AI 合规审查（Compliance AI）

合规审查关注的是企业自己的制度、流程与授权安排是否符合外部监管要求，与逐份审阅合同条款是两件事。它要回答的问题是：新规生效后哪些内部文件需要修改、哪些岗位的权限设置已经不成立、哪些流程缺少留痕。监管条文更新频繁、业务线又多，靠人工定期通读很难覆盖。

它比对的是什么

典型做法是把监管条文与内部制度都切分成带主题标签的片段，建立「要求—落实措施—责任人」的映射关系，再用检索与语义匹配找出没有对应措施的监管要求，以及彼此矛盾的内部条款。输出通常是一张差距清单加风险分级，而不是一句合规或不合规的结论；清单还要能按业务线、部门与整改期限汇总，才可能变成可跟踪的整改任务。

数据要求与典型做法

• 语料范围：监管条文、行业指引、内部制度、流程文件与授权矩阵都要纳入，缺一类就会形成系统性盲区。
• 切分粒度：切得太粗会漏判，切得太细会让同一条要求反复告警，通常按义务主体加动作统一切分口径。
• 元数据：每段条文要带发布机构、生效时间、适用范围与废止状态，否则无法判断当前哪一版在管。
• 匹配方式：纯关键词会漏掉同义表述，通常先用向量检索召回候选，再由模型判断是否真的构成对应关系。
• 复核闭环：每条告警要有确认、驳回与整改状态，人工结论回流后用于调整阈值与提示词。

落地难点与风险

• 证据可追溯：每条判断都要能指回具体条文与具体制度段落，否则法务无法复核，也无法向监管解释。
• 误报成本不对称：漏报意味着处罚风险，误报则消耗大量人工，阈值与告警分级要按业务风险分别设定。
• 变更追踪：监管条文与内部制度都在修订，需要保留修订记录与生效标记，否则历史结论无法解释。
• 责任边界：模型只做筛查与提示，最终认定仍由合规官承担，流程上要保留人工签署环节。
• 入库滞后：新规从发布到进入语料库有时间差，期间系统给出的仍是旧口径结论，需要显式提示版本日期。

和相近概念的区别

它和合同审阅的区别在对象：合同审阅处理双方约定的条款文本，判断权利义务与风险分配；合规审查处理企业内部制度与外部监管要求的对应关系，判断的是有没有落实。它和内部审计也有分工，审计更关注执行证据与财务结果，合规审查偏重规则覆盖与条款一致性。

因此这类系统真正的价值不在于给出结论，而在于把散落在各部门的制度文件变成一张可持续维护的对照表，让新规到来时能快速定位受影响的范围。