對於法務與律師，審閱長達數十頁的商業合約往往是最耗時的工作，偏偏這又是不容出錯的環節。透過目前擁有長文本處理能力的大語言模型（如 Claude Opus / Sonnet 4.6 或是 Gemini 3.1 Pro），這項工作可以大幅縮短至 15 分鐘內完成初步風險篩查。
但這句話要加一個很重的但書：縮短的是「篩查」，不是「審閱」。 AI 幫你把三十頁縮成五個待確認的點，那五個點還是要人翻回原文看、還是要人決定要不要為它去談判。AI 標記風險，不等於 AI 替你決定。 最終的判斷與責任，都在簽字的人身上，不會因為「這是模型建議的」而移轉半分。
本文非法律意見。 這裡提供的是判斷框架與作業流程，不針對任何具體合約或糾紛。涉及實際案件、具體條款效力、或已經發生爭議的情況，請諮詢律師或貴公司法務；本文也刻意不寫具體法條條號與罰則，法規內容請以全國法規資料庫的現行條文為準。
[!CAUTION] 機密與資安警告 審閱合約時絕對會涉及公司或客戶的機密商業資訊。請勿將包含敏感個資、價格、專利等未脫敏的資料丟入免費用戶版的 ChatGPT 或 Claude 中，以免被拿去訓練模型。 建議作法：使用企業版（Enterprise／Team）、透過 API 串接，或是對高度機密條文使用「本地端模型」（如 Ollama 運行開源模型）處理。相關的資料界線可以先看 AI 與隱私那一篇。
為什麼要用 AI 審合約？
- 對抗視覺疲勞：人類連續閱讀 30 頁充滿法律術語的合約後，注意力必然會下降。AI 不會累，它能以相同的嚴謹度掃描第 1 頁與最後 1 頁。
- 快速標註例外條款：很多「陷阱」是在前面定義一套規則，卻在後面洋洋灑灑塞入幾段「除外條款」。AI 可以瞬間把它們關聯起來。
- 比對市場慣例：AI 閱讀過海量合約文本，它可以告訴你「這個違約金比例是否異常高」或是「這個智財權歸屬是否過於霸道」。
這三件事的共同點是：它們都屬於「把注意力放到對的地方」，而不是「代替你做出結論」。 記住這個定位，後面所有的操作方式都會自然推導出來。
審閱合約的萬用 Prompt 框架
不要只叫 AI「幫我看這份合約有沒有問題」，你必須給予明確的立場、審查標準與輸出格式。
步驟一：設定角色與目標
將完整的合約文本餵給 AI，並丟入這個基礎 Prompt：
你現在是一位資深商務法務，擁有 15 年的跨國合約審閱經驗。
我即將提供一份【軟體開發外包合約】。
我的立場是：【甲方（發包方）】，我們希望確保專案如期完成、原始碼歸屬我們，並且有合理的解約條款。
請針對以下幾個維度進行審閱，並以繁體中文表格呈現結果：
1. 對我方（甲方）嚴重不利的條款
2. 語意模糊、定義不清，未來可能產生爭端的地方
3. 智慧財產權（IP）歸屬是否明確偏向我方
4. 隱藏的潛在風險（例如：乙方免責範圍過大）
每一項都必須標註「出自第幾條、原文怎麼寫」，直接引用合約原句。
你沒有把握的地方請標「待人工確認」，不要推測，也不要引用我沒有提供的法條。最後那兩行是整個 Prompt 裡最重要的。要求逐條標出處，你才能翻回原文核對；明令它不要引用你沒提供的法條，是因為模型在條號上的幻覺率高得驚人——它會生出一個格式完全正確、看起來很權威、但根本不存在或內容對不上的條號。這在合約審閱是最貴的一種錯誤，因為它讀起來完全不像錯誤。
步驟二：要求提供對案修改（Redlining）
當 AI 抓出問題後，你可以繼續要求它「草擬修改建議」：
針對你剛剛提出的第 2 點「乙方免責範圍過大（第 8.2 條）」，
請幫我重寫該條文。
要求：
1. 縮限乙方的免責事由範圍，不能把「不可抗力」無限上綱。
2. 加上「乙方若有重大過失或故意違反保密義務，則不受此免責條款保護」之但書。
3. 請直接輸出修改後的完整條文文字，並將修改處用 **粗體** 標示。推薦的兩大 AI 模型選擇
- Claude（Sonnet／Opus 4.6）： 在法律圈內，Claude 的口碑極佳。它的語氣正式、邏輯嚴密，超長的脈絡容量可以輕鬆吃下一整本厚厚的英文合約，並精準抓出前後矛盾處。
- Gemini 3.1 Pro： 脈絡容量更大，適合把過去「公司所有簽過的範本」一起丟進去，並告訴它：「請用檔案 A（標準版合約）為基準，幫我審閱檔案 B（廠商發來的合約），找出所有他們擅自竄改的地方」。
要提醒的是，模型版本更迭很快，選型時請以各家官方文件當下的規格為準；而且不同模型抓到的問題會不一樣，如果這份合約金額夠大，用兩個模型各跑一次、比對差集，成本很低但很值得。更完整的工具比較可以看法律 AI 工具怎麼選與AI 合約審閱工作流實戰。
AI 審約流程 SOP
- 脫敏與前處理：移除合約中的企業真實名稱、負責人個資、實際報價金額（用 X 替代）。
- 上傳文本並賦予立場：明確告訴 AI 給定是買方、賣方、還是授權方。
- 快速檢索風險清單：先讓 AI 列出 Top 5 致命風險。
- 人工深度確認：依據 AI 提供的風險點，直接翻到合約對應頁數由人工親自判斷。
- 產生修改建議：請 AI 草擬反饋，這可以大幅省下手打字的時間。
記住：AI 的角色是「探照燈」，照亮可能隱藏地雷的地方；但決定要不要踩過去（商業談判抉擇），永遠是法務與決策者的工作。
第 4 步是整套流程的重心，也是最常被省略的一步。省略它的代價不是「品質差一點」，而是你把一份沒人真正讀過的意見，用你的名義發了出去。
想學更多法務 AI 技巧？看看 AI 如何幫你一鍵草擬法律文件、用 AI 做法規與判例檢索，或回到法律業 AI 技能樹了解完整應用場景。
AI 會漏掉什麼：五個它看不到的地方
這一節比前面所有 Prompt 都重要。知道工具的盲區在哪，你才知道人力該擺哪裡。
- 附件與附錄裡的例外。 服務水準、計價方式、驗收標準常常不在本文，而在附件三。沒把附件一起貼進去，AI 只會審它看得到的那部分——然後給你一份看起來很完整的報告。
- 與其他文件的交互作用。 這份合約跟既有的主約、保密協定、採購總則有沒有衝突？AI 只讀了眼前這一份，它不知道你三年前簽了什麼。
- 準據法與管轄的實際成本。 「準據法為 A 國法、管轄法院在 B 地」在文字上完全合法，AI 不會標記；但真出事要不要飛過去打官司、判決能不能執行，是商業判斷，不是文字判斷。
- 簽署權限與對方的履約能力。 簽字的人有沒有權限、這家公司有沒有能力履約——這些不在合約文字裡，AI 讀不到。
- 「不合理但不違法」的條件。 最需要經驗的一類：條款完全合法、寫得也清楚，就是對你不利到不符合產業慣例。AI 可以提示「這比常見做法嚴格」，但它沒有你的談判籌碼感。
換句話說：AI 擅長找「寫錯的」和「寫壞的」，不擅長找「沒寫的」。 而合約真正的坑，常常在沒寫的那一塊。
不同合約類型的審閱重點
不是所有合約都用同一套審閱框架。不同類型的合約，AI 需要關注的「地雷區」完全不同。
軟體開發外包合約
重點審查：原始碼歸屬、驗收標準是否明確、延遲交付的罰則是否對等。最常見的陷阱是「乙方保留所有工具和元件的智財權」——這意味著你付了錢，但乙方用同一套程式碼賣給你的競爭對手完全合法。
SaaS 服務合約
重點審查：資料歸屬與可攜性、服務中斷的補償機制、合約到期後資料的保留期限。最致命的條款是「供應商有權單方面修改服務條款」——等於對方隨時可以改遊戲規則。
經銷 / 代理合約
重點審查：獨家 vs 非獨家的地域範圍、最低採購量的合理性、商標使用授權的限制。常見的陷阱是「終止合約後的競業禁止期過長」——兩年不能賣同類產品，基本上就是逼你轉行。
保密協定（NDA）
看起來最簡單，其實最容易出問題。重點審查：「機密資訊」的定義範圍是否過寬（有些 NDA 會把「雙方曾經見過面」都列為機密）、保密期限是否合理、以及違約的舉證責任歸誰。
在 Prompt 框架中加入合約類型的具體審查維度，AI 的輸出品質會提升一個層級。
🚦 哪些合約適合交給 AI，哪些不要
| 情境 | 適合度 | 判斷理由 |
|---|---|---|
| 大量重複的標準型合約（採購單、NDA、續約） | 高 | 型態固定，AI 篩異常的投報率最高 |
| 對方發來的長篇英文合約，先求看懂 | 高 | 翻譯＋摘要是模型最強的場景 |
| 你方標準範本 vs 對方回稿的差異比對 | 高 | 有基準文件，AI 找差集很可靠 |
| 一般商務合約的第一輪風險標記 | 中 | 可以用，但人工確認那一步不能省 |
| 金額重大、條件高度客製的單一合約 | 低 | AI 當補充視角可以，主力仍是律師 |
| 併購、重大投資、已進入爭議或訴訟的案件 | 不建議 | 錯誤成本太高，且需要合約文字以外的大量資訊 |
三個我要說的「不建議」
不建議把 AI 產出的修改建議直接貼回去給對方。 兩個理由：那段文字沒有人逐字讀過就送出，責任在你；而且 AI 的修改常常文字通順、邏輯上卻跟同份合約的其他條文打架（改了第 8 條卻沒連動第 12 條的定義）。改完一定要整份重讀。
不建議相信 AI 引用的任何法條條號與判決字號。 這是合約審閱最集中的幻覺區。凡是條號、字號、法規名稱一律當「待查證」，自己去全國法規資料庫或司法院系統開一次；開不到就當它不存在，不要因為格式正確就採信。
不建議把「省下律師費」當成主要目標。 AI 讓你帶著更好的問題去找律師，這才是真正的價值。用它取代諮詢，省下的是可見費用，賭上的是不可見風險——合約出事的成本，從來不會剛好等於你省下的那筆諮詢費。
🧰 導入前先準備兩份文件
想讓 AI 審約真的好用，關鍵不在 Prompt 寫得多漂亮，在你有沒有給它「你們公司的標準是什麼」。
一、公司的紅線清單
哪些條件絕對不能接受（無上限的賠償責任、單方面修改權、原始碼不歸我方……）、哪些可以談、底線在哪。每次審閱都跟合約一起餵給 AI，你得到的就不再是通用意見，而是「這份合約踩到你們哪幾條紅線」。
二、你們自己的標準範本
有範本，AI 就能做差異比對——這是它可靠度最高的用法，遠勝過讓它憑空判斷「這樣合不合理」。沒有範本的公司，第一件事其實不是導入 AI，是先把常用合約的標準版本做出來。想讓輸出欄位每次都一致、可以直接進表格，可以參考結構化輸出的做法。
✅ 怎麼驗收：拿你已經審過的舊合約回測
不要用「感覺很準」決定要不要導入。方法很簡單：挑三到五份你自己審過、問題點早就知道的舊合約，讓 AI 跑一次，比對它抓到什麼、漏掉什麼。
- 漏抓的是什麼類型？ 漏的都是附件裡的條款，代表你餵資料的方式有問題，可以修；漏的是需要商業脈絡的判斷，那是能力邊界，只能靠人補。
- 誤報多不多？ 每個假警報都要有人翻回原文排除，多到一定程度，同事就會開始跳過整份報告。
- 它標的條號對不對？ 隨機抽查五條翻回原文核對，錯超過一條，這份輸出的所有引用都不能直接信。
- 同一份合約跑兩次，結論一致嗎？ 差異太大代表你給的標準不夠明確，要回頭補紅線清單與立場設定。
回測花不到一個下午，但它讓你之後每次使用都知道人力該擺在哪一段。
❓ 常見問題 FAQ
AI 審合約的準確率有多高？會不會漏掉重要條款？
沒有一個可靠的通用數字，任何說「準確率幾成」的說法都要問清楚是在什麼合約、什麼標準下測的。比較務實的做法是自己回測：拿你審過的舊合約跑一次，看它漏了什麼。經驗上 AI 最容易漏掉的是藏在附件或附錄裡的例外條款，以及需要結合產業慣例才能判斷的「不合理但不違法」的條件。它是第一道篩網，不是最後一道防線。
用 AI 審閱合約，如果 AI 判斷錯誤導致公司損失，誰負責？
法律責任在簽字的人與公司身上，不會因為使用工具而移轉。AI 產出的是「建議」，不是法律意見。這也是為什麼流程中「人工深度確認」那一步絕對不能省——AI 幫你把 30 頁縮到 5 個重點，但最後拍板的必須是法務或律師。具體個案的責任認定請諮詢律師。
AI 引用的法條和判決可以直接相信嗎？
不行，這是合約審閱裡最集中的幻覺區。模型很容易生出格式完全正確、看起來很權威，但實際上不存在或內容對不上的條號與字號。處理原則只有一條：凡是條號、字號、法規名稱，一律自己去全國法規資料庫或司法院系統開一次來核對，開不到就當它不存在。在 Prompt 裡先明令「不要引用我沒提供的法條」，可以少掉大半問題。
對方的合約是英文的，AI 能同時翻譯和審閱嗎？
可以，而且這是 AI 最擅長的場景之一。你可以要求：「請用繁體中文逐條摘要這份英文合約的風險點，並在每個風險點旁邊附上原文條款編號和關鍵英文原文」。保留英文原句這件事很重要——翻譯過程本身會流失語氣強度，「shall」「may」「best efforts」這類字的差別，看中文摘要常常看不出來。
我是小公司沒有法務部門，AI 能取代律師嗎？
不能取代，但能讓你的律師費花得更有效率。建議做法：先用 AI 自行審閱、標出疑慮，再帶著問題清單去諮詢律師。這樣律師不用從頭看完全文，你的諮詢會更聚焦。但要誠實面對一件事——AI 幫你問出更好的問題，不會幫你承擔問錯問題的後果。合約金額大到出事會傷筋動骨的時候，該找律師還是要找。
可以把整份合約直接貼進 ChatGPT 嗎？
要先確認兩件事：公司政策允不允許，以及你用的方案會不會把資料拿去訓練。務實的分級是——公開資訊或已脫敏文本可以用一般訂閱版；含客戶名稱、報價、個資的用企業版或 API，並確認資料保留政策；極機密的條文考慮本地端模型。無論哪一種，把真實名稱與金額換成代號都是低成本高效益的習慣。