Найти классного юриста – большая удача. А если такой работает в компании, которая часто... — 22 июля 2026 г. в 08:36:52.656
Найти классного юриста – большая удача. А если такой работает в компании, которая часто и регулярно оспаривает в суде отказы – это удача на потоке. Если говорить о бизнесе, то всегда есть вероятность что такой юрист блестяще выиграет много судов для компании, а потом уволится или пойдет на повышение. Конечно, все хотят не потерять эту удачу и уметь и дальше так же успешно работать. Или даже разобраться в причинах успешного или неуспешного разрешения споров и автоматизировать подготовку исковых заявлений. Идея хорошая, но «если бы это было так просто, то армянское радио этим бы не занималось», как говорили в фильме «Самая обаятельная и привлекательная». Что здесь самое простое? Научить ИИ работать с «Гарант» и «КонсультантПлюс». Так уже работают многие решения – пишешь вопрос или даёшь документ ИИ, он находит подходящие нормативные акты, разъяснения и судебные решения и готовит ответ. Тоже в виде просто ответа в чате или документа определенного формата. Что здесь посложнее? 1. Учесть различия по регионам. Помимо федерального законодательства применяются региональные и муниципальные нормативные акты. Различается и судебная практика: один и тот же довод необходимо проверять с учётом региона, судебного округа, вида объекта и конкретного основания отказа. Так как компания из нашего кейса работает по всей стране (это федеральный оператор связи), в таких различиях нужно очень хорошо разбираться. Идеально было бы на каждый регион иметь свою юридическую службу, которая знает местное регулирование и практику, но это экономически абсолютно не жизнеспособная модель. 2. Разобраться, какие именно аргументы оказались сильными в суде, какие доводы суд принял, какие отклонил и какие были использованы в основе решения. Или почему спор вообще не дошёл до рассмотрения по существу. 3. Не потерять в архивах и старых документах саму идею иска, аргументы, суметь найти его и воспользоваться им, как только придет новый отказ, подобный тому, который уже оспаривали. 4. Постоянно обновлять базу знаний системы – появляются новые редакции законов, разъяснения или значимого судебного решения и т.д., обо всём этом система должна своевременно «узнавать», выявлять изменения и показывать, какие сохранённые дела и проекты они могут затронуть. С юридической частью разобрались. Чтобы такая система работала каждый день и на большом потоке документов, нужно решить ещё несколько технических и экономических вопросов. 1. Как сделать так, чтобы внутренняя практика компании не стала известной другим? Никому не хочется, чтобы его экспертиза и дела обучали чужую модель. А юристы в силу своего профессионального опыта в управлении рисками особенно серьёзно к этому относятся. 2. Как сделать так, чтобы процесс не останавливался при переключении на другую модель или при недоступности модели (другими словами, обеспечить непрерывность бизнеса, о чем мечтают все операционные руководители). Для моделей LLM, которые то и дело обновляются, перестают работать в России и т.д., эта непрерывность стала основным аргументов против ИИ в компаниях. 3. Ну и как не разориться на токенах. В этой работе приходится работать с большим объёмом текста в документах. Если неправильно организовать работу, то все эти документы и текст будут уходить в модель, а чем больше данных обрабатывает модель, тем больше будет тратиться токенов. Написали статью о том, как разработали такую систему и как настроили её на потоковую обработку отказов и генерацию исковых заявлений. https://blogs.epsilonmetrics.ru/analiz-sudebnoj-praktiki/