配送与出行 / 网约车与配送
Uber：法务团队审阅合同修改稿并撰写回复意见
- 企业
- Uber
- 国家
- 美国
- 实施阶段
- 运营中
- 资料发布
- 日期依据
- 资料发布的时间，可能与启用日期不同。
- 依据核验方式
- 阅读原文正文
业务问题
据Uber官方技术博客介绍，Uber每年要谈判数千份合同，法务团队需要逐一审阅并回应对方对合同文本的修改(redline)。Uber表示，这一过程耗时且重复，容易成为拖慢交易达成、客户导入和产品上线的瓶颈。同时，合同中存在相似条款、在不同客户之间反复出现的修改以及固定的法律判断模式，因此Uber认为可以把重复部分自动化，让律师把时间用在复杂判断上。
使用的技术与数据
Uber从2024年初到2025年开发了第一代Legal Redlining Agent(LRA)，并于2025年与法务团队试运行，把他们的反馈纳入产品。LRA作为律师已在使用的Microsoft Word插件运行。它在文档中找出对方修改的部分并解读其意图，依据法务团队的政策和指引，从接受、拒绝、修改中推荐一种处理方式，同时生成发给对方的理由说明和风险等级。律师逐条审阅建议，决定接受、拒绝或修改后再写入回复。团队起初采用检索谈判指引(playbook)并交给LLM的RAG方式，但检索不准确，语气也不合适，于是改为收集并再利用律师的决定、期望的处理方式、意见和最终修改文本的反馈结构。运行时，系统先按元数据条件从数千条历史记录中选出约20份文档，再用LLM进一步筛选作为判断依据，并给予近期决定更高的权重。调整语气的提示词由公司内部律师自行管理；律师为模板中的每个句子记录Uber的立场和备选立场，形成规则数据库，一旦检索到匹配规则，最后一个LLM步骤会检查输出是否遵守该规则。后端用LangGraph并行执行意图识别、风险评估和政策查询，在OpenSearch中存储规则和历史反馈，并通过用LLM给结果打分的评估持续检查检索质量和规则遵守情况。
成果
据Uber官方技术博客介绍，自法务团队开始使用LRA以来，合同的平均审阅时间缩短了20%以上，AI给出的判断准确率为91%。博客还转述了律师的评价，认为尤其是意见建议功能确实节省了时间。2026年3月9日，Uber法务部门在ALM Legalweek Leaders in Tech Law Awards上获得Most Innovative Legal Department of the Year，LRA也是其参评内容之一。
局限与待解问题
博客没有公开处理的合同数量、测量期间以及91%准确率的衡量标准。扩展到其他业务部门被写为今后的计划。
来源
本案例根据公开资料整理，并非 ATF Works 客户的成果。