摘要: 生成式人工智能快速迭代,AI大模型凭借强大的数据处理与逻辑推演能力,适配股权投资尽职调查高专业、高严谨度的作业特征,可有效助力律师尽调提质增效。但现阶段,AI大模型在股权投资尽调中的应用受制于专项法规、数据安全规则与法律服务行业规范,存在清晰的应用边界。从执业视角来看,该技术应用普遍存在模型缺陷带来的技术风险、数据流转不当的数据合规风险,以及过度依赖工具引发的律师执业风险。在尽调准备、资料归集、报告撰写三大核心实务场景中,AI仅具备辅助作业价值,无法替代律师专业研判。为化解技术赋能隐患、防控执业风险,本文构建全流程风控体系,通过严格筛选AI工具、规范律所全流程作业标准、坚守律师独立专业判断底线,平衡技术赋能与执业合规要求,推动AI在股权投资尽调法律服务中规范落地。

关键词: AI大模型;投资尽调;应用边界;风险防控











当前,生成式人工智能(AIGC)正以前所未有的速度重塑全球科技图景,以大型语言模型(LLM)为代表的AI技术浪潮,已从概念验证阶段迈入深度渗透实体经济的产业应用阶段。在法律服务这一传统智力密集型行业中,AI大模型已经初步展现出了其惊人的变革潜力:其不仅能瞬间完成海量法条检索、合同条款提取与逻辑推演,更能通过深度学习模拟资深律师的思维路径,将繁琐的文书起草、尽职调查初筛等重复性工作自动化,有效释放了法律从业者的生产力。但技术赋能具有双面性,受算法偏差、数据漏洞、行业规制滞后等因素影响,律师在运用智能化工具的执业过程中,面临数据信息泄露、文书内容失真、技术过度依赖、职业伦理失范等多重风险。基于政策规范化、技术常态化的双重行业背景,本文系统剖析人工智能赋能律师行业的价值与潜在风险,探索适配智能化时代的律师执业转型路径与风险防控机制,为法律服务行业高质量、规范化、数字化发展提供理论参考与实践思路。然而,技术的狂飙突进也伴随着伦理与合规的深刻拷问,当算法开始参与专业判断,法律行业的传统执业规范正面临前所未有的挑战。

在此宏观背景下,股权投资尽调作为资本市场交易的核心环节,其对事实查证的精确性、法律适用的严谨性以及风险披露的全面性等要求,使得该场景下的AI应用为实务律师所期待。股权投资尽调在满足客户对于交付成果的期限需求的同时,往往涉及海量、非结构化的底层数据,包括复杂的公司结构、各类合同、财务凭证以及分散的司法诉讼记录,传统的人工审阅模式不仅耗时费力,更易因疲劳产生疏漏,这种工作上对效率的极致追求与法律职业对零瑕疵的坚守之间,构成了当前实务界面临的两难困境,而AI大模型恰恰具备处理此类海量数据并快速识别风险点的独特优势。









(一) AI在律师非诉业务中的渗透与发展阶段

近年来,人工智能技术对律师非诉业务的渗透已从早期的辅助检索向智能生成与深度分析演进,呈现出清晰的三阶段发展轨迹。

在1.0阶段,AI主要体现为智能检索工具,主要用于法律数据库的快速关键词匹配与法条关联,旨在解决信息获取效率低下的问题。在2018年之前,股权投资的尽调流程几乎完全依赖于人工。律师们坐在堆满文件的会议室里,使用Excel、Word和PDF阅读器处理海量非结构化的资料。当时的痛点明显集中于数据的非结构化,信息的分散与律师注意力的有限之间的冲突。

进入2.0阶段后,随着自然语言处理NLP技术的突破,AI开始介入合同审查与文档草拟环节,能够自动提取关键条款、比对标准模板与识别基础风险。然而,这些工具在当时的应用场景非常有限。它们无法理解上下文,无法处理长文本的逻辑推理,更无法跨文档进行关联分析。例如,当一份合同提到“根据XX协议”,早期的系统无法知道该协议的具体内容,更无法判断两者是否存在冲突。

当前,AI已迈入3.0阶段,即生成式人工智能(AIGC)深度赋能期。以GPT-4、Claude等为代表的大模型,不仅具备强大的文本生成能力,更拥有理解复杂语境、逻辑推演及跨文档关联分析的潜力。这一阶段的推动者主要是法律科技和金融科技领域的初创公司,如Kira Systems、LawGeex等。他们的理念是自动化提取,即通过算法替代人工进行低价值、重复性的信息提取工作。虽然这些工具在并购领域的合同审查中取得了一定成功,但在风险投资的尽调场景中,由于目标公司多为早期初创企业,数据规范性差、非结构化程度高,这些工具往往“水土不服”。

(二)股权投资尽调痛点与AI大模型能力的匹配

股权投资尽职调查的核心痛点在于数据的海量性、非结构化与风险隐蔽性,这与AI大模型的强处理能力、语义理解力及模式识别力形成了天然的互补与耦合。

首先,海量非结构化数据的需要进行标准化总结痛点与AI的信息抽取能力高度匹配。在尽调过程中,律师需审阅海量的财务凭证、业务资料、各类合同等非结构化数据,从而提取信息,合同、章程、财报、涉诉、工商、税务、知识产权等,少则几百页、多则数万页,数据分散在工商、司法、税务、知识产权、企业内部系统,传统人工审阅极易因疲劳导致漏看,且不同团队、人员提取标准不一,效率也较低,由于投融资窗口期较短,尽调时容易出现赶进度漏风险的情况。AI大模型通过NLP技术,能够精准识别并提取合同中的金额、日期、违约责任、付款条件等结构化字段,将众多文档转化为可分析的数据库。

其次,复杂关联关系的风险识别痛点与AI的图谱关联能力深度契合。股权交易往往涉及复杂的股权穿透与关联关系网,传统手段难以洞悉所有隐蔽关联。AI大模型结合知识图谱技术,可以跨文档、跨系统自动构建目标公司、实控人、上下游供应商及关联方的全景关系网,从而帮助律师了解并分析关联交易情况。

最后,在律师参与到商业尽调的部分业务场景中,竞对分析与趋势预测痛点与AI的实时信息聚合能力形成互补。商业尽调部分要求律师对目标公司的市场环境、竞争对手动态有精准把握。AI大模型能够实时抓取并分析全球范围内的新闻资讯、裁判文书、招投标信息,快速生成行业竞争格局报告,从而帮助律师更好的分析当前的市场环境以及企业发展前景与风险点。

综上所述,AI大模型在股权投资尽调中的应用不仅能显著缩短尽调周期,降低人力成本,更在挖掘隐蔽风险、还原商业真相方面展现出超越人类直觉的能力。然而,这种技术并非没有限制,AI概率生成的特点决定了其仍需在人类律师的专业监督下运行,任何自动化结论都需经过严谨的人机回环复核,才能转化为具备法律效力的专业意见。









在现行法律框架下,使用AI辅助出具专业意见的合规路径仍有待厘清。从《律师法》的勤勉尽责义务,到《个人信息保护法》《数据安全法》对数据跨境与隐私保护的严格限制,再到《生成式人工智能服务管理暂行办法》(以下简称“《AIGC暂行办法》”)对生成内容真实性的特别规制,多重法律规范交织,使得AI在律师执业中的应用边界变得模糊而敏感。

(一)基于股权投资尽调主体视角的AI大模型风险分析

1.大模型供应商合规风险

大模型供应商是技术基础的提供者与风险的重要来源。对供应商本身是否满足法定资质要求进行核查,这既是AI专项监管规范的直接要求,也是尽调律师履行勤勉尽责义务的应有之义。根据《AIGC暂行办法》,提供生成式AI服务的组织或个人须依法履行备案手续。这一备案义务要求已逐步扩展至面向特定行业领域的大模型,医疗、金融、法律垂直模型均须备案。当前的监管框架下,备案机制可分为“算法备案”和“大模型备案”两个层面。前者主要审核算法主体信息、制度完整性以确保算法的安全;后者更关注模型主体相关材料真实性、模型架构合理性以及训练数据的合规性等。值得注意的是,根据《AIGC暂行办法》第十七条及《互联网信息服务算法推荐管理规定》第二十四条,其合规逻辑为只要模型对外提供生成式服务,且被评估为具有一定社会影响力,就必须备案。对于股权投资尽调中使用的模型,若其为第三方提供的云端服务,律师必须核查其是否已完成上述备案,以规避“使用不合规工具”带来的连带责任风险。

除了备案的合规要求之外,服务提供者还承担数据合规义务。《AIGC暂行办法》规定了多项使用端的数据合规义务,其中第四条规定,提供和使用生成式AI服务,应尊重知识产权、商业道德,保守商业秘密,不得侵害他人肖像权、名誉权、荣誉权、隐私权和个人信息权益。同时,该办法第七条规定,AI服务提供者需使用具有合法来源的数据和基础模型;涉及知识产权的,不得侵害他人依法享有的知识产权;涉及个人信息的,应当取得个人同意或者符合法定情形。生成式AI服务提供者使用具有合法来源的数据、不得侵害他人知识产权、涉及个人信息须取得同意或符合法定情形。律师在选择AI工具时,需核查服务商是否满足上述合规要求。

2.尽调对象数据泄露风险

律师保密义务是律师职业伦理的基石,其理论根基在于委托人信赖保护原则与律师—委托人特权(保密权)理论。尽调对象向律师完整陈述事实、提供核心文件的前提,是信赖律师不会将保密信息用于委托目的之外或泄露给第三方。股权投资尽调中,源于尽调主体的财务数据、核心技术参数、客户名单等具有非公开性、商业价值性及保密措施性的典型商业秘密特征,受《反不正当竞争法》商业秘密保护条款约束。

尽调律师在使用AI模型辅助尽调工作过程中,比较常见接触到的敏感数据有两大类。一是影响尽调主体商业价值的商业秘密,比如未公开财务报表以及核心客户情况等。若是为快速进行财务趋势分析并生成尽调摘要而直接将上述数据复制粘贴至云端AI工具,极有可能违反《律师法》第三十八条 【1】 、《AIGC暂行办法》第四条中禁止泄露或是应当保护秘密的规范。二是目标公司核心团队的个人信息。董监高等高管团队同样是律师尽调中展示尽调主体情况的一环,对于经目标公司提供的核心团队人员的各类信息,不乏其中可能涉及到《个人信息保护法》第二十八条 【2】 中规定的敏感个人信息。投喂以上数据可能导致数据在传输、存储及模型训练过程中发生不可控的泄露,从而对他人的人身、财产安全造成潜在风险。

3.AI结论准确性、专业性存疑风险

律师作为提供专业法律服务的专家,委托人依赖其专业判断作出是否投资、以何种估值投资等重大商业决策,律师须对其出具法律意见的真实性、准确性、完整性负责。然而AI大模型本质为概率性语言模型,不具备法律推理能力,其生成内容存在“技术幻觉”——即模型可能生成表面合理但实则虚假的法律条文、虚构的司法案例或失实的事实陈述。商业投资的决策严谨性与AI大模型的不确定性存在天然的冲突。

尤其在涉及证券法律服务领域,《证券法》和《律师事务所从事证券法律业务管理办法》中专业机构的勤勉尽责义务是人身专属性的,不能因使用工具而免除。尝试使用AI大模型进行总结分析时不管是针对当下的监管规定、裁判案例等外部信息抑或是来自尽调主体的重大业务合同、股权投资协议等内部信息,均需要经过律师的审核节点。若盲目采信AI生成物,未经人工校对审核直接将结论写入法律意见书、尽调报告中,毫无疑问是构成《律师法》第五十四条 【3】 中的执业过错,对最终服务结果承担相应法律责任。

(二)实务层面下的大模型应用边界

在股权投资尽职调查的实务操作中,大模型应被定位为提升效率的超级助理,其应用必须严格恪守辅助性与从属性边界,严禁替代律师的核心职业判断。以下将从尽调前准备阶段、资料收集阶段、报告撰写阶段三大场景简单梳理AI大模型的应用场景与使用边界。

1.尽调前准备阶段

在准备阶段,律师需要对尽调主体涉及的行业进行初步了解并确定工作重点。若项目行业为陌生领域,律师可指令大模型快速梳理目标公司所在行业的发展现状、核心监管框架、主要法律风险类型等信息,对尽调主体快速破冰。而面对早已熟悉的行业时,律师也可借助AI快速了解近期政策动向、以及该行业近期典型投资案例中的常见法律问题以更新知识。基于此,大模型可辅助生成一份初步的、定制化的《尽调重点事项清单》,或是完善初步的尽调提纲与访谈大纲。

需要注意的是AI生成的行业概况、尽调重点等仅能作为框架参考,律师必须交叉验证生成内容的真实性以避免错估项目具体情况。AI幻觉不仅体现在虚构案例、法条,也可能对行业动向进行片面解读,律师必须结合项目具体交易结构、区域政策差异及非公开信息,对清单进行实质性修正。

2.资料收集阶段

资料收集阶段是AI大展身手的时刻,面对纷繁复杂的项目资料,律师可将目标公司提供的合同、决议、证照等文件批量导入AI系统。通过精心设计的提示词,指令AI完成以下工作:自动提取关键条款,识别异常交易模式,对比不同版本文件的差异,并按预设风险维度进行初步分类与标注,最终输出结构化摘要与风险提示清单。

借助AI提升的工作效率在该阶段是非常显著的,但AI的提取结果仅能作为初筛线索,不得直接作为风险认定依据。需要法律定性判断的内容,律师必须对AI标记的每一处风险进行人工复核,确认条款在特定商业背景下的真实含义。严禁将含有核心商业秘密的原始合同全文直接上传至公有云模型,必须通过私有化部署或严格脱敏处理,确保数据主权与安全。

3.报告撰写阶段

在尽调收尾阶段,大模型可大幅提升报告撰写的效率与规范性。律师可将经核查确认的事实、发现的问题、以及初步结论,以结构化数据或要点形式输入。大模型可依据既定模板,自动生成报告各章节的初稿,如“公司历史沿革”、“重大合同履行情况”、“知识产权法律状态”等,并自动关联证据底稿编号,确保引述准确。它还能对报告的语言进行润色,使其更符合专业、客观的书面要求。

AI在此环节能有效避免重复劳动,确保报告结构统一。但也仍须注意以下边界:第一,任何结论性、判断性、建议性的表述,必须由主办律师亲自撰写并负责,AI无权生成。第二,生成内容逻辑链条的完整性必须人工复核论证过程是否严密、证据是否充分。第三,涉及交易核心估值、未披露的商业秘密、敏感的谈判底线等信息的分析和表述,不应在通用大模型中进行,必须在安全隔离的环境下由人工完成。









对于律师而言,核心挑战在于如何在拥抱技术红利的同时,守住职业责任的底线。AI大模型并非全知全能的裁判者,其基于概率生成的“幻觉”现象可能导致事实认定错误或法律引用虚假,若律师不加甄别地直接采信,极易引发虚假陈述、重大过失甚至执业违规。因此,如何构建一套科学的风险防控机制,明确AI在尽调中的辅助定位,既充分利用其提升效率,又确保律师作为最终责任主体对AI输出进行实质性复核,是新时代律师必须直面的操作难题。

(一)工具选择与使用合规机制

1.评估供应商

在备案核验方面,尽调律师应核查供应商是否已完成算法备案及大模型备案,并确认备案编号是否真实有效、备案范围是否覆盖法律尽调应用场景。建议查看供应商是否提供备案编号,并登录国家网信办备案信息公示系统进行交叉核验。

在模型选用方面,尽调律师应优先选用已备案且专门面向法律场景训练的垂类大模型,并要求供应商披露其训练数据的来源构成、幻觉率指标及幻觉率测算机构。同时应关注供应商是否具备“法律专精数据校验+法律审核算法”的双保险机制,以及是否为尽调场景定制了合规合规输出机制。选用通用大模型的,须建立更严格的人工审核流程。

2.使用保密环境

对于涉及大量商业秘密、个人敏感信息的股权投资尽调项目,应优先选用支持本地化部署的AI大模型供应商。本地化部署意味着数据不离开律所控制范围,可大幅降低云端传输和第三方存储带来的合规风险。对于大型尽调项目或涉及高度敏感信息的项目,这是更优的技术选择。加强对当事人隐私、个人信息、商业秘密等信息数据的保护;使用云端部署模式的,须在选型阶段充分评估供应商的数据安全能力,包括传输加密、存储加密、访问控制、安全认证等,并关注供应商是否提供数据安全相关的合规性自查材料。

(二)内部流程控制机制

1.输入阶段:信息分级与脱敏处理规范

输入AI工具前,主办律师须对拟输入信息进行分级分类,按照《数据安全法》及相关规定,将信息分为三个等级并标注分级标识。

第一级为绝对禁止输入的信息:(1)敏感个人信息,包括但不限于生物识别信息、宗教信仰信息、特定身份信息、医疗健康信息、金融账户信息、行踪轨迹信息以及不满十四周岁未成年人的个人信息;(2)涉及国家秘密的信息;(3)委托合同中明确约定不得向第三方披露的特定信息。

第二级为经脱敏后谨慎输入的信息指向特定主体的标识信息及具有商业秘密属性的信息,包括银行账号、身份证号、股权持有比例、客户名单、核心技术参数、定价策略等。此类信息须完成采用替换或遮蔽等方式逐项脱敏处理后方可输入。

第三级为可直接输入的信息,包括已公开信息,或已由当事人在合理范围内自行公开,或已合法剥离全部标识信息及商业秘密属性并经脱敏核查确认的信息。

在进行脱敏处理时,主办律师应使用本地化脱敏工具,在线脱敏工具须谨慎使用,防止脱敏过程本身的二次泄露风险。脱敏处理须保留业务信息的分析完整性,建议以“目标公司”替代公司全称,以“创始人A”替代具体姓名或以“某行业”替代具体行业描述等“替换法”或“泛化法”。脱敏处理完成后须经第二人交叉比对校验,确保无遗漏。

2.处理阶段:提示词工程规范

如果把算力比作AI大模型的机能,提示词就像是逻辑指南,即便是完全相同的模型,遵循不同的处理逻辑规范所得到的产出可能相去甚远。仅就控制风险来看,提示词的设计应该关注:提示词应结构清晰,明确角色、任务、边界,以约束条件防止AI编造信息,减少“幻觉”与偏差。若调用供应商的知识库或联网能力,须在提示词中明确要求注明信息来源,确保溯源路径清晰。严禁要求AI在无原始依据的情形下生成“法律意见”;法律意见必须由执业律师独立出具。

3.全流程留痕与档案管理

不管是对于AI辅助尽职调查的推进还是作为律师履行勤勉尽责义务的证据,保留工作痕迹与管理记录都是必要的流程。建议律师在工作时记录AI工具的使用过程、输入关键词与输出初稿。留存修改前后的版本比对记录,清晰展示人工实质性修改的内容及理由。档案须具备可追溯性,能够清晰还原从AI输入到最终报告交付的完整作业链路,确保在任何时点可接受合规审查或执业责任核查。可保存律师的复核、修改轨迹,作为履职证据。

(三)执业责任风险规避机制

隔离执业责任风险的核心在于体现律师工作的独立判断。任何AI生成内容须由执业律师独立审核后作出专业判断,AI仅是工具辅助,不能替代律师的思维判断。

尽调报告的每一章、节、项法律意见,均须由主办律师进行独立专业判断。AI生成内容未经以下修改不得作为尽调报告底稿:以法律适用、事实认定、逻辑论证及风险定性这四个维度为审查框架,确保所有内容均由律师逐一独立审查核对无误并进行实质性修改或确认后方可使用。律师应将AI输出的信息碎片转化为符合律师文书标准的专业化论证。尽调事项的聚焦分析和挖掘深度须达到可解释性的要求,即律师能够清晰向委托人解释分析方法的路径选择及关键判断的裁判依据和推理逻辑,杜绝使用免责声明来规避把关责任。

实务中应当注意以下三点操作红线:严禁将未经人工审核及实质性修改的AI生成内容直接作为尽调报告组成部分交付委托人;严禁在生成的尽调报告或工作底稿中使用AI工具虚构的法律依据、案例、事实背景或数据基准;严禁使用任何声称AI自动生成法律意见的用语或行为掩盖AI使用的范围。









AI大模型的崛起,正深刻重塑股权投资尽职调查的传统范式。AI技术赋能法律服务的趋势不可逆转。然而,技术赋能并非无界。在股权投资的尽调场景中,大模型的应用边界实质是辅助工具与专业判断的权责分界线。其核心价值在于处理规模化、结构化、可标准化的信息,而律师的核心职责则必须牢牢锁定在真实性核验、法律定性、商业判断与最终责任承担上。任何试图以AI结论直接替代律师专业判断的做法,都将模糊执业的责任底线,并可能触发难以预估的法律与商业风险。律师需要从被动的信息处理者,转型为AI工作流的设计者、提示者、批判性验证者与最终决策者。有效的风险防范,不仅依赖于对技术局限性的清醒认知,更需要以律师的专业主义为基石,以严谨的流程为保障。





参考文献



[1]第十二届北京市律师协会数字经济与人工智能领域法律专业委员会.人工智能对律师法律服务的影响[R].2024-10-27.

[2]李雁争.七部门发文规范生成式AI服务 实行包容审慎和分类分级监管[N].上海证券报,2023-07-14.

[3]胡泳,张文杰.数据标注治理:可信人工智能的后台风险与治理转向[J].云南社会科学,2024-11-29.

[4]李晓群.AI技术便利下的法律边界与现实警示[N].安徽日报,2026-04-20.

[5]星恒律苑.对非上市公司标的律师尽职调查AI的协同能力 [EB/OL].2026-03-31.





引用文献



【1】《中华人民共和国律师法》第三十八条 律师应当保守在执业活动中知悉的国家秘密、商业秘密,不得泄露当事人的隐私。

律师对在执业活动中知悉的委托人和其他人不愿泄露的有关情况和信息,应当予以保密。但是,委托人或者其他人准备或者正在实施危害国家安全、公共安全以及严重危害他人人身安全的犯罪事实和信息除外。

【2】《个人信息保护法》第二十八条 敏感个人信息是一旦泄露或者非法使用,容易导致自然人的人格尊严受到侵害或者人身、财产安全受到危害的个人信息,包括生物识别、宗教信仰、特定身份、医疗健康、金融账户、行踪轨迹等信息,以及不满十四周岁未成年人的个人信息。

只有在具有特定的目的和充分的必要性,并采取严格保护措施的情形下,个人信息处理者方可处理敏感个人信息。

【3】《中华人民共和国律师法》第五十四条 律师违法执业或者因过错给当事人造成损失的,由其所在的律师事务所承担赔偿责任。律师事务所赔偿后,可以向有故意或者重大过失行为的律师追偿。


作者简介




何协

浙江智仁律师事务所

合伙人


精专领域:

公司股权投融资及资本市场


主要职务:

浙江省律师协会金融与保险专业委员会秘书

杭州市律师协会并购与投资专业委员会委员

杭州市律师协会西湖分会并购与投资专业委员会委员

杭州市律师协会西湖分会证券与资本市场专业委员会委员

杭州市律师协会西湖分会文体建设委员会委员

主要业绩:

为数十家资管公司及国有金控/投资平台提供股权投融资及各类交易结构的全流程专项法律服务,国企平台客户已覆盖浙江省内各地市;为数十家投资机构提供投融资及私募基金专项服务;为省内外多家国企提供各类债务融资工具专项服务;为数十家企业提供新三板专项服务。


周映汝

浙江智仁律师事务所

实习律师


业务领域:

公司股权投融资及资本市场



从业格言:

勤勉是好运之母


图片
尾图3.16.jpg