技术拆解 035｜Ropes & Gray 用 AI 做交易尽调：律所自研 agent 到底改了什么

背景/现象

2026 年 10 月 29 日，OpenAI 在官方博客发布了一个法律场景案例：美国律所 Ropes & Gray 正在用基于 ChatGPT / Astra for Law 的 proprietary AI 工具，完成原本需要大量初级律师投入的交易尽调（transactional due diligence）。这家创立于 1865 年的律所，业务覆盖并购、私募、知识产权、数据隐私、反垄断、反贿赂、雇佣、税务等多个领域，每年要处理大量 data room 文件审查。

这不是一家 SaaS 公司发布新产品，而是一家律所内部自研工具。Ropes & Gray 在 2026 年 9 月 16 日就已宣布与 OpenAI 合作开发 AI-powered diligence tool，OpenAI 的案例研究把这件事再次推到台前。对法律行业来说，它的意义不在于「AI 能否读合同」，而在于「AI 能不能把律师从文件堆里解放出来，把精力放到判断和建议上」。

Howard Glazer 是 Ropes & Gray 的 Partner and Head of Practice AI，他在采访中把话说得很直接：「客户付律师费，买的不是读合同，而是基于合同的判断。」这句话点出了整个项目的出发点：把重复性、机械性的文件审阅交给 agent，律师回到更高价值的工作。

在传统交易尽调中，初级律师和法务专员往往要花上几周时间，在成千上万个文件里寻找异常条款、交叉核对风险点，再整理成 issue list。这个过程枯燥、耗时，而且高度依赖人力。Ropes & Gray 的做法，本质上是把这套流程里可被规则化和模式化的部分抽离出来，交给 AI agent 完成初筛和初稿，律师则专注于复核、判断和客户沟通。

技术原理/架构

从公开信息看，这套工具不是简单地把文件丢给大模型做摘要，而是按照律师进入 data room 后的真实工作流设计了一套 custom agentic workflow。它的核心任务包括：识别风险、标出异常、在尽调早期就把关键问题浮出水面。

具体而言，工作流大致分为三步：

第一步，文档摄入与结构化。data room 里的文件格式不一，可能是 PDF、Word、Excel、邮件或扫描件。工具需要把这些非结构化或半结构化内容抽取成机器可理解的格式，再由模型进行索引和检索。这一步通常涉及 OCR、版式分析、表格识别和多语言处理，是后续一切分析的底层基础。

第二步，风险识别与交叉核对。模型会按照交易类型和关注领域，对合同、财务报表、诉讼记录、监管文件等进行扫描，标记出可能构成交易障碍或影响估值的条款。例如雇佣合同里的竞业限制、IP 协议里的授权瑕疵、隐私政策里的合规风险、环保许可里的潜在处罚等。agent 在这里扮演的不是简单搜索，而是基于领域知识做初步判断。

第三步，生成 issue-level diligence report。系统把识别出的问题汇总成结构化的报告，按主题和严重程度排序，让合伙人能够快速定位需要重点关注的领域。报告还会附上引用来源，方便律师逐条复核。

这套系统基于 OpenAI 的 Astra for Law / ChatGPT 构建，由 Ropes & Gray 的律师、IT 员工与 OpenAI 的 forward-deployed engineers 通过多轮迭代会议共同开发。它不是现成 SaaS，而是深度嵌入律所内部流程的定制化 agent。这意味着它的提示词、知识库、审查维度和输出格式，都是围绕 Ropes & Gray 自身的业务习惯定制形成的。

从技术架构角度看，它更接近一个「人在回路」的法律 AI 平台：底层是大语言模型，中间是文档解析、检索增强生成（RAG）、风险分类和报告生成等模块，上层则是律师的复核、编辑和最终签发。agent 的作用是提高效率，而不是替代最终判断。

关键数据/案例

目前官方披露的量化信息非常有限。Ropes & Gray 方面表示，过去需要数天甚至数周才能完成的 issue-level diligence report，现在可以压缩到数小时。但「数天/数周」到「数小时」这个倍数关系，官方没有给出样本量、报告页数或复杂度定义，因此不能直接当作普适结论来引用。

已知的边界信息包括：工具覆盖 finance、tax、IP、data privacy、regulatory、employment、antitrust、anti-corruption、international risk、litigation 等至少十个跨学科领域；参与开发的团队包括律师、IT 员工和 OpenAI 派驻工程师；产品形态为 proprietary，不对外销售。

没有公开的数据包括：工具准确率、人工复核比例、实际部署律师人数、处理文件量、客户反馈、定价模式，以及是否真的减少了对初级律师岗位的需求。所有性能口径都来自 Ropes & Gray 或 OpenAI 官方，目前未见独立第三方测评。与法律科技领域其他公开基准相比，这个案例更像是一次企业内部的能力展示，而不是经过外部验证的效能报告。读者在评估时，应把「官方宣传」「媒体报道」和「独立评测」三类信息区分开来。

值得一提的是，官方案例特别强调了工具对律师工作方式的改变，而非单纯的效率数字。这说明 Ropes & Gray 更看重的是工作流的改变，而不是简单的成本削减。对读者而言，这意味着我们不能用「节省了多少小时」来简单评价它的价值，而要看它在多大程度上把律师从低价值劳动中释放出来。

影响/意义

这件事对法律科技行业的最直接意义是：顶级律所开始把 AI agent 嵌入核心业务流程，而不是停留在试点或展示。尽调是并购交易中最耗人工、最可标准化的环节之一，Ropes & Gray 的做法相当于给同行打了一个样——如果 agent 能帮顶级律所做尽调，那么其他律所和法务部门也会被迫重新评估自己的技术投入。

从律师工作角度看，它有可能改变 junior associate 的职业成长路径。过去，初级律师通过大量阅读合同、整理尽调报告来积累经验；如果 agent 承担了文件整理和初稿生成， junior 律师如何学习风险识别能力，将成为新的培训课题。这也可能促使法学院和法律培训机构更早地引入 AI 协作训练。

从产品角度看，它展示了「自研 vs 采购」的取舍。Ropes & Gray 选择与 OpenAI 共建而非购买通用法律科技 SaaS，说明在高度专业化、客户数据敏感的领域，现成产品很难满足律所对准确性、保密性和工作流深度的要求。未来，可能会有更多大型律所选择与技术公司深度合作，构建自己的 proprietary 工具。

从客户角度看，尽调成本的下降和质量的一致性提升，可能改变并购交易的议价结构。虽然短期内律师费不太可能因为 AI 而大幅下降，但交付速度的提升和遗漏风险的降低，会让客户对法律服务的期望发生变化。

争议/风险

首先是数据安全与保密。交易尽调涉及大量未公开财务、商业和法律信息，如何确保这些数据不会进入模型训练、不会被其他客户访问，是律所和客户都必须回答的问题。虽然 OpenAI 对企业客户有数据保护承诺，但具体实施细节仍需依赖合同和审计。对于跨境交易来说，不同司法辖区的数据出境规则也会增加合规复杂度。

其次是责任归属。AI 标出的风险如果漏看或误判，最终责任仍然落在律师和律所身上。这意味着 agent 的输出必须经过人工复核，不能简单视为「AI 已经检查过」。Howard Glazer 的话也暗示了这一点：AI 是辅助判断，不是替代判断。在可预见的未来，律师的专业责任不会因为使用了 AI 而减轻。

第三是宣传口径的夸大风险。官方把「数天/数周压缩到数小时」作为核心卖点，但缺乏透明度。不同交易复杂度差异极大，简单的时间对比容易让读者高估当前能力。作为读者，我们需要区分「可以加快某些环节」和「已经全面替代」。在更多独立第三方测评出现之前，任何关于效率和准确率的结论都应保持谨慎。

第四是模型自信犯错的可能性。大语言模型在生成回答时，有时会以很高的置信度给出看似合理但实际错误的结论。在法律尽调这种容错率极低的场景中，一个被包装成「已发现风险」的错误，可能比漏掉信息更危险。因此，agent 的输出不仅要被复核，还要能被追溯：每一条结论来自哪个文件、哪一页、哪一条款，都必须清晰可见。

结论/展望

Ropes & Gray 与 OpenAI 的合作，是 AI agent 进入高端专业服务核心工作流的一个标志性案例。它展示了 agentic workflow 在法律尽调中的落地路径：不是让 AI 代替律师做判断，而是让 AI 先把重复性、机械性的文档处理做完，为律师留出判断空间。

短期来看，这种工具会先在大型律所和公司法务部门内部普及，主要用于尽调初稿、风险预检和文件索引。中期来看，它可能重塑初级律师的工作内容和培养方式。长期来看，随着模型能力增强，agent 在专业服务中的角色会从「初稿生成者」逐步走向「协同判断者」，但人工复核和最终责任仍将是法律行业不可绕过的底线。

未来最值得关注的，不是哪家律所用了 AI，而是这些工具如何在效率、保密、责任和成本之间取得平衡。只有当技术能力、制度设计和职业伦理三者同时跟上时，AI 在法律这类高风险专业服务中的价值才能真正释放。对从业者和观察者而言，一个健康的判断标准是：AI 是否让律师有更多时间做判断，而不是让律师有更多理由不做判断。

参考来源

• OpenAI 官方博客：Ropes & Gray uses OpenAI to accelerate due diligence
• Ropes & Gray 官网新闻稿（2026-09-16）
• Law.com 报道（2026-09-23）