对于 Sullivan & Cromwell 的律师而言,审查一份协议草案包括将其条款与相关先例进行比对,运用基于律所经验的方法,并充分考虑客户的优先事项。律所的 Agreement Analyzer 将这些要素整合到单一的工作流程中,生成律师可以检查和完善的分析结果及拟议修改。
“我认为 AI 将……使律师能够专注于他们判断最重要的领域……从而让他们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
尽管 AI 最初主要用于起草邮件回复或检查日历等重复性的行政任务,但 Savva 发现,AI 模型分析能力的最新进展已经改变了它的使用方式。“现在,我们看到更多在具有挑战性的法律任务中应用 AI 的机会,例如对复杂协议的深度分析,”他说。
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的相互作用。
Sullivan & Cromwell 合伙人 John Savva 使用 Codex 开发了 Agreement Analyzer,作为单用户概念验证。随后,他与 OpenAI 合作,提升输出质量,通过并行处理提高效率,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、精心整理的律所先例、谈判策略手册以及 ChatGPT Enterprise。在将一份协议草案输入该工具后,律师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,综合输出结果,帮助识别潜在问题,并返回一份备忘录以及带有修订痕迹的拟议修改,供律师审查、调整或拒绝。
“这不是要取代律师。而是为律师提供一个工具,让他们进行更深入的分析,找到更多的法律依据和先例,为客户提供更高质量的服务。”——John Savva,Sullivan & Cromwell 合伙人
让信息来源和不确定性可见
Savva 强调,AI 工具输出结果值得信赖的关键在于完全透明。“如果 AI 工具对市场惯例做出了断言,你需要能够看到该信息的来源,”他说。
Savva 描述了一种应用方式:一些智能体得出结论,而另一些智能体在对抗性过程中对其进行质疑。在一个潜在的使用场景中,专门化的智能体并行审查协议,检查诸如市场偏离和风险分配、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疑后仍成立的研究发现、被否决的研究发现,以及保留下来但附带限定条件的未经验证的问题。律师可以检查这些问题、其支持性说明以及相关先例,然后决定哪些研究发现值得在最终修订稿中进行修改。
未来展望
Sullivan & Cromwell 正在继续探索围绕具体法律任务设计的工具。对 Savva 而言,更强大的分析能力为支持更多的研究和写作过程创造了机会。
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确实向前迈进了一大步,而这在过去一直是瓶颈,”他说。