Кейс юрфирмы: AI-проверка 100 договоров в неделю при том же штате

Бутиковая юрфирма из 6 человек обрабатывала 80–120 договоров в месяц. Каждый — час–полтора работы старшего юриста на проверку, плюс 30 минут на оформление замечаний. AI снизил время на проверку в 4 раза при сохранении качества и без увольнений. Вот подробный разбор: что внедрили, как, и какие были подводные камни.

Контекст

Компания: юридическая фирма в Москве, основное направление — корпоративное право и M&A для малого и среднего бизнеса.

Состав команды:

• 2 партнёра
• 3 старших юриста
• 1 младший юрист

Поток работ:

• 80–120 договоров в месяц на проверку
• 5–10 due diligence в год
• 30–50 консультаций в месяц

Главная проблема: «эффект бутылочного горла»

Каждый партнёр или старший юрист может физически проверить ~20 договоров в неделю. Когда поток превышает 80, они либо берут отказы, либо клиенты ждут неделями. Найм нового старшего юриста — 6 месяцев обучения + 200–300 тыс. ₽/мес.

Гипотеза

Если AI пройдёт «первичный скрининг» договора и подсветит юристу:

• типовые риски (отсутствие ответственности, нечёткие сроки, односторонние условия),
• расхождения с шаблоном фирмы,
• ссылки на потенциально проблемные нормы права,

то юрист тратит 25 минут вместо 90: 5 на просмотр AI-отчёта, 15 на углубление в спорные моменты, 5 на оформление замечаний.

Архитектура

Юрист загружает PDF договора
    ↓
n8n workflow:
  1. Извлечение текста (если скан — Vision OCR)
  2. Сравнение с эталонными шаблонами фирмы (RAG)
  3. Промпт к Claude 4 (контекст 200k токенов) с заданным рубрикатором
  4. Структурированный JSON с замечаниями (рисков 10 категорий)
  5. Генерация Word-отчёта в стандартном шаблоне фирмы
    ↓
Юрист получает отчёт в email + ссылку на документ в Google Docs

Стек:

• Claude 4 Sonnet через API — основной анализатор
• n8n на VPS — оркестрация
• GigaChat Vision — распознавание сканов
• pgvector — база эталонных шаблонов

Подробно про архитектуру — «AI для электронного документооборота».

Промпт-шаблон проверки

Самая ценная часть кейса. Отрабатывался 3 недели.

Ты — старший юрист корпоративной практики юридической фирмы.
На вход — текст договора между сторонами в России.
Тип договора: [классификация уже сделана]

Задача — провести проверку по 10 категориям рисков:
1. Стороны и реквизиты — корректность, полнота
2. Предмет — чёткость и однозначность
3. Цена и порядок расчётов — конкретика
4. Сроки исполнения — точность
5. Ответственность — соразмерность, наличие
6. Расторжение — порядок, штрафы
7. Forсe-majeure — состав, последствия
8. Конфиденциальность — наличие, объём
9. Применимое право и юрисдикция
10. Особые условия — кабальные, односторонние

Для каждой категории: статус (OK / РИСК / КРИТИЧНО),
конкретная цитата из договора, краткое объяснение,
рекомендация по доработке.

Выдай JSON. Без интерпретаций «может быть» —
только то, что прямо следует из текста.

Внедрение: пошаговый план

Неделя 1: Сбор эталонов

Команда выгрузила в pgvector 50 «золотых» договоров — те, к которым у фирмы нет претензий. Это контекст для модели.

Неделя 2: Прототип

Один разработчик собрал базовый pipeline. Прогнали 30 случайных договоров из архива — точность 60% (модель пропускала риски, придумывала ложные).

Неделя 3: Тюнинг промпта

Добавили few-shot примеры — 5 «образцовых проверок» с реальными рисками и пометками юриста. Точность поднялась до 85%.

Неделя 4: Pilot на 10 живых договорах

Старшие юристы параллельно проверили 10 договоров вручную и через AI. AI поймал 95% рисков, нашёл 2 риска, которые юрист пропустил.

Месяц 2: Постепенный rollout

Сначала AI работал в shadow-режиме. Через 2 недели — на 30% потока. Через месяц — на 100%, юрист всегда финально проверяет.

Результаты за 3 месяца

Метрика	До	После
Среднее время на договор	90 мин	25 мин
Договоров в месяц	80–120	250–300
Доля найденных рисков	оценочно ~85%	оценочно ~97%
Загрузка старшего юриста на рутине	70%	25%
Время на консультации (high-margin)	30%	60%
Выручка фирмы (3 мес после внедрения)	базовая	+35%

Никого не уволили — старшие юристы переключились на consultancy и судебные кейсы (более высокая маржа).

Стоимость

Статья	Сумма
Разработка (1 разработчик, 4 нед)	280 000 ₽
API Claude 4 (~250 договоров/мес)	~12 000 ₽/мес
Поддержка	~10 000 ₽/мес
Подписка Claude Team (3 юриста)	~$90/мес ≈ 8 100 ₽
Итого старт	~280 000 ₽
Ежемесячно	~30 000 ₽

Окупаемость: 1 месяц. Прирост выручки от увеличенного потока — 250–400 тыс. ₽/мес. Без учёта вторичных эффектов (быстрее реакция → больше повторных клиентов).

Что было сложным

Конфиденциальность

Договоры содержат коммерческую тайну. Решение:

• Подписали с Anthropic Enterprise zero-retention соглашение
• Дополнительно — ключевые reqвизиты замазываются перед отправкой в API (в РФ юрисдикции — это требование ряда клиентов)
• Логи всех вызовов остаются у фирмы

Подробно про регулирование — «Регулирование ИИ в России и ЕС».

Сопротивление команды

Двое старших юристов сначала боялись, что их уволят. Партнёр чётко обозначил: «AI делает рутину, чтобы вы могли заниматься тем, что любите — переговорами и сложными кейсами». Через месяц практики команда сама не хотела бы откатывать.

Ложноположительные риски

В первый месяц AI «находил» риски там, где их нет (overfitting на образцы). Решили частыми ревизиями few-shot примеров: каждую неделю юристы показывали AI новые примеры «вот здесь нет риска, ты ошибся».

Чего не сработало

• Авто-генерация замечаний для клиента. Через неделю откатили. AI выдавал «канцелярит», который юрист всё равно переписывал. Лучше юрист сам формулирует на основе AI-анализа.
• Полная автономия для типовых договоров. Партнёры отказались. Любой выход документа из фирмы — через подпись юриста.

FAQ

Можно ли повторить в маленькой фирме? Да, начиная от потока 30+ договоров в месяц. Меньше — окупаемость растягивается.

Какая модель лучше для юридических задач? Claude 4 Sonnet — лидер по точности и длинному контексту. GPT-4.1 — близко, чуть хуже на сложных российских договорах. GigaChat — для строгого compliance, но качество чуть ниже.

Сколько стоит запуск? 250 000–500 000 ₽ + 20 000–40 000 ₽/мес. Если делать самому — ниже.

AI заменит юриста? Нет. Финальное юридическое заключение и переговоры — за человеком. AI снимает 80% рутины проверки.

Что с conf­ident­iality? Только корпоративные тарифы (Claude Team / Enterprise) с zero retention. Для гос- и оборонных контрактов — только on-prem.

Какие риски AI пропускает? Тонкие смысловые (например, противоречия в подразделах в разных частях документа). Ловятся юристом на финальном этапе.

Можно ли заменять Claude на ChatGPT? GPT-4.1 даёт сравнимое качество. На длинных договорах (100+ страниц) Claude 4 заметно лучше.

Что делать дальше

Если ваша юрфирма похожа:

1. Сегодня: посчитайте, сколько часов команда тратит в неделю на проверку договоров.
2. Эту неделю: соберите 30–50 «золотых» договоров для эталона.
3. Этот месяц: запустите пилот на 10 договорах с параллельной ручной проверкой.

Связанные материалы:

• 10 кейсов внедрения ИИ в малом бизнесе
• AI для электронного документооборота
• Регулирование ИИ в России и ЕС

Юриспруденция — одна из самых очевидных областей для AI-внедрения: высокий объём документов, чёткие правила, измеряемая выгода. Окупается быстро, риски минимизируются человеческой проверкой.