ARTICLE · 1135720
AI 审合同 | 先从认识他开始
MERCURY · 法律 × AI
合同审查 × AI · 系列 01
认知篇
AI 审合同：帮得了什么忙，帮不了什么忙
合同审查 × AI 系列 · 第一篇（认知篇）—— 什么场景用、谁该用、用什么心态用
先说一个真实的对照。
一家企业把合同丢给通用 AI，AI 列了一大堆问题 —— 延期交货、质量质保、验收标准，看着挺专业。老板看完觉得心里有底了。结果合同送到法务手里，法务又改出一版密密麻麻的红线。
事后复盘，法务那句话很实在：“AI 已经帮他找了三分之一的问题。”那三分之一，AI 抓得都是对的 —— 而且如果他照着改，确实能规避掉一部分明面上的风险。
但剩下的三分之二，AI 未必帮得了他。
就AI审合同系列 以workbuddy为例 我将会以四篇文章去做一个介绍
本系列 · 四篇
01 认知篇AI 能带来哪些帮助、什么场景该用、用什么心态
02 思维篇从三本经典书籍 + 几篇公众号文章，整理新手如何上手审查合同
03 工具篇WorkBuddy 上的合同审查专家怎么用、优缺点；市面还有哪些审查软件与 Skill
04 实战篇我自己审建设工程合同的那套 Skill
01
AI 确实帮得上忙：三类场景
WHERE IT WORKS · 文本之内的活
先说它真能干好的部分。这里的关键词不是“替代”，而是“把必须做、但不需要判断的活接过去”。
场景一批量、标准化的初筛
一份合同几十页，你不可能每份都逐字读。AI 可以先跑一遍，把明面上的问题标出来：缺失的必备条款、明显不对等的义务、数量与价款前后不一致、签约主体信息缺失。前面那个例子里 AI 抓对的三分之一，就属于这一类。它的价值在于不漏掉显性项。
场景二条款比对与差异梳理
甲方版本和我方版本，哪些条款被改了、改成了什么 —— 这类比对是纯体力活，AI 做得又快又全，而且不会因为看久了眼睛花而漏行。
场景三合同“体检”式的清单输出
按维度过一遍，出一份“风险清单 + 修改建议”，交给律师复核。这一步真正的作用是：把你从“找问题”拉到“判断问题”。
AI 最大的贡献不是替你做判断，而是让你把时间花在判断上。
02
但它抓不到什么
WHERE IT FAILS · 文本之外
越靠近“文本之内”，AI 越可靠；越靠近“文本之外”，越依赖人的判断
举两个例子，你立刻能感受到差别在哪。
例子一交货地点只写了“合肥”
AI 看完说没问题，只提醒了一句“没写晚交怎么办”。
但我们想一想 —— 合肥这么大，如果对方把货扔到高速路口、城郊物流园，或者一个偏远的仓库，算不算已经交货完成了？那后续的短途转运、上门卸货、运输磕碰、货物破损、仓储积压，这些风险和费用算谁的？
有实战经验的人会要求：具体到哪个区、哪条路、几号，最好明确到甲方工厂的指定车间，并且写清楚“送货上门、卸货到位、摆放到指定位置”。这些都是从踩过的坑里长出来的条款。
例子二违约金写了“每逾期一天按合同总价的 0.5%”
AI 确实抓到了“要有违约金”这个点，但给出的比例严重超标。
法院对违约金是有裁判尺度的，通常支持的区间在万分之零点五到万分之五这个量级。写千分之五，几乎不可能全部支持 —— 对方一申请调低，法官一般也会往下调。
更麻烦的是诉讼费。以本金 100 万为例：按 AI 写的条款起诉，标的 282.5 万，诉讼费 29400 元；按法院认可的合规比例，标的 118.25 万，诉讼费只要 15442.5 元。这意味着，凭空多交近 1.4 万元。
这不是个例。据“全球 AI 幻觉案例数据库”统计，截至今年 4 月，全球已记录超过 1356 起因生成式 AI 导致的法律引用错误案例，且数量仍在快速增长。最刺眼的一例是：一家成立于 1879 年的华尔街顶级律所，因一份法律文件中的 AI 幻觉，向纽约南区破产法院提交了书面致歉 —— 文件中出现超过 40 项错误，涵盖虚构判例、错误卷号和拼凑法条。而这家律所本身，还是 OpenAI 的法律顾问。
归纳一下 AI 的盲区：行业交易惯例、司法裁判尺度、当事人真实的商业处境。这三样东西都不在合同文本里，AI 读不到。
03
谁最需要它：三类人，优先级不同
WHO NEEDS IT · 对号入座
不是所有人都该把合同丢给 AI。按“收益 / 风险”排个序：
①企业法务（尤其一人法务）
手里常年几十上百份合同，从采购到销售到劳动，很多是标准文本。用 AI 做初筛和条款比对，能把时间省下来，去做真正需要判断的那几份：大额、长期、涉外。但必须清楚一件事 —— 你的签字责任没有转移。
②青年律师 / 实习律师
这一层的痛点很现实：基础工作正在被 AI 大量接手；但同时，会用 AI 的人又在悄悄拿走更多份额。与其担心被替代，不如先成为团队里“用 AI 出活最快的那个人”。
③中小企业老板 / 业务负责人 —— 最需要有人替他把关
小交易、风险可控的，AI 确实能用、好用。但涉及大额采购、设备合作、长期供应链的合同，不要在 AI 给的结论上直接签字。前面那家企业就是典型：AI 改过一轮，法务又改了一版密密麻麻。
04
团队里正在发生的变化
WHY NOW · 两个信号
为什么说“早点用”不是鸡汤。
信号一师徒制的底层逻辑在松动
一位律所主任讲过一段话：他让助理按要求写一份申请书，助理从接到需求到交付花了一个多小时；他把同样的需求丢给 AI，AI 只花了 13 分钟就给出完整答复，甚至直接生成了文件。然后他说了那句让人心里一沉的话 —— “反正我都要看、都要改，那从长期来看，招助理干这些活还有必要吗？”
过去“一个合伙人带三四个助理”的循环，靠两个前提支撑：一是合伙人需要大量助理做基础工作；二是这些基础工作是助理积累经验的必经之路。现在两个前提同时在动摇。
信号二基础工作正在被系统性替代
标准合同起草、法律检索、案例整理、尽调表格、条款比对、文书初稿 —— 这些高度结构化、重复性的活，是 AI 最先吃掉的部分。
会用 AI 这件事，短期看是效率问题，长期看是位置问题。
05
也要说清楚：它替代不了什么
WHAT STAYS · 别走到另一个极端
反过来看，也有一些东西 AI 拿不走 —— 这个判断同样重要，不然容易走另一个极端。
线下与非结构化事务 客户接待、现场沟通、会议组织、材料交接、法院与监管窗口的往来 —— 技术含量不高，但没有实体，AI 干不了。
判断力、经验与信任 这三样无法被直接生成，只能靠时间与实践积累。有意思的是，技术越强，它们反而越稀缺。
商业判断与利益博弈 谈判筹码怎么用、这单要不要做、客户真正在意什么 —— 这些从来不在合同文本里。
一个有意思的推论：如果基础工作全部自动化、真的只剩合伙人，合伙人会被迫亲自处理大量非核心事务 —— 效率未必提高，反而可能下降。技术带来的从来不是“更轻松”，而是“另一种压力结构”。
06
该用什么心态看待这件事
MINDSET · 这篇最重要的部分
第一句 定位为工具，不要定位为同事
提升效率，也更新工作模式 —— 这两件事它确实都做到了。但背后的商业逻辑，AI 是无法去穿透的。一份合同为什么要签、这笔账怎么算、这个人能不能信、这单生意背后的人情与博弈 ， 这些都不在文本里，也不在任何一个模型里。
所以我的定位一直很明确：它永远是工具。
工具用得再顺手，也不能替你承担判断的后果。
第二句 把省下来的时间投回去，而不是省掉
AI 帮你省了两小时初筛，这两小时不该变成“少看一遍”。它应该变成：多花两小时去想“这单生意的风险点到底在哪”。这才是我理解的“更新工作模式”—— 不是把活交给 AI，而是把人的位置往后挪一格。
第三句 责任不变，只是更集中
有一个趋势值得注意：初级岗位的工作重心，正在从“产出”变成“对 AI 产出的风险把关与责任签字”。AI 可以帮你写，但字是你签的。
07
下一篇讲什么
NEXT · 思维篇
这一篇讲的是“要不要用、什么心态用”。下一篇（思维篇）解决另一件更实际的事：新手到底怎么上手审查一份合同。
我会从三本经典书籍，加上平时看过的几篇公众号文章里，整理出一套可以照着做的思维框架 —— 不是法条清单，而是“拿到一份合同，第一眼看什么、按什么顺序看、看到什么程度算看过”。
回到最开始那个问题：AI 能替代法务做合同审查吗？
它能替代“审”这个动作的一部分，但替代不了“审”背后的判断和责任。
工具的价值就在于，让你有更多时间，去做工具做不到的事。
本文收录于合集：Mercury · 法律 × AI
END · 完
如果对你有用，欢迎点赞、在看、转发给同样在看合同的同行
AUTHOR
Mercury · 漫步水星
公众号：漫步水星 Planet Log法本 · 非诉 · 成长