从工具应用到专业判断:律师使用AI审查合同的三步工作法

在线大模型普遍将用户输入的数据传输至云端服务器，这一过程不受律师与客户的控制。如果直接将包含核心商业秘密的完整合同上传，无异于将当事人名称、交易金额、商业架构、关键技术参数等敏感信息暴露在不受律师—客户特权保护的第三方平台，既可能违反《律师法》及律师执业伦理中的保密义务，也可能触犯《数据安全法》、《个人信息保护法》等。因此，在将任何合同文本送入AI窗口前，必须先行脱敏。

具体操作建议如下：

在Word等本地编辑软件中，利用“查找与替换”功能，将合同中的公司名称、分支机构名称、自然人姓名、详细地址、具体金额、产品型号、专有技术术语、银行账户等足以直接或间接识别特定主体与交易的信息，替换为通用代号。例如，“上海某某科技有限公司”可替换为“甲方”，“张三”替换为“发包方联系人”，“人民币500万元”替换为“XX元”，“XX牌T700型芯片”替换为“标的物”或“产品”。替换后需再通读一遍，确保没有残留的敏感信息嵌在附件、页眉、页脚或修订标记中。

如果合同篇幅过长或敏感信息密度过高，单次全文脱敏耗时过多，可采取“拆分审查”的策略：将合同按条款或章节拆分，仅粘贴当前需要审查的单一脱敏条款，完成该部分的AI分析后，再处理下一部分。这样既降低了单次脱敏的负担，又能将风险控制到最小单元。

碎片化、随意的提问只会得到碎片化、肤浅的回答。要让AI产出接近可用初稿的结果，必须给予结构化、包含充分背景与约束条件的指令。一个较为成熟的指令构成可拆解为四个要素：角色设定、任务背景、明确指令和输出格式。

以律师审查合同为典型场景，可以套用如下指令模板：

你现在是一名XXX领域的从业XX年的资深律师，请依据《XX法》、《XX法》及XX行业规范及行业惯例，以XX公司代理律师的视角，帮我审查《XX合同》，审查的需求如下：

第一，找出合同中对x方明显不利的条款及风险点，明确条款的风险等级；

第二，针对每个风险点，提供两种修改方案，一种温和、一种强硬，并依据XX行业的商业逻辑分别说明各自的谈判后果及修改的法律依据；

第三，修正原文中所有的语病、错别字、编号错误；

第四，从企业合规视角，依据《XX法》的规定补充缺失或不完整的条款，并起草条款初稿。

请用表格形式逐条修改合同并输出文本，内容包含：条款原文、风险分析、修改建议及修改依据、修改后文本。

AI的首次输出往往存在解释不够深入、商业考量缺失或未覆盖特定行业惯例的问题。此时必须进行追问，以挖掘更深层的价值。

例如，当AI指出某一违约金条款对己方不利并提出修改方案后，可以继续追问：“在司法实践中，类似条款被认定为过高或无效的概率有多大？请提供实务中可能的折中表述。”更进一步，可要求AI模拟对方律师可能提出的反制修改，从而提前准备应对预案。

追问环节实际上是把AI从“一次性写手”转变为“多轮研讨对象”，让审查意见的严谨性与实用性在交互中提升法律意见的专业性。

核查法条与案例的准确性

大型语言模型存在“幻觉”现象，会杜撰并不存在的法律法规名称、条文编号，甚至虚构裁判案例。AI可能信心十足地引用“《民法典》第1025条”，而该条实际规定的是名誉权相关内容，与合同审查完全无关。律师必须回归官方数据库，如国家法律法规数据库、北大法宝、威科先行等，逐条核实AI引用的每一个法条是否现行有效，条文内容是否与AI所解读的一致。如AI提供了参考案例，需核对案号、裁判法院与裁判要旨的真实性，切忌直接采信。

判断商业合理性与行业适配性

AI的审查多基于通用语料与法律文本逻辑，对特定行业的交易习惯、供应链惯例、监管口径可能缺乏感知。例如，在建设工程合同中，AI可能将“付款比例”调整得看似对发包方极为有利，但实际上完全不符合该行业承包方的现金流承受能力，导致谈判根本无法推进。律师必须结合自身的行业知识、客户商业目标和类似交易经验，逐一评估AI建议的现实可行性，剔除或修正那些“法律上严谨、商业上不可行”的修改方案。

最终校核合同文书格式、文字与逻辑

尽管指令已要求修正错别字和编号错误，但AI往往只能识别一部分。律师需对全文进行逐字逐句的精读校对，确保法律术语运用准确，逻辑起承转合清晰。