← Все кейсы
Госсектор Юридический AI

AI-ассистент юриста в спорах по 44-ФЗ

Юридическая служба государственного заказчика судится с подрядчиками по 44-ФЗ — взыскивает неустойки, расторгает контракты. Мы построили систему, которая готовит юристу позицию по спору: применимые нормы, практику, риски и контраргументы другой стороны — черновик, который тот проверяет и несёт в суд.

Задача

У крупного государственного заказчика — сотни контрактов с подрядчиками, и часть из них кончается судом. Каждый спор ложится на юридическую службу.

Типичный спор по 44-ФЗ

Подрядчик сорвал сроки, не сдал работы, нарушил условия. Нужно взыскать неустойку, расторгнуть контракт или отбиться от встречного иска.

позиция собирается вручную из четырёх источников
44-ФЗ Гражданский кодекс судебная практика прошлые дела заказчика
цена ошибки двойная невзысканные деньги — и вопросы от контролирующих органов

Мы построили систему, которая готовит юристу заготовку такой позиции. По-настоящему сложным в ней оказалось совсем не то, чего ждёшь от такой задачи.

Например, неустойка за просрочку — можно ли взыскать и каков потолок? Любая правовая база за секунду выдаст нужные статьи: ответственность предусмотрена, считайте по формуле, идите в суд. Так ответит вчерашний стажёр.

Юрист, который вёл такие споры, сначала спросит другое: а сам заказчик ничего не нарушил — вовремя передал площадку, согласовал что требовалось, принял этапы? Если содействия с его стороны не было, суд может срезать неустойку или вовсе отказать во взыскании. На встречных претензиях, на собственной просрочке заказчика, на запоротой процедуре расторжения такие иски разваливаются чаще, чем на слабой позиции по сути.

Закон тут публичный, он лежит в открытых базах, и найти статью умеет каждый. Ценность юриста в другом: помнить, чем по этому закону бьют в ответ, и не повторить ошибку, на которой споткнулся в прошлый раз. Система собирает для него позицию по спору — применимые нормы, судебную практику, риски, контраргументы другой стороны — и отдаёт черновиком меморандума, то есть готовым заключением с позицией, которое юрист проверяет и несёт в суд.

Самое опасное в деле — норма, которой в нём нет

Первое, что напрашивается для такого продукта, — поиск по документам: на вопрос находим самые похожие куски из законов и решений, отдаём модели, она пишет ответ. Для справки по тарифу это работает. Для судебного спора ломается на первом же деле.

Вернёмся к статье про содействие заказчика. В решении суда по просрочке подрядчика этих слов может не быть вовсе: содействие — это защита подрядчика, которую он поднимет в ответ, и в предмете иска оно не звучит. Поиск по смыслу её не вытащит, потому что в тексте дела её нет. А юрист, который про неё забыл, услышит её в зале суда от другой стороны.

Отсюда выросло главное решение во всей системе: в вопросах полноты поиску не доверять. То, что нормы нет в найденных документах, ещё не значит, что она не нужна. Чаще наоборот: самые опасные для заказчика нормы — ровно те, которые он сам в иск не впишет.

Движок, который подсказывает аргументы другой стороны

Поэтому половина инженерной работы здесь живёт за пределами поиска — в том, что система добавляет к найденному сама. По тексту вопроса она определяет тип спора и достаёт к нему нормы, которые юрист обязан проверить, даже если в деле их не видно.

Спросили про неустойку за просрочку — и система сама подкладывает то, чем будет защищаться подрядчик, ещё до того, как об этом вспомнит юрист. Связки прописаны вручную, как память человека, отсидевшего сотни заседаний и помнящего, какие нормы ходят в суд вместе. Работа ручная, и под каждый новый тип спора карту дописывают заново.

Есть и обратная осторожность: лишнюю норму система так же сознательно убирает. Гражданский кодекс и закон о госзакупках живут по разным правилам, и смешать их санкции в одном доводе — ошибка, которую оппонент заметит сразу. Поэтому на чисто гражданский вопрос система не тащит статьи о госзакупках, а если речь прямо о снижении неустойки — убирает нормы про содействие: там другая ось спора, и лишнее только шумит.

Поиск по трём корпусам и инъекция норм — карта
ВОПРОС ЮРИСТА
«подрядчик опоздал на 45 дней — взыщем неустойку, какой максимум?»
категория и факты определяются по вопросу
КАТЕГОРИЯ И ТЕГИ
модель относит вопрос к одной из семи категорий спора; если она недоступна — фолбэк по ключевым словам
теги фактов — по словам вопроса: всплыла приёмка, расторжение, погода, прямая ссылка на 44-ФЗ
параллельно
ПОИСК ПО ТРЁМ КОРПУСАМ
найти то, что лежит в текстах
Нормативная база lawyers_knowledge
44-ФЗ, Гражданский кодекс, постановления правительства, письма Минфина / ФАС / Минэка, разъяснения ВС
Общая практика lawyers_practice
судебные акты, обзоры и разъяснения высших судов
Дела заказчика lawyers_practice_cases
его собственные акты по похожим спорам, размеченные по категориям
ИНЪЕКЦИЯ НОРМ
добавить то, чего в текстах нет, но юрист обязан проверить
Неустойка за просрочку
содействие заказчика (ст. 718 ГК) → просрочка самого кредитора (ст. 406) → снижение неустойки (ст. 333) + критерии снижения из практики ВС
По фактам дела
приёмка → качество работ (ст. 720, 753, 715); расторжение → порядок (ст. 450 ГК, ст. 103 44-ФЗ); погода → непреодолимая сила (ст. 401, 416)
Прямой вопрос про закупку
подмешиваются статьи 44-ФЗ (34, 94, 95, 103); иначе режим закона о госзакупках в ответ не тянут
Вброшенная норма помечена приоритет + причина
защищена от отсечения по квоте и несёт пометку, почему попала в ответ
сборка меморандума →
готовый пример — ниже в тексте
3 корпуса в Qdrant · категория спора моделью + теги по словам · ручная онтология связок норм
pydantic-ai · Qdrant · Qwen3-Embedding-0.6B · DeepSeek · FastAPI / SSE · PostgreSQL · в контуре заказчика

Сказать уверенно и неправильно — здесь это худший исход

В обычном чат-боте худшее, что случается, — выдуманный факт. В юридическом ассистенте опаснее другое: гладко и грамотно сформулированная неправда о законе.

Снова та же статья про содействие. В её тексте написано «заказчик обязан», и модель на голубом глазу выдаёт, что по этой статье заказчик вправе взыскать с подрядчика. Звучит уверенно, по делу, с правильными реквизитами. А по смыслу всё обратно: статья защищает подрядчика, и юрист, который ей поверит, придёт в суд с аргументом против себя.

Поэтому поверх генерации стоит слой проверок, и каждая выросла из конкретной ошибки, которую модель уже совершала. Систему научили узнавать эти провалы пофразово и вырезать или смягчать предложение, в котором они вылезли, — будь то статья про содействие, повёрнутая во вред заказчику, или снижение неустойки, заехавшее в обоснование по 44-ФЗ.

На самых важных статьях подстелена соломка: если модель промолчала или сбилась, в ответ идёт заранее выверенная юристом формулировка. Пустоты на месте ключевой нормы быть не должно.

Фильтры корректности — что вырезается после генерации
ПОФРАЗОВО, ПОСЛЕ ГЕНЕРАЦИИ
каждое правило — конкретная ошибка, которую модель уже совершала
Содействие во вред заказчику вырезать
ст. 718 в одном предложении со «взыскать», «односторонний» или «уменьшить» → предложение убирается: норма защищает подрядчика, а не даёт прав заказчику
Чужой правовой режим вырезать
ст. 333 ГК про снижение неустойки внутри обоснования по 44-ФЗ → убирается: гражданский кодекс и закон о госзакупках не смешивают в одном доводе
«Автоматически» у неустойки смягчить
→ «в порядке, установленном законом», чтобы юрист не пропустил претензионный порядок
Пустота на ключевой норме фолбэк
если после чистки от нормы почти ничего не осталось — в ответ идёт заранее выверенная юристом формулировка
правила бьют по совпадению номера статьи и слов рядом · фолбэк не оставляет ключевую норму пустой

Ответ собран как рассуждение юриста

Ответ устроен как меморандум, который написал бы старший юрист. Каждый блок собирается отдельно и со своими ограничениями, чтобы рекомендации не растеклись в вежливую воду. Вот как выглядит такой черновик на сквозном примере про неустойку.

Черновик меморандума · пример
Подрядчик просрочил сдачу на 45 дней. Взыскать неустойку — и каков потолок?
Краткий вывод
Неустойку взыскать можно. Но рассчитывайте на снижение: суд вправе уменьшить её по ст. 333 ГК как несоразмерную.
Применимые нормы
ст. 330 ГК — неустойка за просрочку; ст. 333 — её снижение; ст. 718 и 406 — содействие заказчика и его собственная просрочка.
Судебная практика
Разъяснения Верховного суда о критериях снижения неустойки; практика по спорам о просрочке подрядчика.
Опыт заказчика
Его прошлые дела по похожим просрочкам — чем закончились и на каком доводе разваливались.
Критические риски
Сначала проверьте себя: вовремя ли передали площадку и согласовали что требовалось. Если содействия не было, подрядчик сошлётся на ст. 718 — и неустойку срежут.
Рекомендации
Соблюсти претензионный порядок до иска; заранее обосновать соразмерность неустойки.
Итог
Позиция рабочая. Главные угрозы — снижение по ст. 333 и довод подрядчика о содействии.

Эталон тут задают живые ответы юристов. Под каждую из семи категорий споров есть образцовый разбор в той же структуре меморандума, и система сверяется с ними: совпало ли по сути, что упустила, что добавила лишнего. По этим же эталонам идёт регулярный прогон, чтобы качество не уехало после очередной правки.

Внутри контура заказчика

Вся система разворачивается в контуре заказчика. Судебные дела, переписка и внутренние материалы не уходят наружу, инференс моделей работает там же, внутри периметра. Для госструктуры это условие, без которого разговор вообще не начинается.

И собрано всё это на его реальных делах, а не на чистом учебном корпусе. Данные приходят грязными:

Всё это приходится приводить к одному виду, иначе собственное дело заказчика не находится по своему же номеру. Возня неблагодарная, но без неё нельзя: ссылка на норму или дело должна быть точной до статьи и номера, а кривая ссылка в меморандуме хуже отсутствующей — отсутствие юрист заметит сразу, ошибку поймает уже в суде.

Результат

Система работает как ассистент юридической службы заказчика. Раньше юрист начинал спор с чистого листа и собирал позицию руками по нескольким базам. Теперь он открывает готовый черновик, где уже сведены применимые нормы — включая те, которыми ударит другая сторона, — релевантные прошлые дела заказчика, риски и рекомендации. Дальше он проверяет, правит и решает, что нести в суд. Последнее слово остаётся за ним.

Закон эта система не знает лучше юриста, да это и не требуется. Она держит то, что у живого человека держится плохо: помнит невыгодную норму, которую забыли вписать, и не путает, кому какая статья помогает. На этих двух вещах споры в госзакупках и проигрываются.

Что мы вынесли из пилота

Три корпуса: законы, судебная практика и собственные дела заказчика
Движок сам добавляет нормы, которыми бьёт другая сторона
Пофразовые фильтры против уверенно перевёрнутого закона
Ответ в форме меморандума по семи категориям споров
Качество меряется против эталонных ответов юристов
Вся система — в контуре заказчика, данные не уходят наружу
Три корпуса: законы, судебная практика и собственные дела заказчика
Движок сам добавляет нормы, которыми бьёт другая сторона
Пофразовые фильтры против уверенно перевёрнутого закона
Ответ в форме меморандума по семи категориям споров
Качество меряется против эталонных ответов юристов
Вся система — в контуре заказчика, данные не уходят наружу

Модули платформы в этом проекте

Документы Qdrant

Три корпуса в Qdrant: законы (44-ФЗ, ГК, постановления, письма ведомств), общая судебная практика (обзоры и пленумы Верховного и Высшего арбитражного судов) и собственные дела заказчика. Поверх поиска — ручная инъекция норм, которых в тексте дела нет, но которые юрист обязан проверить

Чат и агенты pydantic-ai

pydantic-ai поверх юридического пайплайна. Ответ собирается по секциям меморандума — вывод, нормы, практика, опыт заказчика, риски, рекомендации — каждая со своими ограничениями. История диалогов в тредах

Guardrails

Пофразовые фильтры против перевёрнутого толкования: статья про содействие заказчика без ложных прав на взыскание, норма ГК о снижении неустойки не подмешивается в обоснование по 44-ФЗ. На ключевые статьи — выверенные юристом формулировки на случай сбоя модели

Evaluation

Эталонные ответы юристов по семи категориям споров. Сходство по словам плюс оценка моделью-судьёй: что совпало, что упущено, что добавлено лишнего. Регулярный прогон, чтобы качество не уезжало после правок

Инференс

DeepSeek для посекционной сборки меморандума, Qwen3-Embedding-0.6B для векторизации трёх корпусов. Инференс — в контуре заказчика

Расскажите, какой процесс хотите разобрать.

Ответим, подходит ли задача для AI-агентов, и если да, предложим конкретный план.

или напишите напрямую — ilya@manaraga.ai