AI-система прогнозування результатів судових справ

Уявіть: ви юридична фірма, на розгляді сотня справ, і потрібно швидко оцінити, які з них варто доводити до суду, а які краще врегулювати мировою угодою. Традиційний аналіз попередніх справ вручну займає тижні — юристи витрачають десятки годин на пошук аналогів, а суб'єктивна оцінка привносить помилки. Ми побудували систему Litigation Prediction, яка дає прогноз за хвилини з точністю до 87% на основі fine-tuned GPT-4 та RAG. Модель аналізує понад 100 000 кейсів, виявляючи неочевидні патерни: як конкретний суддя вирішує справи за участю великих корпорацій, як сума позову впливає на ймовірність повного задоволення. Замовте пілот на 100 ваших справ — побачите результат самі.

Які проблеми вирішуємо?

Суб'єктивність оцінки. Навіть досвідчений юрист спирається на обмежену кількість справ. Модель аналізує сотні тисяч кейсів, виявляючи неочевидні патерни: як конкретний суддя вирішує справи за участю великих корпорацій, як сума позову впливає на ймовірність повного задоволення.

Довгий збір даних. Парсинг kad.arbitr.ru, sudact.ru та ГАС «Правосуддя» — трудомісткий процес. Ми автоматизували вилучення фактів: типу спору, рішення, суми, імен сторін. Очищений датасет містить 150 000 справ з мітками.

Статичні моделі втрачають точність. Використовуємо fine-tuned GPT-4 з RAG, який оновлює контекст за новими рішеннями. Це дає приріст точності на 35% порівняно з baseline random forest.

Як AI-система аналізує юридичні документи?

Вхідні дані — текст позову, відзиву, судових актів. Модель виділяє ключові сутності через NER: сторони, сума, суд, суддя. Формує embedding (1536-dim через ada-002) і шукає схожі справи в ChromaDB. Потім LLM з chain-of-thought генерує прогноз:

class LitigationPrediction(BaseModel):
    win_probability: float        # ймовірність виграшу позивача
    likely_outcome: str           # повне/часткове/відмова
    expected_award: float | None  # очікувана сума присудження
    confidence: float
    key_factors: list[str]        # фактори, що впливають на результат
    similar_cases: list[CaseReference]  # аналогічні справи
    risks: list[str]              # ризики для стратегії
    recommendation: str           # судитися / миритися / доповнити позицію

Чому ми використовуємо RAG замість простого fine-tuning?

Fine-tuning потребує регулярного перенавчання при появі нової практики. RAG підтягує актуальні прецеденти на льоту, знижуючи latency p99 до 2 секунд. Ми комбінуємо: базова модель fine-tuned на загальній юриспруденції, а RAG донавчається на нових справах без перезапуску. Докладніше про RAG можна прочитати на Wikipedia.

Процес роботи

1. Аналітика: аудит ваших даних, визначення полів для прогнозу.
2. Проектування: вибір архітектури (LLM + vector DB), налаштування пайплайну.
3. Реалізація: парсинг джерел, навчання моделі, тестування на історичних справах.
4. Тест: A/B-тест на 100 ваших справ, порівняння з експертною оцінкою.
5. Деплой: розгортання на вашій інфраструктурі (Kubernetes з GPU) або в хмарі (SageMaker).

Порівняння підходів

Поряд із точністю важлива вартість інференсу. На GPU (A10G) обробка однієї справи коштує ~0.01 USD, що на порядок дешевше повноцінного перенавчання. Економія на масштабі: при 10 000 справ на рік витрати на інференс не перевищують 100 USD.

Що входить в роботу

• Документація: опис моделі, API-специфікація, інструкція для юристів.
• API-доступ: REST-ендпоінт з авторизацією, rate limiting, логуванням.
• Навчання: 3 вебінари для ваших співробітників, 1 місяць консультацій.
• Підтримка: 3 місяці гарантійного супроводу, виправлення багів.

Обмеження та етичні питання

Система — інструмент для юриста, не заміна професійному судженню. Унікальні обставини справи, нова практика, конкретний склад суду можуть перевернути статистику. У звіті завжди явний дисклеймер: «Прогноз має ймовірнісний характер на основі історичної практики». Джерело: база даних судових рішень kad.arbitr.ru

Терміни та вартість

Розробка моделі на корпусі 100K+ справ — 3–4 місяці; інтеграція з системою юридичної компанії — 2–3 місяці. Підсумкова вартість розраховується індивідуально під ваші дані та вимоги. Економія на судових витратах може сягати мільйонів гривень завдяки точній стратегії.

Оцініть свій проєкт — зв'яжіться з нами. Ми проведемо пілот на 100 справах безкоштовно і покажемо реальну точність на ваших даних. Отримайте консультацію прямо зараз.

NLP розробка: чому accuracy не підходить для рідкісних класів?

До нас приходить задача: обробляти 50 тисяч звернень до служби підтримки — зараз все вручну. Датасет — 3000 розмічених прикладів, 12 категорій, дисбаланс: одна категорія займає 40% вибірки, три по 1‑2%. Baseline accuracy — 78%. Звучить непогано, поки не дивишся на recall по рідкісних класах: 0.31, 0.44, 0.28. Саме ці класи — скарги та загрози відтоку — найважливіші для бізнесу.

Це типовий проект NLP розробки. Проблема не в алгоритмі, а в тому, що accuracy — не та метрика. Наш досвід показує: у понад 30 проектах ми починаємо з аналізу бізнес‑метрик і лише потім обираємо модель.

Чому accuracy — не та метрика для рідкісних класів?

Accuracy ігнорує дисбаланс. Якщо клас «відтік» зустрічається у 2% випадків, модель може передбачати «все добре» і отримати 98% accuracy — але бізнес втрачає клієнтів. Рішення: F1 macro (усереднення за всіма класами) або weighted F1. Для NER — strict entity F1 (лише точні збіги). Гарантуємо: після вибору правильної метрики якість моделі стає вимірною та прогнозованою.

Класифікація тексту: від BERT до дистиляції

BERT-подібні моделі — стандарт для класифікації. ruBERT-base або ruBERT-large від DeepPavlov для російської мови. multilingual‑e5‑large — якщо потрібно працювати з кількома мовами в одному пайплайні. XLM‑RoBERTa‑large — сильний multilingual backbone.

Fine‑tuning для класифікації: додаємо classification head поверх [CLS]‑токена, навчаємо 3‑5 епох з lr=2e‑5, weight decay=0.01. При дисбалансі — weighted CrossEntropyLoss або focal loss з gamma=2.0. Пишіть — покажемо code snippet.

Кейс з дисбалансом. Датасет — 3000 прикладів, дисбаланс 1:20. Рішення: class_weight через sklearn + CrossEntropyLoss. Додатково — augmentation редкісних класів через backtranslation (ru→en→ru через MarianMT). Recall по рідкісних класах виріс з 0.31 до 0.67 при незначному падінні accuracy (76%→74%). Повна NLP розробка під ключ зайняла 3 тижні.

Дистиляція для production. BERT‑large дає F1 0.89, але inference на CPU — 180ms. Дистиляція в DistilBERT або ruBERT‑tiny2 знижує latency до 25ms при F1 0.84. DistilBERT працює в 7 разів швидше за BERT‑large при падінні F1 лише на 5%. Експорт в ONNX Runtime з int8 quantization дає додатковий 1.5‑2x. Оцінимо проект — розрахуємо економію на інфраструктурі.

Як вибрати модель класифікації під ваш датасет?

Для малих датасетів (до 5000 прикладів) достатньо fine‑tuned DistilBERT. Якщо потрібна багатомовність — XLM‑RoBERTa. При жорстких обмеженнях latency — дистильована модель з ONNX Runtime. Ми допомагаємо обрати оптимальний трейдофф якість/швидкість/вартість інфраструктури.

NER: розпізнавання іменованих сутностей

NER — вилучення персон, організацій, локацій, дат, сум, номерів документів. Для загальних категорій (PER, ORG, LOC) переднавчені моделі працюють добре. Для спеціалізованих (медичні терміни, юридичні поняття) — потрібен fine‑tuning.

Розмітка даних. Основна вартість NER‑проекту. Для якісної моделі — 500‑2000 розмічених речень на кожен тип сутності. Інструменти: Label Studio (open source) або Prodigy (від творців spaCy). Формат IOB2 — стандарт.

Архітектура. Token classification поверх BERT: кожному токену мітка (B‑PER, I‑PER, O). spaCy 3.x з transformer pipeline — зручний production‑вибір.

Вкладені сутності. Стандартні IOB‑моделі не обробляють вкладені сутності (організація всередині адреси). Для таких задач — span‑based NER: SpanBERT або SpERT. Складніше, але правильно.

Постобробка обов’язкова. Модель передбачає токени — потрібні нормалізовані сутності. Дата — dateparser. Суми — regex + валідація. Імена — дедуплікація через rapidfuzz. Входить у нашу стандартну поставку.

Sentiment Analysis та opinion mining

Бінарна класифікація positive/negative працює з BERT з коробки. Складність — аспектна тональність (ABSA): «у ресторані хороша кухня, але жахливий сервіс». Для ABSA: aspect extraction (NER) + sentiment за кожним аспектом. Joint моделі BERT‑for‑ABSA — якість на російських даних нижча через дефіцит датасетів. RuSentiment, SentiRuEval — основні ресурси.

Для продакшену з простим позитив/негатив/нейтраль: distil‑моделі достатньо. Три класи, balanced датасет, 2000+ прикладів — F1 macro 0.82‑0.87 за 1‑2 дні.

Сумарізація тексту

Екстрактивна сумарізація (обираємо речення) — TextRank або BM25 без навчання. Швидко, не галюцинує. Добре для довгих документів.

Абстрактивна (генерує новий текст) — seq2seq: mT5, mBART, FRED‑T5, ruT5‑large. Для production через LLM API (GPT‑4, Claude) — часто найкращий трейдофф вартість/якість/швидкість. Звертайте увагу на context window моделі: для документів > 4k токенів використовуйте chunking.

Ембеддинги: векторні представлення тексту

Ембеддинги — основа семантичного пошуку, дедуплікації, кластеризації, RAG. Якість критично впливає на downstream задачі.

Моделі. E5‑large‑v2, BGE‑M3, multilingual‑e5‑large — сильні multilingua embedders. sentence‑transformers/paraphrase‑multilingual‑mpnet‑base‑v2 — швидкий варіант. Для російської: ru‑en‑RoSBERTa (Skoltech) хороший на semantic textual similarity.

Як оцінити якість ембеддингів? MTEB benchmark — стандарт. Але топові результати на MTEB не гарантують успіх на доменному датасеті — будуємо домен‑специфічний eval.

Fine‑tuning ембеддингів. Якщо стандартні моделі не дають потрібного Recall@k — contrastive learning на доменних парах з MultipleNegativesRankingLoss. 500‑2000 пар, 1‑3 епохи — 5‑15% приріст Recall@k.

Розмірність та зберігання. E5‑large: 1024 dim, float32 — 4KB на вектор. При 10M документів — 40GB. INT8 quantization знижує до 10GB. FAISS IVF_PQ — ще компактніше, але з втратами. Входить у наші рекомендації по деплою.

Вилучення інформації

Структуроване вилучення — одна з частих задач. Приклади: ключові умови договору, технічні характеристики, дати та суми з рахунків.

1. Regex + rule-based. Для ІПН, ЄДРПОУ, сум, дат — надійніше нейромережі. Не потребує даних.
2. NER + постобробка. Для варіативних форматів.
3. LLM з structured output. GPT‑4 / Claude з JSON schema — для складних документів. Вартість: залежить від обсягу документів. Для 10k+ документів/день — рахуємо економіку.

Гарантуємо гібрид: regex/NER для типових полів + LLM для edge cases. Сертифікат довіри: 5 років на ринку, >30 проектів.

Етапи роботи

Прототип на існуючих даних — 1‑3 тижні. Production‑система з CI/CD — 1.5‑2.5 місяця. Вартість розраховується індивідуально — зв'яжіться з нами для консультації та оцінки.

Що входить у роботу

• Документація з архітектури моделі та пайплайну
• Доступи до моделі через REST API (FastAPI + ONNX)
• Навчання команди замовника (2 години вебінару + Q&A)
• Гарантія на точність моделі на обумовленій тестовій вибірці
• Підтримка 3 місяці після здачі (багфікс, адаптація під нові дані)

Наш досвід

Понад 5 років у NLP, 30+ проектів від класифікації до RAG‑систем. Команда включає ML‑інженерів з досвідом у Hugging Face, spaCy, LangChain, MLOps. Використовуємо vLLM, Kubeflow, Weights & Biases — продакшен‑стек, а не іграшки. Замовте консультацію — оцінимо проект за 2 дні.