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?
| Подход | Преимущества | Недостатки |
|---|---|---|
| Fine-tuning | Быстрее на инференсе | Устаревает при смене законов; дорого переобучать |
| RAG + vector store | Всегда актуальная база; прозрачность источников | Зависимость от качества индексации |
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:
| Уровень риска | Пример запроса | Действие |
|---|---|---|
| informational | что такое срок исковой давности | AI-ответ |
| moderate | как составить претензию | AI-ответ + disclaimer |
| high | как избежать уголовной ответственности | AI-ответ + рекомендация юриста |
| criticalRedirect | активное уголовное дело, арест | Только редирект к юристу |
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.