ИИ-помощник для юриста берет на себя чтение, поиск и первые черновики, а решение и подпись оставляет за юристом. Thomson Reuters в отчете за июнь 2025 года называет ориентир: ИИ должен экономить специалисту 5 часов в неделю. Помощник работает на документах вашей фирмы и показывает источник каждой ссылки.
Обычный день юриста с ИИ-ассистентом выглядит так:
1. Утром: сводка по срокам на неделю из карточек дел и календаря, первыми идут дела, где срок истекает раньше.
2. Входящий договор: сверка с шаблоном фирмы, список отклонений с номерами пунктов и комментарии к рискованным условиям.
3. Вопрос коллеги «есть ли у нас позиция по неустойке в поставке»: ответ по архиву фирмы со ссылками на заключения и судебные акты.
4. Претензия или письмо клиенту: черновик на шаблоне фирмы с фактами из материалов дела.
Проверка аффилированности участников закупки отвечает на вопрос, не стоит ли за разными компаниями один человек или одна группа и не связан ли поставщик с заказчиком. ИИ сводит реестры и контракты и показывает связи, которые не видны в одной карточке закупки. Колумбийская платформа Océano так нашла 8 749 компаний с одним телефоном.
Аффилированность в закупках бывает двух видов. Первый: участники одних торгов связаны между собой, и конкуренция только изображается. Второй: поставщик связан с заказчиком или с тем, кто принимает решение о закупке.
В карточке закупки такие связи не видны: там названия и ИНН участников, цены и даты. Связь проявляется, только когда ИНН ведут в реестр юридических лиц, а реестр к людям, адресам и телефонам. Поэтому проверка аффилированности всегда начинается со сведения нескольких источников.
Связь видна через общие элементы:
1. Один директор, учредитель или конечный владелец у разных компаний.
Эффект ИИ в госконтроле складывается из двух сумм: деньги, которые не ушли по сомнительной закупке или платежу, и деньги, которые удалось вернуть. Минфин США в 2024 финансовом году предотвратил и вернул больше 4 млрд $ мошеннических и неправомерных платежей, примерно в шесть раз больше, чем годом раньше. Ниже цифры США, Бразилии, Великобритании и Казахстана и способ посчитать эффект для своего бюджета.
Счетная палата США (GAO) оценила, что федеральное правительство теряет на мошенничестве от 233 до 521 млрд $ в год. Это 3-7% средних федеральных обязательств по данным 2018-2022 финансовых годов.
Другие организации, по данным того же отчета, называют похожий порядок: британская Public Sector Fraud Authority 0,5-5%, ACFE 5%, Portsmouth Centre 6,4%. Методики у них разные, поэтому это ориентир масштаба, а не норма.
Оценка относится ко всему федеральному правительству. GAO прямо предупреждает: эти проценты нельзя переносить на отдельное ведомство или программу, потому что уровень риска сильно различается в зависимости от контроля, роста или сокращения бюджета и появления новых схем.
Система Arachne помогает ЕС находить рискованные проекты среди получателей общих денег: она сводит данные о проектах, их владельцах и подрядчиках и считает индикаторы риска. С 2026 года работает новая версия Arachne+ с 78 индикаторами вместо 107. Уголовные дела о мошенничестве с бюджетом ЕС ведет Европейская прокуратура (EPPO), и ее статистика показывает, где ущерб крупнее всего.
Еврокомиссия описывает Arachne+ как корпоративный инструмент поиска в данных и оценки риска. Его задача: помочь найти и предотвратить мошенничество, конфликт интересов и нарушения с деньгами бюджета ЕС.
Новая версия охватывает все фонды ЕС и все режимы управления: совместное со странами, прямое и косвенное. Система отмечает аномалии в четырех областях: закупки, право на финансирование, репутационный риск и концентрация средств у одних получателей.
В Arachne+ 78 индикаторов риска, у прежней версии было 107. Еврокомиссия называет новый набор сокращенным и целевым: индикаторов меньше, и каждый привязан к конкретному риску.
Исследования ИИ и коррупции отвечают на практический вопрос органа контроля: можно ли по данным выбрать, кого проверять, и находить больше нарушений тем же числом проверок. Экономисты на данных Бразилии получили почти вдвое больше находок, чем при случайном выборе, а ОЭСР опросила 59 органов контроля из 39 стран о том, как они используют языковые модели. Ниже пять источников и их пределы.
Работу Эллиотта Эша, Серджио Галлетты и Томмазо Джоммони опубликовал American Economic Journal: Economic Policy в мае 2025 года. Авторы обучили классификатор на основе градиентного бустинга деревьев решений на бюджетных данных бразильских муниципалитетов и предсказывали, где найдется коррупция.
Качество такой меры коррупции авторы проверили отдельно: повторили и расширили прежние исследования коррупции, опираясь на прогноз модели.
Главный результат получен в симуляции: если выбирать муниципалитеты для аудита по подсказке модели, при том же числе проверок находится почти в два раза больше муниципалитетов с коррупцией, чем при случайном выборе.
ИИ против мошенничества в госсекторе США сместил проверку с момента после оплаты на момент до нее. Министерство финансов с машинным обучением в 2024 финансовом году предотвратило и вернуло больше 4 млрд долларов, а комитет PRAC подсчитал, что сверка заявок до выплаты могла предотвратить около 79 млрд долларов возможных мошеннических выплат пандемийной помощи.
Счетная палата Конгресса США (GAO) в апреле 2024 года оценила прямые годовые потери федерального правительства от мошенничества в 233-521 млрд долларов. Оценка построена на данных 2018-2022 финансовых годов.
Это 3-7% средних федеральных обязательств. GAO оговаривает, что этот процент нельзя переносить на отдельные ведомства или программы: у каждой программы свой риск. Административно-бюджетное управление Белого дома (OMB) с оценкой не согласилось.
Широкий диапазон говорит о главном: точной суммы не знает никто, потому что мошенничество скрыто, пока его не нашли. При этом GAO считает только прямые финансовые потери, а косвенный ущерб в оценку не входит.
В Великобритании ИИ против мошенничества проверяет госпрограмму еще на стадии проекта: ищет в правилах выплат слабые места, которыми воспользуются мошенники. Служба по борьбе с мошенничеством в госсекторе (Public Sector Fraud Authority, PSFA) сообщила, что в ранних испытаниях время поиска рисков сократилось на 80%. За год с апреля 2024 по апрель 2025 года правительство вернуло у мошенников 480 млн фунтов.
Цифру объявили 24 сентября 2025 года Кабинет министров и PSFA: за двенадцать месяцев с апреля 2024 года больше 480 млн фунтов не попали к мошенникам. Правительство назвало это рекордом.
Больше трети суммы, 186 млн фунтов, дали выявление и возврат денег, полученных мошенниками во время пандемии: кредитов малому бизнесу и других мер поддержки.
Остальное принесли обычные сверки данных. Остановлено больше 37 000 ложных заявок на скидку по муниципальному налогу для одиноко живущих, это 36 млн фунтов. Больше 2 600 человек исключены из очередей на социальное жилье, на которое не имели права. Предотвращены неправомерные пенсионные выплаты на 68 млн фунтов, в том числе выплаты после смерти получателя.
ИИ в судах уже работает в Китае, Англии, Колумбии и ЕС, а с сентября 2026 года своя концепция Верховного Суда есть и у России. Подходы различаются по срокам и строгости: Китай к 2030 году строит правила для всего процесса, ЕС относит ИИ для судов к высокому риску, но везде решение остается за судьей. Ниже сравнение по странам и что из него следует для юристов.
Верховный народный суд Китая в декабре 2022 года выпустил «Мнения о регулировании и усилении применения ИИ в судебной сфере». К 2025 году суды должны получить систему поддержки на ИИ, к 2030 году правила для всего процесса.
Ограничения записаны в том же документе. Применение ИИ не должно вредить национальной безопасности, раскрывать государственную тайну и нарушать безопасность персональных данных, а решения всегда принимают судьи.
Результаты работы ИИ служат дополнительным ориентиром в судебном надзоре и управлении. Цель суд называет прямо: снять с судей мелкую рутину и упростить людям доступ к правовым ресурсам.
Внедрение ИИ для юристов под ключ идет у нас по тем же тарифам, что и для любой компании: сначала пилот одного ИИ-агента на одном процессе за 14 дней от 149 000 ₽, затем ИИ-отдел. По отчету Thomson Reuters Future of Professionals (июнь 2025, 2 275 респондентов), ИИ должен экономить специалисту 5 часов в неделю, и пилот проверяет экономию уже на документах вашей фирмы. Ниже этапы, что нужно от фирмы, цена и что остается за юристом.
Работа идет в четыре шага, как на странице пилота. Состав работ под конкретный юридический процесс фиксируем в договоре после разбора.
Тот же порядок записан в Концепции внедрения ИИ в судопроизводство, которую Верховный Суд утвердил приказом от 3 сентября 2026 года № 59-П: каждое решение проходит аудит процесса, пилотирование, оценку результатов и масштабирование. Суды сначала подводят итоги пилота и только потом открывают ИИ-сервисы всем судам.
1. Звонок, 15 минут, бесплатно. Выясняем, где юристы тратят часы на типовую работу, и намечаем один процесс: например, прием обращений и запись на консультацию.
Инструменты ИИ-агента это действия в ваших системах, которые модель вызывает сама: найти клиента, создать сделку, отправить письмо. Механизм называется function calling (вызов функций), а на принципе ReAct 2022 года, где модель чередует рассуждение и действие, работает большинство агентов.
Модель умеет только писать текст. Инструмент дает ей возможность действовать: это функция в программе агента с названием, описанием и списком параметров, например «найти клиента по телефону».
Примеры для бизнеса: найти клиента в CRM, создать сделку, проверить остаток в 1С, записать клиента на свободное время, отправить письмо. Каждое действие описывают отдельно, и агент видит только те, что ему выдали.
Модель не выполняет действие сама. Она возвращает запрос на вызов: имя инструмента и значения параметров. Функцию выполняет программа агента и передает модели результат.
Инструменты подключают двумя способами. Первый: описать функцию в коде агента. Второй: подключить MCP-сервер, через который агент получает готовый набор действий сервиса. Протокол MCP Anthropic открыла 25 ноября 2024 года как единый способ подключать ИИ к данным и сервисам; как подключить сервер, мы разобрали отдельно.
Искусственный интеллект для бизнеса это программы, которые читают письма, слушают звонки, смотрят в камеры и считают прогнозы там, где сотрудники каждый день делают одну и ту же работу. По Stanford AI Index 2026, ИИ используют до 88% опрошенных организаций в мире, а в России 38% крупных и средних компаний с ИИ отметили рост доходов. Ниже обзор для руководителя: какие бывают виды ИИ, где они уже дают измеримый результат, как начать, сколько это стоит и чем вы рискуете.
Обычная программа работает по правилам, которые написал человек: если сумма больше лимита, счет уходит на согласование. Искусственный интеллект учится на примерах и справляется с тем, что в правила не укладывается: письмо клиента свободным текстом, скан накладной, запись звонка, фотография детали на конвейере.
Руководителю удобно думать об ИИ как о новом сотруднике, который работает очень быстро, но не знает вашу компанию. Он знает только то, что ему передали, и может ошибиться уверенным тоном. Поэтому ИИ готовит ответ или решение, а важное подтверждает человек.
Исследования ИИ в юриспруденции за 2023-2026 годы сходятся в двух выводах: юристы уже массово работают с ИИ, а ошибки юридических сервисов остаются заметными. По отчету Clio Legal Trends 2025, ИИ используют 79% юристов. Ниже главные исследования с цифрами, методикой и ограничениями каждого.
Clio, отчет Legal Trends 2025: ИИ используют 79% юристов, столько же, сколько в 2024 году. В крупных фирмах доля выше, 87%, у частнопрактикующих юристов 71%.
Разрыв между поколениями заметный. Широко используют ИИ в работе 28% юристов поколения миллениалов и только 5% поколения бэби-бумеров, поэтому в одной фирме рядом работают юристы с очень разной практикой.
Растет доля общих сервисов. Специализированные юридические ИИ-сервисы используют 40% юристов против 58% в 2024 году; авторы отчета связывают это с бесплатными тарифами общих чат-ботов, которые проще начать использовать.
Правила отстают от практики. 53% юристов говорят, что в фирме нет политики по ИИ или они о ней не знают. Среди политик, которые есть, 30% разрешают и поощряют ИИ, 12% разрешают без поощрения, 5% запрещают.
Архитектура ИИ-агента складывается из семи деталей: модель, инструкция, инструменты, знания, память, канал и контроль. Почти у каждой есть открытый вариант: например, модели семейства Qwen 3 вышли 29 апреля 2025 года с открытыми весами на лицензии Apache 2.0.
Как эти детали работают вместе в цикле «подумать, сделать, проверить», разобрано на странице о том, как работает агент. Здесь каждая деталь по отдельности.
1. Модель: нейросеть, которая понимает задачу и выбирает следующий шаг.
2. Инструкция (системный промпт): постоянное задание, где сказано, кто агент, что ему можно и когда звать человека.
3. Инструменты: подключения, через которые агент действует, например поиск заказа в CRM или отправка письма. Для них есть общий стандарт MCP (Model Context Protocol), который Anthropic открыла 25 ноября 2024 года как единый способ подключать ИИ к данным и сервисам.
4. Знания (RAG): ваши документы, в которых агент ищет ответ перед тем, как ответить.
Выявление коррупции с помощью ИИ начинается не с модели, а с данных: закупки, договоры, платежи и реестры компаний сводят в одно место. Дальше машина отмечает индикаторы риска, ищет связи и ставит случаи в очередь по сумме и риску, а проверяющий получает готовое дело с документами. Флаг на любом шаге означает риск, а не доказательство нарушения.
Признак нарушения почти никогда не виден в одной таблице. Чтобы заметить общий телефон у двух участников торгов, нужно сложить реестр закупок и реестр компаний; чтобы заметить оплату без исполнения, нужно сложить договоры, акты и платежи.
Базовый набор данных для проверки закупок и расходов:
1. Извещения, протоколы и заявки участников закупок с ценами.
2. Контракты, дополнительные соглашения, акты приемки и сроки исполнения.
3. Платежи казначейства или банка: кто, кому, сколько, когда и с каким назначением.
Как сделать RAG-систему: собрать документы, разрезать их на фрагменты, превратить фрагменты в векторы, найти нужные по вопросу и отдать модели вместе с вопросом. Подход описан в 2020 году и позволяет агенту работать с вашими документами без обучения модели. Ниже 7 шагов в двух вариантах: без кода во Flowise и с кодом на LangChain с открытыми моделями через Ollama.
Схема RAG-системы из семи шагов: собрать документы, разбить на фрагменты, превратить фрагменты в векторы, сохранить в векторную базу, найти фрагменты по вопросу, передать модели вопрос и фрагменты, получить ответ со ссылкой на источник. Модель при этом не обучают, она отвечает по найденному.
Первый шаг: собрать документы. Возьмите то, о чем сотрудники и клиенты спрашивают чаще всего: регламенты, прайс, условия договоров, ответы поддержки. Устаревшие версии уберите сразу, иначе поиск найдет и их.
Если знания уже лежат в CRM, базе SQL или внутренней вики, переносить их не обязательно. Документация LangChain советует подключить такую систему к агенту как инструмент.
Как создать агента в ChatGPT, понятно по устройству сервиса: платный подписчик собирает свой GPT из имени, инструкций и доступа к внешним сервисам, а с января 2024 года такие агенты публикуют в магазине GPT. Но ChatGPT и Claude официально не работают в России, а данные из них уходят на зарубежные серверы. Ниже: как устроены такие агенты, что происходит с данными и как собрать такого же агента на открытой модели.
GPT в ChatGPT это чат-бот, настроенный под задачу: имя, описание, инструкции и доступ к внешним сервисам через API (способ, которым программы обмениваются данными). Магазин GPT анонсировали в октябре 2023 года и открыли в январе 2024 года.
С мая 2024 года магазином пользуются и бесплатные пользователи, но создавать свои GPT могут только платные подписчики.
В Claude похожий инструмент называется «Проекты»: рабочее пространство со своей историей чатов, базой знаний из загруженных файлов и инструкциями. Проекты доступны всем, на бесплатном тарифе до пяти.
Разберем, как создать ИИ-ассистента для своих задач: он знает вашу роль, читает ваши документы и помогает с почтой и календарем. Собираем на открытой платформе Dify и программе Ollama, модель работает на вашем компьютере. Dify требует не меньше 2 ядер процессора и 4 ГиБ памяти.
Личный ИИ-ассистент это агент, который работает на одного человека: знает ваши правила, документы и расписание. Ему отдают повторяющуюся работу с текстом.
Подходит: черновики писем по вашим шаблонам, краткое содержание длинных документов, поиск ответа в регламентах и договорах, сводка входящих писем за день, подготовка к встрече по переписке.
Не подходит: решения, за которые отвечаете вы, отправка писем без вашего просмотра, платежи и выдача доступов. Здесь ассистент готовит черновик, а решение остается за вами.
Модель работает в Ollama на вашем компьютере, лицензия MIT. Черновики и документы не уходят во внешний сервис.
Когда компания спрашивает, как создать свою нейросеть, ей обычно нужен ИИ, который знает ее документы и работает на ее сервере. Для этого модель не обучают с нуля: полное обучение открытой модели DeepSeek-V3 заняло 2,788 млн часов работы видеокарт H800. Свою нейросеть собирают как агента на готовой открытой модели.
Обучить модель значит прогнать через нее триллионы слов, чтобы она выучила язык и общие знания. DeepSeek-V3 обучали на 14,8 трлн токенов (фрагментов слов), у модели 671 млрд параметров, из них на каждый токен работают 37 млрд.
Параметры это числа внутри модели, которые подбираются при обучении, а токены это куски слов, которыми модель читает и пишет текст. Чем больше параметров, тем больше видеокарт и времени уходит на обучение.
Компании такая работа не нужна. Язык и общие знания у открытых моделей уже есть, а знания о вашей компании модели дают другим способом.
Обучение с нуля имеет смысл для компаний, которые продают сами модели. Им нужны свои наборы данных, кластер видеокарт и команда исследователей, а у компании, которой нужен помощник для сотрудников, задача другая.
Внедрение ИИ в госконтроль идет по шагам: одна схема, данные, которые уже есть, пилот, люди для разбора сигналов и только потом масштаб. Южнокорейская система BRIAS собирает данные о госторгах с 2006 года и в 2023 году провела 40 170 анализов. Ниже план для контрольно-счетного органа, службы внутреннего аудита или госкомпании.
Первую схему выбирают по трем условиям: данные по ней уже есть в электронном виде, признаки риска считаются по этим данным, а проверяющие знают, что делать с сигналом. Чаще всего это закупки: сговор на торгах, дробление, завышение цены.
Так начинали и другие страны. Бразильское контрольное ведомство CGU с 2015 года проверяет объявления о закупках роботом ALICE, корейская KFTC с 2006 года анализирует госторги системой BRIAS. Обе системы работают с торгами, а не со всеми расходами сразу.
Хороший признак для первой схемы: проверяющие уже разбирали такие случаи вручную. Тогда отметки системы можно сразу сверить с их выводами и увидеть, где модель полезна, а где ошибается.
Какие профессии не заменит ИИ, руководителю стоит спрашивать иначе: ИИ забирает задачи, а не должности целиком. По оценке Международной организации труда (май 2025 года), каждый четвертый работник в мире занят там, где ИИ может взять часть задач, но в группу наибольшего влияния попадает только 3,3% занятых. Всемирный экономический форум ждет к 2030 году 170 млн новых рабочих мест и 92 млн исчезнувших, и больше всего прибавят работы, где нужны руки и уход. Ниже, что остается людям и почему, какие офисные задачи уходят ИИ уже сейчас и как перестроить штатное расписание, когда в России людей не хватает.
Любая профессия состоит из десятков задач. Менеджер по продажам отвечает на заявки, заводит сделки в CRM, готовит коммерческие предложения, ведет переговоры и решает, какую скидку дать. Первые три задачи ИИ уже делает, последние две остаются за человеком. Профессия не исчезает, меняется доля работы, которую в ней делает человек.