Глобальные тренды и стратегии внедрения ИИ в юридическую работу

На недавнем мастер-классе для европейских и американских юристов я задал его участникам вопрос: «Что является самой большой проблемой при работе с нейросетями?». Ответы были ожидаемыми: защита конфиденциальной информации, «галлюцинации» моделей, проблема с сокращением количества необходимых младших юристов… И никто не обратил внимание на самое очевидное. На мой взгляд, сегодня главная сложность — отделить сигнал от шума. Вокруг столько «экспертов» по внедрению ИИ в юридическую работу, что разобраться в потоке мнений непросто. Я попробую выделить сигналы, на которые вам стоит обратить внимание.

Начну с того, что уже не является сигналом в мире ИИ. В первую очередь это сама технология больших языковых моделей. ИИ стал частью нашей жизни и работы, даже если мы не пользуемся им сознательно. Следить за выходом новых моделей бесполезно. Только за время работы над этой статьей Anthropic выпустил три новые версии своего Claude — Opus 4.8, Fable 5 и Mythos 5. К тому моменту, когда вы будете читать мою статью, конкуренты Anthropic тоже уже обновят свою линейку моделей. Конечно, для отдельных задач в работе юриста конкретные возможности модели важны, но для той работы, которую юристы сегодня делают с помощью ИИ, его модель не так существенна. Важно, как вы умеете с ней работать. Как говорят разработчики правового ИИ, узким местом является не модель, а контекст.

Процент юристов, использующих ИИ в своей работе (как правило, первый вопрос в любом опросе), — давно уже не индикатор состояния дел в отрасли. Большинство респондентов опросов сегодня отвечает, что использует ИИ, поскольку те, кто не применяют его, в таких опросах не участвуют. Но и среди постоянных пользователей больших языковых моделей есть градация. И Федор Конюхов, и я любим путешествовать, но между нашими способами путешествий — пропасть. Согласно данным Thomson Reuters, примерно две трети юристов все еще использует ИИ через окно чат-бота, как 73% опрошенных Legal Insight российских юристов, что совпадает и с моими личными наблюдениями. Это при наличии более 1000 legal AI-решений на западных рынках ^[1]. На российском рынке выбор скромнее, поэтому работа непосредственно с ИИ-моделями напрашивается сама собой.

Основная проблема при внедрении ИИ — «не видеть леса за деревьями». Есть необходимость и готовность, но нет стратегии, то есть понимания резонности внедрения и конечной цели. Чаще всего в качестве аргумента приводится повышение эффективности, но как оно появится без предварительной подготовки, и как его измерять — никто не знает. Такой подход называется play to play, он приведет к результатам, о которых MIT писал в своем исследовании State of AI in Business 2025 ^[2], — 95% пилотных проектов по внедрению ИИ проваливается.

У корпоративных юристов с повышением эффективности проще, оно коррелирует с интересом компании. Теоретически за то же время можно делать больше и тем самым сохранить (или даже сократить) количество юристов департамента. А ФОТ в российских юридических департаментах составляет примерно три четверти их бюджета. При этом остается вопрос экономической целесообразности вложений в ИИ, но о нем чуть позже. В юридическом консалтинге при существующей бизнес-модели почасовой оплаты повышение эффективности путем повышения скорости выполнения работы генерирует новую проблему: как при 50-процентном сокращении времени не уменьшить оплату этой работы на те же 50%.

AI native

На рынке юридических услуг появились первые юридические фирмы, которые готовы решить эту дилемму — внедрять ИИ по настоянию клиентов, но при этом не терять доходы и выстраивать весь свой бизнес вокруг ИИ. Их называют AI native law firms (далее — AI native), и их количество растет ^[3]. После включения такой модели юридической фирмы акселератором YCombinator в список тех компаний, которых они ищут для своей программы, AI native появились на радарах инвесторов. И это важный знак, поскольку в большинстве юрисдикций регулирование не позволяет сторонним инвесторам вкладывать деньги в юридические фирмы.

AI native создаются либо как Alternative Business Structure (ABS), которая разрешена в Великобритании и ряде американских штатов, либо как Management Services Organization (MSO) в связке с обычной C-Corp юридической фирмой (при этом вся интеллектуальная собственность находится в MSO). Российская юридическая общественность обратила внимание на этот новый вид юридического бизнеса после новости о Manifest OS, юридической фирме, созданной выходцем из России Дэном Мишиным и получившей $60 млн инвестиций при оценке в $750 млн.

Принципиальным отличием AI native от традиционных юридических фирм является то, что все процессы в ней выстроены вокруг ИИ, а не юристов. Это никоим образом не снижает важности юристов, наоборот — их роль при такой модели возрастает. Юрист является финальным верификатором всего того, что производит алгоритм. В AI native происходит фундаментальное разделение сотрудников на legal engineers и legal operators. Legal engineers — это те, кто строит и поддерживает ИИ-инфраструктуру фирмы, собирает и структурирует данные (контекст фирмы) и обучает модели. А legal operators выполняют функции, которые юридические ИИ-инструменты пока не способны выполнять, но которые по-прежнему необходимы для оказания юридических услуг. В AI native источником дохода является не выставление счетов за работу джуниоров по ставке партнеров (традиционный leverage модели пирамида), а использование ИИ. Цены у таких фирм, как правило, ниже (и фиксированные), а маржа выше.

Пока количество AI native не представляет особой угрозы для традиционных юридических фирм, особенно крупных, которые преимущественно работают в сегменте cream ^[4]. Но у корпоративных клиентов появилась альтернатива аутсорсу своих юридических задач традиционным внешним консультантам и инсорсу в собственный юридический департамент. А считать деньги за юридические услуги бизнес научился, особенно в сегментах commodity и core. Другими словами, новый вид юридической фирмы явно сигнализирует о переменах на рынке.

Build or buy

Вопрос, купить готовое решение или сделать свое, давно стоит при автоматизации многих процессов. У обоих вариантов есть плюсы и минусы. При внедрении ИИ тоже придется принимать такое решение, но здесь ставки более высоки. Для многих этот вопрос решается автоматически, когда вендор решений, которые уже внедрены у пользователя, добавляет к своему продукту ИИ. Однако решений, где ИИ был составной частью, на российском рынке немного. В основном они запущены вендорами на стадии стартапа. Для клиентов в сегменте enterprise это сильно ограничивает возможность внедрения. Для юристов в целом еще довольно остро стоит вопрос конфиденциальной информации доверителей. Они склонны разворачивать ИИ-инфраструктуру on-prem (в собственном контуре), чтобы избежать утечки такой информации в посторонние ИИ-модели.

И все же не сам факт такого выбора при внедрении ИИ является сигналом, а динамика технологического развития. Обычно в корпоративном сегменте при наличии бюджета самым простым способом автоматизации было приобретение «коробочного» решения, иногда с доработкой от вендора или собственного ИТ-подразделения. На рынке legal AI с самого начала появилось подозрение по поводу того, что многие продукты — лишь оболочка для фундаментальных моделей. То есть вендоры этих решений просто перепродают вам токены, поэтому проще работать непосредственно с моделями а ля Claude, Gemini, DeepSeek или YandexGPT. Горькая правда состоит в том, что подавляющее количество legal AI решений является именно оболочкой моделей. Это не оценка их качества — для большинства юристов, которые только начали осваивать навыки работы с ИИ-моделями, специализированные и заточенные на юридическую работу решения, безусловно, облегчают первые шаги при использовании ИИ.

Вендоры legal AI хорошо понимают, что у юристов есть выбор, и они усиленно стараются включаться в рабочие процессы своих клиентов. У крупных вендоров, например, дуополии Hargora, появилась новая для LegalTech-отрасли каста сотрудников — так называемые Forward Deployed Engineers ^[5]. Это специалисты вендора, которые непосредственно у клиента настраивает систему, обучают (и мотивируют) сотрудников и снабжают решения контекстом конкретного пользователя. Они прекрасно понимают, что такая интеграция не только усилит vendor lock-in ^[6], но и повысит ценность продукта для всего рынка, ведь большинство решений на рынке legal AI попадает в категорию «автоматизаторы экспертизы», то есть они «из-под коробки» предлагают усредненный набор экспертизы. Ценным для конкретного пользователя такие продукты делает индивидуальная экспертиза. Даже если вендор официально не использует данные клиента для своего продукта, то накопленный опыт его FDE все равно перетекает в продукт.

ИИ-лаборатории стали усиленно «ухаживать» за юридической отраслью:

• Claude for Legal (Anthropic);

• Copilot for Legal (Microsoft);

• Codex for Legal (OpenAI);

• «Нейроюрист» («Яндекс»).

OpenAI даже нанял основателя LegalTech- вендора Ironclad Джейсона Бемига в качестве главы их подразделения для юридической сферы. Google пока не участвует в этом тренде, поскольку указанные продукты заточены на работу в Microsoft Word, в котором юристы проводят подавляющее количество часов своего рабочего дня. А у Google есть конкурирующий продукт Google Docs.

Разрыв между моделями и рабочими процессами юристов сокращается. Вокруг Claude выстраивается целая экосистема решений для юристов, многие из которых выпускаются в open source. Примечательны два open source проекта: Lavern ^[7] от финского юриста Антти Иннанен и LQ.AI ^[8] от сообщества Legal Quants. Эти полноценные платформы для юридических команд совершенно бесплатны — купите токены и вперед! Раньше такого рода решения стоили бы несколько десятков, а то и сотен тысяч долларов. Вайбкодеры добавляют независимые от конкретных моделей решения в общий пул бесплатных или недорогих ^[9]. Бывший младший юрист Lathan & Watkins Will Chen создал MikeOSS — платформу, которую назвал бесплатной альтернативой Harvey. Это, конечно, громкое заявление, и MikeOSS ^[10] вряд ли уведет клиентов у Harvey (корпоративным клиентам необходима гарантия поддержки продукта), но такие проекты в любом случае снижают финансовую планку для входа на рынок legal AI.

Затраты на приобретение, внедрение и поддержку ИИ-инфраструктуры играют важную роль и влияют на решение build or buy. Legal Technolgy Hub сравнивал примерные расходы на прямую работу с фундаментальными моделями и на использование специализированных решений для разных категорий пользователей (см. схему ниже).

Как видите, разница особенно велика у крупных юридических фирм, хотя доля ИИ в расходах в Big Law составляет 3–8% от общих затрат на LegalTech. У маленьких юридических фирм данный показатель на уровне 40–55%, у инхаусов — 25–40%. Это связано с тем, что крупные юридические фирмы в целом на LegalTech тратят существенно больше, чем фирмы поменьше. В абсолютных цифрах затраты у отдельных игроков внушительные.

Здесь стоит отметить недавнюю новость о том, что мегафирма Kirkland & Ellis планирует в ближайшие пять лет потратить $500 млн на собственную ИИ-инфраструктуру. Самое главное у этой новости не сумма, какой бы сногсшибательной она ни была, это всего 1% от доходов фирмы в год, она даже в прибыли партнеров не сильно заметна. Сигналом для рынка стало то, что крупная юридическая фирма, которая себя чувствует очень уверенно в премиум-сегменте рынка юридических услуг, сделала решительный шаг в сторону ИИ и одновременно ответила на вопрос build or buy. Пока не ясно, будут ли они пользоваться моделями от крупных лабораторий, развернут open source model или обучат собственную модель. Первый пилот они запускают совместно с Palantir, но вся разработка потом остается в Kirkland & Ellis, и сам Palantir не сможет продавать решение.

Таким образом, операторы больших языковых моделей стараются более глубоко интегрироваться в профессиональные процессы пользователей, и это еще один сигнал для рынка.

Из поставщика инфраструктуры в поставщика услуг

ИИ стал инфраструктурой, затраты на обучение и работу моделей по-прежнему гигантские, а любая технологическая инфраструктура рано или поздно подлежит коммодитизации. Надо найти другие источники доходов. И лаборатории стали работать над концепцией интегратора ИИ для корпоративных клиентов. Еще 26 лет назад экономисты MIT Sloan School of Management установили, что на каждый потраченный на новые технологии доллар следует потратить $10 на их внедрение (обучение, редизайн процессов и управление изменениями), чтобы достичь желаемый экономический эффект. Операторы больших языковых моделей хотят поиметь свой кусок от этого пирога.

Для реализации этой идеи лаборатории создали отдельные сервисные структуры. 4 мая Anthropic анонсировал новый проект под общим названием Enterprise AI Services Company. Это совместный проект с грандами Wall Street и Silicon Valley (Blackstone, Hellman & Friedman, Goldman Sachs, Sequoia Capital, Apollo и др.). Рынок уже называет это совместное преприятие McKinsey of AI! Всего несколькими днями позже, 12 мая, OpenAI приобрел консалтинговую фирму Tomorro и запустил OpenAI Deployment Company. И в эту компанию инвестировала элита финансового мира!

Консультанты и инженеры операторов моделей будут работать непосредственно в организациях-заказчиках, занимаясь проектированием, созданием, тестированием и внедрением промышленных ИИ-систем, связывающих модели операторов с данными, инструментами и рабочими процессами заказчика. Проекты строительства таких систем — ИИ-платформы юридической фирмы или департамента — принимают внушительные размеры с точки зрения человеческих ресурсов. Например, у упомянутой выше Kirkland & Ellis только на их стороне будет вовлечено 180 технических специалистов и 250 юристов, 100 из которых — партнеры. Не все будут задействованы в каждом проекте, но размах все равно впечатляет.

Первой ласточкой такого симбиоза между миром юридических услуг и миром ИИ стало партнерство Anthropic с Freshfields, о котором было объявлено в апреле этого года. Freshfields обязуется развертывать Claude для всех своих 5700 сотрудников в 33 глобальных офисах, а Anthropic обеспечит ранний доступ к новейшим моделям. Это не одностороннее движение, юристы Freshfields помогают юридической команде Anthropic разрабатывать новые инструменты и решения для юристов (особенно на базе его платформы агентного ИИ), которыми потом смогут пользоваться другие игроки рынка юридических услуг.

Почему это важно для юридического рынка? Сегодня все игроки со стороны предложения на нем — и вендоры legal AI, и юридические фирмы — ищут то, что называется «ров» (moat). Данный фактор делает игроков непобедимыми и незаменимыми. У больших языковых моделей такого «рва» уже нет. Специализированные legal AI решения также не выделят вас из общей массы. Только те вендоры, у которых есть собственные данные (например, справочные правовые системы) в определенной степени защищены. Ваша уникальная экспертиза, безусловно, выделяет вас из общей массы, но и экспертиза сама по себе не обеспечит этот «ров», особенно если не стала частью институциональной памяти.

Во времена ультрабыстрого технологического прогресса в области ИИ инструменты не являются конкурентным преимуществом. При мобильности кадров экспертиза в голове юристов — тоже недостаточное конкурентное преимущество. Единственный более-менее стабильный «ров» — это тесная связка трех составляющих, которые друг друга дополняют и развивают. Том Мартин, основатель Lawdroid AI, называет это треугольником трансформации. Три составляющие данного треугольника:

• Software — сами модели и их специализированные инструменты (например, скиллы и плагины Claude для юристов);

• Services — команда инженеров, работающая непосредственно в компании клиента бок о бок с юристами и ИТ-специалистами над созданием рабочих процессов;

• Education — то, что делает всю структуру составной. Каждое взаимодействие генерирует полезный сигнал: исправления, нестандартные ситуации, рабочие процессы, а также терминологию, специфичную для юридической практики. Этот сигнал возвращается от оператора модели к инженерам по прикладному ИИ, учитывается при следующем развертывании системы и, в конечном счете, при следующем цикле обучения модели.

Именно эти три составные части генерируют бесконечный цикл обогащения и улучшения, который обеспечивает конкурентное преимущество. Система работает в равной мере для вендоров legal AI и для вендоров юридических услуг. Начинайте строить. День, когда операторы больших языковых моделей и вендоры legal AI смогут выйти на рынок юридических услуг не в качестве партнера, а в качестве конкурента, уже не за горами. На такой сигнал рынка стоит обратить особое внимание.

По карману ли нам ИИ?

Поскольку лидеры бизнеса начали беспокоиться об экономическом эффекте вложений в ИИ, стоит обратить внимание еще на один новый тренд / сигнал. Даже партнеры юридических фирм, обычно мониторящие всего одну метрику (PEP), размышляют о целесообразности использования ИИ для всего и всех. После появления генеративного ИИ у многих началась гонка за место лидера при использовании этой новой технологии. Компании стимулировали применение ИИ, поскольку усиленное использование больших языковых моделей в работе равнялось увеличению эффективности такой работы. Появился даже специальный термин tokenmaxxing — корпоративная практика, направленная на максимизацию потребления токенов ИИ и рассматривающая высокий объем использования ИИ как прямой показатель продуктивности. OpenAI даже вручал клиентам призы-таблички, когда они «прожигали» определенное количество токенов ^[11].

Такая практика привела к непредвиденным финансовым сюрпризам. Недавно Axios ^[12] сообщил о случае с неназванной компанией, сотрудники которой за месяц потратили токены на $500 млн. На «X» аналитики рынка спекулировали, что это был Amazon. Уинстон Вайнберг, один из основателей Harvey, недавно отметил, что у них потребление токенов выросло с 1 трлн в январе этого года до более чем 12 трлн в мае. Связано это в первую очередь с развертыванием агентов без грамотной настройки системы и установления лимитов токенов. Особенно неприятно были удивлены счетами за токены горе-энтузиасты, которые на своих Mac Mini установили OpenClaw и дали агентам выполнять банальные задачи. Сам создатель OpenClaw признался, что в месяц тратит токены на $1,3 млн (у него агенты в основном заняты развитием OpenClaw). В данном случае эти расходы покрывает OpenAI, куда проект OpenClaw входит с февраля. В вашем случае — это ваш бюджет.

В то же время операторы ИИ-моделей привлекли огромные инвестиции и несут такие же огромные затраты на строительство собственной инфраструктуры и потому понимают, что подписка за $20 и относительно низкая цена токенов по API никогда не покроют этих расходов. Соответственно, они начали ограничивать количество токенов по подписке, запрещать использование агентов по подписке и повышать стоимость токенов для каждой новой модели. Это ставит под угрозу модель лицензирования за рабочее место вендоров legal AI и даже при непосредственной работе с моделями может привести к случаям, когда для выполнения задачи дешевле нанять человека, чем привлечь сеть ИИ-агентов. Обычно со временем стоимость единицы технологической услуги (минута разговора мобильной связи, гигабайт трафика интернета и т. д.) снижается. Что будет со стоимостью токенов — сегодня прогнозировать сложно, поэтому для принятия стратегических решений стоит внимательно следить за данным явлением.

Как вы видите, ИИ-стратегия не является простым решением о закупке инструмента. Внедрение ИИ — комплексный процесс. Без понимания того, чего вы хотите добиться этим внедрением, такой процесс представляет собой пустую трату ресурсов. Вроде бы, это очевидно, но статистика показывает, что большинство игнорирует данную очевидность. Теперь у вас есть ряд сигналов, которые должны помочь в принятии правильных решений. Следующий шаг за вами. Успехов!

[1] https://clck.ru/3U7XBx (на март 2026).
[2] https://clck.ru/3U7XDC
[3] https://aifirmindex.com/
[4] От градации юридической работы на commodity, core, cream (базовые, типовые и эксклюзивные услуги).
[5] Big Tech игрок Palantir известен своей модели FDE.
[6] Привязка к конкретному вендору.
[7] https://lavern.ai/
[8] https://github.com/LegalQuants/lq-ai
[9] Выборку можете посмотреть на https://vibecode.law/ или https://jamievibes.replit.app/
[10] https://github.com/willchen96/mike
[11] https://clck.ru/3U7Zuh
[12] https://clck.ru/3U8ads