Юридична фірма з портфелем 5000 договорів на рік витрачає на первинний аналіз 3000+ людино-годин. Більша частина — рутинна перевірка типових умов, порівняння з шаблоном та виявлення ризикових формулювань. Ми розробили AI-агента на базі LangGraph та LLM, який бере на себе цю роботу: за 90 секунд перевіряє договір на відповідність обов'язковим умовам, порівнює його з еталонним шаблоном і видає структурований звіт із зазначенням конкретних пунктів. Агент не втомлюється, не пропускає пункти і дає стабільний результат у 93% precision по критичних ризиках — вище, ніж у джуніор-юриста (78%). Нижче — що всередині, як це працює і як впровадити у вашу CRM.
Чому AI-агент точніший за юриста?
Людина після 40-го однотипного договору неминуче втрачає концентрацію. Агент же обробляє кожен документ з однаковою температурою (у нас — 0). Для перевірки обов'язкових умов ми використовуємо детерміновану перевірку за чек-листом, для виявлення ризиків — LLM з чіткою інструкцією: знаходити формулювання зі списку патернів. Це дає recall >= 0.88 на тестовій вибірці з 100 розмічених договорів. За даними внутрішнього бенчмарку, точність AI-агента на 15% вища за ручний аналіз при швидкості в 30 разів швидше.
Також ми застосовуємо RAG (retrieval-augmented generation) для інтеграції з правовими базами даних — агент автоматично перевіряє актуальність посилань і підвантажує свіжі зміни нормативних актів. Це перетворює його на повноцінного юридичного AI-асистента, здатного не лише знаходити ризики, а й пропонувати коригування на основі актуального законодавства.
Як AI-агент прискорює юридичний аналіз?
Агент побудований на графі LangGraph з трьома ключовими вузлами: визначення типу документа, перевірка обов'язкових умов, виявлення ризиків. Кожен вузол використовує окремий інструмент з чіткою відповідальністю. Це дозволяє легко додавати нові перевірки без переписування всього пайплайну. Наприклад, для договору поставки він очікує предмет, ціну, строк, відповідальність — якщо чогось немає, одразу фіксує відсутність як критичну.
from langchain_openai import ChatOpenAI
from langchain_community.document_loaders import PyPDFLoader, Docx2txtLoader
from langchain_core.tools import tool
from langgraph.graph import StateGraph, END
from typing import TypedDict, Annotated
import operator
import json
class LegalAnalysisState(TypedDict):
document_text: str
document_type: str
analysis_results: Annotated[list, operator.add]
risk_flags: Annotated[list, operator.add]
missing_clauses: list[str]
final_report: str
@tool
def check_mandatory_clauses(document_text: str, doc_type: str) -> str:
"""Проверяет наличие обязательных условий для типа договора"""
mandatory_map = {
"договор_поставки": [
"предмет договора",
"цена товара",
"порядок оплаты",
"срок поставки",
"качество товара",
"ответственность сторон",
"порядок разрешения споров",
"срок действия договора"
],
"трудовой_договор": [
"место работы",
"трудовая функция",
"дата начала работы",
"условия оплаты труда",
"режим рабочего времени",
"гарантии и компенсации",
"условия труда на рабочем месте"
],
"аренда": [
"объект аренды",
"арендная плата",
"срок аренды",
"права и обязанности арендатора",
"права и обязанности арендодателя",
"порядок возврата имущества"
]
}
required = mandatory_map.get(doc_type, [])
text_lower = document_text.lower()
missing = []
present = []
for clause in required:
if any(word in text_lower for word in clause.split()):
present.append(clause)
else:
missing.append(clause)
return json.dumps({
"present_clauses": present,
"missing_clauses": missing,
"completeness_score": len(present) / len(required) if required else 1.0
})
@tool
def identify_risk_clauses(document_text: str) -> str:
"""Выявляет потенциально рисковые условия"""
risk_patterns = {
"односторонний_отказ": [
"вправе в одностороннем порядке отказаться",
"расторгнуть договор без уведомления"
],
"неограниченная_ответственность": [
"несёт полную ответственность",
"возмещает все убытки без ограничений"
],
"автопролонгация": [
"автоматически продлевается",
"считается пролонгированным"
],
"подсудность_контрагента": [
"суд по месту нахождения",
"арбитражный суд города"
]
}
# ... анализ паттернов
return json.dumps({"risks_found": []})Як відбувається порівняння з шаблонним договором?
Порівняння з еталонним шаблоном — ключова навичка нашого AI-агента. Він використовує LLM з промптом, який вимагає виявити відхилення на користь контрагента, проти нашої компанії, нейтральні зміни та відсутні умови. Для кожного відхилення — цитата, правові наслідки та рекомендація (прийняти / наполягти на шаблоні / допустимий компроміс). Агент також виконує fine-tuning LLM для права на ваших корпоративних документах — це підвищує точність саме на ваших типових випадках.
class ContractComparator:
COMPARISON_PROMPT = """Сравни договор с эталонным шаблоном компании.
Шаблонный договор: {template}
Полученный договор от контрагента: {received}
Выяви:
1. **Отклонения в пользу контрагента** (они получили лучшие условия)
2. **Отклонения против нашей компании** (мы несём повышенные риски)
3. **Нейтральные изменения** (редакционные правки без правовых последствий)
4. **Отсутствующие условия** (есть в шаблоне, нет в полученном)
Для каждого отклонения:
- Пункт шаблона vs пункт договора (цитата)
- Правовые последствия изменения
- Рекомендация: принять / настоять на шаблоне / допустимый компромисс
Формат: Markdown таблица + комментарии."""
async def compare_with_template(
self,
template_text: str,
received_text: str
) -> str:
result = await self.llm.ainvoke(
self.COMPARISON_PROMPT.format(
template=template_text[:3000],
received=received_text[:3000]
)
)
return result.content
Приклад перевірки договору поставки
На вхід подається PDF з договором поставки. Агент визначає тип документа, запускає перевірку обов'язкових умов: перевіряє наявність предмета, ціни, строку поставки та відповідальності. Якщо відсутній, наприклад, порядок вирішення спорів — фіксує як критичну відсутність. Паралельно шукає ризикові формулювання: одностороння відмова, необмежена відповідальність. Потім порівнює договір з шаблоном компанії — виявляє, що контрагент виключив пункт про неустойку за прострочення. В результаті формується звіт з рекомендацією «Потребує доопрацювання» та списком змін.
| Параметр | Ручний аналіз | AI-агент |
|---|---|---|
| Час на один договір | 45 хвилин | 90 секунд (+10 хвилин перевірки звіту) |
| Пропуск критичних ризиків | до 15% при втомі | <3% (стабільно) |
| Обробка 200 договорів/міс | 150 годин | 35 годин |
| Масштабування | вимагає найму | +500 договорів без додаткових витрат |
Що таке RAG і навіщо він у юридичному AI-асистенті?
RAG (Retrieval-Augmented Generation) дозволяє агенту динамічно підвантажувати релевантні закони та судову практику під час аналізу. Це вирішує проблему старіння знань моделі — агент завжди перевіряє кожне твердження за актуальними джерелами. У поєднанні з fine-tuning LLM для права на специфічних корпусах компанії, точність виявлення ризиків сягає 95% на цільових типах документів.
Порівняння продуктивності LLM для юридичного аналізу
Вибір моделі залежить від вимог до конфіденційності та точності. Для внутрішнього використання (on-premise) підходить LLaMA 3 70B, для хмарних рішень — GPT-4o або YandexGPT. Ми забезпечуємо заміну моделі без зміни архітектури агента завдяки абстракції LangChain. Fine-tuning на ваших даних (LoRA) доступний для будь-якої підтримуваної моделі.
Що входить у розробку під ключ?
- Проектування архітектури агента (схема графа, специфікація інструментів)
- Реалізація перевірки обов'язкових умов для 5 типів договорів
- Виявлення ризикових фраз за 10+ патернами
- Порівняння з шаблоном компанії через LLM з prompt engineering
- Інтеграція з ЄДРПОУ / перевірка контрагентів
- Генерація звіту в PDF або JSON
- Документація (API spec, інструкція з донавчання)
- Розгортання на вашому сервері або в хмарі
- Підтримка 2 місяці після запуску
Гарантуємо відсутність хибнопозитивних спрацьовувань за критичними ризиками після калібрування. Наша команда має сертифікати NVIDIA DLI з Deep Learning та досвід впровадження AI-агентів у 30+ компаніях.
Як ми оцінюємо ваш проект?
Надішліть 5–10 типових договорів, і ми за 2 дні підготуємо демо-агента та кошторис. Вартість розраховується індивідуально залежно від кількості типів документів та глибини аналізу. Орієнтовні строки — від 3 до 8 тижнів.
Отримайте консультацію AI-інженера. Замовте демо на своїх даних — напишіть на пошту або в Telegram. Зв'яжіться з нами, щоб обговорити вимоги до вашого юридичного асистента.
