透过机器学习审查合约书的4个优点

根据《哈佛商业评论》分享的一项报告数据，“低效率的合约管理流程会导致公司在特定交易中损失 5% 到 40% 的价值。”，也因此，更好的合约管理可以提高效率、生产力并节省成本。在这个流程当中，审查法律合约书更是其中一项被律师事务所助理称作是最重复和乏味的工作之一。

审查法律合约书是一个在签署合约之前，了解个人或公司的权利和义务，并针对该合约评估相关影响的过程。也因为如此，重复性高(有一定的模式)、且需要优化工作流程的情境，就会是机器学习专案进来帮忙的时候了。

审查法律合约书包括什麽？

当谈到审查法律合约书，律师的工作是手工审核数以百计的合约书，以找到相关的条款或义务在合约规定的页面。当中重复的事项则是在这个审查的过程，会需要找一些固定的栏位、资料。像是：合约本身的标题以及界线？合约的生效日期？续订条款是什麽？合约的当事人有哪些？法律效力包含哪些？

以下图为例，合约的典型文件结构，以及感兴趣的栏位：

＊图片来源：Machine Learning for Contracts Analysis

• 条款标题（第 1 点）
• 缔约方（第 3 点）
• 开始（第 2 点）
• 生效（第 5 点）
• 终止（第 8 点）
• 日期、合约期限（第 7 点）
• 价值（第 9 点）
• 适用法律（第 10 点）
• 管辖权（第 6 点）、立法参考（第 6 点）

这些过程都是以人工进行，且需审核的文件页数也是相当多，过程需耗费非常多的时间与体力。也可能因为长时间审阅的疲倦而出现人为错误。若是将法律合约书审核这样的情境延伸，包含律师事务所、政府机构、人力资源经理、房地产经纪人（等等）都面临着这些相同的挑战。然而，面对这些挑战，也不是所有的机构、公司组织都会把文档数位化、分门别类储存，让审阅者可以在过程当中交叉搜索文件。

机器学习使用情境

以摩根大通的 AI 程序 COIN为例，该服务在短短几秒钟内完成了 360,000 小时的律师工作。这背後来自於透过机器学型模型，对於文件的标记以及分类，注记关键资料等等。其带来的好处包含：(1)使合约档案可搜索(2)加速合约审阅(3)彰显合约风险(4)让审阅流程可追踪、可视化。

• 1. 使文件可搜索

可搜索这件事情，让审查工作带来的疲倦程度降低许多，藉着数位化的储存与管理，加上机器学习的文件分类与识别，让搜寻过程方便许多。加上文件语意分析，让搜寻本身的情境可以更广泛。

• 2. 加速文件分析

透过文件的语意分析，审阅者可以更快速的收集到相关讯息，并在审核过程当中参考。这些资料也可以提供审阅者观察近期是否有哪些合约雷同、或是具有哪些趋势变化等等。

• 3. 彰显合约风险

在合约的审核过程当中，若是有浅在的风险，或是没有叙述完整的状况，都可以透过机器学习的模型找到，并将其发送给相关同事，以进行复查或者修改。

• 4. 让审阅流程可追踪、可视化

透过数位化、机器学习的协助，让审阅合约这件事情的流程透明度提高许多，进而可以分析审阅的时间，近期审阅的主题等等。让公司本身的业务状况也可以与审阅流程一起统整。

为机器学习专案展开文件准备

若是今天在公司内需要展开机器学习专案，想在那之前了解一下，专案所需的资料应该要长什麽样子。可以参考CUAD资料集，该资料集由 500 多个合约组成，每个合约都经过法律专家的标记。当中包含 41 种不同类型的重要条款，共计 13,000 多个注释。除了资料及之外，这个团队也发布了相关的 Transformer 模型。这些资料与模型都是可以直接从网路上下载的。

透过参考这些专案，知道(1)文件可以怎麽标记(2)有哪些相关的文本分析模型可以使用(3)常见的语言模型有哪些限制。

举例来说这两篇文章[4][5]就在探讨，该文本分析仅可应用於512字以下的文本，若是这个状况可以怎麽克服。这些情境也可能会发生在其他的文本分析上，不仅是法律相关合约。

Reference
[1]. Machine Learning for Contracts Analysis — Put Your Human Mind Where It Really Matters.
[2]. How Has Machine Learning and AI Contract Review Software Changed Contracts
[3]. How AI is Revolutionizing the Contract Review Process
[4]. How to Set up a Machine Learning Model for Legal Contract Review
[5]. How to Set up a Machine Learning Model for Legal Contract Review - Part2