金帆树人KINGFASTER
010-64425981 预约场景诊断
能力AI 应用开发数据与 BI低代码与流程自动化FDE 交付模式解决方案采购与供应链人力与员工服务财务与费控制造与质量行政后勤与工会IT 与资产行业案例资源洞察文章数字化人才培训技术市场服务关于我们预约 AI 场景诊断 →
首页/案例/金融
旗舰案例 AI 文档金融

3 天 → 4 小时:某金融机构把 4000 份合同交给 AI 初筛

关键不是做一个会读合同的工具,而是先把法务的判断标准写下来,再交给系统执行。顺序反过来,我们走过两次弯路。

客户名称按保密要求匿名 · 界面与数据已脱敏

客户某金融机构(匿名)
行业金融与保险
合同量约 4,200 份 / 年
使用角色法务 6 人 · 业务审核 4 人
交付形态FDE 驻场,每周 3 天
周期POC 3 周 + 上线 8 周
3天 → 4小时 平均审核周转 实测 2024 Q4–2025 Q1 系统日志
-70% 单份人工阅读量 实测 抽样 200 份均值
100% 条款级留痕 实测 审计抽样 200 份复核
4 类 覆盖合同类型 采购 / 销售 / 服务 / 保密

数字口径:实测来自客户后台或验收报告;推算为样本外推;基准为公开研究。

合同审核台 · 界面示意 · 数据已脱敏
合同审核台界面示意
一份 12 页合同:左侧原文标红风险条款,右侧列出检查项、等级与置信度,只把标红部分交给人复核。
Why now

如果不做,会发生什么

  1. 01

    业务扩张后合同量三年翻了 2.6 倍,法务人数没变。平均周转从 1 天拖到 3 天,销售侧开始出现「先签后报」——合规风险从流程里长出来了。

  2. 02

    监管检查要求能回答「谁在什么时候审过哪一条」,纸质登记本只能证明「有人签过字」,证明不了审过什么。

  3. 03

    6 名审核员对同类条款有 4 套尺度。同一份合同换个人审,结论可能相反,业务方对结果没有稳定预期。

What we got wrong

我们判断错的两件事

我们当时以为

瓶颈是「读得慢」,所以先做阅读加速:自动摘要 + 关键字段提取。

现场告诉我们

审核时长只降了 12%。真正的瓶颈是判断标准不统一——「违约金上限是否合理」这一条,6 个人有 4 套尺度。加速阅读只是让 4 套尺度更快地产出 4 个答案。

我们当时以为

应该按合同类型(采购 / 销售 / 服务 / 保密)分类建模。

现场告诉我们

客户实际是按「签约主体风险等级」组织工作的。分类方式错了,规则命中率只有 41%,整个 POC 返工 3 周。这件事是在第 3 天现场跟岗时发现的,比任何需求文档都直接。

Trade-offs

关键取舍

1

规则引擎 + 模型双通道,而不是纯模型

为什么这么选

法务能接受「漏检率略高但要能复核」,不能接受「每次都要从头读一遍」。规则负责确定项,模型负责语义判断项。

代价是什么

规则需要持续维护。我们把维护权交给客户法务,我们只做季度校准——这意味着后续问题不能靠「再训一次模型」解决,必须靠流程。

2

只做条款级标注与修改建议,不做全文重写

为什么这么选

全文改写会引出合同效力与授权范围的争议,客户合规部门明确不接受。工具一旦越界,法务就不敢用。

代价是什么

输出形态更「笨」。销售演示时不如「一键生成新合同」好看,我们放弃了那个演示效果。

3

用客户历史 800 份已审合同做评测集,不用公开数据集

为什么这么选

通用数据集上的准确率与这家机构的条款体系无关,评测集必须来自它自己的判例。

代价是什么

建评测集吃掉了整个 POC 一半的时间,客户内部一度认为「怎么还在标数据」。

Timeline

落地节奏

W1–W2
现场跟岗

跟 3 名审核员各坐 1 天,抽出 6 类高频风险条款,把口头判断写成可执行的检查项。

W3–W5
POC 跑端到端

200 份历史合同盲评,输出准确率、漏检率、单次调用成本三条硬指标。

W6–W10
规则对齐

把 4 套尺度收敛成 1 套,逐条与法务确认判定标准。这一步比模型难。

W11–W13
上线集成

接入 OA 审批流,加权限、审计日志与人工兜底队列。

W14–W18
运营陪跑

每周复盘标红项的采纳率,按月回归测试,坏例回流成样本。

Results

结果

指标 之前 → 之后 平均审核周转 3 天 4 小时 单份人工阅读量 全部条款 仅标红条款(约 15%) 同类风险漏检 依赖个人经验 按检查项全覆盖
关键指标的前后对比,口径与统计周期见上表
指标之前之后
平均审核周转3 天4 小时
单份人工阅读量全部条款仅标红条款(约 15%)
同类风险漏检依赖个人经验按检查项全覆盖
审核记录纸质 / 邮件结构化留痕,可按条款检索
Not good enough

一项没达到预期的

跨境合同的多语种条款识别只做到 78%,未达 90% 目标,最终退回「人工优先 + AI 辅助」。这条能力我们仍在迭代,暂不对外承诺。

一开始我们最担心它把该拦的漏掉。跑了三个月,真正改变的不是速度,是我们终于有了一套写下来的标准——以前标准在每个人脑子里,现在在系统里,新人第一周就能按同一套尺度审。
法务负责人上线 3 个月回访 · 应客户要求匿名
Reusable

这个项目留下了什么

  • 6 类风险条款检查项模板(可直接改成采购 / 销售版本)
  • 分层评测集:致命 / 重要 / 提示三级,用于算漏检代价
  • 双通道审核台组件:规则命中 + 模型判断 + 人工复核队列
  • 坏例回流机制:每一次采纳 / 驳回都进回归集
Next

这套做法还能用在哪

  • 采购合同与销售合同的条款库可直接复用,换的是检查项,不是平台。
  • 「条款级标注」这套交互已迁移到报关单与保单审核,人机分工逻辑一致。
  • 评测集方法可迁移到任何「有判据」的文档场景:简历、工单、质检记录。

模板与连接器可以直接复用,相邻场景不必从零开发。

Stack
大模型(可切换)文档解析 / OCR向量检索低代码审核台权限与审计
聊聊我的场景
下一步

你们的情况可能不同

同样的场景,行业不同、系统不同、人不同,做法会差很多。90 分钟诊断,我们给出针对性的判断——包括该不该做。