ИИ · юриспруденция · проверка документа · нейросети · юрист · анализ рисков · Claude Opus 5 · GPTLEGAL23 сентября в 15:04 · 7 мин

ИИ как первый фильтр для юридических договоров: разбор четырех методов проверки на основе теста с условиями Сбербанка

В условиях цейтнота юридические документы все чаще проверяют с помощью искусственного интеллекта. Но насколько надежно? В рамках масштабного теста исследователи проанализировали условия банка, подменив в них ключевые пункты, и проверили работу Claude Opus 5, Gemini 3.5 Flash, DeepSeek V4 Pro, Яндекс.Нейроюриста и GPTLEGAL. Результаты показывают, что нейросети отлично находят стандартные риски, но с высокой точностью справляются только флагманские модели и специализированные сервисы, требующие обязательной ручной верификации цитат.

# ИИ как первый фильтр для юридических договоров: разбор четырех методов проверки

Технологии развиваются стремительно, и искусственный интеллект уже стал неотъемлемой частью работы юристов. Однако вопрос надежности остается критическим. Насколько доверять машине при анализе сложного документа? Для ответа на этот вопрос была проведена независимая проверка сценарием, максимально приближенным к реальным рискам.

Подготовка тестового поля

Базой для исследования стали публичные «Условия банковского обслуживания физических лиц» ПАО Сбербанк (редакция от 28.08.2026). Документ содержит 88 страниц. Для создания условий реального теста было сделано точное копирование оригинала, после чего в текст были внесены восемь специфических подмен (редакций), меняющих статус прав и обязанностей клиента.

Что именно изменилось в договоре

В тесте использовалась следующая схема изменений, каждая из которых направлена на ограничение прав потребителя или расширение полномочий банка:

1. Пункт 4.16: Добавлено право банка производить безакцептное списание средств со счетов и вкладов (включая до востребования) без каких-либо поручений клиента. Согласие на каждое списание не требуется. 2. Пункт 6.9: Ограничение ответственности банка суммой в одну тысячу рублей. Клиент отказывается от права требовать возмещения убытков сверх этой суммы, включая ссылки на Закон о защите прав потребителей. 3. Пункт 6.13: Введение неустойки за нарушение условий в размере 1% в день от суммы остатков. Установлен лимит на неустойку отсутствует. 4. Пункты 8.2 и 8.6: Согласие на обработку персональных данных (включая биометрию) дается с момента заключения договора без письменной формы. Данные могут передаваться любым третьим лицам, включая зарубежные юрисдикции, без отдельного поручения. 5. Пункт 9.1: Искольные споры рассматриваются только в суде по месту нахождения банка (г. Москва). Статьи 17 и 29 Закона о защите прав потребителей не применяются. 6. Пункт 9.7: Срок на уведомление банка и подачу претензии сокращен до 24 часов. Претензии, поданные позже, не рассматриваются. 7. Пункты 10.2 и 10.3, Приложение 6: Договор автоматически продлевается. Расторжение возможно только за 60 календарных дней. Комиссии, уплаченные авансом, не возвращаются. Отключение автопродления также требует уведомления за 60 дней. 8. Дополнительная подмена: Добавлено право банка в одностороннем порядке менять тарифы и условия без уведомления клиента, что вступает в силу с момента размещения на сайте.

Также был в документ внедрен технический дефект: заголовок памятки по безопасности был оборван на полуслове («ПАМЯТКА по безопасности пр»), чтобы проверить внимательность моделей.

Технический обзор: как работают проверяемые системы

Перед анализом стоит пояснить терминологию. Контекст модели — это объем данных, который нейросеть может «помнить» одновременно. В тестах использовались модели с контекстом до 1 млн–1,05 млн токенов, что позволяет загружать целые документальные файлы без потери информации в середине текста.

Способ 1: Флагманская модель (Claude Opus 5)

В данном сценарии использовалась модель с огромным контекстным окном. Запрос формулировался строго: система должна действовать в роли юриста клиента-физлица, действовать в рамках юрисдикции РФ и найти конкретные риски.

Результат: Модель показала высочайшую эффективность. Из семи запрошенных рисков она не пропустила ни одного. Более того, она выявила пять дополнительных проблем, о которых не просили в промпте (запросе), включая тот факт, что клиент отвечает за все операции с кодом, даже мошеннические, и что сам договор запрещает жаловаться на ошибки сервиса банка.

Ключевое преимущество — глубокая аналитика. Например, по неустойке модель перевела 1% в день в 365% годовых и привела гипотетические сценарии срабатывания. Ошибкой стало неверное цитирование номера пункта для восьмой подмены (абзац действительно шел после пункта 1.6 без собственного номера, но модель указала «1.6», что формально верно по смыслу, но неточно по нумерации). Тем не менее, это единственный метод, обнаруживший скрытую техническую ошибку в файле (обрыв заголовка).

Особенность: Ответ исчерпывающий (13 рисков), но объемный. Для чтения такого отчета потребуется больше времени, чем на сам документ.

Способ 2: Бюджетные модели (Gemini 3.5 Flash и DeepSeek V4 Pro)

Этот этап проверял доступность качественного анализа. Были протестированы модели, которые часто используются из-за низкой стоимости или отсутствия географических блокировок.

Gemini 3.5 Flash: Результат оказался критическим провалом. Несмотря на то, что модель верно угадала тематику рисков (списание без согласия, неустойка, передача данных), она не смогла корректно процитировать документ. Из семи пунктов она сослалась на несуществующие номера (пунктов 12.3, 13.2, 3.4 нет в оригинале таким образом). Более того, она пропустила скрытую подмену про смену тарифов без уведомления.

DeepSeek V4 Pro: Демонстрирует гораздо более надежную работу. Модель точно процитировала все семь запрошенных пунктов. В отличие от других, она не объявила весь пункт о расторжении ничтожным, а аргументированно указала, что суд может признать разумным 60-дневный срок, но ничтожным невозврат авансовых комиссий. Это более реалистичный юридический взгляд.

Проблема цитирования: Основная опасность дешевых или быстрых моделей кроется в их склонности генерировать правдоподобные, но вымышленные ссылки на пункты договора, когда они не уверены в тексте.

Способ 3: Специализированный сервис (Яндекс.Нейроюрист)

Система, обученная специально на юридических задачах, работает по своей внутренней логике, а не по жесткому чек-листу пользователя.

Результат: Это был единственный инструмент, который заметил технический дефект файла (обрыв заголовка), чего не сделали ни GPT, ни Claude, ни Gemini. Сервис нашел восьмую подмену про тарифы и вывел ряд дополнительных рисков: право банка расторгнуть договор при неиспользовании счета и возможность заморозки переводов при подозрении на отмывание денег.

Однако обнаружилась неточность: при описании ограничений услуг из-за неактуальных данных модель проигнорировала обязательство банка заранее уведомлять клиента, написанное прямо в документе.

Особенность: Ответ структурирован по тематическим блокам (цена, ответственность, процедура), что делает его удобным для восприятия, в отличие от простого списка.

Способ 4: Профессиональное юридическое ПО (GPTLEGAL)

Сервис позиционируется как инструмент для принятия решений, где каждый пункт разбора заканчивается готовой редактурой.

Результат: Модель не просто перечислила риски, но и предложила конкретные формулировки для исправления пункта 4.16, аргументируя это необходимостью определенного акцепта на списание. Она также дала практический совет: не рассчитывать на суд по статье 333 ГК РФ, а требовать удаления пункта на этапе подписания. Удалось заметить точную деталь о семидневном сроке на обновление контактных данных как причине старта неустойки.

Минус метода: текст обрывался на середине разбора пункта про биометрию, поэтому полную картину получить не удалось.

Сравнительная таблица эффективности

Вывод редактора

Искусственный интеллект может служить отличным первичным фильтром, экономя часы рутинной работы по сканированию текста. Однако он не заменяет профессионального юриста. Критически важно помнить, что ссылки на статьи законов и пункты договора требуют обязательной ручной верификации перед принятием решения. Особенно если речь идет о финансовых институтах, имеющих право манипулировать счетом клиента.

*В эпоху ускоренных процессов мы склонны делегировать машине проверку деталей. Но доверие к ИИ должно быть дозированным: он показывает направление, но вы — тот, кто подписывает документы, за которые отвечает ваша карьера и репутация.*

Если у вас есть опыт проверки юридических текстов с помощью нейросетей, стоит поделиться примерами в комментариях: что находилось, а где модели ошибались.

Первоисточники

Habr AI ↗

← Вернуться в эфир