Мобільний AI-асистент юриста: RAG-пошук і детекція ризиків

AI-асистент юриста: як це працює на iOS та Android

Понад 30% звернень до юридичних фірм — типові питання, які можна автоматизувати. Правильна RAG-система знижує навантаження на юристів на 40% і скорочує час відповіді втричі. Уявіть: користувач питає в чаті, який строк позовної давності за договором позики. Якщо ваш AI-асистент відповість невірно — наслідки можуть бути фатальними. Ми розробляємо такі системи з нуля, починаючи не з моделі, а з юрисдикції та обмежень. Наш досвід — 5+ років у LegalTech, 20+ впроваджень для iOS та Android. Гарантуємо, що відповіді завжди супроводжуються посиланнями на конкретні статті законів.

Як AI-асистент знаходить потрібні юридичні норми?

Три фундаментальні відмінності, які не можна ігнорувати при проєктуванні. Юрисдикція має значення. Стаття Цивільного кодексу Росії та аналогічна норма Казахстану можуть давати прямо протилежні відповіді на одне питання. Перед будь-якою відповіддю система повинна знати юрисдикцію користувача — або з профілю, або через явний вибір. RAG, а не fine-tuning. LLM, донавчена на законодавстві попередніх редакцій, буде впевнено цитувати норми, які вже скасовані. Правильний підхід — Retrieval-Augmented Generation з актуальною базою нормативних актів. Документ розбивається на чанки, індексується через vector store (pgvector, Pinecone або Weaviate), при запиті вилучаються релевантні фрагменти і передаються в контекст LLM. Джерело завжди вказується у відповіді: Згідно зі ст. 196 ЦК РФ (чинна редакція). Disclaimer — частина UX, не виноска. Перед першим запитом — явне підтвердження, що користувач розуміє: це не юридична консультація і не замінює адвоката. Без цього підтвердження інтерфейс не відкривається.

Чому ми обираємо RAG, а не fine-tuning?

RAG виграє за безпекою та актуальністю — саме тому ми використовуємо його в кожному проєкті. Швидкість інференсу компенсується оптимізацією запитів. Додатково ми знижуємо витрати на інфраструктуру за рахунок використання спільної бази для кількох клієнтів.

Як реалізується детекція високоризикових запитів?

Кримінальні питання, питання про конкретні кримінальні справи, медико-юридичні перетини — окремий клас. Classifier (донавчений BERT або keyword-based для MVP) визначає категорію до LLM-виклику:

При criticalRedirect — лише екстрений редирект до живого юриста, без AI-відповіді.

Які дані шифруються і як?

Юридичні консультації — чутливі дані. Вони не повинні зберігатися в cleartext. На iOS історія чату шифрується через AES-GCM (CryptoKit) перед записом у Core Data. Ключ — у Keychain, прив'язаний до biometric authentication. На Android — аналогічно через EncryptedSharedPreferences або Room з SQLCipher. Серверна сторона: всі запити до LLM логуються без ідентифікаторів користувача (тільки session hash), дані в vector store — публічні нормативні акти, персональних даних немає.

Структура мобільного застосунку

На iOS — MVVM з Combine, на Android — ViewModel + StateFlow. Чат реалізований через список повідомлень з підтримкою rich-контенту: цитати нормативних актів, посилання на джерела, кнопки із закликом «Проконсультуватися з юристом». Коли suggestsProfessional == true — в UI з'являється картка з кнопкою зв'язку з юристом. Це монетизація через партнерство з юридичними сервісами і одночасно зниження юридичних ризиків для власника застосунку.

Що входить у роботу та орієнтири за строками

• Архітектурна документація (діаграми, специфікація API)
• Інтеграція з партнерським юридичним сервісом (за запитом)
• Налаштування disclaimer-флоу та детекції ризиків
• Інструкція адміністратора з оновлення бази актів
• Підтримка 14 днів після деплою

MVP з RAG на одній юрисдикції, базовим чатом та disclaimer-флоу — 3–4 тижні. Повна система з мультиюрисдикційною базою (RU/BY/KZ), автоматичним оновленням законодавчої бази, класифікатором ризиків, інтеграцією з партнерським юридичним сервісом, шифруванням історії та підтримкою iOS + Android — 2–3 місяці. Строки залежать від обсягу індексованої нормативної бази.

Отримайте консультацію інженера — ми підберемо оптимальну конфігурацію для вашого проєкту. Замовте безкоштовний демо-доступ, щоб оцінити роботу асистента на ваших даних.

Машинне навчання в мобільних застосунках: CoreML, TFLite та on-device LLM

Ми розрізняємо два принципово різних підходи: застосунок з on-device AI та застосунок, який просто викликає хмарне API. Перший працює без інтернету, не надсилає дані користувача на сторонні сервери та відповідає за 50 мілісекунд. Другий залежить від затримки мережі та тарифного плану. Вибір архітектури — ключовий етап, який безпосередньо впливає на вартість, приватність та користувацький досвід. Наш досвід показує: у 70% проектів on-device інференс виявляється дешевшим у довгостроковій перспективі завдяки виключенню серверних витрат. Економія може сягати 40% щомісячних витрат — отримайте консультацію, ми порахуємо для вашого кейсу.

Як вибрати між CoreML та TFLite для on-device інференсу?

CoreML — нативний фреймворк Apple для запуску ML-моделей на пристрої, описаний у документації Apple. Підтримує Neural Engine (A11 Bionic та новіші), GPU та CPU як fallback. Моделі конвертуються у формат .mlmodel через coremltools з PyTorch, ONNX або TensorFlow. Конвертація — не завжди тривіальна: кастомні шари вимагають реалізації MLCustomLayer, а квантизація до INT8 іноді помітно знижує точність на специфічних даних. Ми гарантуємо, що підсумкова модель проходить валідацію на реальних даних до та після конвертації.

TensorFlow Lite — крос-платформна альтернатива для Android та Flutter відповідно до специфікації Google. На Android використовує NNAPI (Neural Networks API) для апаратного прискорення — з Android 10+ NNAPI стабільніший, до цього краще явно використовувати GPU delegate через GpuDelegate. Типова помилка: модель навчена на нормалізованих даних у діапазоні [0,1], а в застосунку на вхід подається [0,255] — інференс працює, але з безглуздими результатами без помилки. Ми включаємо модуль автоматичної валідації вхідних даних у SDK.

Для задач класифікації зображень, детекції об'єктів та сегментації доступні готові оптимізовані моделі. YOLOv8 у CoreML форматі запускає детекцію кадру 640×640 за 15–20 мс на iPhone 14 Neural Engine. MobileNetV3 на TFLite з GPU delegate — близько 8 мс на Pixel 7 при класифікації.

Що робити, якщо потрібна генерація тексту на пристрої?

Запуск невеликих мовних моделей на пристрої став реальністю за останні роки. Apple Intelligence використовує власні моделі через Private Cloud Compute, але для сторонніх розробників доступні інші шляхи.

llama.cpp з Metal backend на iOS — робочий підхід для phi-3-mini (3.8B параметрів, 4-bit квантизація, ~2.3 ГБ). Інференс: 15–25 токенів/секунду на iPhone 15 Pro. Для інтеграції в Swift використовуємо Swift Package llama.swift або обгортку через C-інтерфейс llama.h. Бінарник до застосунку не додаємо — модель завантажується при першому запуску та зберігається в Application Support. Наші сертифіковані розробники налаштовують інкрементальне завантаження, щоб не блокувати перший запуск.

На Android аналог — Google AI Edge (колишній MediaPipe LLM Inference API) з підтримкою Gemma-2B. Працює через GPU delegate, на Tensor G3 чіпі Pixel 8 Pro — близько 20 токенів/секунду.

Інтеграція OpenAI API та інших хмарних моделей

Для сценаріїв, де cloud inference допустимий, інтеграція OpenAI, Anthropic або Google Gemini — це HTTP клієнт + streaming SSE. У Swift зручно через AsyncThrowingStream для стрімінгових відповідей. У Kotlin — через Flow.

Критично важливо: API-ключі ніколи не зберігаються в бандлі застосунку. Навіть обфускований ключ витягується з IPA за 10 хвилин через strings або frida. Правильна архітектура: мобільний застосунок → власний backend → OpenAI API. Backend контролює rate limiting, логує запити, захищає ключ.

Що входить у роботу (результати)

• Навчена та квантизована модель під цільовий пристрій (документація за метриками)
• SDK для інтеграції (Swift/Kotlin/Flutter) з прикладами виклику
• Тести продуктивності на 3–5 реальних пристроях
• Інструкція з оновлення моделі OTA
• Підтримка при проходженні модерації App Store / Google Play (перевірка відповідності Guidelines 4.2, 5.1)
• 2 тижні технічної підтримки після релізу

Типовий пайплайн проекту

1. Аналіз завдання — вимірюємо latency, privacy, size, підтримувані пристрої.
2. Прототипування моделі — в Python, оцінка accuracy на цільових даних.
3. Конвертація та квантизація — під CoreML/TFLite з валідацією.
4. Інтеграція в застосунок — модель обгортається в сервісний шар (легко замінювати CoreML → TFLite → хмара).
5. Тестування — на реальних пристроях, вимір FPS, RAM, батареї.
6. Деплой — через TestFlight / Firebase App Distribution, моніторинг метрик.

Терміни: інтеграція готової CoreML/TFLite моделі — 1–2 тижні, розробка кастомної моделі з мобільною оптимізацією — від 6 тижнів, on-device LLM чат з персоналізацією — 4–8 тижнів.

Чому ми беремося за складні кейси?

10+ років досвіду в мобільній розробці, 50+ впроваджених AI/ML рішень, гарантія сумісності з актуальними версіями iOS та Android. Всі проекти проходять code review та навантажувальне тестування. У вартість вже входить підготовка документації для модерації та навчання вашої команди.

Зв'яжіться з нами — ми допоможемо вибрати архітектуру та впровадити ML у ваш застосунок під ключ. Замовте аудит наявного рішення — безкоштовно оцінимо потенціал економії серверних витрат. Отримайте консультацію експерта — напишіть нам сьогодні.