“AI大模型+电子签”，下一站在哪？

原文来源：产业家

图片来源：由无界 AI生成

AI大模型爆发以来，参与者众多。在电子签领域，这个技术同样也更在创造新的想象力。不过，和所有大模型在各个场景遇到的“落地难”问题一样，AI大模型在电子签领域落地同样不是一件容易的事。

甚至电子签赛道更为典型。从流程来看，电子签约流程中的签署模版制作、印章签名制作、发起签署、用印签署等环节较为纯粹，很难催生大模型落地的温床，其次高质量的数据是垂直模型决策能力的关键，而数据收集、训练、学习都需要人工的参与和时间的积累，这些不仅是技术难题，在电子签赛道更是边界、合规的问题。

即使如今一些电子签SaaS早已不断往签约的前后场景延伸，但这些场景所在的方向，也更是电子签的上下游伙伴攻坚克难的战场，大模型的“落地难”属性已成为共识。

在大模型的推动下，电子签的未来方向可能会朝向哪？

一、AI大模型，寻找电子签“钥匙”

“大模型落地于电子签，需要往签约前后场景走。”法大大产品中心总经理刘谦对产业家直言。

事实上，已经定稿的文件制作成模板，发起签署，继而完成签署以后进行存证，在这个过程中，其内容是不能发生改变的，其产品能力只是记录文件是否被篡改，以及身份、意愿的真实性等。难以与大模型的生成能力结合，发挥大模型真正的价值。

对于AI大模型而言，其价值点在于收集数据，进行训练学习，给出智能决策，帮助企业更好的降本增效、规避风险等。

在电子签领域，如何结合行业内容，根据需求生成、分析内容，固然是AI大模型能发挥价值的场景。但对于纯粹的电子签约，相较于对内容的生成、分析，可信才是第一要义。

或者换言之，对于AI大模型而言，只是单纯的电子签约产品，与AI大模型结合，并不能为客户带来较大的增量。

在刘谦的表述中，更能延伸出的一个思考是，在AI大模型于电子签领域落地难的现状背后，其更隐藏的是电子签SaaS需要在签约场景之外寻找到真正的大模型落地场景。

实际上，这种“探寻”在过去几年已经发生。近几年，随着电子签SaaS的发展，人们对线上签约的需求逐渐从单纯的签约场景，向前、向后延伸。即不同于国外专注于打造细分领域SaaS的模式，国内客户更加青睐一个软件解决所有问题的模式。

能看到的是，在电子签SaaS领域的头部厂商，如e签宝、法大大、契约锁、上上签等，在过去几年，都在不断延展自身的产品服务边界。例如，e签宝的智能合同产品，基于AI技术，为企业提供合同起草-审批-签订-执行-归档-统计的智能化全生命周期服务；法大大的iTerms智能合同审查，为企业提供合同审查、协作审查、文本比对、智能归档等能力……

“大模型的落地会让大家都能把智能合同用起来。”e签宝CEO金宏洲说道。

过去的AI1.0时代，人工智能以监督学习训练为主，即根据已知的输入和输出数据样本,学习出一个模型，对未知数据进行预测或分类，以求达到一个预期的目标。而由于大型企业的合同内容、管理都较为规范，所以监督训练的效果更为准确。而中小型企业则反之，限制了其智能合同的深度应用。

而大模型或将改变这一业态。

可以预想的是，在这些场景中，AI大模型可以给予强大的决策能力加持。那么，对电子签厂商而言，应该怎么做？

二、高质量的「高质量数据」

从当下来看，想要大模型落地于电子签领域，无外乎两种路径：一是厂商自建AI大模型，二是与通用大模型合作。

前者需要大量的资金、数据以及AI技术支撑，对于电子签厂商而言，后者是相对合理的落地方式。

但单纯基于通用大模型，对电子签赛道而言其局限性要比其它方向更大。“基于通用大模型的能力来做细分领域应用，效果肯定是一般的。”刘谦表示，在他看来，通用的大模型能力不足以完成电子签约以及智能合同的相关服务，必须要跟本地知识库进行结合。

换言之，和其他方向相似，厂商要做的是需要将大量的合同数据集成到通用大模型中，打造电子签领域的专有模型。

但这件事并不是所有厂商都有能力去做的。

首先，客户的合同数据被收集到通用大模型中，会导致客户合同数据泄漏。