案例复盘

制药企业合同审核:
从半天缩短到 1 小时

知识库 + 大模型怎么嵌进法务流程,还能保证每一条结论都有出处。

浩瀚数据晟财 · 交付团队 发布于 2026-09-08 更新于 2026-10-08 阅读约 8 分钟

合同审核慢的不是「读」,是「找依据」

梳理流程时我们发现,法务同事真正耗时间的不是阅读合同本身,而是三件事:

  • 翻找历史同类合同,确认这次的条款和上次有没有实质差别;
  • 核对是否与公司标准模板、合规要求、监管口径一致;
  • 把关键信息(金额、期限、付款节点、违约条款、管辖约定)手工摘出来填进台账。

一份合同从头到尾读一遍也许只要十几分钟,但「找依据 + 摘信息 + 填台账」加起来,就是半个工作日。

为什么不能只用大模型

直连大模型做合同审核,看起来最简单,在医药行业却是不能接受的。原因很直接:合规场景不能有幻觉。模型给出一个「看起来合理」的结论,如果无法回溯到原文条款或制度依据,法务不敢采信,出了事也无法解释。

我们的原则是:AI 负责找出来,人负责下判断。系统输出的每一条结论都必须能点开看到出处——是哪份文件、哪一条、原文怎么写的。

方案:检索 + 提取 + 比对,人工终审

环节做什么输出
文档解析合同与制度文件结构化切分,保留页码与条款编号可检索的条款级片段
混合检索关键词 + 语义检索并行,命中制度与历史同类条款带出处的依据清单
信息提取金额、期限、付款、违约、管辖等字段自动提取结构化字段表
差异比对与标准模板逐条比对,标出新增、修改、缺失条款差异清单
人工终审法务确认或修正,修正结果回流入库审核意见与更新的知识库

三个关键设计

  • 引用可回溯:每条结论附带原文片段与位置,点击可定位,杜绝「无出处的结论」;
  • 置信度分流:提取置信度低的字段自动转人工,不硬猜——宁可让人多看两眼,也不让错误字段流入台账;
  • 权限与留痕:合同属敏感数据,按角色隔离可见范围,谁看过、谁改过全程留痕。

效果口径:半天 → 1 小时以内

需要说明这个数字的边界:指的是单份合同从领取到产出差异清单的初审用时,不含法务的最终判断与商务谈判时间。系统替代的是机械比对与信息摘录,不是法务的专业判断。

上线后另一个变化更值得关注:因为历史条款被沉淀进了知识库,新同事上手同类合同的速度明显变快——经验从个人身上,变成了组织资产。

这套能力还能用在哪

采购协议、销售合同、渠道协议、供应商准入材料、招标文件预审——所有「有标准依据、需要逐条比对、必须留痕」的场景都适用。我们通常会先选一个文件量最大的场景做切口,跑通后再横向复制。

本文要点

  • 合同审核的真正瓶颈是找依据与摘信息,不是阅读速度
  • 合规场景不能直连大模型,每条结论必须可回溯到原文
  • 方案链路:解析 → 混合检索 → 信息提取 → 差异比对 → 人工终审
  • 三个关键设计:引用可回溯、置信度分流、权限与留痕
  • 「半天 → 1 小时」指单份合同初审用时,不含法务最终判断

常见问题

智能合同审核会不会取代法务?

不会。系统承担的是机械工作:找依据、摘字段、逐条比对、生成差异清单。专业判断、风险权衡、商务取舍仍由法务负责。我们的设计原则是 AI 负责找出来,人负责下判断。

怎么保证大模型给出的审核结论是可信的?

三条措施:一是每条结论必须附带原文片段与位置,可点击回溯;二是提取置信度低的字段自动转人工,不硬猜;三是所有操作留痕,可追溯谁看过、谁改过。模型只做检索与提取,不做无依据的结论生成。

合同数据敏感,能私有化部署吗?

可以。合同与制度文件全程在企业内网环境处理,支持私有化部署,权限按角色隔离,敏感字段不流出企业环境。

宋运奎 — 浩瀚数据晟财创始人
宋运奎
浩瀚数据晟财 · 创始人 / CEO
原小米之家数据负责人国际数据和人工智能管理协会中国分会理事中国电子信息行业联合会数据治理专委会委员工信人才大模型应用创新与数据要素高级人才

原小米新零售小米之家数据负责人,主导搭建业内领先的智能数据体系;曾任金山软件核心数据产品负责人,主导研发业内最早的移动端数据产品 KBOSS 平台。专注 AI 场景化应用与企业数据资产化运营,本文由其主笔并负责内容审核。

RELATED · 相关阅读

继续往下看

你们最耗人力的那份文件,是哪一类?

我们可以先做一次文件流程诊断,找一个量最大、标准最清晰的场景做切口,4-6 周看到初审效率的变化。

预约能力交流 看 AI 能力