От поиска к анализу: эволюция цифровых инструментов юриста

За последние 30 лет инструменты работы юриста прошли путь от «найди слова» до «проанализируй ситуацию». Автор рассуждает о том, как как изменилась логика работы юриста с информацией и что с этим делать.

Одним из главных драйверов изменений юридической профессии стало появление справочно-правовых систем в 1990-х гг. Сейчас мы воспринимаем справочно-правовые системы как стандартный инструмент, но для своего времени это было революцией. Они не думали за юриста и не подсказывали ему правильных ответов, но освобождали от большого объема технической работы: поиска связанных норм, проверки редакций нормативных актов, ознакомления с позицией судов в разных регионах…

Ранние версии СПС были рассчитаны на человека, который точно знает, что, как и где искать. Запросы нужно было формулировать очень аккуратно, а ждать ответа — достаточно долго. Постепенно компьютеры стали работать быстрее, интерфейсы упростились: появились вкладки, «быстрая строка» поиска, продвинутая навигация по связям документов, конструкторы и путеводители. В это же время нормативные акты, законопроекты, судебные решения начали публиковаться в режиме онлайн; появились электронные картотеки, реестры, сайты госзакупок, банкротств, исполнительных производств и пр. Мы все чаще стали работать с массивом данных вокруг юридической задачи, где конкретная норма права — лишь небольшая часть.

Долгое время инструменты юриста оставались, как говорят разработчики, детерминированными, то есть строго предсказуемыми: если ввести в поисковую строку конкретную формулировку («расстояние от стены здания до места посадки растения»), система найдет документы, где встречаются эта или близкая к ней формулировка. Если задать реквизиты суда, она покажет все дела оттуда в хронологическом порядке. Такой подход понятен и надежен: он соответствует логике полнотекстового поиска, на которой долго держались и интернет-поисковики, и специализированные инструменты.

Полнотекстовый поиск устроен просто: машина ищет совпадения между словами в запросе и словами в документах. Чем точнее совпадение, тем выше место документа в выдаче. Это удобно, когда вы знаете, что искать, поэтому такой поиск прижился в экспертных системах. Например, вы наверняка помните устойчивые термины в своей отрасли или даже формулировки закона. Но у этого подхода есть ограничение: он плохо помогает там, где вопрос плохо сформулирован, то есть когда непонятно, что искать. Например когда на входе не готовая правовая квалификация, а описание фактических обстоятельств.

В 2010-е гг. произошел прорыв в технологиях семантического поиска (поиска по смыслу). Поисковая строка перестала быть местом для ключевых слов и стала похожа на живого собеседника, который на запрос «погода в Москве» даст не ссылку на погодный сайт, а конкретную информацию: «24 градуса, ясно». Использование машинного обучения позволило создать системы, которые распознают не только отдельные слова, но и вероятный смысл запроса, даже если он до конца не осознан. Так изменилась сама природа поиска: он стал менее предсказуемым. Вы можете получить не то, что буквально написали, а то, что система сочла близким по смыслу.

Семантический поиск иногда раздражает: мы привыкли контролировать свои инструменты и хотим понимать, почему перед нами именно такая выдача. Но в этой неопределенности есть и польза, ведь мы не всегда знаем, что нам нужно. К тому же массив нормативных и судебных данных растет примерно на 5–10% в год; ориентироваться в нем становится все сложнее. Семантический поиск упрощает задачу: вместо «вот судебные решения с вашими словами» пользователь получает «вот судебные решения, где разбирались подобные ситуации». Разница может показаться небольшой, но она весьма существенна. И главное — такие системы гораздо лучше масштабируются, ведь они сохраняют ценность независимо от количества данных в базе.

Большие языковые модели, соединенные с информационными базами (технология RAG), действуют в той же логике. Модель получает вопрос пользователя и близкие к нему правовые документы из базы и на основании этого пытается собрать юридически корректный ответ. Если совсем упростить, то раньше машина приносила юристу сырой материал — нормы, решения, комментарии и путеводители, теперь же она способна сделать первый, черновой анализ — выделить аргументы, сопоставить позиции, предложить структуру ответа.

Новый подход не означает, что машина заменяет юриста. Скорее сместилась граница между технической и аналитической частью работы. Раньше почти вся аналитика по юридическим вопросам выполнялась человеком, потому что поисковая система могла лишь дать доступ к данным, но не проанализировать их. Сегодня часть этой аналитической работы тоже переходит к машинам. Юрист раскладывает свою задачу на отдельные запросы и поручает ИИ найти значимую практику, разобраться в редакциях, составить черновик и т. д. Из этого следуют три практических вывода.

Во-первых, юристам важно уметь деконструировать процесс своей работы, разделяя интеллектуальные задачи на составляющие. Мы часто мыслим крупными процессами: подготовить заключение, оценить перспективы спора. Но для эффективной работы с ИИ эти операции нужно разбирать на более мелкие: какой контекст важен, какие аргументы будут релевантными, где их искать. В этом смысле профессия изменится: ценность юриста будет не в том, что он знает ответ (или умеет его найти), а в том, что он может поставить машине задачу, критически оценить результат и понять, где не хватает человеческого вклада. ИИ поможет собрать аргументы, но формулировка окончательной позиции останется за человеком, особенно там, где важны тактика, контекст или просто здравый смысл и житейский опыт.

Во-вторых, справочно-правовые системы никуда не денутся. У них есть то, что невозможно быстро воспроизвести: огромные массивы размеченных данных, в том числе исторических, и связь с их источниками. В системе «оцифровки» нашего права справочно-правовые системы гораздо важнее, чем многие реестры и государственные информационные системы. Их детерминированность сохранит ценность в некоторых сценариях: там, где нужна точная проверка, основанная на всех доступных данных, например, действовала ли норма на конкретную дату, как выглядела (строго) официальная публикация и т. д. Так что юрист будущего скорее всего будет иметь дело не только с ИИ, но и с разнообразной рабочей средой, включающей несколько инструментов, в том числе традиционные справочно-правовые системы.

Сервисы на основе ИИ тоже, разумеется, никуда не денутся из юридического инструментария, напротив, будут занимать в нем все больше места. Причем для создания качественного ИИ-инструмента нужны свои модели, инфраструктура и специалисты с экспертизой. Всего этого не хватает на рынке специфического ПО для юристов, поэтому неминуемо возрастет роль внешних игроков из big tech, которые будут обеспечивать юридические продукты своими языковыми моделями — как российскими, так и зарубежными.

Наиболее вероятное будущее — не победа ИИ-сервисов, а альянс между справочно-правовыми системами (поставщиками данных) и разработчиками ИИ (поставщиками ИИ-решений). За ИИ будущее, однако он опирается на юридические данные, которые собирают справочно-правовые системы. Такие данные уже сейчас служат фундаментом обучения языковых моделей, а доступ к ним критически важен для целого ряда ИИ-продуктов. Снижение роли справочно-правовых систем будет компенсироваться ростом значения этих данных.

В-третьих, главное изменение работы юриста, связанное с ИИ, не в том, что у нас появились новые инструменты, а в том, что машина впервые зашла на территорию, которую юристы считали своей, — территорию юридического мышления. Пока она делает это на уровне базового анализа и порой ошибается, но часто помогает сэкономить время. И направление уже просматривается. Работа юриста не упрощается, зато становится эффективнее при условии, что он понимает, какую часть своей работы можно отдать машине, а какую нельзя отдавать ни при каких обстоятельствах.