一份 DPA，真正要审的是数据处理关系
数据处理协议，也就是常说的 DPA，表面上是一份合同附件，实质上承载的是一项具体数据处理活动的合规安排。它要回答的核心问题包括：各方在数据处理活动中的角色是什么，处理目的和处理范围如何限定，处理行为是否受指示约束，是否存在共同决定目的和方式的情形，是否涉及再委托、共同处理或独立控制者之间的数据共享，发生个人信息请求、数据泄露、跨境传输、合同终止时，各方分别承担什么义务和责任。
DPA 审核不能只围绕“某个条款有没有写”展开。更重要的是把协议放回业务和数据流中，看角色设定、数据类型、处理目的、处理范围、协助义务、责任限制、退出机制是否能够相互支撑。对 AI 服务、云服务、智能体平台这类场景来说，还要特别关注供应商是否可以将客户数据用于产品改进、模型训练、算法优化，是否可以自行引入再委托方，以及这些安排是否已经被客户侧的告知、同意、影响评估和出境合规机制覆盖。
我这次测试 Anthropic Claude for Legal 的数据处理协议审核能力，关注点放在这个层面：它能否在律师或业务负责人正式介入前，帮助审查者先完成一轮结构化初筛，识别材料性质、判断角色关系、定位关键条款，并把需要谈判、补件和人工复核的问题整理出来。换句话说，AI 能不能先把 DPA 从一份长合同，整理成一张可讨论的审查地图。
这次测的是 Claude for Legal 里的 DPA 审查 Skill
Claude for Legal 是 Anthropic 开源的一组法律工作流和技能集合，覆盖商业合同、隐私合规、AI 治理等法律工作场景。这次测试的对象是其中隐私法律模块下的数据处理协议审核能力。它通过公司画像、审查口径和条款清单，把 DPA 审查组织成一个相对固定的流程，区别于临时让模型总结合同的做法。
在 DPA 审核场景中，它会尝试完成几类工作：识别文档性质，判断我方和对方在数据处理活动中的角色，检查处理目的和处理范围，分析再委托、安全措施、泄露通知、个人信息主体请求协助、删除返还、审计、跨境传输、责任限制等条款，并基于预先形成的审查口径输出修改建议、让步方案和风险接受条件。
这类 Skill 的价值主要在于把 DPA 审查中反复出现的问题模块化，最终的“可签”或“不可签”仍然需要人工判断。对于经常收到供应商模板、平台条款或云服务数据处理附件的团队来说，它更像一个第一轮审查助手：先把合同里的数据处理安排拆出来，再把人工需要判断的事项排好优先级。
先问清楚“按什么标准审”
进入正式审查前，Claude for Legal 做了一轮完整的冷启动访谈。它会询问使用者角色、公司业务、销售区域、数据存储位置、是否有隐私政策、是否做过个人信息保护影响评估、是否有标准数据处理协议模板、日常由谁处理个人信息请求和监管沟通等问题。这一步对应的是“审查口径”的建立：AI 需要先知道审查者是谁、业务是什么、数据有多敏感、哪些条款属于底线。
下面这张图是冷启动访谈的开头。它没有直接进入条款分析，而是先确认使用者角色和法律工作场景。
我给它设定的公司背景是一家智能睡眠监测硬件创业公司，通过硬件、软件和算法提供睡眠监测服务，主要面向欧洲等海外市场销售，可能处理健康相关数据。公司没有完整隐私团队，也没有成熟的数据处理协议模板，日常更常见的场景是作为采购方或开发者，审查供应商、平台方、云服务商提供的数据处理协议。
配置完成后，它形成了一套审查口径，包括公司画像、我方作为采购方或平台开发者时的谈判立场、升级路径、输出格式和资料缺口提示。在这次测试中，我方希望再委托方事先审批，供应商不得将数据用于模型训练或产品改进，删除需要明确时间线和书面证明，数据泄露通知希望有具体时限，对方完全不承担数据泄露责任属于不可接受事项。
冷启动结束后，系统还会把配置文件和资料缺口列出来。这里能看到一个很关键的细节：AI 会把“公司画像”和后续缺口放在一起处理，例如没有隐私政策、没有 DPA 模板、没有参考 PIA、部分场景缺少审查口径等问题。
这一层配置直接影响后面的审查结果。同一条“再委托”条款，对普通办公软件和健康相关数据服务的意义不同；同样是“用于改善服务”，在一般技术支持场景和智能体平台场景中的风险也不同。冷启动的作用，就是让 AI 先知道这次审查站在哪一侧、围绕什么数据、按照什么风险偏好来判断。
样本一：境外大模型公司的 DPA，AI 能拆出谈判清单吗
第一个完整样本来自某大型境外大模型公司，是一份正式数据处理协议。取样过程并不顺利，网页抓取被防护机制拦住，最后采用人工下载文件并提取全文的方式处理。这个细节也提醒我，AI 审核合同的第一步应当是确认文件来源、版本、正文范围和是否存在主协议引用，不能直接把链接交给模型后等待结论。
它先判断角色和文件性质
Claude for Legal 将这份文件识别为正式的大模型服务供应商数据处理协议，并判断我方更接近个人信息处理者或控制方，对方更接近受托处理方。它还注意到欧洲经济区客户和非欧洲经济区客户对应不同签约实体，这对跨境服务和合同主体识别有实际意义。
它覆盖了哪些问题
这份样本的审查覆盖面比较完整，主要包括角色设定、处理范围、再委托、安全措施、泄露通知、个人信息主体请求协助、审计、删除、国际传输、责任限制和美国州隐私法相关安排。它给出的总体判断是可以继续推进，但建议围绕四类问题提出修改。
第一，再委托采用一般授权模式，与我方希望事先审批的冷启动口径不一致。第二，数据泄露通知使用“不得无故迟延”这类表述，虽然接近欧盟法下处理者通知控制者的基本要求，但缺少具体小时数。第三，删除条款没有明确时间线，也没有书面证明机制。第四，安全措施和责任上限依赖主协议，单看 DPA 无法完整判断。
这份样本中相对正面的部分也被识别出来：处理范围主要限于提供服务，没有发现用于模型训练或产品改进的授权；标准合同条款、英国补充机制和美国州隐私法相关安排相对完整。它还把每个问题拆成首选修改方案、可接受让步方案和无法修改时的内部风险接受条件。对真实谈判来说，这种结构比笼统的“建议修改”更可用，因为它把坚持点和让步空间分开了。
这一轮我的体感评分是 8.5/10。它的强项在于结构完整、条款定位清晰、差距分析贴合前置审查口径。扣分点主要来自材料边界：如果主协议中才有安全措施细节和责任限制，仅凭 DPA 无法完成最终判断。它没有强行补全缺失材料，直接把需要补件的位置标了出来。
下面这张截图展示的是最终报告里“再委托”条款的审查方式：先摘出 DPA 怎么写，再对照冷启动阶段形成的审查口径，最后给出差距、风险和修改方案。这正是第一份样本最有价值的地方，AI 把条款从“阅读对象”转成了“谈判对象”。
样本二：境内智能体平台 DPA，AI 能抓住隐蔽风险吗
第二个完整样本来自某境内智能体平台公司，是中文数据处理协议，使用《个人信息保护法》语境下的委托方、受托方、获准转委托方等术语。我原本担心英文原版 Claude for Legal 对中文 DPA 会明显失准，但实际结果比预期稳。
中文 DPA 和 PIPL 术语识别
它正确识别出这是一份正式数据处理协议，我方作为开发者或委托方，更接近个人信息处理者；平台公司作为受托方，更接近受托处理者；获准转委托方对应再委托处理方。它也区分了“去标识化”和“匿名化”，没有把经去标识化处理的数据直接视为脱离个人信息保护规则的数据。
它抓住了两类结构性风险
这份样本的覆盖范围包括《个人信息保护法》语境下的角色设定、数据用途、再委托、审计权、安全措施、泄露通知、删除机制、出境合规、争议解决和协议单方修订。与第一份样本相比，它更能测试 AI 对中文 DPA、平台条款和 AI 产品数据使用条款的识别能力。
这一轮最有价值的发现有两类。第一类是数据用途扩张。协议中有一处条款大意是，在经安全加密技术处理、严格去标识化且无法重新识别特定个人的前提下，平台可能会将开发者数据用于改善平台功能。这个表述在一般平台协议里并不少见，但放在智能体平台和健康相关数据场景中，风险显著上升。原因在于“改善平台功能”边界很宽，去标识化不等于匿名化，相关数据一旦进入产品改进、算法优化或模型能力提升链路，后续控制和退出都会变得困难。这一点也正好命中了冷启动阶段设定的底线：供应商不得将数据用于模型训练或产品改进。
第二类是单方修订和默示同意。协议更新后平台公告，用户继续使用即视为同意。Claude for Legal 指出，这种结构可能影响数据用途、再委托安排、安全措施、删除义务等核心内容，开发者需要持续监控协议变化。对处理敏感数据或健康相关数据的业务而言，这类机制不能只按普通格式条款理解，还要看它会不会实质改变既有数据处理安排。
此外，它还标出了几个高风险点：缺少清晰的获准转委托方清单或审批机制，缺少审计权，数据出境合规责任主要由开发者承担，争议解决安排可能增加维权成本，删除、泄露通知、安全措施都需要更明确的时间线或标准。
这一轮体感评分是 8/10。它处理中文 DPA 的质量不错，《个人信息保护法》术语映射也比较准确。限制在于行业监管框架仍偏美国法，对中国法下健康数据、医疗数据、数据出境安全评估、个人信息出境标准合同备案等问题，更多依赖模型的一般知识补位。对于以中国法为主的场景，AI 的第一版初审可以提高效率，但最终仍需要熟悉《个人信息保护法》和行业监管要求的人复核。
下面这张截图对应的是“数据传输与位置”条款。它体现了另一个很实用的点：AI 会继续判断出境合规责任是否被过度推给开发者，以及受托方是否承担了足够的协助义务，而不止停留在条款里是否出现“配合”二字。
哪些 DPA 问题，AI 已经能比较稳定地识别
从两份样本看，Claude for Legal 在几类 DPA 问题上表现比较稳定。
第一是角色和文件性质。它能识别正式 DPA，能区分我方和对方在处理活动中的基本位置，也能把中文语境下的委托方、受托方、获准转委托方映射到相应的数据处理角色。这里仍然需要人工复核，因为真实交易中可能存在共同处理、独立控制者共享、多角色混合等复杂结构，但它能先把主要方向标出来。
第二是标准 DPA 条款簇。处理目的、处理范围、再委托、安全措施、泄露通知、个人信息主体请求协助、删除返还、审计、跨境传输、责任限制，这些维度都能被稳定提取。它不仅能列问题，还能指出哪些内容需要回到主协议、附件或安全措施文件中补充判断。
第三是与冷启动口径相关的差距分析。前面配置过“再委托需要事先审批”“数据不得用于模型训练或产品改进”“删除需要时间线和证明”“泄露通知需要具体时限”，后面两份样本中对应问题都被拎了出来。这个能力说明，AI 可以在一定程度上按照企业内部审查口径做差距比较，而不仅是做通用合同摘要。
第四是隐蔽条款识别。某境内智能体平台公司的样本中，“改善平台功能”和“继续使用视为同意修订”不一定出现在传统 DPA 审查清单里最显眼的条款标题下，却会实质影响数据用途和处理安排的稳定性。AI 能把这类条款拉出来，是这次测试里最值得关注的部分。
但边界也很清楚：这些地方不能交给 AI 拍板
这次测试同样暴露了 AI 在 DPA 审查中的边界。
第一，来源核验和材料完整性仍然需要人工把关。网页正文抓取失败、主协议缺失、安全措施另附、责任上限引用其他文件，都会影响最终判断。AI 可以提示缺口，但不能替你确认所有外部材料已经齐备。
第二，复杂角色结构需要人工确认。DPA 不一定只对应单一委托处理关系，可能涉及共同处理、独立控制者之间的数据共享、平台方多重角色、产品功能内的数据再利用。AI 能给出初步判断，但不宜直接把角色判断当成最终结论。
第三，中国法下的行业监管和出境机制仍需专业复核。英文原版 Claude for Legal 对《个人信息保护法》术语处理不错，但健康数据、医疗数据、重要数据、出境安全评估、个人信息出境标准合同备案等问题，需要结合业务规模、数据类型、处理链路和监管口径判断。
第四，最终签署建议仍然是人的决策。AI 可以把条款问题、修改建议和风险接受条件列出来，但是否接受某一条款，取决于业务必要性、谈判地位、替代供应商、上线时间、监管风险和公司风险偏好。
人工审核会从“逐条看”迁移到“规则与决策”吗
这次测试让我更明确地看到，AI 进入 DPA 审查流程后，人工审核不一定还停留在“逐条看完每一句”的状态。更合理的分工可能是：AI 先完成材料识别、条款定位、问题归类和谈判清单整理；人工再检查角色判断是否正确、规则口径是否适用、哪些风险可以接受、哪些问题必须升级。
这意味着人工审核的重心会向“规则与决策”迁移。法务或合规负责人需要先定义审查规则：哪些数据用途不可接受，哪些再委托安排需要审批，哪些出境场景需要补充文件，哪些安全措施属于底线。AI 的输出则用于检验具体 DPA 与这些规则之间的差距。
这个变化并不会降低人工判断的重要性。相反，它要求人工更清楚地表达自己的审查口径，并能判断 AI 输出是否误读了业务场景。真正节省的是第一轮定位、整理和对齐成本，最终判断仍然留在人手里。
想看完整过程，可以预约这场直播
这次测试之后，我想把它做成一场现场演示。直播时间是 6 月 23 日（星期二）20:00，主题是：
审核 DPA，能让 AI 先审么？
本场嘉宾是 朱玲凤、薛颖、孟洁。我们会从 DPA 审查场景出发，现场演示 AI 如何进入真实法律工作流：如何读取一份 DPA、如何识别角色和处理范围、如何对照审查口径定位风险、如何把结果整理成“必须改、可以谈、需要补材料、需要人工复核”的清单。
这场直播不做个案法律意见，也不展示未脱敏文件。重点会拆解三个问题：
-
AI 在 DPA 合同审查场景中的能力边界
哪些工作适合交给 AI 做第一轮，哪些地方必须回到人工判断。 -
AI 进入 DPA 审查流程后，人工审核是否从“逐条看”迁移到“规则与决策”
通过一份脱敏 DPA，看 AI 如何先完成条款定位和风险归类，再由人工判断规则、例外和接受条件。 -
基于 Claude for Legal 开源 Skill，拆解 DPA 中哪些条款可被 AI 稳定识别
包括角色、处理范围、再委托、数据用途、安全措施、泄露通知、删除返还、审计、跨境传输和责任限制。
我们也会演示并分享给大家一个基于 Claude for Legal 开源 Skill 开发的 DPA 协议审核 Skill。直播后可以领取 DPA 协议审核开源 Skill 体验包。如果你正在处理供应商 DPA、AI 服务协议、云服务数据处理条款，或者只是想知道“服务协议里的用户数据条款够不够”，可以扫码预约。
最后：AI 没有替你判断，但能让你更快进入判断
法律 AI 在数据合规场景中的有效用法，是嵌入一个有边界的审查流程。DPA 审核的顺序应当先确认材料来源和完整性，再识别角色和处理活动，再围绕处理目的、范围、再委托、安全、跨境、删除、审计和责任进行逐项比较，最后输出修改建议、让步空间和补件清单。
AI 不承担最终法律判断，也不应该替业务拍板签署。但它可以把第一轮阅读、风险定位、缺口整理和谈判准备提前完成，让法务、合规和业务讨论时更快进入关键问题。
这也是这场直播想回答的问题：在正式进入法律判断之前，我们能不能先把一份 DPA 看得更清楚一点。