AI-агенты в сделках: что умеют и где всё ещё ломаются

За последний год юридический AI перестал быть просто чат-ботом, которому вставляешь текст договора и просишь пересказать. Harvey, продукт американского стартапа, привлёк раунды при оценке в несколько миллиардов долларов и работает с крупными юрфирмами. Thomson Reuters встроила ассистента CoCounsel в свою базу Westlaw. LexisNexis выпустила Lexis+ AI. Общий вектор один: от ответов на вопросы к агентам*, которые выполняют цепочку действий по сделке — от первичного анализа проекта договора до подготовки списка правок и проверки по чек-листу.

Для сопровождения сделок это интереснее, чем генерация текста. Сделка — это последовательность: получить проект, вычитать, сверить с предыдущей редакцией, отметить отклонения от стандартных условий компании, подготовить комментарии, отследить, что вторая сторона учла (или проигнорировала) правки. Именно такие многошаговые процессы агенты и пытаются автоматизировать.

Что именно изменилось

Раньше LLM-инструмент отвечал на один запрос за раз. Агентный подход добавляет три вещи: планирование нескольких шагов, доступ к внешним источникам (база документов компании, судебная практика, реестры) и возможность вызывать инструменты — например, сравнить два файла или выгрузить таблицу отклонений.

Ключевая техника под капотом большинства юридических продуктов — RAG**. Модель не отвечает из «памяти», а сначала находит релевантные фрагменты в подключённой базе и опирается на них. Это снижает риск того, что система придумает несуществующий пункт договора или норму закона, хотя полностью не устраняет.

Агент не заменяет юриста в сделке. Он сжимает рутину — вычитку десятков страниц, поиск отклонений, сверку версий — до минут. Ответственность за решение остаётся на человеке, который подписывает.

Типовые сценарии в M&A и коммерческих договорах

• Due diligence. Агент прогоняет сотни документов из data room, отмечает договоры с положениями о смене контроля (change of control), нестандартные сроки, отсутствие подписей.
• Анализ отклонений (playbook review). Проект договора сверяется с внутренним стандартом компании: где отклонение критично, где терпимо, где нужен эскалейт к старшему юристу.
• Сверка редакций. Между раундами переговоров агент показывает, что реально изменилось, а не только визуальный diff.
• Подготовка сводки. Короткое резюме сделки для клиента или руководства без юридического жаргона.

Как продукты сравниваются между собой

Прямых публичных бенчмарков по юридическим агентам в сделках немного, а маркетинговые цифры вендоров лучше проверять на своих документах. Ниже — сравнение по доступным характеристикам, а не по «уму».

Важная оговорка: цены на корпоративные юридические AI почти всегда «по запросу» и обсуждаются под объём. Публичные тарифы универсальных чат-ботов меняются каждые несколько месяцев — сверяйте на официальных страницах перед бюджетированием.

Российский контекст

Западные юридические ассистенты заточены под общее право и англоязычную практику — их выводы по договору с оговорками применимы к сделке по российскому праву. Здесь ценность агента смещается к рутине, которая не зависит от юрисдикции: сверка версий, поиск отклонений от шаблона, извлечение реквизитов и сроков. Правовую квалификацию по нормам ГК РФ такой инструмент делать не должен, а его ссылки на «российское законодательство» нужно перепроверять вручную — обучающие данные редко покрывают актуальные редакции кодексов.

Кому это пригодится и кому нет

Пригодится:

• Юротделам, через которые проходят десятки однотипных договоров в месяц — поставки, NDA, аренда: агент снимает первичную вычитку.
• Командам M&A на этапе due diligence, где нужно быстро просеять большой объём документов и не потерять важное.
• Небольшим ИП и стартапам без штатного юриста — для понимания структуры чужого договора перед тем, как идти к живому юристу за финальным решением.

Не заменит человека:

• В нетиповых и высокорисковых сделках, где цена ошибки — миллионы, а формулировки уникальны.
• Там, где нужна квалификация по конкретной норме российского права и свежей судебной практике.
• В переговорах: агент подготовит позицию, но не оценит поведение второй стороны и не примет тактическое решение.

Риски, о которых молчит маркетинг

Первое — конфиденциальность. Договор по сделке содержит коммерческую тайну и персональные данные. Загрузка в облачный сервис без явного соглашения о неиспользовании данных для обучения — прямой риск. Проверяйте, где физически хранятся данные и что написано в договоре с вендором.

Второе — уверенные ошибки. Даже с RAG модель может процитировать пункт, которого нет, или неверно оценить последствия оговорки. Отсюда правило: любой вывод агента по существенному условию проверяет человек.

Третье — иллюзия полноты. Агент отметит то, что распознал как отклонение. Молчание системы не означает, что рисков нет — оно означает, что она их не увидела.

* Агент — программа на базе LLM, которая не просто отвечает на один запрос, а планирует и выполняет цепочку шагов, обращаясь к внешним данным и инструментам.

** RAG (retrieval-augmented generation) — подход, при котором модель перед ответом ищет релевантные фрагменты в подключённой базе и формирует ответ на их основе, а не только из внутренних параметров.