6月30日，法律科技公司 Spellbook 发布 AI-powered Contract Management（ACM），将原有的合同辅助审查能力延伸至任务分配、审批跟踪、条款偏离识别和流程管理。该产品反映出合同 AI 厂商正在扩大产品覆盖范围，从处理单份文件转向参与合同全生命周期。
按照 Spellbook 的产品说明，ACM 可识别合同所处节点、后续任务负责人以及偏离企业政策的条款，并记录相关例外是否获得授权。合同由此被拆分为一系列持续更新的事项，而非一次性的审查文件。
合同审查延伸至协作环节
单份合同审查的输入和输出相对明确，也是合同 AI 较早落地的场景。企业内部的实际签约流程则涉及销售、采购、财务、业务负责人和法务等多个部门。从需求提出、文本起草到谈判、审批和签署，任何一个环节的信息缺失或衔接不畅，都可能抵消文档审查带来的效率提升。
流程型合同系统需要持续保存事项状态，包括已经核实的业务背景、对方修改的条款、内部接受的风险、获得批准的例外以及需要转入履约管理的问题。此类记录既用于推进协作，也构成后续审计和责任追溯的依据。若系统只输出修改建议，却未保留决策过程，自动化程度越高，责任认定反而可能越困难。
落地仍受治理能力制约
Deloitte Legal 关于企业法务生成式 AI 的研究认为，生成式 AI 将对法律部门产生较大影响，但模型能力并非落地的唯一条件。预算和人员投入、数据治理以及工作方式调整，都会影响相关工具能否进入核心业务流程。Thomson Reuters 对企业法务部门的观察也显示，不少团队认可 AI 的应用价值，但仍缺乏成熟的投资回报衡量方法。
合同管理涉及企业对外承诺，风险边界比摘要生成或文本检索更为复杂。系统可以自动生成摘要、比较版本、催办审批或草拟回复，但进入谈判和签署环节后，还需处理操作权限、商业秘密、价格信息、授权范围和审计要求。
因此，企业评估合同 AI 时，仅统计自动处理任务的数量并不充分。更具参考价值的指标包括建议采纳率、律师人工覆盖的频次及原因、同类事项输出的一致性，以及系统能否完整记录从建议生成到最终签署的决策链条。厂商披露的效率或自动化数据，也需要结合客户规模、合同类型和统计口径审慎判断。
国内企业可从低风险环节切入
对国内企业法务部门而言，现阶段较稳妥的做法是先整理常用合同模板、审批规则、例外条款和谈判底线，再将初步筛查、文本差异比对、风险标签和版本摘要等高频任务交由 AI 处理。
涉及对外发送、价格条款、责任限制、数据处理、知识产权归属等事项时，仍应设置明确的人工确认节点。企业还需定期比较 AI 建议、律师修改意见与最终签署文本，检查系统是否遗漏业务背景、误判条款风险或超出授权范围。
随着合同 AI 接入审批和谈判流程，产品评价标准也将相应变化。除文本分析质量外，状态记录、权限控制、审计能力和责任边界，将成为企业采购和部署时的重要考量。