Мобильный AI-ассистент юриста: RAG-поиск и детекция рисков

AI-ассистент юриста: как это работает на iOS и Android

Более 30% обращений в юридические фирмы — типовые вопросы, которые можно автоматизировать. Правильная RAG-система снижает нагрузку на юристов на 40% и сокращает время ответа в 3 раза. Представьте: пользователь спрашивает в чате, какой срок исковой давности по договору займа. Если ваш AI-ассистент ответит неверно — последствия могут быть фатальными. Мы разрабатываем такие системы с нуля, начиная не с модели, а с юрисдикции и ограничений. Наш опыт — 5+ лет в LegalTech, 20+ внедрений для iOS и Android. Гарантируем, что ответы всегда сопровождаются ссылками на конкретные статьи законов.

Как AI-ассистент находит нужные юридические нормы?

Три фундаментальных отличия, которые нельзя игнорировать при проектировании. Юрисдикция имеет значение. Статья Гражданского кодекса России и аналогичная норма Казахстана могут давать прямо противоположные ответы на один вопрос. Перед любым ответом система должна знать юрисдикцию пользователя — либо из профиля, либо через явный выбор. RAG, а не fine-tuning. LLM, дообученная на законодательстве предыдущих редакций, будет уверенно цитировать нормы, которые уже отменены. Правильный подход — Retrieval-Augmented Generation с актуальной базой нормативных актов. Документ разбивается на чанки, индексируется через vector store (pgvector, Pinecone или Weaviate), при запросе извлекаются релевантные фрагменты и передаются в контекст LLM. Источник всегда указывается в ответе: Согласно ст. 196 ГК РФ (действующая редакция). Disclaimer — часть UX, не сноска. Перед первым запросом — явное подтверждение, что пользователь понимает: это не юридическая консультация и не заменяет адвоката. Без этого подтверждения интерфейс не открывается.

Почему мы выбираем RAG, а не fine-tuning?

RAG выигрывает по безопасности и актуальности — именно поэтому мы используем его в каждом проекте. Скорость инференса компенсируется оптимизацией запросов. Дополнительно мы снижаем затраты на инфраструктуру за счёт использования общей базы для нескольких клиентов.

Как реализуется детекция высокорисковых запросов?

Уголовные вопросы, вопросы о конкретных уголовных делах, медицинско-юридические пересечения — отдельный класс. Classifier (дообученный BERT или keyword-based для MVP) определяет категорию до LLM-вызова:

При criticalRedirect — только экстренный редирект к живому юристу, без AI-ответа.

Какие данные шифруются и как?

Юридические консультации — чувствительные данные. Они не должны храниться в cleartext. На iOS история чата шифруется через AES-GCM (CryptoKit) перед записью в Core Data. Ключ — в Keychain, привязан к biometric authentication. На Android — аналогично через EncryptedSharedPreferences или Room с SQLCipher. Серверная сторона: все запросы к LLM логируются без идентификаторов пользователя (только session hash), данные в vector store — публичные нормативные акты, персональных данных нет.

Структура мобильного приложения

На iOS — MVVM с Combine, на Android — ViewModel + StateFlow. Чат реализован через список сообщений с поддержкой rich-контента: цитаты нормативных актов, ссылки на источники, кнопки с призывом «Проконсультироваться с юристом». Когда suggestsProfessional == true — в UI появляется карточка с кнопкой связи с юристом. Это монетизация через партнёрство с юридическими сервисами и одновременно снижение юридических рисков для владельца приложения.

Что входит в работу и ориентиры по срокам

• Архитектурная документация (диаграммы, спецификация API)
• Интеграция с партнёрским юридическим сервисом (по запросу)
• Настройка disclaimer-флоу и детекции рисков
• Инструкция администратора по обновлению базы актов
• Поддержка 14 дней после деплоя

MVP с RAG на одной юрисдикции, базовым чатом и disclaimer-флоу — 3–4 недели. Полная система с мультиюрисдикционной базой (RU/BY/KZ), автоматическим обновлением законодательной базы, классификатором рисков, интеграцией с партнёрским юридическим сервисом, шифрованием истории и поддержкой iOS + Android — 2–3 месяца. Сроки зависят от объёма индексируемой нормативной базы.

Получите консультацию инженера — мы подберём оптимальную конфигурацию для вашего проекта. Закажите бесплатный демо-доступ, чтобы оценить работу ассистента на ваших данных.

AI и ML в мобильных приложениях: CoreML, TFLite и on-device модели

Мы различаем два принципиально разных подхода: приложение с on-device AI и приложение, которое просто вызывает облачное API. Первое работает без интернета, не отправляет данные пользователя на сторонние серверы и отвечает за 50 миллисекунд. Второе зависит от задержки сети и тарифного плана. Выбор архитектуры — ключевой этап, который напрямую влияет на стоимость, приватность и пользовательский опыт. Наш опыт показывает: в 70% проектов on-device инференс оказывается дешевле в долгосрочной перспективе за счёт исключения серверных затрат.

Как выбрать между CoreML и TFLite для on-device инференса?

CoreML — нативный фреймворк Apple для запуска ML-моделей на устройстве. Поддерживает Neural Engine (начиная с A11 Bionic), GPU и CPU как fallback. Модели конвертируются в формат .mlmodel через coremltools из PyTorch, ONNX или TensorFlow. Конвертация — не всегда тривиальна: кастомные слои требуют реализации MLCustomLayer, а квантизация до INT8 иногда заметно роняет точность на специфических данных. Мы гарантируем, что итоговая модель проходит валидацию на реальных данных до и после конвертации.

TensorFlow Lite — кросс-платформенная альтернатива для Android и Flutter. На Android использует NNAPI (Neural Networks API) для хардварного ускорения — с Android 10 NNAPI стабильнее, до этого лучше явно использовать GPU delegate через GpuDelegate. Типичная ошибка: модель обучена на нормализованных данных в диапазоне [0,1], а в приложении на вход подаётся [0,255] — инференс работает, но с бессмысленными результатами без ошибки. Мы включаем модуль автоматической валидации входных данных в SDK.

Для задач классификации изображений, детекции объектов и сегментации доступны готовые оптимизированные модели. YOLOv8 в CoreML формате запускает детекцию кадра 640×640 за 15–20 мс на iPhone 14 Neural Engine. MobileNetV3 на TFLite с GPU delegate — около 8 мс на Pixel 7 при классификации.

Что делать, если нужна генерация текста на устройстве?

Запуск небольших языковых моделей на устройстве стал реальностью в последние несколько лет. Apple Intelligence использует собственные модели через Private Cloud Compute, но для сторонних разработчиков доступны другие пути.

llama.cpp с Metal backend на iOS — работающий подход для phi-3-mini (3.8B параметров, 4-bit квантизация, ~2.3 ГБ). Инференс: 15–25 токенов/секунду на iPhone 15 Pro. Для интеграции в Swift используем Swift Package llama.swift или обёртку через C-интерфейс llama.h. Бинарник к приложению не прикладываем — модель скачивается при первом запуске и хранится в Application Support. Наши сертифицированные разработчики настраивают инкрементальную загрузку, чтобы не блокировать первый запуск.

На Android аналог — Google AI Edge (бывший MediaPipe LLM Inference API) с поддержкой Gemma-2B. Работает через GPU delegate, на Tensor G3 чипе Pixel 8 Pro — около 20 токенов/секунду.

Ограничения реальны: модели больше 4B параметров на мобильных устройствах по-прежнему медленны. Для сложных задач рассуждения on-device LLM уступает GPT-4o в качестве. Гибридный подход — on-device для коротких задач и приватных данных, облако для сложных запросов — часто оптимален. Оценим ваш кейс и предложим баланс производительности и приватности — пишите.

Интеграция OpenAI API и других облачных моделей

Для сценариев, где cloud inference допустим, интеграция OpenAI, Anthropic или Google Gemini — это HTTP клиент + streaming SSE. В Swift удобно через AsyncThrowingStream для стриминговых ответов. В Kotlin — через Flow.

Критически важно: API-ключи никогда не хранятся в бандле приложения. Даже обфусцированный ключ извлекается из IPA за 10 минут через strings или frida. Правильная архитектура: мобильное приложение → собственный backend → OpenAI API. Backend контролирует rate limiting, логирует запросы, защищает ключ.

Что входит в работу (deliverables)

• Обученная и квантизированная модель под целевое устройство (документация по метрикам)
• SDK для интеграции (Swift/Kotlin/Flutter) с примерами вызова
• Тесты производительности на 3–5 реальных устройствах
• Инструкция по обновлению модели OTA
• Поддержка при прохождении модерации App Store / Google Play (проверка соответствия Guidelines 4.2, 5.1)
• 2 недели технической поддержки после релиза

Типичный пайплайн проекта

1. Анализ задачи — замеряем latency, privacy, size, поддерживаемые устройства.
2. Прототипирование модели — в Python, оценка accuracy на целевых данных.
3. Конвертация и квантизация — под CoreML/TFLite с валидацией.
4. Интеграция в приложение — модель оборачивается в сервисный слой (легко подменять CoreML → TFLite → облако).
5. Тестирование — на реальных девайсах, замер FPS, RAM, батареи.
6. Деплой — через TestFlight / Firebase App Distribution, мониторинг метрик.

Сроки: интеграция готовой CoreML/TFLite модели — 1–2 недели, разработка кастомной модели с мобильной оптимизацией — от 6 недель, on-device LLM чат с персонализацией — 4–8 недель.

Почему мы беремся за сложные кейсы?

10+ лет опыта в мобильной разработке, 50+ внедрённых AI/ML решений, гарантия совместимости с актуальными версиями iOS и Android. Все проекты проходят code review и нагрузочное тестирование. В стоимость уже входит подготовка документации для модерации и обучение вашей команды.

Свяжитесь с нами — мы поможем выбрать архитектуру и внедрить ML в ваше приложение под ключ. Закажите аудит существующего решения — бесплатно оценим потенциал экономии серверных затрат (в некоторых проектах экономия достигает $10k в месяц).