LexisNexis把宝押在流程上

LexisNexis近日继续加码Lexis+ with Protégé，把面向企业法务与合规团队的功能做厚：权威法律内容、来源引用、私有环境和可配置流程，都整合到同一个平台上。产品的主要入口还是生成式AI交互，但能用的地方已经延伸到了合同审查、任务分流和合规工作这些具体环节。

这次调整，能看出企业买法律AI时关注点在挪：模型答得好不好只是入场券，系统能不能接进现有工作流程、满足权限管理、版本控制和责任追溯的要求，才是决定成不成交的依据。

从单次问答挪到流程协作

企业的合同一般要走业务提交、法务分流、条款比对、风险升级、修改留痕和最终批准这几道，文件还可能散在邮件、共享盘和不同的业务系统里。单次问答能搭把手，帮忙提取信息或生成文本，可跨部门交接、访问权限、审批责任这些事，它单独处理不了。

专用的工作台想把企业条款库、审批规则、检索来源和人员角色收进同一条流程。对法务负责人来说，引用追不追得到、模板统不统一、异常事项能不能及时升级，直接决定AI的输出进不进得了后面的业务环节。

厂商给的预设技能和工作流，能压低部署门槛，但一定得结合企业自己的制度改。不同企业对赔偿上限、知识产权归属、数据处理、自动续约和适用法律这些条款的风险容忍度不一样；同一个风险标签，贴到采购合同和销售合同上，处置方式可能完全两样。预设流程要映射到具体的合同类型、授权矩阵和风险升级阈值——没经过本地规则校准的通用流程，反映不出企业真实的审查标准。

演示再好看，也得本地测

近期的法律AI评测显示，同一个模型在信息抽取、合同分析和文本起草这些任务上，表现能差出不少；应用层的检索方式、提示设置、文件解析机制和界面设计，也都会影响最后的结果。排行榜或厂商演示能当参考，可覆盖不了企业自己那些文件的复杂情况。

企业在部署前可以先攒一套内部测试题，把常见合同、边界案例、信息缺失的文件和条款互相打架的文本都放进去，分别记下准确率、遗漏的类型和人工修正的成本。模型或工作流更新之后，还要做一轮回归测试，看性能的变化有没有波及到原有业务。

数据保护和人工复核这两关

英国律师协会在合同审查相关的实践介绍里指出，要求严格的信息抽取任务，未必适合直接交给通用的生成式工具；公共聊天机器人的数据保护水平，也不能等同于经过企业批准的专用系统。

评估法律AI工作台时，要查合同、提示词和输出是怎么存的，数据能不能按权限删除和导出；同时确认引用材料的来源、版本和适用范围。对那些可能影响权利义务或审批结果的内容，还要讲清楚哪些输出能进下一环节、哪些必须由律师一项项确认。

业内比较稳妥的部署方式，是先从高频、争议少又好核验的任务下手——关键日期抽取、标准条款对照、合同初步分流——再慢慢扩到起草、复杂审查和合规监测。部署过程中要留抽样复核、错误分类和反馈记录，好判断效率的提升有没有带出新的法律和操作风险。

专用法律AI到底好不好用，取决于数据隔离、内容来源、任务适配和人工监督这些条件。选产品和设计流程，要结合企业的业务、信息安全要求和专业判断。本文不构成法律意见。

相关报道

• LexisNexis：面向企业法务与合规团队的Protégé更新
• Legal Benchmarks：法律任务评测榜单与方法
• 英国律师协会：AI在合同审查中的使用场景