Sullivan & Cromwell 用 Codex 做 Agreement Analyzer:先例与 playbook 进工作流,多视角审合同再交律师定稿
一句话结论
Sullivan & Cromwell 合伙人用 Codex 先做出单人原型,再与 OpenAI 协作做成可多人共用的 Agreement Analyzer:把公司先例、谈判 playbook 与客户立场放进同一审查流程,多轮多视角分析后输出备忘录与带修订痕迹的建议,由律师逐条检查、改写或驳回。
背景与理念
合伙人 John Savva 认为,模型分析能力上来之后,AI 已不只适合回邮件、查日历这类行政活,而能进入复杂协议的深度分析。审合同本来就要对照先例、沿用律所经验,并照顾客户优先级;Agreement Analyzer 要把这些输入收进同一条工作流,产出律师可以检查与精炼的分析与改稿建议。Savva 强调目标不是替换律师,而是让律师把精力放在对客户最关键的判断上。
具体做法
- 从 Codex 单人原型起步。Savva 先用 Codex 做出单用户概念验证,再与 OpenAI 协作提升输出质量、用并行处理提效,并改成可同时服务多名律师的工具。
- 把组织知识接进审查。工具整合律所工作流、精选先例、谈判 playbook,以及 ChatGPT Enterprise;律师导入草稿后,可再加入自选先例与写明律所/客户立场、市场惯例的 playbook。
- 多轮、多视角审查再合成。工具从不同视角做多轮审查、合成结果、帮助标出潜在问题,并返回备忘录与建议的 tracked changes,供律师审阅、改写或拒绝。
- 来源与不确定性要可见。Savva 要求:若工具声称某条是市场惯例,必须能看到信息来源。构想中由一批 agent 做结论、另一批 agent 对抗质疑;专门 agent 可并行看市场偏离与风险分配、条款互动、可能影响诉讼的歧义等,结果区分「经质疑仍站得住」「已驳回」与「未核实但带限定保留」三类,律师再决定是否改稿。
- 推理能力是瓶颈也是突破口。Savva 提到 GPT-6 Astra 在推理质量上往前推进了一步,而这正是过去的瓶颈;律所还在继续围绕具体法律任务探索工具。
关键数据/例子
公开稿没有给出审阅时长、准确率或律师人数等量化指标,核心是可核的流程与引语。Savva 说:「I think AI will . . . allow lawyers to focus on the areas where their judgment is most important . . . so they can concentrate on the questions that are most critical for their clients。」以及「It’s not about replacing lawyers. It’s about providing a tool for lawyers to do deeper analyses and find more authority and precedents to provide an even higher quality product for their clients。」他还强调:工具对市场惯例的主张必须能追到来源。
创新点
第一,把「先例 + playbook + 客户立场」做成审查输入,而不是只把合同文本丢给模型。第二,用多视角并行与对抗质疑,把输出拆成经挑战成立、已驳回、带限定未核实三类,方便人审。第三,坚持来源可见,把可信度绑在可检查的证据上。
可否复用
- 先用 Codex 做一个单人、可检查输出来源的窄任务原型,再谈多人并发与组织接入。
- 把先例库与谈判 playbook 当成一等输入,并要求每条「市场惯例」类结论可点开来源。
- 输出固定成备忘录 + tracked changes,默认由专业人员逐条接受、改写或驳回,不自动落库。
- 若做多 agent,明确对抗与合成规则,并区分已核实、已驳回、未核实三类结果,避免把猜测写成定论。