实时 AI 消息
Uber 法律 AI 智能体用规则加 RAG,把合同审阅时间缩短两成
InfoQ 报道,Uber 的法律 AI 智能体把合同红线审阅时间缩短了约 20%,其做法是把确定性的规则引擎与检索增强生成结合起来。相比让大模型自由发挥,这种组合把判断锚定在公司自己的合同条款与法务口径上。
企业法律部门是最早被要求用 AI 证明产出的场景之一,但合同审阅又恰恰最不能容忍模型自由发挥。InfoQ 11月16日的一篇报道给出了 Uber 的解法:一套用于合同红线(redlining)的法律 AI 智能体,把审阅时间缩短了约 20%。
报道把关键技术选择概括为规则加 RAG。规则层负责那些不该由概率模型决定的判断——哪些条款必须出现、哪些表述必须改写、哪些风险必须升级给人;检索层则把公司自己的合同库、条款范本与法务口径作为上下文喂给模型,让生成的修改建议有据可依,而不是凭通用语料猜测。
这种架构针对的是法律 AI 最现实的失败模式:模型看起来写得很像律师,但引用的条款并不存在、改写的表述越权、或对不同业务线的标准把握不一致。规则让边界可审计,RAG 让依据可追溯,两者叠加才让缩短20%时间这个数字在合规部门面前站得住。
合同红线是一项典型的高频、重复、格式稳定但语义要求精确的工作,这也是它适合被智能体接手的原因。审阅时间的缩短不等于法务人员被替代,更常见的分工是智能体完成初筛与修改建议,律师负责确认与谈判,把人类时间从通读条款转移到判断风险上。
从行业视角看,Uber 的案例反映了企业 AI 落地的一个转向:从买一个通用助手,转向按流程定制智能体,并把企业的规则体系编码进去。同样的思路正在客服、财务对账、采购合规等场景复制,共同点是流程清晰、判断标准可以写成规则,且需要引用内部文档。
报道没有披露这套智能体使用的基础模型、覆盖的合同类型数量或具体部署范围,也没有给出除 20% 之外的其他指标。因此更值得关注的后续问题有三点:这一收益能否在合同类型更杂、语言更多的场景下保持,规则库的维护成本由谁承担,以及差错率与人工复核比例如何被度量。
为什么重要
Uber 的实践说明企业法律 AI 的竞争力不在模型本身,而在规则可审计、依据可追溯的工程组合;这会推动更多企业把内部法务标准变成智能体的一部分,而不是直接采购通用写作助手。
附近消息
全部11/16 22:40
报道称OpenAI曾洽谈以至少50亿美元收购Goodfire,估值约为上一轮四倍
据FourWeekMBA报道,OpenAI曾就收购初创公司Goodfire进行接触,报价至少50亿美元,约为该公司上一轮估值的四倍。报道未说明谈判是否仍在进行,OpenAI与Goodfire也均未公开确认这一消息。
11/16 22:45
OpenAI 被曝解散独立机器人团队,研究人员并入核心研究
据 The Rundown AI 报道,OpenAI 已撤销独立的机器人团队,把相关研究人员并入核心研究与其他团队,不再保留专攻具身智能的单独建制。多家媒体的报道把原因指向通用模型已能驱动机器人,专用机器人部门的必要性因此下降。
11/16 23:02
美国收紧AI芯片出口管制,远程调用海外算力也要许可证
美国商务部将推出临时最终规则,要求企业向全球任何数据中心出口、再出口或转移AI芯片与服务器时,若该算力可能提供给中国等受限国家的公司,就必须申请许可证。规则以1200万TPP算力为门槛,约相当于750块英伟达H100或H200的上限,同时撤销2025年1月的AI扩散规则。
11/16 20:30
Freshworks 前高管创立 Dreamteam,融资 5300 万美元以 AI 原生 CRM 挑战 Salesforce
由 Freshworks 前高管在旧金山创立的 Dreamteam 完成 5300 万美元融资,种子轮与 A 轮分别由 Together Fund 和 Accel 领投,Premji Invest 参投。该公司主张用 AI 原生架构重做 CRM,其 Company Brain 与内置智能体可自动沉淀客户信息并处理跟进、会议准备等任务,三个月内已在 13 个国家签下 100 多家客户。