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?
| Підхід | Переваги | Недоліки |
|---|---|---|
| Fine-tuning | Швидше на інференсі | Застаріває при зміні законів; дорого перенавчати |
| RAG + vector store | Завжди актуальна база; прозорість джерел | Залежність від якості індексації |
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:
| Рівень ризику | Приклад запиту | Дія |
|---|---|---|
| informational | що таке строк позовної давності | AI-відповідь |
| moderate | як скласти претензію | AI-відповідь + disclaimer |
| high | як уникнути кримінальної відповідальності | AI-відповідь + рекомендація юриста |
| criticalRedirect | активна кримінальна справа, арешт | Тільки редирект до юриста |
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.