法務部門的生成式 AI：
合約初審、條款庫與風險清單

週五下午，法務長的信箱又爆了：業務要簽的 NDA、採購送來的供應商合約、行銷急著上線的合作備忘錄、還有 HR 問的一個勞動法問題——全都標著「今天要」。企業法務的日常，就是用有限的人力，擋下公司各單位湧來的無限需求。你不是不夠專業，是分身乏術。生成式 AI 幫得上的，正是把那些高度重複、卻又不能出錯的初審工作，變成 AI 先跑一遍、你來拍板的形態。這篇談的是企業內部法務的視角；若你想看律師事務所的角度，我們另有〈法律與專業服務的生成式 AI〉。

in-house 和事務所，關注點不一樣

先把視角分清楚。律師事務所在意的是「產出可對外主張的法律意見」，訴訟檢索、判例引用是核心，因此最怕 AI 捏造判例。企業內部法務的日常則更集中在合約與內部諮詢：大量、重複、時效壓力大，且大多是圍繞公司自己的標準與政策打轉。這意味著法務部門的 AI 應用，重心在「用公司自己的條款庫與規範，去快速審視進來的文件」，而不是去外部判例大海裡撈東西。Susskind 早就預言，法律服務會從客製手工業，走向可分解、可標準化、可用科技槓桿的流程——這對被例行工作壓垮的 in-house 團隊尤其成立^[4]。

為什麼不能直接信 AI？先認識它的兩面

生成式 AI 在法律任務上確實強：研究顯示 GPT-4 在美國律師資格考中的成績達到約應試者前 10% 的水準^[1]。但同一種技術，本質是機率性的文字生成器^[5]，會產生「看似合理、實則無法驗證」的幻覺內容——包括憑空捏造的條文、法規與判例^[2]。在法務場景，一段編造的法條、一個錯誤的合規結論，可能讓公司承擔重大風險。所以核心原則和事務所完全一致：永遠不讓模型憑記憶給你法律依據，一切接地到可查證的真實資料。

三個真正落地的場景

在守住接地與把關的前提下，法務部門有三個高投報場景。其一，合約初審：讓 AI 把進來的合約，逐條對照公司的標準條款庫，標出偏離標準、缺漏、或高風險的條款，法務只需聚焦被標記處，把初審時間大幅壓縮。其二，條款庫：把公司歷年審過的合約、標準範本、談判底線做成一個檢索增強生成（RAG）的知識庫，讓 AI 在審閱與草擬時參照公司真實的立場與慣例^[3]——這也讓資淺法務快速站上資深的經驗肩膀。其三，風險清單：AI 根據合約內容，自動生成一份結構化的風險提示（責任上限、終止條件、資料保護、管轄法院），當作法務覆核的檢查表。三者共通的是：AI 產出的是「給法務的初步材料」，不是「可直接對外的定論」。

不變的是：法務負最終責任

技術再強，法律責任不會轉移給模型。所有 AI 的初審、標記、草稿，都要經過法務覆核與簽署，尤其涉及重大金額、關鍵條款、法規遵循的合約。基礎模型研究也提醒，下游應用會繼承同一模型的缺陷，不能盲信^[6]。務實的導入節奏，是選一種標準化程度高、量又大的合約類型（如 NDA、標準採購約）先試點，用公司的條款庫建 RAG，並用一組真實案例的評測集衡量標記的準確率，站得住腳再擴展到更複雜的合約。這套「試點→評測→把關」的方法我們寫在〈企業導入生成式 AI〉，也整理在〈生成式 AI 解決方案總覽〉；而 RAG 要審得準的關鍵，在〈RAG 知識庫為什麼答不準〉。用對了，AI 讓法務從無盡的初審中解放，把時間留給真正需要判斷與談判的地方。