人工智慧（AI）工具，特別是大型語言模型（LLMs），已逐漸應用於商業合約的分析與談判工作。針對法律從業人員、企業法務及商務談判人員如何應對這些新興工具，法律界提出多項實務建議。

AI工具在談判中的實務考量

《The National Law Review》報導指出，當談判對象使用AI工具時，專業人士應建立共同的事實基礎。若遇到AI生成的內容，建議可直接詢問對方是否使用了AI，以確保透明度。此外，給予意見反饋時提供足夠的背景資訊至關重要，因為AI的輸出內容受其接收的指令與訓練資料限制。當預期談判對象會使用AI工具時，可透過自行運用AI或諮詢律師來預判可能的回應，藉此管理期望。

報導也提及，無論是否使用AI，談判的最終目標仍是達成共識並完成交易，而非「智取」對手或「擊敗」其AI工具。然而，AI工具，尤其是LLMs，因其能迅速生成大量文本，反而可能拖慢合約談判流程。為減輕這種「AI減速帶」效應，談判各方可透過安排電話會議、建立反覆溝通的參數設定等方式來應對。

專用法律AI效能超越通用模型

隨著AI在法律領域的應用，專為法律推理設計的AI模型，其效能表現受到關注。《The National Law Review》近期發布的報告顯示，專為法律推理打造的AI系統DescrybeLM，在法律推理基準測試中，表現超越了ChatGPT、Claude及Gemini等通用型AI模型。DescrybeLM成功答對了美國律師執照考試（Bar Exam）的全部200道題目，而其他通用型AI模型則分別答錯13至23題，在法律推理品質上分數較低。

報告進一步分析，通用型AI模型在答錯題目時常會「自信地出錯」。在52個錯誤輸出中，有49個提供了自信且結構良好的推理，卻未顯示任何不確定性。這些錯誤的主要模式是應用了錯誤的法律標準，或誤用了正確的標準，但文字敘述讀起來卻像是專業分析。例如，Claude Opus 4.5 和 Gemini 3 Pro 在正確與錯誤的輸出中都表現出過度自信的語氣，而DescrybeLM和ChatGPT 5.2則未出現此現象。

律師人際智慧仍不可取代

Descrybe的共同創辦人兼技術長Richard DiBona表示，DescrybeLM是基於超過一億筆經過精心整理的原始法律資料庫從零開始建立，專注於法律推理。其共同創辦人兼執行長Kara Peterson則指出，事實證明專用法律AI能為法律推理任務產生截然不同的結果。這項測試結果也顯示，交叉比對通用型AI模型並不可靠，因為其錯誤往往是不可預測且不重複的。

最終，專業律師運用AI工具時，仍需依賴其智慧、同理心與經驗，這些是AI目前尚無法完全複製的能力。因此，無論是生成AI內容或與運用AI的對手協商，由律師來維持客戶的法律特權並確保客觀性，對於商務談判成果至關重要。