В настоящее время инструменты на основе искусственного интеллекта интегрируются в различные сферы человеческой деятельности. Данная тенденция закономерно затронула и юриспруденцию, поскольку вся юридическая практика включает значительный объем самых различных стандартных задач, поддающихся автоматизации с помощью базовых алгоритмов ИИ. Применимость подобных технологий не зависит от правовой системы — будь то англо-саксонская или романо-германская модель, так как бюрократические процессы характерны для обеих структур. Более того, прецеденты, являющиеся основополагающими в англо-саксонском праве, имеют существенное значение и в романо-германской системе, позволяя оценить вероятность исхода конкретного дела. Искусственный интеллект позволяет делегировать рутинные операции программным решениям, одновременно обеспечивая эффективный анализ массивов данных и выявление значимых тенденций.

Образовательные ИИ – те инструменты, которые позволяют создавать индивидуальные траектории обучения – помогают освоить профессию молодым специалистам, а людям постарше – оставаться в тренде. Так на что в этой области будет способен ИИ в будущем? Давайте разбираться.

Развитие ИИ в юриспруденции

Брюс Бьюкенен и Томас Хедрик в 1970 году в статье «Некоторые рассуждения об искусственном интеллекте и юридическом обосновании» рассуждали о применении компьютерного моделирования юридических рассуждений. В течение первого десятилетия после этой статьи Л. Торн Маккарти разработал первую предметно-ориентированную экспертную систему «Taxman»: она позволяла на основе классификации вводимой информации выдавать юридическое обоснование для решения задачи освобождения от подоходного налога в случае реорганизации корпораций. Позже появлялись иные системы, но до громкого звания искусственного интеллекта, им было далеко.

В 1990-е годы был дан новый импульс разработкам в этой сфере – концепция электронного правительства. Машинное обучение стали пробовать для задач управления. Всё в лучших традициях А. Китова из 1950-х, но не в СССР, а других странах.

За последние десять лет мы увидели множество проектов в области LegalTech. Часто они решали конкретные задачи. Например, запущенный в 2014 году сервис DoNotPay помогал автовладельцам оспаривать штрафы за парковку. В 2023 году стартап хотел отправить своего ИИ-адвоката участвовать в судебном заседании в виде AR-очков с чат-ботом на клиенте… Не получилось – государственные коллегии адвокатов из нескольких штатов угрожали компании судами за практику без лицензии. Не захотели терять хлеб.

Компании разрабатывают чат-боты, помогающие людям, и сервисы для юристов. В России такими проекты запускали, например, «Европейская юридическая служба» и «Право.ру».

Пару лет назад на Хабре подробно рассматривали новость о том, что в Китае появился “ИИ-судья”. Журналисты в лучших традициях научной журналистики (как в том анекдоте про учёного, надругавшегося над работником пера) говорили о том, что искусственный интеллект в цифровом китайском концлагере выносит приговоры в суде. Но ИИ на деле оказался лишь системой-помощником, способным забрать на себя ту же рутину вроде поиска имущества, которое должно быть арестовано и выставлено на аукцион, и поиск подходящих статей закона.

А что действительно интересно, так это необходимость судьи обосновать подробнее своё решение в случае, если оно не совпадает с мнением ИИ. Зачем это нужно? Судьи на локальном уровне, которые могли бы выносить те решения, которые выгодны им по разным причинам – вроде взяток – потеряли такую возможность. В общем, это просто инструмент, препятствующий коррупции.

Сферы применения ИИ в юриспруденции

Множество инструментов в LegalTech можно условно разделить на три основных типа::

• Автоматизация документооборота и анализа данных.
• Поддержка в принятии решений по юридическим вопросам.
• Предсказательный анализ исходов судебных разбирательств.

ИИ-инструменты успешно внедряют в системы электронного документооборота, а также используют для автоматизации бюджетирования. Один из простейших примеров: ИИ может классифицировать входящие письма. Когда речь идёт о сотнях и тысячах писем, содержащих договоры, счета и акты, это существенно упрощает жизнь сотрудникам.

А представьте ситуацию, когда нужно заменить дату в нескольких десятках тысяч записей? SAP не поможет. Копировать-вставить тоже, так как каждая запись индивидуальна. Тут приходит на помощь, конечно, не ИИ, а RPA.

ИИ может самостоятельно готовить различные документы – например, досудебные претензии, или те же заявления на отмену штрафа за парковку.

Следующий важный пункт – это поддержка в принятии решений по юридическим вопросам. И здесь как раз можно вспомнить кейс из Китая. Над прогнозной аналитикой, предполагающей анализ больших данных, работают и в других странах.

Алгоритмы в теории способны вычислить вероятность, с которой подсудимый, например, совершит рецидив. Это помогает судье определить стоимость залога или назначить наказание. Также ИИ может рекомендовать судье назначить наказание относительно среднего наказания при аналогичных обстоятельствах. Основой для обучения нейросетей при этом служат многостраничные анкеты, которые более двадцати лет заполняют осужденные в США.

Иногда в новостях вы слышите фразы вроде “В деле таком-то – более 10 томов”. Представьте, как тяжело всё это прочитать судье, и возможно ли такое физически? Тут и приходит ИИ, который сделает выжимку или подскажет, с какими документами стоит ознакомиться в первую очередь.

И, конечно, на основе огромных данных о судебных решениях ИИ способен предсказать их исход. Учёные из Стэнфордского центра правовой информатики и Юридического колледжа Южного Техаса в Хьюстоне ещё в 2017 году представили алгоритм, способный предсказать решения Верховного суда США в 70% случаев. Систему обучили на делах, рассмотренных с 1791 года. Учитывались год, а также суды, которые рассматривали дело до того, как оно перешло в Верховный суд, и ряд других параметров.

И этот результат был дан ещё до значительных прорывов последних двух лет. Что же будет дальше?

Ф. Чиландер в рассказе «Судебный процесс» писал: «Судья удалился в свой кабинет и сел в кресло за письменным столом. Там он с помощью штепселя под мышкой подключился к компьютеру…» Это ли наше будущее?

Потенциал и перспективы ИИ

Огромное влияние ИИ уже оказывает на образование. Школьники, студенты, учителя и преподаватели используют ChatGPT для подготовки к урокам, для поиска ответов на сложные вопросы. Также и в юриспруденции – студентам, чтобы учиться лучше и быстрее, необходимо понимать, как использовать современные инструменты на бытовом уровне. Какой смысл сидеть и искать часами публикации на определённые темы, если твой однокурсник сделает запрос в ChatGPT и получит целый список ссылок с краткими описаниями, и ему останется только проверить, не выдумал ли их этот ИИ – пройтись и прочитать?

Но следующий этап – это, конечно, индивидуальные траектории обучения. Когда ИИ-система на стороне вуза способна с помощью специальных тестов тестов или оценок за работу с определёнными темами выявить сильные и слабые места студента и направить его учиться по своему уникальному пути и с удобным, максимально эффективным для усвоения материалов, темпом.

Когда же мы говорим о доступе к юридическим услугам для широкой публики, то искусственный интеллект здесь помогает экономить время и деньги. Как минимум, нет смысла платить за консультацию юриста, если можно с помощью чат-бота выяснить, на какую статью нужно сослаться, чтобы засудить соседа за то, что тот расширил свой участок за счёт дороги или вовсе отрезал от вашего участка целый угол и не желает перемещать забор.

Риски применения ИИ

Одним из главных рисков применения искусственного интеллекта является предвзятость его разработчиков. Особенно яркие примеры – это расовый вопрос и вопрос определения пола.

Система PredPol помогает полицейским определять, в какие районы лучше отправиться для патрулирования – где более высок шанс совершения преступлений. НКО Human Rights Watch исследовала работу систему и выявила: алгоритм часто рекомендовал полиции направлять патрули в районы, где живут преимущественно чернокожие, а районы, где белых больше, и вместе с тем чаще совершаются преступления, связанные с наркотиками, оставались без внимания.

При этом всё работает, как самосбывающееся пророчество. Чем чаще полиция едет в те районы и что-то замечает, тем чаще без внимания остаются другие районы, даже если там что-то происходит. Алгоритм учится на том, что у него есть.

Также в Детройте глава полиции говорил, что алгоритмы распознавания лиц неверно определяют до 96% подозреваемых чернокожих – и это приводит к ложным арестам.

А когда мы говорим про предвзятость по половому признаку – сразу вспоминается опыт Amazon, когда система рекрутинга выбирала мужчин и игнорировала женщин.

При работе с обучением ИИ также важны такие вопросы, как конфиденциальность и безопасность. Личные данные люди, на которых основано обучения, могут попасть к человеку, который пользуется результатом работы инструмента. В банках, например, в Сбере, с этим вопросом справляются, заменяя данные реальных клиентов на вымышленные во время обучения. Но об этих вопросах мы поговорим в следующей статье.

Для любознательных: Эволюция цифры и закона: искусственный интеллект в юриспруденции

Юриспруденция традиционно считалась одной из самых консервативных сфер человеческой деятельности, опирающейся на вековые прецеденты, строгие ритуалы и сугубо человеческое толкование духа и буквы закона. Однако технологическая революция XXI века коренным образом изменила этот ландшафт. Сегодня искусственный интеллект (ИИ) стал полноценным участником юридических процессов, автоматизируя рутинные задачи и позволяя специалистам сосредоточиться на стратегическом анализе.

Исторический экскурс: от перфокарт к нейросетям

Интеграция вычислительной техники в правовую сферу развивалась волнообразно, проходя через ключевые этапы технологического прогресса:

• 1960–1970-е годы: Зарождение LegalTech. Первые шаги были связаны с созданием простейших информационно-поисковых систем. Юристы получили возможность искать документы по ключевым словам в электронных базах данных, что избавило их от многочасового перелистывания бумажных архивов.
• 1980–1990-е годы: Экспертные системы на основе жестких правил. В этот период доминировал подход «If-Then» (Если — То). Разработчики пытались кодифицировать правовые знания в виде алгоритмических деревьев решений. Эти системы автоматизировали расчет налогов или простейшие коммерческие условия, но пасовали перед неоднозначностью формулировок и языковым контекстом.
• 2000–2010-е годы: Переход к машинному обучению (Machine Learning). Появление алгоритмов обработки естественного языка (NLP) позволило компьютерам анализировать не просто отдельные слова, а семантические связи. Технологии e-Discovery (электронного раскрытия документов) стали стандартом при подготовке к масштабным судебным разбирательствам на Западе.
• С 2020-х годов по настоящее время: Генеративный ИИ и LLM-модели. Современный этап ознаменован внедрением больших языковых моделей. ИИ перестал быть просто поисковиком — он превратился в полноценного цифрового ассистента, способного самостоятельно генерировать связные юридические тексты, находить скрытые риски и вести аргументированный диалог с юристом.

Ключевые направления применения ИИ

1. Автоматизация документооборота и конструкторы договоров

Создание типовых контрактов, исков, претензий и соглашений теперь занимает минуты вместо часов. ИИ генерирует документы по заданным параметрам и проверяет их на соответствие внутренним стандартам организации.

• Doczilla AI (Россия): Интеллектуальный конструктор, автоматизирующий подготовку сложных коммерческих договоров, спецификаций и претензий с помощью интерактивных шаблонов.
• ПравоТех / Caseone (Россия): Платформа для автоматизации юридических процессов, позволяющая создавать сложные цепочки согласования документов и автоматически генерировать процессуальные бумаги для судов.
• Harvey AI (США): Специализированная надстройка на базе моделей OpenAI, созданная специально для международных юридических фирм (таких как Allen & Overy), способная писать кастомные драфты соглашений под конкретную юрисдикцию.
• ContractPodAi (Великобритания): Система управления жизненным циклом контрактов (CLM), которая не только создает документы, но и отслеживает сроки их действия и обязательства сторон.
• Legium.io (Россия): Сервис электронного документооборота, использующий базовые алгоритмы верификации и автоматического заполнения реквизитов сторон для предотвращения ошибок.

2. Анализ документов и Due Diligence (комплексная проверка)

Нейросети способны за секунды обрабатывать многостраничные массивы данных, выявляя скрытые финансовые риски, некорректные формулировки или скрытые штрафные санкции.

• Kira Systems: Мировой лидер в области e-Discovery. Извлекает концепты и конкретные формулировки (например, условия смены контроля, форс-мажоры) из тысяч неструктурированных файлов одновременно.
• Luminance: Платформа, использующая машинное обучение без учителя для моментального поиска аномалий и отклонений от рыночных стандартов в договорах при сделках слияния и поглощения (M&A).
• Xapien: Инструмент для мгновенной комплексной проверки контрагентов. За 10–15 минут собирает информацию из открытых и закрытых реестров, компилируя отчет о благонадежности, рисках обхода санкций и связях с публичными должностными лицами.
• LawGeex: ИИ-платформа, которая автоматически сопоставляет входящие договоры (например, NDA партнера) с корпоративной политикой компании, одобряя безопасные пункты и маркируя опасные.
• Diligen: Аналитический сервис, который автоматически тегирует, категоризирует и резюмирует ключевые обязательства в кредитных и арендных соглашениях.

3. Интеллектуальный поиск и анализ судебной практики

Вместо ручного подбора ключевых слов ИИ использует семантический поиск, понимая юридический контекст запроса, и находит релевантные прецеденты, пропущенные источники или законы.

• КонсультантПлюс / Гарант (Россия): Отечественные справочно-правовые системы активно внедряют умный поиск и модули (например, подсистема ISKRA в Гаранте), понимающие сложные описания жизненных ситуаций вместо точных номеров статей.
• Casebook / Caselook (Россия): Сервисы для мониторинга судебных дел и анализа арбитражной практики, позволяющие юристу моментально группировать решения конкретных судей по схожим спорам.
• Westlaw Edge (США): Легендарная правовая база, оснащенная ИИ-модулем Quick Check, который анализирует загруженное исковое заявление оппонента и выявляет, не ссылается ли он на отмененные или нерелевантные прецеденты.
• Casetext CoCounsel: Первый полноценный ИИ-ассистент юриста на базе GPT-4, способный проводить глубокий многочасовой правовой аудит по обширным базам прецедентного права США за минуты.
• ChatLaw (Китай): Академическая разработка Пекинского университета — специализированная языковая модель, обученная на колоссальном массиве китайского законодательства и судебных актов для точной консультации по сложным правовым коллизиям.

4. Прогнозирование исходов судебных споров

На основе анализа ретроспективных данных ИИ может рассчитать математическую вероятность выигрыша в суде, предсказать потенциальные финансовые издержки и помочь выстроить оптимальную стратегию защиты.

• Lex Machina: Платформа предсказательной аналитики, которая выдает подробные графики поведения судей, тактики адвокатов противоположной стороны и прогнозирует сроки рассмотрения дела.
• Premonition: Обладает крупнейшей в мире базой данных судебных споров. Система анализирует, какие адвокаты чаще всего выигрывают у конкретных судей по специфическим категориям дел, помогая нанять наиболее эффективного защитника.
• Blue J Legal (Канада): Специализируется на налоговом и трудовом праве. ИИ анализирует факты по делу и с точностью до 90% предсказывает, как суд квалифицирует статус работника или налоговую схему.
• Trellis (США): Анализирует решения судов штатов (нижние инстанции), собирая разрозненную информацию в единую аналитическую панель для оценки шансов при подаче апелляций.
• CourtQuant: Британский сервис, оценивающий коммерческие риски судебных тяжб для бизнеса и помогающий сторонам принять решение — идти в суд или согласиться на досудебное урегулирование.

5. ИИ в судебной системе (Smart Courts)

Государственные органы используют искусственный интеллект для оптимизации правосудия, снижения нагрузки на аппарат судов и ускорения вынесения вердиктов.

• ИИ-помощники судей в РФ: Комплексная программа цифровизации Верховного Суда РФ предполагает автоматическую генерацию проектов судебных приказов по бесспорным взысканиям (например, по долгам за ЖКХ или налогам).
• Система Xiao Zhi (Китай): Цифровой помощник в провинции Ханчжоу, который способен самостоятельно анализировать доказательства, обобщать аргументы сторон и формировать проект решения по несложным спорам о частных займах всего за 30 минут.
• Магистратский ИИ Эстонии: Проект автоматического рассмотрения мелких контрактных споров на сумму до 7000 евро. Стороны загружают документы в систему, и алгоритм выносит предварительное решение, которое подписывается судьей-человеком.
• COMPAS (США): Алгоритмическая система оценки рисков рецидива, используемая американскими судами при определении меры пресечения или условно-досрочного освобождения (вызывает много этических споров).
• Робот-медиатор Smartsettle ONE (Канада / Великобритания): Онлайн-арбитр, использующий скрытые алгоритмы оптимизации ставок сторон для быстрого урегулирования коммерческих претензий без личного участия классического судьи.

Риски и этические ограничения

Риск	Суть проблемы	Пример из практики
Галлюцинации моделей	ИИ генерирует убедительно выглядящие, но вымышленные законы и цитаты.	В деле Mata v. Avianca (США) адвокаты использовали ChatGPT для поиска практики и предоставили суду шесть несуществующих прецедентов, за что получили крупный штраф.
Утечка данных	Загрузка закрытых документов в публичные облачные модели нарушает коммерческую тайну и GDPR.	Юрист компании загрузил проект патента или текст NDA в бесплатную версию веб-интерфейса общего ИИ, сделав эти данные частью публичной обучающей выборки.
Алгоритмическая предвзятость	ИИ обучается на исторических данных и может перенимать человеческие предрассудки.	При анализе рисков рецидива система COMPAS демонстрировала скрытую расовую предвзятость, так как обучалась на статистике прошлых лет с перекосом в сторону обвинительных приговоров.
Проблема «черного ящика»	Невозможность отследить логическую цепочку нейросети при принятии сложных решений.	ИИ выдает прогноз об исходе дела, но юрист или судья не могут понять, какие именно скрытые корреляции привели модель к такому выводу.

Заключение и перспективы развития технологии

Интеграция искусственного интеллекта в юриспруденцию находится на этапе перехода от простых автоматизаторов к мультиагентным правовым системам. В ближайшее десятилетие ландшафт профессии претерпит фундаментальные изменения:

1. Эволюция структуры юридических фирм: Традиционная пирамидальная модель («много интернов и младших юристов в основании, несколько партнеров на вершине») рушится. ИИ заменяет рутинный труд стажеров. На первый план выходят юристы-архитекторы систем и специалисты по промт-инжинирингу (Legal Prompt Engineers).
2. Развитие концепции «Электронного агента»: Ведущие правоведы сходятся во мнении, что наделение ИИ статусом полноценного субъекта права нецелесообразно. Вместо этого формируется пласт законодательства, регулирующий ИИ как квази-субъект («электронный агент»). Ответственность за его действия по-прежнему будет нести человек-оператор или компания-разработчик.
3. Глобальная регуляторная гармонизация: Принятие таких документов, как Закон об ИИ Европейского Союза (EU AI Act), задает жесткие стандарты прозрачности, классифицируя юридический ИИ как технологию высокого риска. Это подтолкнет индустрию к созданию объяснимых, сертифицированных моделей ИИ, защищенных от предвзятости.
4. Повышение доступности правосудия (Access to Justice): Снижение себестоимости базовых юридических услуг позволит малому бизнесу и гражданам получать качественную первичную правовую помощь с помощью специализированных ИИ-консультантов, стирая экономические барьеры перед сложной судебной машиной.

Часто задаваемые вопросы (FAQ)

Заменит ли искусственный интеллект юристов в будущем?

Нет, полностью не заменит. ИИ забирает на себя механическую, рутинную работу (поиск, компиляция текстов, вычитка договоров). Но ключевые навыки юриста — выстраивание стратегии защиты, ведение сложных переговоров, понимание этических нюансов и эмпатия к клиенту — остаются недоступны машинам. Юристы, использующие ИИ, заменят юристов, которые его не используют.

Можно ли использовать ChatGPT для написания искового заявления в суд?

Использовать можно, но только как черновик и под строгим контролем. Базовые публичные модели не имеют актуального доступа к закрытым правовым базам и склонны к «галлюцинациям». Каждый закон, номер статьи и ссылку на практику, сгенерированные ИИ, человек обязан перепроверить вручную.

Кому принадлежит авторское право на документ, созданный искусственным интеллектом?

Согласно текущему законодательству большинства стран (включая РФ), автором признается исключительно гражданин (физическое лицо), творческим трудом которого создано произведение. Документ, сгенерированный ИИ по стандартному запросу без глубокого творческого участия человека, как правило, не защищается авторским правом. Однако права на сам ИИ-сервис принадлежат разработчикам.

Как обеспечивается конфиденциальность при работе с юридическим ИИ?

Профессиональные LegalTech-решения разворачиваются в защищенном закрытом контуре компании (On-Premise) или используют корпоративные API-ключи, гарантирующие, что вводимые юристом данные не будут использоваться для обучения общедоступных моделей и не попадут в открытый доступ.

А как вы думаете, сколько лет осталось до реальных ИИ-адвокатов и судей?

Автор: Максим Головач @makeross
Источник: https://habr.com/