整。

二、AI明显不可靠的领域

1. 金额与计算的核验

让它核算”总价是否等于单价×数量+税费”，它算错过。

原因不难理解：数字推理是模型的弱项，而且它倾向于”看起来合理”而非精确计算。所有涉及金额的地方，必须人工或程序验算。

建议：把数字提取出来，用表格工具或脚本核对，不要让AI做算术。

2. 引用法条与判例

它引用法条时，条号经常对不上内容。这不是它不努力，是法条细节在它的训练数据里不占优，且它在不确定时会生成看起来合理的引用。

结论：绝对不要相信AI给出的法条引用。 需要引用时，人工查原文。

3. 判断”这个条款是否违法”

一份劳务合同里有”试用期不缴社保”的条款。AI指出了”此条款可能不符合规定”，但表述非常模糊，没有说明依据和后果。

它能识别”这类条款通常有风险”，但判断合法性需要结合地区、行业、具体事实，这超出它的能力范围。

4. 商业合理性判断

“违约金为合同总额的30%“——是高还是低？这取决于行业惯例、交易规模、双方地位。AI只能说”该比例较高”，但判断不了对这份具体合同是否可接受。

商业判断需要人。

5. 责任分配的整体平衡

AI逐条看得很清楚：这条对甲方有利，那条对乙方有利。但它很难给出”整体上这份合同对哪一方更有利”的判断，也难评估这种不平衡是否可接受。

有测试者让它做整体评估，它给出的结论是”整体较为均衡”——而律师认为这份合同明显偏向供应商。逐条准确，全局失误。

三、为什么全局判断会失败

AI的工作方式是局部扫描：一段一段读，对每段做判断，然后汇总。

这和人读合同的方式不同。人读合同会建立整体模型：

• 这份交易的本质是什么？
• 我方最大的风险敞口在哪？
• 哪些条款之间会相互作用？

举一个例子：合同里有”逾期付款按日0.1%计违约金”（看似正常）和”服务方有权在付款逾期30天后停止服务且不承担责任”（看似正常）。单独看都正常，合在一起意味着：如果你晚付款一个月，不仅要付违约金，服务还可能中断，而你没有任何救济手段。

AI把两条都标为”正常”。它没有把它们放在一起看。

四、可用的分工方案

人做

• 明确交易目的和风险偏好——哪些能忍、哪些绝对不能
• 决定必检条款清单——这是你的经验和公司政策
• 做全局判断——整体风险是否可接受
• 判断商业合理性
• 最终决策和沟通

AI做

• 第一遍通读标记——把所有可疑表述标出来，不漏
• 对照清单核对缺失条款
• 跨文档一致性检查
• 术语一致性检查
• 生成修改建议草稿
• 把风险点整理成表格——给人看的输入

程序/工具做

• 金额计算核对
• 日期逻辑检查（到期日早于签署日这类错误）
• 格式与编号连续性

五、实际操作流程

一个跑得通的流程，大约30~45分钟处理一份中等复杂度的合同：

1. 前置准备（5分钟，人） 确定这份合同的类型、我方立场、重点关注的三件事。

2. AI通读（2分钟） 提示词要具体：

你是审查采购合同的法务。我方是买方。请逐条阅读，标记以下风险：无限责任、单方变更权、付款条件模糊、交付标准不清、知识产权归属、终止条款不对称、争议解决地。对每个标记，引用原文、说明风险、给出修改建议。

3. 人工看标记（15分钟，人） 只看AI标出的问题，判断哪些是真问题。这一步不能省，但比全文精读快得多。

4. 清单核对（2分钟，AI） “这份合同是否包含以下20个条款？逐条回答有/无/表述不同。”

5. 数字核对（5分钟，工具） 用表格或脚本核对金额、日期、比例。

6. 全局判断（10分钟，人） 基于前四步的输出，做整体评估。这一步必须看全文，不能只看标记。

六、几个实操提醒

• 给AI明确立场：“我方是买方/卖方/员工方”。不明说，它会给你一个中立的、没用的清单。
• 提示词里加”引用原文”。要求它引用原句，能显著降低编造，也方便你核对。
• 不要让它一次审超过20页。长文档后半部分质量明显下降，分批审再汇总。
• 保密是第一位的。合同含大量敏感信息，用公有云API前必须确认数据处理条款，敏感合同优先用本地部署模型。
• 保留人工审查记录。AI辅助不改变你的责任。如果出了问题，你需要证明自己做了合理审查——“AI说没问题”不是辩护理由。

七、一个诚实的结论

AI合同审查的价值，不在”替代法务”，在把法务从机械核对中解放出来。

过去法务的时间分布大概是：40%找条款、30%核对、20%判断、10%沟通。AI能吃掉前70%的大部分工作，让人专注于判断。

判断能力的稀缺性反而上升了。

对中小企业尤其有价值：过去请不起专职法务，只能签对方给的模板。现在可以用AI做第一遍筛选，把真正需要律师看的问题挑出来，律师的时效能用在刀刃上。

但记住一条底线：AI审完不等于审完。 它让你更快地看到问题，不改变你需要为决定负责这件事。