Как ИИ-агент нашёл в договоре пункт, стоивший бы компании денег

Юрист среднего бизнеса загрузил в ИИ-агента пакет из семи документов по сделке поставки: рамочный договор, спецификации, дополнительное соглашение и приложения. Через несколько минут агент выдал не пересказ, а список из четырёх расхождений. Одно из них было критическим: в пункте об ответственности за просрочку рамочный договор ссылался на редакцию приложения, которое стороны уже заменили новым дополнительным соглашением, а неустойка в старой и новой версиях отличалась в разы. Человек, читая документы по одному, эту нестыковку между файлами пропустил бы легко — и подписал бы контракт с миной внутри.

Это не реклама конкретного продукта, а типичный сценарий, который сейчас повторяется в десятках юротделов. Разберём, чем анализ контрактов через агента отличается от вопроса к обычному чат-боту, где он реально помогает и где всё ещё опасен.

Что именно произошло в кейсе

Обычная языковая модель без обвязки работает так: вы вставляете текст в окно, она отвечает на вопрос. Проблема в двух вещах. Во-первых, объём: семь документов сделки — это часто десятки тысяч знаков, и они могут не помещаться в контекстное окно целиком или помещаться на пределе, где модель начинает терять детали. Во-вторых, модель не сопоставляет документы между собой по своей инициативе — она отвечает ровно на то, что спросили.

Агент устроен иначе. Он разбивает задачу на шаги, сам решает, какой документ подтянуть, ищет по всем файлам нужные фрагменты и сверяет их. В описанном случае агент:

1. разложил пакет на фрагменты и проиндексировал их;
2. нашёл все места, где упоминается неустойка и ответственность за просрочку;
3. сопоставил ссылки между рамочным договором, приложением и допсоглашением;
4. отметил, что рамочный договор ссылается на приложение в редакции, отменённой более поздним документом.

Ключевое слово — сопоставил. Человек тоже мог бы это сделать, но для этого ему нужно держать в голове семь документов и все перекрёстные ссылки одновременно. Агент делает перебор механически и не устаёт к пятому файлу.

Ценность агента здесь не в том, что он «понимает» договор лучше юриста. Он не понимает. Он не пропускает — потому что проверяет каждую ссылку, а не только те, на которых сосредоточился внимательный, но уставший человек.

Как это работает под капотом

За такими системами обычно стоит связка из трёх частей: языковая модель, механизм поиска по документам (чаще всего RAG) и слой-оркестратор, который и есть агент — он решает, что делать дальше.

RAG нужен именно из-за проблемы объёма. Вместо того чтобы запихивать все семь файлов в модель целиком, система разбивает их на куски, а при каждом вопросе достаёт только релевантные фрагменты и подкладывает их модели. Это дешевле, точнее и позволяет работать с пакетами документов, которые в окно модели не влезли бы.

Слабое место — на стыке. Если поиск достал не тот фрагмент, модель уверенно ответит по неполным данным. Поэтому серьёзные системы для юристов показывают источник: к какому пункту какого документа относится вывод. Без ссылки на исходный текст вывод агента проверить нельзя, а значит, доверять ему в юридической работе нельзя тоже.

Чем это отличается от обычного чат-бота и специализированных сервисов

На рынке сейчас три разных подхода к анализу договоров. Сравнение ниже — по типам инструментов, а не по конкретным брендам, потому что функции и цены у продуктов меняются каждые несколько месяцев.

Универсальный чат-бот — это быстро и почти бесплатно, но он не заменит методичную сверку и легко выдумает несуществующую норму, если его не остановить. Специализированный сервис надёжнее по части источников, но стоит денег и заперт в своей логике. Агент — середина: гибкий, но его качество целиком зависит от того, как настроены поиск и проверка источников.

Кому это пригодится и кому нет

Пригодится:

• юротделу, который обрабатывает десятки однотипных договоров в месяц и тонет в перекрёстных ссылках между приложениями и допсоглашениями;
• малому бизнесу без штатного юриста — как первый фильтр, чтобы заметить очевидные нестыковки до передачи документа на платную проверку;
• закупкам и тендерным отделам, где надо быстро сравнить десяток однотипных оферт и найти отклонения от шаблона;
• due diligence при сделках, где нужно быстро прошерстить пакет из сотен документов и вытащить кандидатов на ручную проверку.

Не пригодится или опасно:

• для финального решения без юриста — вывод агента это гипотеза, а не заключение;
• там, где важна свежая судебная практика или региональная специфика: модель её может не знать или знать в устаревшей редакции;
• для документов с грифом и персональными данными, если сервис облачный и вы не знаете, куда уходят данные;
• если у агента нет ссылок на источник вывода — тогда вы получаете красивый, но непроверяемый текст.

Что это меняет на практике

Агент не убирает юриста из процесса — он меняет, на что тот тратит время. Вместо вычитки семи файлов на предмет расхождений человек проверяет короткий список кандидатов на ошибку и решает, что из этого действительно проблема. В кейсе с неустойкой финальное решение всё равно принял юрист: агент лишь показал, куда смотреть.

Главный риск при внедрении — ложное чувство надёжности. Когда агент раз за разом ловит настоящие ошибки, возникает соблазн доверять ему и там, где он молчит. Но молчание агента не означает, что ошибок нет, — оно означает, что он их не нашёл. Это разные вещи, и на них строятся разные процессы контроля.

Если вы примеряете такой инструмент на свой процесс, начните с малого: возьмите пакет уже закрытых, проверенных договоров, где вы точно знаете все нестыковки, и прогоните через агента. Так вы увидите, сколько реальных проблем он ловит и сколько выдумывает, прежде чем доверить ему живые сделки.