核心結論
不建議直接送簽。電子簽章解決身分、文件形式與查驗效力，不代表 AI 已找齊風險。系統仍要確認最終版本、附件、簽署人與授權額度，並讓業務、主管或法務依條款風險具名核准。AI 最適合先擷取、比對與提出候選，不應同時掌握最終核准。
執行摘要
核心觀察：AI 很適合先整理合約與標示異常，但研究顯示，長文件、跨條文引用與少見風險仍容易漏掉；最新合約校對基準中，只有一個受測模型達到 0.75 的宏平均召回率。[3] 台灣《電子簽章法》承認符合規定的電子文件與電子簽章效力，卻不代表 AI 已正確判斷條款或簽署權限。[1] 行動建議：先限定 AI 做條款擷取、版本比對與風險候選，所有結果必須連回原文；金額、責任、個資、智慧財產、解約及準據法等關鍵條款，由具名負責人核准後才能進入簽署。[2][4][5][6]
電子簽署不是自動核准
台灣《電子簽章法》明定，符合規定的電子文件與電子簽章，不得只因採用電子形式而被否認法律效力；使用合格憑證且符合條件的數位簽章，還可推定為本人親自簽名或蓋章。[1] 這解決的是文件形式、身分驗證與查驗問題，不是替企業判斷價格、責任或交易是否合理。
因此合約系統要把三件事分開：AI 是否找對條款、內部是否完成商務與法律核准、簽署者是否具有授權。即使 AI 摘要完全正確，只要送錯版本、漏掉附件、超過授權額度，或簽署前最後一刻文字被替換，企業仍可能承擔未預期義務。簽章按鈕必須位於核准流程之後。
長文件最怕遠距引用
ContractScrub 由至少 8 年合約實務經驗的律師建立 44 份合約、3,014 個任務與 9 類錯誤。前沿模型中只有一個達到 0.75 宏平均召回率；當引用目標距離超過約一萬個字元，召回下降更明顯。[3] 這提醒企業，不能只抽查首頁、價金頁或模型摘要。
安全的介面應把定義、交叉引用、日期、金額、附件與版本差異顯示在原文旁邊，讓覆核者能沿證據回看。ContraVis 的研究也發現，加入段落關係圖後可找回更多植入矛盾，但新增候選仍需專家驗證。[4] AI 的任務是縮小搜尋範圍，不是把候選直接改成定論。
沒有警示也要做反向檢查
ContractEval 以 41 類商業合約風險測試 19 個模型，發現封閉模型整體優於開放模型；推理模式提高輸出完整度時，正確性反而可能下降，部分模型也會在條款存在時回答沒有相關條款。[6] 因此企業不能把綠燈視為零風險，尤其是少見條款、附件與跨文件義務。
建議為每類合約建立最低檢查清單，例如價金、付款、驗收、保密、個資、智慧財產、賠償、責任上限、終止、續約、準據法及爭議處理。AI 沒有提出警示時，系統仍執行條號、關鍵詞、附件清單與必備欄位的反向檢查；缺一項就要求具名人員說明。
關鍵要點
簽署效力與內容正確分開：電子簽章可具法律效力，但系統仍須驗證版本、簽署人、授權額度與最終文字。
每個警示都回到原文：AI 標示定義、日期、金額或矛盾時，必須附條款位置與前後文，不能只給摘要。
依風險決定覆核者：標準低額合約由業務與主管覆核；責任、個資、智財、解約或跨境條款升級法務。
未找到不等於不存在：模型說沒有相關條款時，仍要執行關鍵詞、條號與附件清單等獨立檢查。
先量漏檢再談省時：試點同時追蹤審查時間、重大條款漏檢率、誤報率、人工修正量與簽後爭議。
參考來源
Formal Opinion 512: Generative Artificial Intelligence Tools
American Bar Association · 2024-07-29
https://www.americanbar.org/content/dam/aba/administrative/professional_responsibility/ethics-opinions/aba-formal-opinion-512.pdfContractScrub: A benchmark for final review of legal contracts
arXiv 原始研究 · 2026-08-20
https://arxiv.org/abs/2608.20204ContraVis: Evidence-Grounded Visual Analytics for Contradiction Review in Legal Contracts
arXiv 原始研究 · 2026-09-22
https://arxiv.org/abs/2609.27014Hallucination-Free? Assessing the Reliability of Leading AI Legal Research Tools
arXiv 預註冊原始研究 · 2024-05-30
https://arxiv.org/abs/2405.20362ContractEval: Benchmarking LLMs for Clause-Level Legal Risk Identification in Commercial Contracts
arXiv 原始研究 · 2025-08-05
https://arxiv.org/abs/2508.03080常見問題
Q：AI 合約審查完成後，可以直接送電子簽章嗎？
A：不建議直接送簽。電子簽章解決身分、文件形式與查驗效力，不代表 AI 已找齊風險。系統仍要確認最終版本、附件、簽署人與授權額度，並讓業務、主管或法務依條款風險具名核准。AI 最適合先擷取、比對與提出候選，不應同時掌握最終核准。
Q：合約 AI 顯示沒有風險條款，為什麼還要人工檢查？
A：因為沒有警示不等於條款不存在。ContractEval 測試 19 個模型與 41 類風險，發現部分模型會在相關條款存在時回答沒有。企業應固定執行關鍵詞、條號、附件與必備欄位的反向檢查；責任、個資、智財、解約與準據法仍由具名人員確認。
Q：中小企業第一階段該讓 AI 審哪些合約內容？
A：先做可核對的工作：擷取當事人、日期、金額、付款、驗收、續約、終止、責任上限與準據法，並比對公司範本、標示改動及連回原文。不要在第一階段讓 AI 自動改寫最終條文或送簽；先用同一類型近 30 份已結案合約盲測。
Q：AI 合約審查要看哪些 KPI，才算真的提升生產力？
A：至少同時量速度、品質與風險。建議比較單份審查時間、重大條款漏檢率、誤報率、人工修正量、版本錯誤與簽後爭議。只看節省工時會掩蓋漏檢成本。先建立人工答案，再做 30 份盲測；未達重大風險零漏檢門檻，就維持輔助模式。
Q：公司何時可以把 AI 合約審查接到正式簽署流程？
A：完成至少 30 天受控試點後再評估。條件應包含固定合約類型、可追溯原文、重大風險零漏檢、可接受誤報率、版本鎖定與具名核准。接入後仍先由 AI 產生問題清單，不自動簽署；每次模型、提示詞或範本變更，都要重新跑回歸測試。
由穹境科技 AI 情報系統生成 · 2026-10-07 · 資料來源見上方參考列表