Telegram
Имеющиеся на рынке Legaltech-решения позволяют выстроить работу с договорами грамотнее и эффективнее, нежели при традиционном составлении и согласовании договоров. Однако потенциал этих решений пока еще не используется в полной мере во многом из-за их ориентированности на узкие задачи и сложности интеграции. Будущее за гибкой системой, где множество источников данных позволяет выявлять различные категории рисков, а юрист выполняет функции архитектора такой системы, настраивая и тестируя правила составления и маршруты согласования договоров.
Любая организация регулярно заключает такое множество договоров, что относиться к каждому из них с максимальным вниманием, детально прописывать все в тексте и согласовывать с высокооплачиваемыми экспертами становится нереально. Приходится идти на компромисс и определенные договоры делать более короткими и простыми [1], отдавать их на проверку младшим юристам, а типовые договоры заключать и вовсе без согласования с юридической службой. Обычно это решается посредством установления пороговой суммы договора, например договоры на сумму до 100 тыс. рублей согласовывает младший юрист, а договоры на сумму свыше 10 млн рублей — лично директор по правовой работе. Иногда к сумме, на которую заключен договор, добавляются и другие критерии: тип договора, требование корпоративного одобрения и пр.
Идеально — не просто использовать полученные данные для определения маршрута согласования договора, но и сразу закладывать в его текст необходимые для управления выявленными рисками условия и оговорки (или не допускать включения таких условий, которые повысят риск до неприемлемого уровня)
Однако ответственность перед контрагентом по договору — это лишь верхушка айсберга. Как минимум при следующих сценариях небрежное отношение к составлению незначительного по сумме договора может привести к гораздо более серьезным негативным последствиям, таким как:
Что же делать? В идеале для каждого договора хорошо бы иметь то, что в информационной безопасности называется моделью угроз. Такая модель опишет, с какой стороны стоит ожидать проблем с этим договором, какова вероятность наступления данных последствий и какова степень их тяжести для организации, и, взвесив все эти параметры, определит итоговый коэффициент риска, в зависимости от которого порекомендует уделять договору больше или меньше внимания. Еще лучше, если получится взвешивать эти параметры не суммарно, а в контексте различных компетенций. Одни договоры требуют повышенного внимания юристов, в других вопросы к юристам банальны, а вот финансовая служба или служба экономической безопасности должны поработать особо тщательно. Идеально — не просто использовать полученные данные для определения маршрута согласования договора, но и сразу закладывать в его текст необходимые для управления выявленными рисками условия и оговорки (или не допускать включения таких условий, которые повысят риск до неприемлемого уровня). Очевидно, что составлять подобную модель угроз или карту рисков по каждому договору невозможно, это противоречит самой поставленной задаче. Если же мы готовы уделить столько времени отдельному договору, то разумнее сразу отнестись к нему содержательно, а не тратить время на предварительные этапы оценки.
Представляется, что будущее наступит гораздо быстрее, чем кажется. Исчезнут как вид юристы, добавляющие в договоры велеречивые условия, дублирующие императивные нормы закона, но не видящие реальных рисков и алгоритмов работы по договору на практике
Серьезным подспорьем в решении этой задачи становятся типовые формы договоров. Действительно, в рамках типовой формы мы можем:
Когда не представляется возможности составить договор по типовой форме (например, если он составляется контрагентом или ситуация достаточно уникальная), можно использовать анкетирование и предложить инициатору заключения договоренности заполнить опросник, ответы из которого использовать для маршрутизации договора. Опросники также могут быть привязаны к внешним источникам информации (например, исполнитель выбирает из справочника основных средств то, для обеспечения работы которого заключается договор, и заранее проставленные для данных активов коэффициенты критичности в производственном процессе, опасности и прочее влияют на маршрут согласования договора).
Однако с внедрением опросников есть очевидные проблемы. Если опросник состоит из множества пунктов и его заполнение становится чуть ли не самым длительным этапом договорной работы, то такой порядок будет применяться очень недолго и отменится из-за справедливого возмущения исполнителей либо подвергнется саботажу. Инициатор договора может и не обладать всей необходимой информацией о юридической, финансовой, а зачастую и технологической специфике той сферы, в которой этот договор будет действовать, и в результате совершенно добросовестно даст неверные ответы. Более того, исполнитель может оказаться недобросовестным и, не будучи заинтересованным в длительном согласовании договора и вообще в повышенном внимании к нему, промолчит по поводу наличия каких-либо факторов риска. Вот почему опросники для нетиповых договоров инструмент не идеальный. Он может помочь корректно определить необходимые для снижения рисков усилия, но ни в коем случае не гарантирует получения стопроцентно корректных данных. Его внедрение должно сопровождаться как минимум выборочными проверками и объемной разъяснительно-обучающей работой.
Когда препятствием к повышению эффективности становится объем ручного труда, мы ищем решения среди инструментов автоматизации. Продукты LegalTech для договорной работы можно разделить на следующие категории:
Прежде всего процент охвата договоров типовыми формами можно радикально увеличить при применении конструктора. Без специальных инструментов мы крайне ограничены в гибкости каждой отдельно взятой формы, а составление десятков и сотен разных шаблонов и, главное, под- держание их в актуальном состоянии представляет собой крайне трудоемкую деятельность. К тому же множество типовых форм дезориентирует инициаторов договоров и приводит к ошибкам в их выборе. Конструктор договоров дает возможность увеличить вариативность каждой формы теоретически вплоть до сведения всего разнообразия шаблонов к единой форме «договор», которая, путем последовательного заполнения опросного листа приводится к нужному виду.
Заполнение опросника становится неотъемлемым этапом составления договора, а не отдельной, обременительной и саботируемой, работой. Опросник превращается в источник для заполнения полей в тексте договора, разрешения развилок (включать ли тот или иной текст), формирования модели угроз и определения маршрута согласования документа, составления записи о договоре (карточки) в базе данных. Также становится возможной гораздо более глубокая интеграция с внешними источниками. Реквизиты контрагентов заполняются из ЕГРЮЛ. Степень их благонадежности определяется запросом к в изобилии присутствующим на рынке системам, рассчитывающим подобные рейтинги, и внутренним базам службы безопасности. Система учета претензионно-исковой работы даст нам историю споров с контрагентом, а ERP-система станет ценным источником данных о предмете договора, его влиянии на структуру затрат организации и т. п. Продукты для contract review [2] могут, используя технологии машинного обучения (machine learning, ML) автоматически выявить в договоре те или иные условия, оценивать их соответствие обычной практике компании и включать «красную лампочку» при выявлении расхождений. Системы CLM позволят не утратить связь между информацией, оцениваемой на этапе заключения договора, и фактически- ми данными о его выполнении, а также, что важно для нашей задачи, вести гибкую аналитику в от- ношении того, как те или иные формы договоров и данные из опросников влияют на своевременность исполнения обязательств и количество споров по договорам.
Казалось бы, у нас в руках уже есть все кирпичики, из которых может быть построена система автоматизации договорной работы нового поколения. Система, состоящая из открытого множества источников информации (классификаторов, внутренних и внешних информационных систем, результатов ML-анализа предыдущих документов, типовых шаблонов и формулировок) и правил, которые на основании этих данных по настраиваемым экспертами алгоритмам будут корректировать текст договора и маршрут его согласования, формировать аналитические комментарии для согласующих лиц.
Такая система сможет, например, определить, что три года назад у нашей организации был спор о взыскании задолженности с поставщиком, в числе участников которого в прошлом были те же лица, что и у текущего контрагента. На основании этой информации она автоматически заблокирует возможность выбора в шаблоне договора опции постоплаты или потребует для преодоления этого запрета визы коммерческого директора, добавит более жесткие условия ответственности и расторжения договора, потребует визирования договора службой безопасности на уровне руководителя, сформирует наряду с текстом договора и опрос- ником комментарий, в котором отразит все проанализированные источники и выводы, к которым этот анализ привел.
Если мы получаем договор от внешнего контрагента, то система определит по данным опросного листа, что договор заключается на рынке, где мы являемся монополистом, и автоматически предложит включить в текст оговорки, минимизирующие наши риски в этой сфере. Проанализировав по данным систем CLM или ERP историю отношений с контрагентом и в зависимости от его платежной дисциплины, она подскажет рецензенту устраивающие нас условия оплаты и поставки, при этом проанализирует текст полученного договора и даст заключение по поводу того, укладываются ли в эти рамки предложенные в нем условия. По итогам подкрепленного машинным обучением анализа текста система выявит необычные для нашей практики условия оплаты и, отыскав такие, повысит согласование финансовой службой до уровня руководителя, даже если по сумме этот договор не попал бы к нему на стол. Юристы, работающие с такой системой, будут выступать аналитиками и архитекторами, планировать, прогнозировать и взвешивать риски, проводить тестирование гипотез о необходимых изменениях в тексте договоров и алгоритмах их оценки.
Возможно, такая система уже функционирует в реальной жизни. Однако усомниться в этом заставляет не только отсутствие информации о подобных всеобъемлющих внедрениях, но и существование объективных трудностей на пути к подобной степени автоматизации. Прежде всего, достижение максимального эффекта требует максимального количества интеграций с внешними и внутренними системами. А интеграции сложны и дороги, поскольку в реальности в любой крупной организации существует масса разрозненных информационных систем, которые могут не предусматривать возможность выгрузки необходимых данных.
Сами по себе имеющиеся Legaltech-решения ориентированы на узкие задачи. Конструктор формирует текст договора, система документооборота принимает его как есть, без связи с исходными данными, использованными при заполнении шаблона. Система contract review ждет на входе только текст и не видит истории, откуда этот текст появился. В то же время инструмент, который попробует объединить в себе функционал различных «кирпичиков», будет бороться за место в корпоративной архитектуре с системой электронного документооборота. Последняя обычно медлительна, недружественна, негибка и за это заслуженно нелюбима сотрудниками. Но она используется в гораздо большем числе применений и привычна. Если же мы добавляем еще функции CLM или взаимосвязь с учетом производственных активов, то к нашим конкурентам добавится система ERP, бюджет внедрения которой, вероятно, был огромен и поэтому ее модификация даже не рассматривается всерьез.
Имеющимся решениям недостает гибкости и модульности. Вернемся к изложенной ранее гипотезе о сведении всех договоров к единой форме «договор». Чисто теоретически мы можем это сделать и получим значимые преимущества: автоматическое тиражирование изменений в самых общих формулировках, применение одной и той же бизнес-логики к договорам различных типов. Но вот реализовать подобное в любом из имеющихся на рынке конструкторов есть задача практически непреодолимой трудности. Конструкторы договоров предлагают нам базовые структуры языков программирования, которые мы используем через визуальный интерфейс, но никаких средств, необходимых для создания действительно сложных алгоритмов, требующих структурирования и модульности, мы в них не найдем. Никто не любит продукты, которые требуют изменения бизнес-процессов, а тем более парадигмы мышления предметных специалистов. В большинстве случаев техническое задание на автоматизацию договорной работы бывает таким: «Вот наши регламенты, реализуйте их в своем продукте», в то время как здесь потребуется изменить не просто регламент, а мышление юриста и его роль в бизнесе.
И все же представляется, что будущее наступит гораздо быстрее, чем кажется. Исчезнут как вид юристы, добавляющие в договоры велеречивые условия, дублирующие императивные нормы закона, но не видящие реальных рисков и алгоритмов работы по договору на практике. Но они не будут заменены роботами, как сейчас модно предсказывать. Их заменят юристы, располагающие всей картиной бизнеса и формирующие механизмы контрактации, балансируя между необходимостью минимизировать риски и сократить трансакционные издержки. Делать это они будут путем гибкой настройки той самой системы нового поколения, которую, если хочется, можно назвать и «роботом». Но любая система — лишь инструмент в руках человеческих, и, чтобы этот инструмент начал применяться, нужны в первую очередь люди, способные с ним обращаться эффективно и профессионально.
[1] При этом оговорюсь, что сокращение и упрощение договоров за счет отказа от избыточных формулировок, канцеляризмов, повторов и прочего, безусловно, — полезная практика. Здесь речь идет именно о содержательном сокращении.
[2] Необходимо оговориться, что свои выводы о данных системах я делаю на основании маркетинговых материалов зарубежных разработчиков, поскольку реальные случаи их внедрения на российской почве единичны
№ 9 (105) 2021
LEGAL TECH
