AI-система предсказания исхода судебных дел

Представьте: вы юридическая фирма, на рассмотрении сотня дел, и нужно быстро оценить, какие из них стоит доводить до суда, а какие лучше урегулировать мировым соглашением. Традиционный анализ предыдущих дел вручную занимает недели — юристы тратят десятки часов на поиск аналогов, а субъективная оценка привносит ошибки. Мы построили систему Litigation Prediction, которая даёт прогноз за минуты с точностью до 87% на основе fine-tuned GPT-4 и RAG. Модель анализирует больше 100 000 кейсов, выявляя неочевидные паттерны: как конкретный судья решает дела с участием крупных корпораций, как сумма иска влияет на вероятность полного удовлетворения. Закажите пилот на 100 ваших дел — увидите результат сами.

Какие проблемы решаем?

Субъективность оценки. Даже опытный юрист опирается на ограниченное количество дел. Модель анализирует сотни тысяч кейсов, выявляя неочевидные паттерны: как конкретный судья решает дела с участием крупных корпораций, как сумма иска влияет на вероятность полного удовлетворения.

Долгий сбор данных. Парсинг kad.arbitr.ru, sudact.ru и ГАС «Правосудие» — трудоёмкий процесс. Мы автоматизировали извлечение фактов: типа спора, решения, суммы, имён сторон. Очищенный датасет содержит 150 000 дел с метками.

Статические модели теряют точность. Используем fine-tuned GPT-4 с RAG, который обновляет контекст по новым решениям. Это даёт прирост точности на 35% по сравнению с baseline random forest.

Как AI-система анализирует юридические документы?

Входные данные — текст иска, отзыва, судебных актов. Модель выделяет ключевые сущности через NER: стороны, сумма, суд, судья. Формирует embedding (1536-dim через ada-002) и ищет похожие дела в ChromaDB. Затем LLM с chain-of-thought генерирует прогноз:

class LitigationPrediction(BaseModel):
    win_probability: float        # вероятность выигрыша истца
    likely_outcome: str           # полное/частичное/отказ
    expected_award: float | None  # ожидаемая сумма присуждения
    confidence: float
    key_factors: list[str]        # факторы, влияющие на исход
    similar_cases: list[CaseReference]  # аналогичные дела
    risks: list[str]              # риски для стратегии
    recommendation: str           # судиться / мириться / дополнить позицию

Почему мы используем RAG вместо простого fine-tuning?

Fine-tuning требует регулярного переобучения при появлении новой практики. RAG подтягивает актуальные прецеденты на лету, снижая latency p99 до 2 секунд. Мы комбинируем: базовая модель fine-tuned на общей юриспруденции, а RAG дообучается на новых делах без перезапуска. Подробнее о RAG можно прочитать на Wikipedia.

Процесс работы

1. Аналитика: аудит ваших данных, определение полей для прогноза.
2. Проектирование: выбор архитектуры (LLM + vector DB), настройка пайплайна.
3. Реализация: парсинг источников, обучение модели, тестирование на исторических делах.
4. Тест: A/B-тест на 100 ваших дел, сравнение с экспертной оценкой.
5. Деплой: развёртывание на вашей инфраструктуре (Kubernetes с GPU) или в облаке (SageMaker).

Сравнение подходов

Наряду с точностью, важна стоимость инференса. На GPU (A10G) обработка одного дела обходится в ~0.01 USD, что на порядок дешевле полноценного переобучения. Экономия на масштабе: при 10 000 дел в год затраты на инференс не превышают 100 USD.

Что входит в работу

• Документация: описание модели, API-спецификация, инструкция для юристов.
• API-доступ: REST-эндпоинт с авторизацией, rate limiting, логированием.
• Обучение: 3 вебинара для ваших сотрудников, 1 месяц консультаций.
• Поддержка: 3 месяца гарантийного сопровождения, исправление багов.

Ограничения и этические вопросы

Система — инструмент для юриста, не замена профессиональному суждению. Уникальные обстоятельства дела, новая практика, конкретный состав суда могут опрокинуть статистику. В отчёте всегда явный disclaimer: «Прогноз носит вероятностный характер на основе исторической практики». Источник: база данных судебных решений kad.arbitr.ru

Сроки и стоимость

Разработка модели на корпусе 100K+ дел — 3–4 месяца; интеграция с системой юридической компании — 2–3 месяца. Итоговая стоимость рассчитывается индивидуально под ваши данные и требования. Экономия на судебных издержках может достигать миллионов рублей за счёт точной стратегии.

Оцените свой проект — свяжитесь с нами. Мы проведём пилот на 100 делах бесплатно и покажем реальную точность на ваших данных. Получите консультацию прямо сейчас.

NLP разработка: классификация текстов, NER, эмбеддинги и извлечение информации

К нам приходит задача: обрабатывать 50 тысяч обращений в службу поддержки — сейчас всё вручную. Датасет — 3000 размеченных примеров, 12 категорий, дисбаланс: одна категория занимает 40% выборки, три по 1-2%. Baseline accuracy — 78%. Звучит неплохо, пока не смотришь на recall по редким классам: 0.31, 0.44, 0.28. Именно эти классы — жалобы и угрозы оттока — важнее всего бизнесу.

Это типичный проект NLP разработки. Проблема не в алгоритме, а в том, что accuracy — не та метрика. Наш опыт показывает: в 30+ проектах мы начинаем с анализа бизнес-метрик и только потом выбираем модель.

Почему accuracy — не та метрика для редких классов?

Accuracy игнорирует дисбаланс. Если класс «отток» встречается в 2% случаев, модель может предсказывать «всё хорошо» и получить 98% accuracy — но бизнес теряет клиентов. Решение: F1 macro (усреднение по всем классам) или weighted F1. Для NER — strict entity F1 (только точные совпадения). Гарантируем: после выбора правильной метрики качество модели становится измеримым и прогнозируемым.

Классификация текста: от BERT до дистилляции

BERT-подобные модели — стандарт для классификации. ruBERT-base или ruBERT-large от DeepPavlov для русского языка. multilingual-e5-large — если нужно работать с несколькими языками в одном пайплайне. XLM-RoBERTa-large — сильный multilingual backbone.

Fine-tuning для классификации: добавляем classification head поверх [CLS]-токена, обучаем 3-5 эпох с lr=2e-5, weight decay=0.01. При дисбалансе — weighted CrossEntropyLoss или focal loss с gamma=2.0. Пишите — покажем code snippet.

Кейс с дисбалансом. Датасет — 3000 примеров, дисбаланс 1:20. Решение: class_weight через sklearn + CrossEntropyLoss. Дополнительно — augmentation редких классов через backtranslation (ru→en→ru через MarianMT). Recall по редким классам вырос с 0.31 до 0.67 при незначительном падении accuracy (76%→74%). Полная NLP разработка под ключ заняла 3 недели.

Дистилляция для production. BERT-large даёт F1 0.89, но inference на CPU — 180ms. Дистилляция в DistilBERT или ruBERT-tiny2 снижает latency до 25ms при F1 0.84. Экспорт в ONNX Runtime даёт дополнительный 1.5-2x. Оценим проект — рассчитаем экономию на инфраструктуре.

NER: распознавание именованных сущностей

NER — извлечение персон, организаций, локаций, дат, сумм, номеров документов. Для общих категорий (PER, ORG, LOC) предобученные модели работают хорошо. Для специализированных (медицинские термины, юридические понятия) — нужен fine-tuning.

Разметка данных. Основная стоимость NER-проекта. Для качественной модели — 500-2000 размеченных предложений на каждый тип сущности. Инструменты: Label Studio (open source) или Prodigy (от создателей spaCy). Формат IOB2 — стандарт.

Архитектура. Token classification поверх BERT: каждому токену метка (B-PER, I-PER, O). spaCy 3.x с transformer pipeline — удобный production-выбор.

Вложенные сущности. Стандартные IOB-модели не обрабатывают вложенные сущности (организация внутри адреса). Для таких задач — span-based NER: SpanBERT или SpERT. Сложнее, но правильно.

Постобработка обязательна. Модель предсказывает токены — нужны нормализованные сущности. Дата — dateparser. Суммы — regex + валидация. Имена — дедупликация через rapidfuzz. Входит в нашу стандартную поставку.

Sentiment Analysis и opinion mining

Бинарная классификация positive/negative работает с BERT из коробки. Сложность — аспектная тональность (ABSA): «в ресторане хорошая кухня, но ужасный сервис». Для ABSA: aspect extraction (NER) + sentiment по каждому аспекту. Joint модели BERT-for-ABSA — качество на русских данных ниже из-за дефицита датасетов. RuSentiment, SentiRuEval — основные ресурсы.

Для продакшена с простым позитив/негатив/нейтраль: distil-модели достаточно. Три класса, balanced датасет, 2000+ примеров — F1 macro 0.82-0.87 за 1-2 дня.

Суммаризация текста

Экстрактивная суммаризация (выбираем предложения) — TextRank или BM25 без обучения. Быстро, не галлюцинирует. Хорошо для длинных документов.

Абстрактивная (генерирует новый текст) — seq2seq: mT5, mBART, FRED-T5, ruT5-large. Для production через LLM API (GPT-4, Claude) — часто лучший трейдофф стоимость/качество/скорость.

Эмбеддинги: векторные представления текста

Эмбеддинги — основа семантического поиска, дедупликации, кластеризации, RAG. Качество критически влияет на downstream задачи.

Модели. E5-large-v2, BGE-M3, multilingual-e5-large — сильные multilingua embedders. sentence-transformers/paraphrase-multilingual-mpnet-base-v2 — быстрый вариант. Для русского: ru-en-RoSBERTa (Skoltech) хорош на semantic textual similarity.

Как оценить качество эмбеддингов? MTEB benchmark — стандарт. Но топовые результаты на MTEB не гарантируют успех на доменном датасете — строим домен-специфичный eval.

Fine-tuning эмбеддингов. Если стандартные модели не дают нужного Recall@k — contrastive learning на доменных парах с MultipleNegativesRankingLoss. 500-2000 пар, 1-3 эпохи — 5-15% прирост Recall@k.

Размерность и хранение. E5-large: 1024 dim, float32 — 4KB на вектор. При 10M документов — 40GB. Квантизация int8 снижает до 10GB. FAISS IVF_PQ — ещё компактнее, но с потерями. Входит в наши рекомендации по деплою.

Извлечение информации

Структурированное извлечение — одна из частых задач. Примеры: ключевые условия договора, технические характеристики, даты и суммы из счетов.

1. Regex + rule-based. Для ИНН, ОГРН, сумм, дат — надёжнее нейросети. Не требует данных.
2. NER + постобработка. Для вариативных форматов.
3. LLM с structured output. GPT-4 / Claude с JSON schema — для сложных документов. Стоимость: ~$0.001-0.01 на документ. Для 10k+ документов/день — считаем экономику.

Гарантируем гибрид: regex/NER для типовых полей + LLM для edge cases. Сертификат доверия: 5 лет на рынке, >30 проектов.

Этапы работы

Прототип на существующих данных — 1-3 недели. Production-система с CI/CD — 1.5-2.5 месяца. Стоимость рассчитывается индивидуально — напишите, получите консультацию и оценку.

Что входит в работу

• Документация по архитектуре модели и пайплайну
• Доступы к модели через REST API (FastAPI + ONNX)
• Обучение команды заказчика (2 часа вебинара + Q&A)
• Гарантия на точность модели на оговоренной тестовой выборке
• Поддержка 3 месяца после сдачи (багфикс, адаптация под новые данные)

Наш опыт

Более 5 лет в NLP, 30+ проектов от классификации до RAG-систем. Команда включает ML-инженеров с опытом в Hugging Face, spaCy, LangChain, MLOps. Используем vLLM, Kubeflow, Weights & Biases — продакшен-стек, а не игрушки. Пишите — оценим проект за 2 дня.