“AI大模型+電子籤”，下一站在哪？_風聞

 

 

大模型所帶來的數據分析、訓練能力，將使得一些廠商的數據優勢被逐漸放大，打造自身的差異化，打破電子籤賽道同質競爭的局面。 

作者|鬥鬥 

編輯|皮爺 

出品|產業家 

 

AI大模型爆發以來，參與者眾多。在電子籤領域，這個技術同樣也更在創造新的想象力。不過，和所有大模型在各個場景遇到的“落地難”問題一樣，AI大模型在電子籤領域落地同樣不是一件容易的事。

甚至電子籤賽道更為典型。從流程來看，**電子簽約流程中的簽署模版製作、印章簽名製作、發起簽署、用印簽署等環節較為純粹，很難催生大模型落地的温牀，**其次高質量的數據是垂直模型決策能力的關鍵，而數據收集、訓練、學習都需要人工的參與和時間的積累，這些不僅是技術難題，在電子籤賽道更是邊界、合規的問題。

即使如今一些電子籤SaaS早已不斷往簽約的前後場景延伸，但這些場景所在的方向，也更是電子籤的上下游夥伴攻堅克難的戰場，大模型的“落地難”屬性已成為共識。

在大模型的推動下，電子籤的未來方向可能會朝向哪？

一、AI大模型，尋找電子籤“鑰匙”

**“大模型落地於電子籤，需要往簽約前後場景走。”**法大大產品中心總經理劉謙對產業家直言。

事實上，已經定稿的文件製作成模板，發起簽署，繼而完成簽署以後進行存證，在這個過程中，其內容是不能發生改變的，其產品能力只是記錄文件是否被篡改，以及身份、意願的真實性等。難以與大模型的生成能力結合，發揮大模型真正的價值。

對於AI大模型而言，其價值點在於收集數據，進行訓練學習，給出智能決策，幫助企業更好的降本增效、規避風險等。

在電子籤領域，如何結合行業內容，根據需求生成、分析內容，固然是AI大模型能發揮價值的場景。但對於純粹的電子簽約，相較於對內容的生成、分析，可信才是第一要義。

或者換言之，對於AI大模型而言，只是單純的電子簽約產品，與AI大模型結合，並不能為客户帶來較大的增量。

在劉謙的表述中，更能延伸出的一個思考是，在AI大模型於電子籤領域落地難的現狀背後，其更隱藏的是電子籤SaaS需要在簽約場景之外尋找到真正的大模型落地場景。

實際上，這種“探尋”在過去幾年已經發生。近幾年，隨着電子籤SaaS的發展，人們對線上簽約的需求逐漸從單純的簽約場景，向前、向後延伸。即不同於國外專注於打造細分領域SaaS的模式，國內客户更加青睞一個軟件解決所有問題的模式。

能看到的是，在電子籤SaaS領域的頭部廠商，如e籤寶、法大大、契約鎖、上上籤等，在過去幾年，都在不斷延展自身的產品服務邊界。例如，e籤寶的智能合同產品，基於AI技術，為企業提供合同起草-審批-簽訂-執行-歸檔-統計的智能化全生命週期服務；法大大的iTerms智能合同審查，為企業提供合同審查、協作審查、文本比對、智能歸檔等能力……

“大模型的落地會讓大家都能把智能合同用起來。”e籤寶CEO金宏洲説道。

過去的AI1.0時代，人工智能以監督學習訓練為主，即根據已知的輸入和輸出數據樣本,學習出一個模型，對未知數據進行預測或分類，以求達到一個預期的目標。而由於大型企業的合同內容、管理都較為規範，所以監督訓練的效果更為準確。而中小型企業則反之，限制了其智能合同的深度應用。

而大模型或將改變這一業態。

可以預想的是，在這些場景中，AI大模型可以給予強大的決策能力加持。那麼，對電子籤廠商而言，應該怎麼做？

二、高質量的「高質量數據」

從當下來看，想要大模型落地於電子籤領域，無外乎兩種路徑：一是廠商自建AI大模型，二是與通用大模型合作。

前者需要大量的資金、數據以及AI技術支撐，對於電子籤廠商而言，後者是相對合理的落地方式。

但單純基於通用大模型，對電子籤賽道而言其侷限性要比其它方向更大。**“基於通用大模型的能力來做細分領域應用，效果肯定是一般的。”**劉謙表示，在他看來，通用的大模型能力不足以完成電子簽約以及智能合同的相關服務，必須要跟本地知識庫進行結合。

換言之，和其他方向相似，廠商要做的是需要將大量的合同數據集成到通用大模型中，打造電子籤領域的專有模型。

但這件事並不是所有廠商都有能力去做的。

首先，客户的合同數據被收集到通用大模型中，會導致客户合同數據泄漏。

眾所周知，**在電子籤領域，數據十分敏感。**大多數的電子合同服務商提供的都是公有云SaaS模式的電子合同產品，數據存於雲端的數據中心，用户的電子合同簽署、數據均存儲於公有服務器上。

雖然平台提供豐富的認證方式和驗證手段以確保數據的安全，防止合同數據被篡改，但對於信息安全度和合同數據敏感性的用户來説，數據安全隱患還是他們最為擔心的問題。

所以，電子籤專有模型，需要建立在私有云上，保障合同數據的安全。

這對通用大模型的選型也十分重要。劉謙對產業家表示，法大大目前就與多家通用大模型廠商合作，將各個通用大模型的長處與產品應用場景結合，以此讓集成的合同數據在保證安全性的前提下，發揮最大的價值。

除此之外，為了使得電子籤專有模型作出的智能決策更加準確，廠商需要依靠人工標註出高質量的數據，進行訓練、學習。而電子籤的數據標註，不僅需要其具備技術能力，還需要其掌握法律知識、合同規範等行業經驗。

更為重要的是，電子籤廠商是否具備高質量的合同數據是個“偽命題”。即比起傳統電子籤廠商，大部分電子籤SaaS起步較晚，導致其在高質量數據集成方面較弱。

從這點來看，對電子籤而言，**AI大模型落地的難點在場景之外，也更在數據。**甚至相較於其他賽道，數據的門檻要更高。

三、再看「AI大模型+電子籤」

但不可否認，在「AI大模型+電子籤」的模式下，一些本質的變化也或將發生。

具體來看，在合同簽署的全生命週期中，除了合同簽署環節的安全、合規等問題，合同起草、合同審查環節是企業最為重視的環節。隨着客户簽約需求逐漸向前、後場景拓展，這些需求也為廠商帶來了新的挑戰。

過去，大部分電子籤廠商在AI的加持下，通過智能合同產品，一定程度上實現了合同文本的智能起草、糾錯等問題。

然而，在合同起草、糾錯的質量上，與理想狀態仍有差距。這種差距一定程度上受限於數據質量和數據量以及算力。

在「AI大模型+電子籤」模式下，基於底層通用大模型的能力，再疊加充足算力和數據量，加上電子籤廠商的高質量合同數據，便可以在合同起草、審查等環節給出更準確的智能決策，幫助企業縮短合同簽署週期、降低合同文本的錯誤率，使得智能合同“名副其實”。

其次，「AI大模型+電子籤」模式下，帶來的還有交付模式上的變化。由於國內大型企業定製化要求高，例如同一個行業，不同業務，之間簽署需求就有着巨大的差異。導致國內電子籤SaaS交付模式普遍較重，服務商側人力、財力、精力投入較多。

**通過大模型的賦能，將合同簽署的全週期管理中某些環節進行智能化，可以很大程度上可以減輕這方面的壓力，加速產品奔向行業標準化。**例如對於大部分中小企業而言，「大模型+電子籤」的模式下，可以使得其實現自助式服務。

“我們接入了不同的大模型，融入到我們的服務裏面。”在e籤寶的解決方案中，大模型的能力已經成為其ePaaS的底層能力。

站在更大的角度來看，國內的SaaS賽道，由於市場的差異化，導致SaaS廠商的競爭格局常常面臨內卷、同質化競爭，電子籤賽道亦是如此。而在大模型的加持下，以往在某些垂直領域經驗多、數據積累多的電子籤廠商，在服務力上將獲得較大的提升。

換言之，大模型所帶來的數據分析、訓練能力，將使得一些廠商的數據優勢被逐漸放大，打造自身的差異化，打破電子籤賽道同質競爭的局面。

誰積累更深，誰或許就更能先行一步。

更為主要的是，大模型或將成為一種底層能力，在大模型之上，電子籤廠商可以調用其數據、算力等能力，助力其打造一體化、全棧式的服務，使得電子籤產品邁向標準化、規模化。