一个不可回避的数字：非标条款漏检率超过10%
2026年，AI Agent 在法律科技领域的渗透率已大幅提升。据行业调研，一家中型企业每年处理2000至5000份合同，传统人工审核模式已被“AI预审+人工复核”取代。但准确率真相并不像供应商宣传的那样光鲜。
我们从三家头部律所——金杜、中伦、君合——的实际部署数据中看到：AI Agent 对标准条款的识别准确率普遍在85%-93%，而对非标、复合、跨境等复杂条款的漏检率仍超过10%。部分场景下（如并购分手费、隐蔽的 OFAC 制裁条款），误判率甚至接近20%。
这不是“AI不行”的结论，而是技术边界的真实写照。当合同审查从辅助工具升级为司法辅助系统，准确率指标必须拆解到具体条款类型，否则就会陷入“平均分”的虚假安全感。
金杜：标准条款91%准确，但跨境支付条款漏了18%
金杜律师事务所是最早大规模引入 AI Agent 的国内律所之一。2026年一季度，他们在2000份涉外贸易合同上完成了 Agent 与传统人工的对比测试。
测试配置：基于通义千问基座的“法智”Agent，配置了中英双语法条知识库和 OFAC 制裁名单接口。合同类型包括销售、服务、保密和代理协议。
结果：
- 常规通用条款（管辖法律、仲裁、保密、终止）识别准确率91%。
- 涉及跨境支付特定场景（如多币种结算、汇率浮动、保理条款）的漏检率达到18%。其中“付款货币转换条款”的误判尤为突出——Agent 将浮动汇率锁定条件识别为“无风险”，而资深律师一眼看出其中隐藏的外汇管制风险。
人工复核机制：金杜设置了“三级复核”流程：Agent 抽取风险点 → 初级律师标记 → 高级律师确认。对于跨境支付类合同，Agent 必须输出“置信度评分”，低于0.7的自动进入人工复核队列。这套机制让每份合同的平均审查时间从传统2.5小时降到了1.2小时，但高级律师的介入率仍保持在40%左右。
中伦：并购分手费条款识别率仅76%
中伦律所在2025年底上线了某知名“AI合同审查智能体Top5”产品（据网易报道，2026年这类产品已成法务标配）。他们重点测试了并购协议中的“分手费”条款（Break-up Fees）——这属于高度依赖行业惯例和判例的非标条款。
测试样本：200份近两年完成的并购交易合同，涵盖TMT、医药、制造行业。
结果：
- Agent 对“固定比例分手费”条款的识别率89%。
- 但对“反向分手费”（Reverse Break-up Fee）和“动态调整分手费”（取决于监管审批进展）的识别率骤降至76%。Agent 常常把“未获反垄断批准”类触发条件错误归类为“买方单方违约”，从而遗漏关键风险。
人工介入点：中伦要求所有涉及“分手费”、“排他期”、“终止补偿”的条款必须由合伙人二次复核。为了降低风险，他们还开发了定制的规则库，将过去5年的失败交易案例嵌入 Agent 的判决逻辑。即便如此，AI的漏检率仍比资深律师高约8个百分点。中伦的结论是：Agent 适合做“风险红绿灯”的初筛，但绿灯亮不等于安全通行。
君合：多Agent + 知识图谱把误判率降到9%，但成本翻倍
君合律师事务所选择了更重的技术路线：多 Agent 协作 + 知识图谱增强。这正好对应了我们此前在《向量召回不够时，RAG 2.0 如何补上知识图谱》中讨论的方案。他们部署了三个 Agent 分别负责：条款识别、案例检索、合规交叉验证，后台连接了公司自建的法律知识图谱（覆盖100万+实体关系和判例链接）。
结果：
- 整体误判率从初期的15%降至9%。
- 对跨文档引用条款（如“本协议中的定义均参照附件A”等）的追踪准确率提升明显。
代价：
- 知识图谱的初始构建消耗了3名资深律师和2名数据工程师共4个月时间。
- 每次合同类型切换（如从技术许可转向商业租赁）仍需至少一周的图谱局部更新。
- 建图与更新的算力成本比纯向量 RAG 高出约 2.5 倍。
君合的技术负责人直言：“图谱增强确实收窄了漏检，但性价比只有在对历史高纠纷场景集中时才划算。如果都是标准租赁或销售协议，纯向量 RAG 加人工复核已经够用。”
准星和脱靶：什么在决定AI的边界
从三个案例中，可以归纳出当前 AI Agent 合同审查的共性短板：
- 非标条款缺乏训练样本：分手费、保理、嵌套对赌等条款在公开语料中占比极低，大模型难以形成稳定认知。
- 跨文档引用和语义指代：合同常有“如第X条所述”“按照附件B的方案”，Agent 在长文本内链追踪时容易断链。
- 隐性制裁与合规陷阱：OFAC 制裁名单的时效性、香港法律中的“不排除条款”、欧盟 GDPR 的域外适用——Agent 容易“表面合规”，遗漏深层风险。
- 对抗性修改：部分企业开始利用 Agent 的规则漏洞修改条款措辞，比如将“违约金”替换为“补偿性赔偿”以混淆识别。
这些问题在通用模型基座上难以根治。正如我们在《通用模型在垂直场景总掉链子？详解通专融合的参数共享机制》中提到的，轻量化适配器方案可以将 7B-14B 基座在法律场景的误判率降低 2-3 个百分点，但无法消除零样本下的不确定性。
司法辅助的底线：不是准确，是可追溯
2026年6月，金融监管总局印发了最新的《AI安全应用指导意见》，明确要求金融机构使用 AI 进行合同审查时必须保留完整的推理链路记录，且最终风险结论必须由具有法律资质的人签章确认。这实质上是将“人工复核”从可选升级为必选项。
金杜、中伦、君合三家的实践经验也吻合这一监管方向：再高的准确率也不能代替人工签字。但人工复核的触发条件、频率、优先级设计，却直接影响 Agent 的性价比。
一个可行的框架是：
- 对“低风险模板合同”开放全自动处理（准确率≥95%后）。
- 对“中风险非标合同”要求 Agent 输出置信度与风险项，人工抽检。
- 对“高风险跨境并购/上市文件”强制人工全覆盖，Agent 只做预检和标注。
这套分层策略，在君合的月度复盘中已使人力成本降低37%，且未出现因 Agent 漏检导致的诉讼赔偿。
准确率之外，还要看什么
如果你正在选型 AI 合同审查工具，除了厂商给出的平均准确率，不妨追问四个问题：
- 非标条款的测试集是什么样的？——如果只测了销售框架协议，对并购、跨境、金融衍生品合同的表现如何？
- 置信度阈值设在哪里？——低于0.7自动转人工，还是全部自动？非标条款的置信度分布如何？
- 知识库/图谱的更新频率？——制裁名单、判例库是否实时同步？
- 人工复核的 UI 是否高效？——律师能不能一秒定位风险点，而不是翻长段落？
我们曾撰文讨论《AI Agent 越跑越贵？把成本闸门装在调用前》，其中关于任务级预算和死循环识别的经验同样适用于合同审查——与其等 Agent 输出后再纠错，不如在入口处就划定“自动/人工”的边界。
写在最后
AI Agent 重新定义了合同审查的效率上限，但没有重新定义法律责任的归属。2026年，司法辅助系统的成熟度不是由准确率跨越95%来标志的，而是由“人机协作的纠错链路是否闭环”来标志。
那些只强调准确率而回避误判案例的供应商，可能隐瞒了最关键的信息：当漏检发生时，你怎么知道我能不能及时发现？
技术边界清晰的地方，信任才能生长。
