原文來源：產業家
圖片來源：由無界AI生成
AI大模型爆發以來，參與者眾多。在電子簽領域，這個技術同樣也更在創造新的想像。不過，和所有大模型在各個場景遇到的「落地難」問題一樣，AI大模型在電子簽領域落地同樣不是一件容易的事。
甚至電子簽賽道更為典型。從流程來看，電子簽約流程中的簽署模版製作、印章簽名製作、發起簽署、用印簽署等環節較為純粹，很難催生大模型落地的溫床，其次高品質的數據是垂直模型決策能力的關鍵，而資料收集、訓練、學習都需要人工的參與和時間的增持，這些不僅是技術難題，在電子簽賽道更是邊界、合規的問題。
即使如今一些電子簽SaaS早已不斷往簽約的前後場景延伸，但這些場景所在的方向，也更是電子籤的上下游夥伴攻堅克難的戰場，大模型的「落地難」屬性已成為共識。
在大模型的推波助瀾下，電子籤的未來方向可能會朝向哪？
一、AI大模型，尋找電子簽“鑰匙”
「大模型落地於電子簽，需要往簽約前後場景走。」法大產品中心總經理劉謙對產業家直言。
事實上，已經定稿的文件製作成模板，發起簽署，繼而完成簽署以後進行存證，在這個過程中，其內容是不能發生改變的，其產品能力只是記錄文件是否被篡改，以及身份、意願的真實性等。難以與大模型的生成能力結合，發揮大模型真正的價值。
對於AI大模型而言，其價值點在於收集數據，進行訓練學習，給予智慧決策，幫助企業更好的降本增效、規避風險等。
在電子簽領域，如何結合產業內容，根據需求產生、分析內容，固然是AI大模型能發揮價值的場景。但對於純粹的電子簽約，相較於內容的生成、分析，可信才是第一要義。
或者換言之，對於AI大模型而言，只是單純的電子簽約產品，與AI大模型結合，並不能為客戶帶來較大的增量。
在劉謙的表述中，更能延伸出的一個思考是，在AI大模型於電子簽領域落地難的現狀背後，其更隱藏的是電子簽SaaS需要在簽約場景之外尋找到真正的大模型落地場景。
實際上，這種「探尋」在過去幾年已經發生。近幾年，隨著電子簽SaaS的發展，人們對線上簽約的需求逐漸從單純的簽約場景，向前、向後延伸。即不同於國外專注於打造細分領域SaaS的模式，國內客戶更青睞一個軟體解決所有問題的模式。
能看到的是，在電子簽SaaS領域的頭部廠商，如e簽寶、法大大、契約鎖、上上簽等，在過去幾年，都在不斷延展自身的產品服務邊界。例如，e簽寶的智能合約產品，基於AI技術，為企業提供合約起草-審批-簽訂-執行-歸檔-統計的智能化全生命週期服務；法大大的iTerms智能合約審查，為企業提供合約審查、協作審查、文本比對、智慧歸檔等能力…
「大模型的落地會讓大家都能把智能合約用起來。」e簽寶CEO金宏洲說。
過去的AI1.0時代，人工智慧以監督學習訓練為主，即根據已知的輸入和輸出資料樣本,學習出一個模型，對未知資料進行預測或分類，以求達到一個預期的目標。而由於大型企業的合約內容、管理都較為規範，所以監督訓練的效果更為準確。而中小型企業則反之，限制了其智能合約的深度應用。
而大模型或將改變這一業態。
可以預想的是，在這些場景中，AI大模型可以給予強大的決策能力加持。那麼，對電子簽廠商而言，該怎麼做？
二、高品質的「高品質數據」
從當下來看，想要大模型落地於電子簽領域，無外乎兩種路徑：一是廠商自建AI大模型，二是與通用大模型合作。
前者需要大量的資金、數據以及AI技術支撐，對於電子簽廠商而言，後者是相對合理的落地方式。
但單純基於通用大模型，對電子簽賽道而言其限制比其它方向更大。 「基於通用大模型的能力來做細分領域應用，效果肯定是一般的。」劉謙表示，在他看來，通用的大模型能力不足以完成電子簽約以及智能合約的相關服務，必須要跟本地知識庫進行結合。
換言之，和其他方向相似，廠商要做的是需要將大量的合約資料整合到通用大模型中，打造電子簽領域的專有模型。
但這件事並不是所有廠商都有能力去做的。
首先，客戶的合約資料被收集到通用大模型中，會導致客戶合約資料外洩。
眾所周知，在電子簽領域，資料十分敏感。大多數的電子合約服務商提供的都是公有雲SaaS模式的電子合約產品，資料存於雲端的資料中心，使用者的電子合約簽署、資料均儲存於公有伺服器上。
雖然平台提供豐富的認證方式和驗證手段以確保資料的安全，防止合約資料被竄改，但對於資訊安全度和合約資料敏感度的使用者來說，資料安全隱憂還是他們最擔心的問題。
所以，電子簽專有模型，需要建立在私有雲上，保障合約資料的安全。
這對通用大模型的選型也十分重要。劉謙對產業家表示，法大目前就與多家通用大模型廠商合作，將各個通用大模型的長處與產品應用場景結合，以此讓整合的合約數據在保證安全性的前提下，發揮最大的價值。
除此之外，為了讓電子簽專有模型所做的智慧決策更加準確，廠商需要依靠人工標註出高品質的數據，進行訓練、學習。而電子簽的資料標註，不僅需要其具備技術能力，還需要其掌握法律知識、合約規範等行業經驗。
更重要的是，電子簽廠商是否具備高品質的合約資料是個「偽命題」。即比起傳統電子簽廠商，大部分電子簽SaaS起步較晚，導致其在高品質資料整合方面較弱。
從這點來看，對電子簽而言，AI大模型落地的困難點在場景之外，也更在數據。甚至相較於其他賽道，數據的門檻也更高。
三、再看「AI大模型+電子簽」
但不可否認，在「AI大模型+電子簽」的模式下，一些本質的改變也或將會發生。
具體來看，在合約簽署的全生命週期中，除了合約簽署環節的安全、合規等議題，合約起草、合約審查環節是企業最為重視的環節。隨著客戶簽約需求逐漸向前、後場拓展，這些需求也為廠商帶來了新的挑戰。
過去，電子簽廠商大多在AI的加持下，透過智慧合約產品，一定程度上實現了合約文本的智慧起草、糾錯等問題。
然而，在合約起草、糾錯的品質上，與理想狀態仍有差距。這種差距一定程度上受限於數據品質和數據量以及算力。
在「AI大模型+電子簽」模式下，基於底層通用大模型的能力，再疊加充足算力和數據量，加上電子簽廠商的高品質合約數據，便可以在合約起草、審查等環節給出更精確的智慧決策，幫助企業縮短合約簽署週期、降低合約文字的錯誤率，使得智能合約「名副其實」。
其次，「AI大模型+電子簽」模式下，帶來的還有交付模式上的變化。由於國內大型企業客製化要求高，例如同一個產業，不同業務，之間簽署需求有巨大的差異。導致國內電子簽SaaS交付模式普遍較重，服務商側人力、財力、精力投入較多。
透過大模型的賦能，將合約簽署的全週期管理中某些環節進行智慧化，可以很大程度上可以減輕這方面的壓力，加速產品奔向產業標準化。例如對於大部分中小企業而言，「大模型+電子簽」的模式下，可以使得其實現自助式服務。
「我們連結了不同的大模型，融入我們的服務裡面。」在e簽寶的解決方案中，大模型的能力已經成為其ePaaS的底層能力。
站在更大的角度來看，國內的SaaS賽道，由於市場的差異化，導致SaaS廠商的競爭格局常常面臨內捲、同質化競爭，電子簽賽道亦是如此。而在大模型的加持下，以往在某些垂直領域經驗多、資料增持多的電子簽廠商，在服務力上將獲得較大的提升。
換言之，大模型所帶來的資料分析、訓練能力，將使得部分廠商的資料優勢逐漸放大，打造自身的差異化，打破電子簽賽道同質競爭的局面。
誰增持更深，誰或許更能先一步。
更主要的是，大模型或將成為一種底層能力，在大模型之上，電子簽廠商可以調用其數據、算力等能力，助力其打造一體化、全棧式的服務，使得電子簽產品邁向標準化、規模化。
資訊來源：由0x資訊編譯自8BTC。版權所有，未經許可，不得轉載