Uber披露其内部法律AI工具“法律红线审查智能体”(Legal Redlining Agent)的运行数据:该智能体在Microsoft Word中完成合同变更审查,平均合同审查时间下降超过20%,AI生成决策的准确率达到91%。
据Uber介绍,该智能体结合了检索增强生成(RAG)、历史律师反馈以及确定性政策规则三类能力。其中,RAG负责从既有合同与法律知识中检索相关依据,历史律师反馈用于校准审查判断,确定性政策规则则对AI输出形成硬性约束,以降低模型幻觉带来的合规风险。技术栈方面,系统基于LangGraph构建智能体工作流,采用OpenSearch承担检索环节,并使用Redis支撑相关数据存取。
从产品形态看,该工具直接嵌入Microsoft Word,面向合同红线审查这一高频法务场景。合同审查长期依赖法务人员逐条比对条款变更,耗时且难以规模化,Uber将规则引擎与生成式AI结合的做法,实质上是在模型生成能力之外叠加可解释、可审计的约束层,这也是当前企业级AI应用在法务等强合规场景中的主流工程路径。
Uber表示,目前正在探索智能体执行框架(agentic harnesses)、技能(skills)、法律本体(legal ontologies)以及知识图谱等方向,以进一步提升系统的专业理解与推理能力。若这些能力落地,法律智能体的覆盖范围有望从合同红线审查扩展至更复杂的法律推理任务。
企业法务是生成式AI落地较快的垂直场景之一,但准确率与可审计性始终是规模化部署的前提。Uber公布的91%决策准确率与20%以上的效率提升,为规则约束加RAG的混合架构提供了一个可参考的实践样本,其后续在知识图谱与法律本体上的投入,也将影响该类工具能否从辅助审查走向更深层的法律决策支持。
该文观点仅代表作者本人,企服科学平台仅提供信息存储空间服务。