整合方案｜DocuSign 聯手 NVIDIA：終於解決合約與表格「擷取困難」問題｜Docusign 部落格

一份合約的核心價值，往往不在長篇大論的正文裡，而是隱藏在那些看似不起眼的表格中。這些表格承載著企業的實際權益，卻也是最令人頭痛的存在。

例如供應商報價表、服務等級協議（SLA）、承包商費率表、續約價格清單……每一項都直接關係到企業的成本支出、履約責任與營運風險；但偏偏，這些表格也正是 AI 最難正確讀取與擷取的部分。

如今，這個困擾產業多年的難題終於迎來突破方向：Docusign 已將 NVIDIA 專為文件理解打造的 Nemotron Parse 模型，整合至自身文件處理流程中，專門強化複雜合約表格的自動擷取能力。目前此功能已向部分 Beta 使用者開放，正式版也預計不久後全面推出。

核心痛點：企業不缺合約，缺「可用的合約資料」

許多企業的合約管理陷入尷尬困境：手握大量合約，卻無法高效運用其中關鍵資料。過去，絕大多數協議僅以靜態 PDF 格式歸檔，重要資訊無法被系統快速調用，只能仰賴人工挖掘。

這種低效模式讓各部門深受其擾，日常被重複性人工操作佔據：

法務部門：需反覆人工翻查合約以取得條款資料，耗時費力；
採購部門：難以快速確認歷史報價，影響決策效率；
營運團隊：系統發生問題時，無法第一時間定位 SLA 責任條款；
合約續約、稽核、風險排查等作業，皆高度仰賴大量人工整理，不僅效率低下，也容易出錯。

而所有問題的根源，全都集中在合約中的複雜表格結構上；若表格擷取難題無法解決，合約資料就無法真正「活化」，企業只能持續被低效內耗拖累。

深層原因：為什麼合約表格這麼難處理？

許多人疑惑：AI 技術如此發達，擷取表格為何會成為產業難題？答案很簡單：真實企業合約並非標準化文件，表格結構複雜且多變。

真實合約中的表格，往往帶有各種「複雜加成」，令一般 AI 難以應對：

格式混亂：合併儲存格、跨頁表格、巢狀結構、混合排版極為常見；
內容複雜：中英文混排普遍，不同產業、不同模板的表格格式差異極大；
理解門檻高：傳統 OCR 或通用大型語言模型，僅能「看見」文字，卻無法理解表格結構與業務邏輯。

這導致尷尬結果：AI 擷取的內容經常出現欄位錯位、資料混亂，最終仍須人工校對，反而拖慢整體流程。因此，「表格擷取」正是合約 AI 落地生產環境的最大關卡。

破局之道：Docusign 聯手 NVIDIA，解鎖表格擷取新能力

為徹底解決表格擷取難題，Docusign 選擇將 NVIDIA Nemotron Parse 模型深度整合至自身文件理解層，走出一條獨特的破局路徑。

與傳統模型不同，Nemotron Parse 是專為文件理解設計的視覺語言模型（VLM），核心優勢在於「能讀懂，不只是能辨字」。它不僅能識別文字，更能深入理解頁面版面配置、表格結構與上下文邏輯，真正「理解」合約表格的涵義。

結合 Docusign 原有的版面偵測與 OCR 流程，系統可輕鬆將複雜表格轉換為結構化、可查詢、可調用的資料，具體帶來三大改變：

SLA 責任表自動擷取：省去法務與營運團隊人工整理的重複性工作；
費率表可直接查詢：承包商費率表無須翻閱全文，即可快速回應需求；
價格表「活化」為資料資產：採購價格表可用於系統調用、分析比對，真正發揮商業價值。

這項改變意義重大——合約不再只是「歸檔文件」，而是能參與業務流程、支援決策制定的核心資料來源。

值得關注：從「輔助閱讀」邁向生產級應用的跨越

Docusign 此次技術升級之所以值得關注，關鍵在於它標誌著合約 AI 從「輔助閱讀」正式邁入生產級應用階段——不再是實驗室演示，而是能因應真實場景、支撐大規模業務的實用能力。

Docusign 每日處理數百萬份協議，服務超過 180 萬客戶；在此規模下，模型的穩定性至關重要。更嚴謹的是，測試過程中未使用合成資料，而是直接採用真實企業合約進行驗證，確保技術確實能解決實際問題。

這份專業亦獲得 NVIDIA 的肯定——NVIDIA 目前亦採用 Docusign IAM 管理自身協議流程。NVIDIA 生成式 AI 軟體副總裁 Kari Briski 表示：「透過 NVIDIA Nemotron Parse，Docusign 正協助包括 NVIDIA 在內的企業客戶，以更高精準度與速度，在企業級規模上釋放合約中的關鍵資料價值。」