Redline

背景與挑戰

一間二、三十人、沒有專職法務的公司，每個月會收到一疊供應商 SaaS 合約、NDA、訂購單，落到營運或業務頭上自己讀。他們看不懂哪裡有雷（「責任不設上限」「自動續約」這種真正會出事的條款，藏在第四條、第十一條），也沒有判斷基準。送外部律師太貴太慢，而市面上的 AI 工具走向兩個極端：要嘛是給大型法務團隊的重型平台，要嘛是丟給通用聊天機器人——沒有引用、沒有公司標準、會一本正經地胡說，沒人敢信。

我刻意挑「合約審閱」當題目，因為它把「可信任 AI」的所有難題逼到檯面上：AI 不能黑箱（一條風險動輒幾十萬，使用者必須能問「你為什麼這樣說」）、AI 不能說了算（它是助手不是律師）、AI 會犯錯（而且使用者必須事先知道哪一條比較可能是錯的）。這正是我想補進作品集的那部分——比「會不會設計 B2B 系統」再深一層：會不會設計一個以 AI 為核心、而且讓人信任它的產品。

研究與設計決策

研究把使用者收斂成一個核心角色：Nina，營運經理——不是法律專業，但要為公司簽下去的合約把關。「主角是非法務」這件事直接決定了整個介面的語氣：AI 不能丟一句結論就走，它得像一個願意解釋的資深同事。順著這條洞察，我把「可信任」拆成四個能被介面承接、也能被反駁的決策。

成果與反思

最終成果是部署上線的互動原型：合約收件匣、三欄審閱工作區、串流分析、風險報告與 Admin Playbook，涵蓋從上傳 → AI 串流標註 → 逐條接受／改寫／否決 → 產出報告 → 轉為已審閱的完整 hero 流程。設計系統收進 CSS 變數、支援亮／暗雙主題，含 11 個本案特有元件（RiskBadge、ConfidenceMeter、DiffView、CitationPopover、PlaybookRef、StreamingAnalysis…）。

亮色主題

深色主題

限制也要攤開講。第一，這是 mock 資料、沒有接真實模型：那 8 條 finding 是人工精撰的事實而非即時生成——這是刻意的取捨，因為預寫 fixtures 才能保證 demo 每次跑都一樣、品質可控（那條 0.45 的誤判得「剛好」存在，故事才成立）。第二，沒有做真實檔案解析與登入／計費／e-sign，一切以「最能展示 AI 產品 UX 思考的可點擊原型」為界。

這個案例的意義不在做出一套合約 AI 產品，而在示範：設計師可以把「可信任 AI」這種抽象主張，拆成有理由、有證據、有信心刻度、且最終由人類拍板的介面決策——並把這份承諾一路寫進型別與狀態機底層，不只停在畫面。