Ropes & Gray 与 OpenAI 合作开发交易尽职调查 AI：律师复核仍是最后一道关口

事件概述

OpenAI News 于 2026 年 10 月 29 日发布了一则合作消息：律所 Ropes & Gray 正在与 OpenAI 合作开发面向**交易尽职调查（transactional diligence）**的 AI 系统。

原文摘要给出的信息非常有限，核心是：律师会审阅分组后的文档、摘要和报告，然后再向客户提供法律意见。 也就是说，这套系统目前被定位为律师工作流的辅助层，而不是替代律师出具意见的自动化系统。

需要提前说明的是，这条消息属于产品/合作公告性质，原文并未披露模型选型、系统架构、数据规模、评测指标、上线范围或成本结构，下文对技术细节的讨论仅限于摘要中可确认的流程描述。

从摘要文字能够确认的只有一条流水线式的流程结构，可以拆成四个环节：

文档分组（grouped documents）：把尽调材料按某种逻辑归集。原文未说明分组依据是交易结构、文件类型、当事方还是其他维度，也未说明分组由模型完成还是由规则/人工完成。
摘要生成（summaries）：在分组基础上产出摘要。原文未说明摘要的粒度（单文档级还是分组级）、是否附带原文引用或页码定位。
报告生成（reports）：由摘要进一步汇总为报告。原文未说明报告模板是否由律所预设、是否按交易类型区分。
律师复核（lawyers review … before advising clients）：这是流程中最明确的一环——人工审阅发生在向客户出具意见之前，属于典型的人在环路（human-in-the-loop）设计。

上述四步是摘要字面可以直接对应的内容。至于是否使用检索增强（RAG）、是否有引用溯源机制、是否采用多 Agent 分工、如何做权限与保密隔离，原文均未说明。

尽管细节缺失，这条消息对做企业级 Agent 落地的团队仍有参考价值，主要体现在三点：

第一，中间产物可验证，是把 Agent 放进高风险流程的前提。 尽调场景的产出被拆成了文档分组、摘要、报告三个层级，每一层都是人类可以逐项核对的实体，而不是一段无法追溯的对话回答。对于法律、审计、合规这类高价值场景，可审计的中间产物比端到端的”智能结论”更有落地空间。

第二，人审门禁的位置决定了产品形态。 原文明确律师在出具意见前完成审阅，意味着系统的输出被定义为”待复核材料”而非”结论”。这一定位直接影响了产品指标该怎么设：衡量的是律师的单位时间产出和漏检率，而不是模型的独立正确率。

第三，对数据科学团队的要求重心发生偏移。 在这类项目里，真正的工作量通常不在模型调用，而在文档解析质量、字段抽取的一致性、评测集构建以及引用溯源。不过需要强调，这是基于同类项目的一般性判断，Ropes & Gray 项目的具体做法原文未说明。

先说实话：这是一条信息密度很低的消息。它更像一次合作关系的公开确认，而非技术披露——没有架构图，没有评测数据，没有失败案例，可复用的工程经验基本为零。把它当作”法律行业头部机构开始把 LLM 正式嵌入尽调流水线”的信号来看是合适的，当作技术方案参考则不合适。

值得肯定的是流程设计的克制。把系统能力切分成”分组—摘要—报告”三段，并把律师复核放在客户交付之前，本质上是用流程冗余换取错误可控。尽调工作的特点是材料体量大、单份文件价值高、错误代价由客户承担，这种场景下任何”直接给结论”的设计都是不负责任的。从摘要的措辞看，这套系统没有走那条路。

需要警惕的是三个尚未被回答的问题：

结论是：方向正确，证据不足。这类合作真正的价值要到律所愿意公开评测方法或量化收益时才能判断，目前只能作为行业动向记录。