AI 合約審查工具怎麼挑
Five approaches, and the one question that separates them
市面上叫得出名字的做法有五種，但真正決定結果的不是誰的模型比較強，而是判準是誰的。通用工具用的是產業常識，你公司要的是自己的紅線——這兩件事在合約審查上不是同一回事。
AI 合約審查工具的差別在「判準是誰的」。通用 AI 用的是訓練資料裡的產業常識，能給你一份看起來專業的風險摘要，但指不回任何一條你公司同意過的規則；同一份合約問兩次還可能給不同答案。真正要問的六件事：判準能不能指回公司規則、台灣裁判覆蓋到什麼程度、審完留不留得下證據、規則能不能被法務推翻、資料會不會被拿去訓練、導入前要準備多少歷史合約。
有哪幾種做法
通用 AI 助理（ChatGPT、Claude 等）
臨時看一份合約、要一段白話摘要。成本最低，今天就能用。
判準是模型的訓練資料，不是你公司的立場。沒有條款資料庫、沒有審查紀錄，關掉視窗就什麼都不剩；同一份合約問兩次可能得到不同答案，複核的人無法判斷該信哪一次。
國際 CLM 的審查模組
已有大量簽核流程與版本控管需求的跨國企業。
條款範本與判例脈絡多以英美法系為主，台灣裁判與公司登記資料需另外接。導入週期與單價高，公司自己的條款 Playbook 通常還要另外請顧問建。
線上範本／條款檢查服務
標準交易，只想確認有沒有漏掉常見條款。
給的是通用清單，不知道你這個產業、這個對造的談判空間在哪。清單能告訴你「少了保密條款」，不能告訴你「這個對造的保密條款你們公司通常談到哪」。
委外給律師事務所
高風險、金額大、需要具名法律意見的案子。
單價與回覆時間撐不起「每天二十份」的量。事務所交付的是意見，不會順手幫你把公司的審查標準沉澱成內部可重複執行的規則。
以公司自訂規則為判準的平台（合約金屬這一類）
合約量已經多到審不完，且希望審查標準能被整個團隊重複執行、而不是只存在資深法務腦中。
需要先累積歷史合約才學得出規則（標準類型至少 5 份）。規則建好後仍要法務治理——這不是全自動，是把判斷變成可維護的資產。
問這幾件事就分得出來
工具的結論，指得回一條規則嗎？
如果它只說「這條有風險」而指不回一條你公司同意過的標準，你就得逐條重新判斷一次。省下的時間會在複核時全部還回去。
台灣裁判覆蓋到什麼程度？
準據法寫台灣、爭議進台灣法院，就要看台灣法院實際怎麼認定。國外案例翻譯過來讀起來很有道理，但不能直接套在台灣的認定標準上。
審完留不留得下證據？
內控自評、會計師查核、獨董質詢問的都是同一件事：當初憑什麼這樣判。報告要能保存、重新開啟、下載、寄存，聊天視窗關掉就沒有的東西撐不起這一關。
AI 產的規則，法務能不能推翻？
不能編輯、鎖定、重新學習的規則，沒有人敢拿它去擋一份合約。可治理比準確率重要——準確率再高的黑盒，法務也只能整份重看。
合約資料會不會被拿去訓練模型？
合約是公司最敏感的商業文件之一。要問清楚三件事：是否用於模型訓練、是否跨租戶共享、傳輸與儲存怎麼加密。
導入前要先準備什麼？
沒有歷史合約，任何號稱「學你公司立場」的工具都學不出東西。先盤點有多少份、有多少是掃描件需要 OCR——這個成本比授權費更容易被低估。
合約金在這張圖上的位置
判準是你自己的三段門檻
審查逐條比對的是公司 DNA 的理想、可接受、紅線三層，偏離與越線都指得回具體規則來源，不是「AI 覺得這樣比較好」。
判決檢索限定台灣裁判
以自然語言檢索台灣法院裁判，輸出結構化摘要供法務核對——是給人覆核的材料，不是直接拿去當結論。
同一句話，看對造是誰
審查會帶入公司基本資料與訴訟脈絡。一模一樣的條款，對方是往來十年的客戶還是近期訴訟纏身的公司，風險不同。
審查報告是可延續的文件
報告可保存、重新開啟、下載 Word、寄到帳號信箱，內部要分享或留存都拿得出來。
- ·不提供行政法規／函釋檢索，判決檢索僅涵蓋司法裁判。
- ·不提供紛爭處理／訴訟管理模組。
- ·DNA 規則需累積至少 5 份同類型標準合約（NDA、SALES、LEASE、LICENSE、LOAN）才啟動學習。
- ·官網未公開標價，實際方案依導入範圍評估。