对于 Sullivan & Cromwell 的律师而言，审查协议草案包括将协议条款与相关先例进行对照，运用基于律所经验的方法，并时刻考虑客户的优先事项。该律所的 Agreement Analyzer 将这些要素整合到单一的审查工作流中，生成律师可以检查和完善的的分析意见和修改建议。
“我认为 AI 将……让律师能够专注于他们的判断最重要的领域……从而使他们能够集中精力解决对客户最关键的问题。”——John Savva，Sullivan & Cromwell 合伙人
将律所专业知识引入协议审查
虽然 AI 最初主要用于重复性的行政任务，例如起草电子邮件回复或查看日程安排，但 Savva 发现，AI 模型分析能力的最新提升已经改变了它的使用方式。他说：“现在，我们看到更多机会将其用于具有挑战性的法律任务，例如对复杂协议的深入分析。”
Agreement Analyzer 帮助律师比较各先例中对应的条款，并追踪这些条款之间如何相互作用。
Sullivan & Cromwell 合伙人 John Savva 开发了 Agreement Analyzer，这是一个使用 Codex 构建的单用户概念验证。随后，他与 OpenAI 合作，提高输出质量、通过并行处理提升效率，并将该应用改造成可供多名律师同时使用的工具。
Agreement Analyzer 整合了 Sullivan & Cromwell 的工作流程、精选的律所先例、谈判策略手册以及 ChatGPT Enterprise。律师将协议草案输入该工具后，可以添加自己选定的先例、包含律所和客户立场的策略手册，以及有关市场惯例的信息。该工具从不同角度执行多个审查周期，综合各项输出结果，帮助识别潜在问题，并返回一份备忘录和拟议的修订痕迹，供律师审阅、采纳或拒绝。
“这不是要取代律师，而是为律师提供一个工具，让他们能够进行更深入的分析，找到更多的法律依据和先例，从而为客户提供质量更高的成果。”——John Savva，Sullivan & Cromwell 合伙人
让来源和不确定性可见
Savva 强调，AI 工具的输出之所以可信，关键在于完全透明。他说：“如果 AI 工具对市场惯例做出了断言，你必须能够看到该信息的来源。”
Savva 描述了一种应用方式：一些智能体得出结论，而另一些智能体则在对抗过程中对这些结论提出质疑。在一个潜在的使用场景中，专门化智能体并行审查协议，检查诸如市场偏差和风险分配、条款之间的相互作用，以及可能影响诉讼的模糊之处等内容。结果会区分经其他智能体质询后得到支持的发现、被否决的发现，以及附带限定条件保留的未经验证的问题。律师可以查看这些问题、其支持性解释以及相关先例，然后决定哪些发现值得在最终修订稿中作出修改。
下一步计划
Sullivan & Cromwell 正在继续探索围绕特定法律任务构建的工具。对 Savva 而言，更强大的分析能力为支持更多研究和写作流程创造了机会。
Savva 提到了 GPT‑6 Astra 在推理能力方面的进步：“Astra 在可用推理质量方面真正推动了事情的发展，而这在过去一直是瓶颈，”他说。