AI法律风险警示：乔治城研究揭示合同同质化陷阱

2025年，乔治城大学研究者在《Computers in Human Behavior: Artificial Humans》发表了一篇看似与教育有关的论文，结论却值得每一家企业细读：大语言模型（LLM）生成的文字，在个体层面经参数调优可接近人类创造力；但集体层面，人群写出的想法多样性是AI的2至8倍。即便用Chain-of-Thought（逐步推理提示）强化AI，人类群体的创意丰富度仍然翻倍于AI输出群。AI倾向于收敛——人类倾向于发散。翻译为法律语言：若贵司所有合同、备忘录、合规声明都直接采用（或仅微改）同一AI模型的默认输出，贵司法律文件将面临“同质化塌陷”——看似通顺，实则掩蔽交易特殊性，且可能在争议时因“未见行业惯常例外条款”而陷于不利。

研究者收集2200份大学入学申请 essay——一半由学生亲写，一半由GPT-4生成（分三组：默认温度、调高创造力参数、加Chain-of-Thought提示）。

衡量指标是“多样性成长率”（diversity growth rate）：每新增一篇essay，集体语料中新增多少前所未见的概念/论点。

关键发现：

单体比：调高temperature或CoT后，单篇AI essay的用词多样性可超过随机选取的人类essay；

集合比：将所有human essay合在一起 vs 将所有AI essay合在一起——人类集合多样性成长率是AI默认输出的2~8倍，即便CoT组也保持约2倍差距；

原因：LLM预测“概率最高的自然接续”，且受RLHF（基于人类反馈的强化学习）压制极端/偏锋表达→输出趋向“安全均值”；人类受不同成长背景、价值观、利益立场驱动，天然发散。

现象：多家竞品公司都用同一公网AI生成“标准NDA/软件开发合同”，仅替换当事方名称金额。AI倾向输出“最常见条款组合”，省略贵司行业特有的保护性例外（如：源代码托管触发条件、数据本地化要求、跨境传输特别许可）。

法律后果：若争议发生，对方辩称“贵司版本与行业通用版一致，无此例外”→贵司需举证交易特殊性（《民法典》第142条意思表示解释规则），增举证难度；若因缺条款致损，可追《民法典》第1165条过错责任（律师/法务未尽审慎注意）。

律师动作：我们不以AI默认输出为终稿，而是在AI初稿基础上按交易背景注入差异化条款（例：贵司作为甲方在SaaS合同中保留“审计权延伸至分包云基础设施提供商”，此非GPT-4o默认NDA/SaaS模板内容，须人工添加并说明商业理由）。

现象：AI生成“法律意见摘要”倾向引用高频法条（如《民法典》第577条违约责任）而忽略特别法优先适用（如《电子商务法》第38条平台责任、《数据安全法》第27条重要数据出境评估）——因为训练集中特别法出现频率低于总则条款。

法条依据：《律师法》第3条要求“以法律为准绳”——指适用正确阶位、正确特别法，非仅“有法条号”。若法律意见书遗漏特别法适用致客户误判合规成本，《律师法》第48条可追行政处罚，客户可依《民法典》第1165条主张赔偿。

律师动作：AI可帮列“疑似相关法条清单”，但最终法律适用选择（特别法vs总则、效力性强制性规定vs管理性规定）须律师签字确认——这正是人类“上下文+利益立场”不可让渡之处。

若律所用AI生成大段“标准叙述”（如管辖权条款说明、不可抗力定义）且全员共用未改→可能被认为无独创性表达（《著作权法》第2条），无法禁止对方律师照搬使用；若过度依赖致全行业条款雷同，亦削弱贵司合同作为“交易定制文件”的证明力。

对策：在关键陈述段（鉴于条款Recitals、特定义务描述）植入交易专属事实陈述（“鉴于甲方在XX省拥有IDC机房编号为XX，乙方承诺……”）——这既是《合同法》/《民法典》要求的“合同目的说明”，也使文本具个体特征，防克隆混淆。

乔治城研究表明：人群的差异性> AI的集合差异性。

对应到贵司与律所协作：

AI做“初稿骨架”——鼓励（提效）；

律师做“差异注入”——在初稿中补入：(a)行业特殊义务/例外、(b)交易背景驱动的鉴于条款、(c)对我方有利的管辖/准据法特别说明（若偏离AI默认）；

禁止直接采纳公网AI无改版输出作为正式签署版——须在《委托合同》或《法律服务确认书》中载明“正式文本须经本所合伙人/主办律师人工审核并签字发出；AI辅助草稿不视为最终法律意见”。

乔治城实验说AI爱均质；人类爱多样。《生成式AI服务管理暂行办法》第9条要我们防虚假信息；《民法典》第142条要我们根据上下文解释意思表示；《反不正当竞争法》第9条若因照搬雷同AI条款致客户商业秘密保护落空可追责。

硅片预测最可能词，律师负责问“有没有可能——且应当对我们有利——是那个不太可能的词？”合同签字前，那一步，只能人来。