OpenAI与Sullivan & Cromwell合作开发的Agreement Analyzer，将律所的谈判手册、先例和审查方法嵌入合同分析工具，支持多轮、可追溯的审查流程并生成律师可复核的建议和修改。该工具为律所内部定制应用，强调来源透明、权限控制和律师最终判断，而非替代法律专业判断。
OpenAI公布的一则客户案例显示，美国律师事务所Sullivan & Cromwell（S&C）正与OpenAI合作，把本所的谈判手册、精选先例和律师审查方法整合进一款名为Agreement Analyzer的协议分析工具。该工具并非面向公众销售的通用法律聊天机器人，而是为S&C内部法律工作设计的应用，目标是在律师最终判断之前，完成更深入、可重复和可追溯的合同审查。
OpenAI在10月15日发布的案例介绍中说，Agreement Analyzer可以对一份草案开展多轮审查，从不同角度识别潜在问题，比较条款与律所及客户的谈判立场，并生成备忘录和建议修改稿。律师可以检查、调整或拒绝这些结果。
S&C方面的资料则显示，这项工具最初由该所合伙人John Savva使用Codex制作，后来由S&C与OpenAI工程师共同改进。工具于9月17日在纽约举行的OpenAI法律行业峰会上展示。
不是把律师判断交给模型
协议审查的难点，通常不在于找出单个条款的字面含义，而在于判断不同条款如何相互作用，以及它们是否符合交易背景、市场惯例和客户的风险偏好。
按照OpenAI的描述，律师向Agreement Analyzer输入一份协议后，可以加入选定的先例、谈判手册以及律所和客户的立场。系统随后从多个视角运行审查流程，分析市场偏离、风险分配、条款之间的联动关系，以及可能影响诉讼的含糊表述，最后生成供律师复核的意见和tracked changes。
S&C在自己的公告中表示，Savva负责开发最初版本，并与OpenAI工程师合作，使工具能够被更广泛地部署到律所内部。OpenAI的案例也特别强调，工具的输出应当透明：如果系统声称某种做法代表市场惯例，律师应该能够查看支撑这一判断的来源。
这一区别决定了工具在法律环境中的定位。Agreement Analyzer可以帮助律师扩大检索范围、发现条款之间的风险，并把重复性的比较工作结构化，但它没有取代律师对事实、法域、客户目标和职业责任的判断。OpenAI援引Savva的话说，短期收益更可能是让律师在同样的可用时间内完成更彻底的分析，而不一定是简单地削减工作时长。
从个人原型到律所内部应用
根据S&C在10月1日发布的John Savva访谈摘要，Savva先独自开发了协议分析工具的初始版本，随后OpenAI工程师帮助提升其输出质量和运行效率，并把它改造成可以供多名律师使用的应用。
彭博法律的相关报道进一步披露，工具最初由Savva在3月使用Codex制作，7月S&C把代码交给OpenAI工程师改进。报道说，工具目前处理的场景包括承销协议、并购协议、衍生品协议、合资协议和认购协议等。S&C在合作阶段使用的是假设协议和草拟的谈判手册，而不是现实客户文件；最终产品的代码仍归律所所有并保持机密。
这种开发路径显示，法律AI不一定始于软件公司预先设计好的标准化产品。熟悉具体业务的律师，可以先用编程代理构建一个针对实际问题的原型，再与模型公司的工程团队合作，将它变成更稳定、更易于管理的内部工具。
但这也意味着，工具的质量很大程度上取决于律所是否能够清楚表达自己的工作方法。先例如何筛选，哪些市场惯例适用于特定交易，哪些风险必须升级给合伙人，以及客户立场如何影响条款取舍，都需要转化为模型能够调用和律师能够审计的规则。
OpenAI把律所工作流作为法律AI的入口
Agreement Analyzer并不是OpenAI法律业务布局中的孤立项目。OpenAI在推出Astra for Law时表示，S&C、Ropes & Gray和Cooley等律所已经围绕自身专业经验开发定制工具：S&C聚焦协议审查，Ropes & Gray构建了并购尽调系统，Cooley则开发了帮助企业准备上市文件的GO Public。
Astra for Law本身把GPT-6 Astra与法律检索索引、面向法律分析和写作的指令，以及面向律所的隐私和治理控制结合起来。OpenAI称，其法律检索索引覆盖美国判例、法规、法院规则和行政决定，超过2.3亿个网址，并与Free Law Project的CourtListener判例集合合作。
不过，S&C的Agreement Analyzer与Astra for Law并不是完全相同的产品。前者是结合S&C自身谈判材料和工作方法开发的律所内部应用；后者是OpenAI为选定律所和法律科技公司提供的基础平台。S&C的公告称，Agreement Analyzer整合的是律所工作流与ChatGPT Enterprise，属于定制应用，而不是一个面向所有律师的标准化功能。
《Global Legal Post》在报道中指出，Astra for Law初期将通过受限访问方式提供给部分律所，API开放则在后续进行。Harvey和Legora等法律科技平台可以在获得API访问后，把相关能力整合进自己的产品和工作流。
保密、权限和可追责性仍是关键门槛
法律文件涉及客户保密、利益冲突、伦理墙和律师职业责任。一个能够读取协议并提出修改建议的系统，必须回答几个基础问题：它可以访问哪些材料，哪些资料能够被用于处理，谁可以查看它的分析，哪些修改需要人工批准，以及系统是否保留足够的操作记录供日后复核。
OpenAI在Astra for Law的说明中表示，符合条件的律所可以通过Trusted Access计划使用相关能力，计划包括API零数据留存，ChatGPT Enterprise使用默认不纳入人工审查。OpenAI还与Latham & Watkins合作设计信息权限、伦理墙、客户指令和律所监督机制。
这些安排是产品和公司披露的控制措施，并不等于所有部署都已经完成独立安全审计。S&C与OpenAI也没有公开Agreement Analyzer的准确率、失败率、完整评估数据或商业化时间表。现阶段更准确的说法是，双方已经建立并展示了一套针对专业法律任务的内部工作流，而不是证明AI可以独立承担合同审查责任。
这类谨慎也与AIFlux此前对OpenAI与Ironclad合作推进法律合同工作流的观察相呼应：当AI开始接触真实合同系统时，能力之外的权限隔离、人工批准、操作审计和错误恢复机制，会成为能否进入生产环境的决定性条件。
法律AI竞争正在从问答转向专业方法
S&C案例的意义，不只是又一个企业使用ChatGPT的故事。它显示出法律AI竞争正在从通用摘要和问答，转向把特定机构的先例、谈判方法、审批机制和责任边界固化为可重复使用的工作流。
对模型公司而言，与大型律所合作可以获得复杂专业任务的反馈，了解律师如何判断来源、处理不确定性和审查模型输出。对律所而言，直接参与工具设计，则可以把自身经验嵌入系统，而不是被动接受一套无法调整的通用软件。
但这种模式的最终价值仍要通过长期使用来检验：律师是否真的减少了遗漏，人工复核是否变得更有针对性，工具能否在不同交易类型和客户规则下保持稳定，以及出现错误时责任能否被清晰分配。
Agreement Analyzer目前所代表的，是法律专业工作与AI工程之间的一种合作试验。它的核心问题并不是模型能否写出一段看似专业的法律文字，而是能否在来源透明、权限受控和律师持续监督的前提下，帮助专业人士把更多时间用在真正需要判断的地方。