AI 时代的合同审查:律师凭什么胜过 AI?

一、 从米开朗基罗到流水线工人：AI 时代的“通才回归”

文艺复兴时期的知识分子大多是通才。达芬奇画《蒙娜丽莎》的同时研究解剖学、流体力学和飞行器设计——一部分是因为“兴趣广泛”，另一部分是因为当时人类的知识总量允许一个人横跨多个领域并达到前沿。

工业革命改变了这一切。亚当·斯密在《国富论》里描述过制针工厂：一个人抽铁丝、一个人拉直、一个人切断、一个人磨尖——十道工序分给十个工人，效率提高了 240 倍。分工的逻辑从工厂渗透到了整个社会，专业壁垒越来越高，学科越分越细，每个人都成了流水线上的一颗螺丝钉。

但 AI 的出现，可能正在慢慢瓦解这种分工逻辑。

AI 是一个放大器。

• 把 ChatGPT 丢给一个懂法条的律师，它是一个高级法条检索器；
• 丢给一个懂法律+商业的律师，它能帮你拆解交易结构；
• 丢给一个懂法律+商业+技术的律师，它能帮你制定一套完善的SLA框架。

AI 不会取代你的专业深度——它只会曝光你的知识宽度。

你的短板被 AI 放大，你的跨领域连接能力也被 AI 放大。AI 时代最稀缺的，可能是那些能在不同知识领域之间建立连接、发现盲点、提出新问题的人。

鲁迅评《红楼梦》时说过类似的意思：“经学家看见易，道学家看见淫，才子看见缠绵，革命家看见排满。”

同一个文本，不同的知识储备看见完全不同的东西。AI 时代同理——你脑子里装的基础学科越多，哪怕每一门只有极浅的了解，它们也可能在某一天突然成为“无用之用”。

所以我认为，律师需要从专才回归通才——但这个通才不是文艺复兴时期那种“什么都懂一点”的散点式博学，而是以法律为主干、商业和科技为辅助枝干的树状结构。

• 主干决定你能长多高；
• 枝叶决定你能吸收多少阳光。

没有主干的通才是灌木，长不高。没有枝叶的专才是电线杆，风一吹就倒。

那回到合同审查这件事，AI 时代律师的不可替代性，到底藏在哪些维度里？

二、 合同的双重系统

一些律师审合同，其实是审了合同的“第一重系统”——假设双方都会按约定行事，在此前提下检查条款是否合法、逻辑是否闭环、权利义务是否对等。

这层的目的是为了“让交易跑得顺畅”。需要考虑的是：这个合同能不能被双方高效执行？流程是否清晰？交付节点是否可验证？付款条件是否可操作？

但合同真正的“战场”，不在双方按规矩来的时候，而在有一方不按规矩来的时候：

"Hope for the best, prepare for the worst."（抱最好的希望，做最坏的打算）

即——晴天的时候合同躺抽屉里落灰，暴风雨来的时候它才从抽屉里被拿出来，一个字一个字地抠。

所以我把合同审查的完整能力拆成三层：

1. 设计层：把合同当成商业操作系统来写

这一层是“基座稳”时的合同设计。目标不是“没有法律漏洞”，而是建成一套让各方不需要动脑子就知道自己下一步该干什么的执行系统。

• 【流程还原】审查一份合同的第一步，不是读条款，是理解行业背景、商业本身。 举个例子：合同写“验收合格后 30 日内付款”，文本上毫无问题。但如果还原到真实的商业流程里——谁来验收？验收标准是客观的还是甲方单方认定的？甲方内部要几个部门签字？任何一个部门卡住，付款就要停摆。

  还原到流程层面，那八个字背后至少藏着三个风险点。AI 可以帮你从文本中抽取要素、画流程图、识别条款中明显的缺失环节，但 AI 天然不擅长发现“合同里没写但现实中必然发生的事”。这不是技术问题，是 AI 没有真实世界中的经验。它不知道甲方内部签字流程通常要走三个部门，它没经历过验收现场。

  流程还原需要的不是对文本的理解，是对行业运作方式的记忆。

• 【清晰的权利义务】“清晰”这个词听起来最不新鲜，但其实最难做到。因为清晰不是律师的主观感受，是发生争议时，裁判者能不能在一分钟之内看懂谁该干什么、谁没干什么。

  一是减少使用无主语的被动句或将多方义务混在一起的长句，遵循“主体（谁）+ 动作（干什么）+ 时限（什么时候干）+ 标准（干到什么程度）”的结构，让法官在庭审压力下无需花时间推导推论责任归属。

  二是将“主观形容词”替换为“客观触发点”，过滤掉商业语言中的模糊词，如“及时”、“合理”、“充分”、“全力配合”等，因为这些词在争议发生时无法快速被量化。

  三是拒绝写无救济的义务条款，每项关键承诺后紧跟“不履行的代价”。在一分钟之内，裁判者不仅要看懂谁没干，还要能立刻根据合同判定没干的人需要承担什么具体的违约金、单方解除权或赔偿责任，形成完整的责任闭环。

• 【证据留痕】这是传统合同审查里最容易被跳过的维度。“证据留痕”不应该被理解为纠纷发生之后的证据收集——保存聊天记录、整理邮件往来、固定书证。而是在合同设计阶段就把未来的取证路径嵌入条款。

  通知条款不只是写“书面通知对方”，最好是指定邮箱、要求系统日志保留发送时间戳。 验收条款不只是写“双方确认”，而是分批验收、每批次出具签章确认单、确认单明确标注为“结算依据”。

  这些设计不是为了正常履约时用的，是为了有一天当对方说“我没收到过通知”或者“我没确认过这个成果”的时候，能从合同文本本身找到一条不需要对方配合的举证路径。

2. 防御层：用压力测试检验合同的免疫系统

这一层的前提假设和上面三样正好相反。上面假设双方都按规矩来，这一层假设最坏的情况发生了。

“压力测试”这个词来自银行业——监管机构模拟 GDP 骤降、失业率飙升、资产价格暴跌等极端情景，看银行的资本充足率能不能扛住。合同的压力测试同理：假设对方突然破产了、原材料价格在三个月内翻了一倍、核心技术人员被竞争对手挖走、政策一夜之间让合同内容变成非法——在这些极端情景下，合同里的每一个关键条款还有没有实际效力？

压力测试不是脑洞大开地假设所有灾难，而是针对这份合同所在的行业和交易结构，聚焦于有真实概率发生的黑天鹅事件。例如：

压力测试的可操作框架：把合同的关键条款逐条扔进极端情景里，看它是“刚性”（直接断裂失效）、“弹性”（可以调整适应），还是“高韧性”（不仅存活，还能转化为你的主动权）。

• 案例： 一份固定服务等级协议（SLA）的云计算基础设施外包合同。如果由于全球供应链危机导致芯片算力成本暴涨，或者突发全网系统性漏洞导致运维工作量飙升300%，服务商宁可赔偿违约金、甚至直接被起诉，也会选择停止维护或直接断网。这个条款就是刚性的，压力一来服务直接断了。
• 加固方案： 挂钩主流云厂商（如阿里云、AWS）的算力价格、设定单月服务降级（SLA 容忍度）的波动上限、约定在遭遇行业级不可抗力或不可预测的系统性灾难时触发“安全屋模式”（服务降级与核心业务保全条款）并启动紧急谈判。这就把条款从刚性抬到了弹性。

这是 AI 目前不擅长的工作。 AI 可以在历史数据覆盖范围内做模式匹配，但合同压力测试的本质是模拟历史上可能从未发生过的极端组合，它需要商业直觉、行业经验和对人性悲观主义的想象力。

3. 穿透层：行业隐性知识，一切审查的底层

英国哲学家波兰尼（Michael Polanyi）区分过两种知识：

• 显性知识（explicit knowledge）： 能被写成文字、通过文本传递的东西——法条、合同模板、审查清单。
• 隐性知识（tacit knowledge）： 只能通过实践习得、无法被完整言说的东西——行业的潜规则、法官的真实裁判偏好、商务谈判中对方真正在乎的是什么。

合同审查的每一个维度，都会因为隐性知识的有无而产生质变。

同样是审验收条款，知道“这个行业甲方内部通常三个部门签字、任何一个卡住就停付款”的律师，和不知道这回事的律师，写出来的条款防范力度完全不同。同样是选择争议解决方式，知道“仲裁员倾向于从商业合理性出发解释合同、法官倾向于从法条出发”的律师，面对同一个条款的模糊地带，会选择完全不同的策略。

这些隐性知识分散在每一个行业、每一类交易、每一个法院辖区。当前阶段，AI 几乎拿不到这些东西——它们不仅没有文本载体、没有被系统地记录过，只存在于人的经验之中；更残酷的现实是，这些看家本领是顶尖专家的生存护城河，主观上没人愿意无私分享、它们往往游走在利益与合规的灰度地带，见不得光、且具备“一说就破、说破即失效”的动态属性。对于这种缺乏统计学意义、高度依赖特定场景的极端个例，AI 找不到足够的数据去训练和泛化。

三、 结语：从法律服务者到商业闭环者

回到开头的问题：AI 时代律师凭什么胜过 AI？

答案不在任何单一技能上，而在一个复合的结构里——以法律为主干，以商业和科技为枝干，不断蓄意积累隐性知识。

法律人一直赚的是复杂规则的钱。在AI 时代，复杂可能不再来自信息的稀缺，而是来自连接的能力。