合約審查

    建構自動化合約審查、風險識別和條款提取的 AI 模型

    The Challenge

    合約審查是法律實務中最耗時且高風險的活動之一。律師和律師助理必須逐條手動審查傳入合約,對照組織核准的立場、標準手冊和監管要求。一個被遺漏的非標準賠償條款或一個被忽視的控制權變更條款可能使組織面臨數百萬的責任。然而合約數量持續增長——採購協議、供應商合約、合作夥伴交易、保密協議和僱傭協議的堆積速度超過法律團隊的審查能力。

    通用 AI 法律工具提供表面層級的合約分析,可以識別條款類型但無法根據組織的特定標準進行評估。它們標記存在一個賠償條款,但無法判斷它是雙向的(如您的手冊所要求)還是單方面的(需要協商的偏差)。這種缺乏組織脈絡使通用工具在條款識別方面有用,但不足以進行實際的合約審查——這是消耗律師大部分時間的部分。

    The Solution

    Ertas 讓法務團隊以機構特有的合約審查手冊、已核准的立場與歷史修訂紀錄,微調合約審查模型。模型會學到依照你的標準每個條款應有的樣貌,並能找出偏離之處、缺漏條款與風險點,附上引用你自身政策的說明。合約審查因此從逐條人工比對,轉為 AI 輔助的流程:模型負責初審,律師專注於需要判斷的問題。

    在 Ertas Studio 中,法務團隊以標註好的合約進行訓練,每個條款都標明是否符合審查手冊、偏離的性質與建議的因應方式。在 Studio 的引導式資料集建構工具 Data Craft 中,律師可以編輯這些範例、保留版本,並在訓練前核准。訓練好的模型可以審查新合約,產出結構化風險報告:逐條與審查手冊比對、依嚴重程度標出偏離,並提供取自過往已核准修訂的談判用語建議。訓練在 Ertas 的雲端 GPU 上進行,因此標註好的合約會上傳到 Ertas,請先移除模型不需要的交易相對人名稱與商業條款。匯出後,模型透過 Ollama、llama.cpp 或 vLLM 在法務團隊自己的伺服器上執行,日常審查的合約都留在內部。

    Key Features

    Studio

    手冊對齊訓練

    使用 Studio 在您組織的手冊立場、核准條款語言和歷史修訂模式上訓練合約審查模型。模型學習您的特定標準,而非通用法律原則。

    Studio

    律師核准的範例

    在 Data Craft 中建立並修訂審查範例。律師可以編輯條款評估與修訂建議、保留版本,並把每個範例標記為已核准,讓訓練集反映團隊真正認可的立場。

    Hub

    在你的伺服器上審查合約

    從 Hub 以 GGUF 或 safetensors 格式下載訓練好的模型,在你的網路內提供服務。你的審查工具送出合約文字,取回包含逐條分析、偏離標記與建議措施的結構化評估。

    Hub

    模型歸你所有

    訓練好的模型歸你所有,可以下載並在任何地方執行,執行時不依賴 Ertas。日常審查的合約留在你的基礎設施上,只有你選定的訓練集會上傳到 Ertas。

    Example Workflow

    一家科技公司的法務部門每季處理 300 多份供應商合約。團隊依照其包含 85 項立場的合約審查手冊,為 2,000 份歷史合約做了逐條款評估標註,移除模型不需要的交易相對人名稱與商業條款,再將資料集上傳到 Ertas Studio。他們微調了一個模型:輸入合約文字,輸出結構化審查備忘錄,逐一辨識、分類每個條款,與審查手冊的立場比對,並標記為「符合」「輕微偏離」或「重大偏離」。對於重大偏離,備忘錄會附上取自過往已核准談判的修訂用語建議。正式使用前,團隊以一組未參與訓練的近期已審查合約比較各個候選模型。選定的模型匯出後,部署在企業防火牆內的伺服器上執行。下一季,模型對新收到的供應商合約進行預審,產出審查備忘錄草稿,由律師助理核對、律師定稿,律師修正過的偏離則加入資料集,供下一次訓練使用。

    Related Resources

    Ship AI that runs on your users' devices.

    Start free with 150 credits after card verification. Paid plans from $20/mo USD.