去一家集团客户那儿谈需求，法务负责人指了指桌上的两摞合同。一摞是等着审的，一摞是审完待改的。她说，业务嫌我们慢，可我们就仨人，一个月两百多份合同，一份从提交到审完平均2天，再快就得出错。

那天聊完，需求落成一句话：合同审核，能不能也让AI干。

我们之前做过信贷审批，从3天压到15分钟。听起来合同审核是同一类活，真上手才知道，拆法完全是两套。这一篇就讲我们给一家以工程建设为主业的集团拆合同审核的全过程，从接到需求，到跑出20分钟。

先分清，你面对的是哪一类场景

信贷审批为什么能跑到15分钟？因为判断的依据藏在数据里。征信记录、还款流水、历史行为，全是结构化数据，规则写得死。

合同审核不一样。一份合同过不过，判断依据不在数据里，在公司的制度文件里。采购制度规定超过多少钱要附招标记录，用章制度规定哪些合同要法人签字，付款制度规定预付款比例的上限。这类场景我们后来起了个名字，叫制度类场景。

制度类场景有三个特点，每个都对应一个难点。

规则是文本。制度是写给人看的，"应当""不得""须经批准"，AI没法直接执行，得先翻译成机器能跑的检查项。

规则会打架。制度是不同年份不同部门发的，互相矛盾没人管，平时靠法务的记忆和习惯兜着。

规则有版本。今年修订的和三年前的躺在一个共享盘里，用哪份，取决于谁去翻。

所以拆这种场景，第一步根本轮不到AI。

第一步，把制度从抽屉里捞出来

进场第一周，我们没碰任何模型，就干一件事：把客户散在各处的制度文档收拢。

OA里一部分，共享盘里一部分，还有几份躺在离职法务的电脑里。收上来一共47份，800多页。然后做版本对齐：哪些在有效期，哪些被新文件覆盖了但没人宣布作废，哪些互相矛盾。

这一步做完，客户自己都吃了一惊。两份制度对同一类采购的授权额度规定不一致，一份写着50万以下部门内审，一份写着30万以下，两份都挂着"现行有效"。矛盾存在了不知道多久，因为审合同的时候法务凭记忆执行，没人并排比对过。

所以拆制度类场景的第一个心得：制度先被梳理干净，AI才有的学。这和我们之前写的那篇"信息质量决定AI上限"是同一件事。合同审核这个AI的上限，就是这47份制度的干净程度。

第二步，把制度拆成一条条检查项

制度理顺了，开始拆。把制度里"应当""不得""须经批准"的句子，一条条变成可执行的检查项。

举个例子。制度原文：单笔采购金额超过100万元的合同，须履行招标程序。拆出来就是一条规则：合同金额大于100万，检查是否附招标记录，没有就标记"流程缺失"，走黄档。

整个项目拆下来400多条规则。这个活儿听起来机械，实际是整个项目里见功力的部分。因为制度里大量句子是模糊的，"重大事项须报公司领导审批"，什么叫重大？多少算重大？拆到这种句子就得停下来，拉着法务把口径现场定死：要么给金额，要么给清单，要么明说这类归人工。

我们平台上AI审核这个数字员工干的事，就是先把制度文档自动解析成规则草稿，法务在界面上改、补、定口径，确认后上线。规则上线周期从周级压到小时级。以前改一条审核口径要发文件、开会传达，传着传着就走样；现在制度一改，规则跟着改，当天生效。

第三步，画一条人工接管线

合同审核不能全自动。对外承诺、免责条款、超出授权矩阵的变更，这些必须留给人。

我们把400多条检查项分了三档。

绿档，AI直接判。金额阈值、日期逻辑、签章完整性，这类硬性检查不需要人。

黄档，AI出意见，人快速确认。条款与制度冲突时，AI给出冲突说明和建议处理方式，法务扫一眼拍板。

红档，必须人工。免责条款、涉外条款、超出授权矩阵的，AI只做材料整理和风险提示，拍板权在人。

上线跑了一段时间看数据，绿档加黄档占全部检查项的八成多。法务真正要坐下来细看的，只剩红档那一小部分。三个人的团队，从"逐份通读"变成了"处理红档"。

第四步，每条意见都带出处

这一步不提速，但决定了一线敢不敢用。

AI审完合同，每条意见都带着依据：该条款与《采购管理办法》第十二条冲突，原文为某某，建议按某某方式处理。法务点开能看到引用的制度原文，存疑就自己核对。

这一步等于把"信不信AI"这个问题，变成了"核对一条制度"。信任的门槛一下子降了下来。而且每条意见引用了哪条规则，全部留档。后来客户内审抽查合同审批链路，调出来就是完整的一条线：哪条意见、依据哪条制度、谁确认的。这一关过得比我们预想的顺利，因为出处从一开始就做成了标配。

2天到20分钟，和两个意外收获

上线三个月，一份合同从提交到出审核意见，平均20分钟。单份合同的人工投入降了百分之七八十。

但客户后来说，比20分钟更值钱的是两个副产品。

一个是制度活了。制度修订从"发文件、开会传达"变成"改规则、当天生效"，制度从柜子里的文件，变成了每天在跑的检查项。

另一个是制度被逼着体检了一遍。为了拆规则，47份制度里的矛盾、过时、模糊全被翻出来，法务趁机做了一轮修订。客户说这是意外收获，我说这其实是必经之路，只是以前没人给过这个理由。

这套拆法，能复制到哪

制度类场景有一个信贷审批比不了的优势：好复制。

之前那套信贷审批往贷后预警复制的时候，数据源、语义、业务逻辑全对不上，落地周期翻了一倍。制度类场景不一样，骨架是通用的：捞制度、拆检查项、画接管线、带出处。换一个场景，换一份制度，四个步骤一步不差。

同一条线上，后来在某跨国药企跑了讲者劳务费的支付审核，制度要求支付信息与合同条款逐一核对，现在做到了100%精准支付。用章管理、报销审核、供应商准入，都是同一副骨架。我们的判断是，制度类场景会是企业上AI阻力小、见效快的那一批，因为判断标准本来就在制度里写着，缺的只是有人把它拆出来。

收个尾

如果你的公司也有类似场景想试试，先拿三个问题自查：

你们的制度文档，能不能在一小时内说清现行有效的是哪几份？

制度里有多少句"重大事项须报领导审批"这种没法定死的表述？

将来AI出的审核意见，敢不敢每条都带制度出处？

三问都能答上来，这类场景落地通常不慢。第一问就卡住的，也别急着上AI，先把制度理一遍。要是理不动，可以把情况发到公众号后台，我们看看你们家的"47份制度"里到底埋着多少矛盾。

制度躺在抽屉里的时候只是文件。拆成一条条跑起来的检查项，它才开始替公司干活。