13 октября 2026 г. · Анатолий Крылов, редактор Тераферма
Нейросеть для проверки договоров: кейс юристов с открытой LLM и чек-листом рисков
Нейросеть для проверки договоров не заменяет юриста, но берёт на себя первый проход: находит пункты по чек-листу (неустойки, сроки оплаты, приёмку, односторонний отказ, подсудность) и сравнивает их с позицией клиента. Юридическая компания из шести человек проверила так 200 договоров поставки за две недели пилота на открытой модели Qwen 32B и арендованной RTX A6000 (около 990 ₽ за всю работу видеокарты). Время юриста на типовой договор сократилось в 2–3 раза. Ниже расскажем, как устроена проверка, сколько памяти и времени она занимает, что пошло не так и как повторить.
Это собирательный пример: компания придумана, но подход, время работы и цены — реальные, по тарифам Терафермы.
Небольшая юридическая компания из шести человек сопровождает производственных клиентов. Основной поток составляют договоры поставки: каждую неделю приходит 30–50 проектов от контрагентов клиентов. Юрист читает каждый целиком, сверяет с позицией клиента и пишет протокол разногласий. На договор в 20 страниц уходит 1–2 часа, и большая часть этого времени уходит на поиск одних и тех же пунктов: неустойки, сроки оплаты, приёмка, односторонний отказ, подсудность.
Партнёр компании поставил задачу: пусть нейросеть делает первый проход: находит нужные пункты и сравнивает их с позицией клиента, а юрист начинает работу уже с готовой таблицей.
Главный вопрос: конфиденциальность
Отправлять договоры клиентов в ChatGPT или другие зарубежные сервисы компания не могла: это коммерческая тайна клиентов и персональные данные подписантов. Своя модель на арендованной видеокарте решает часть проблемы: документы не уходят в чужой API. Но есть важное ограничение, которое юристы сразу учли сами: машины Терафермы физически находятся за рубежом.
Поэтому схема с первого дня включала обезличивание:
- названия компаний → «Поставщик», «Покупатель»;
- ФИО, должности, паспортные данные → удаляются;
- реквизиты, адреса, номера счетов → удаляются;
- суммы и цены → «[СУММА]», если они не нужны для проверки.
Обезличивание делалось на компьютере компании простым скриптом с регулярными выражениями и списком названий клиентов. На арендованный сервер уходил только текст условий, по которому нельзя установить стороны. Для анализа рисков этого достаточно: важно, что написано в пункте про неустойку, а не кто именно её платит.
Решение
Модель: Qwen 32B Instruct — хорошо читает русские юридические тексты и умеет отвечать строго по формату.
Видеокарта: договор на 20–40 страниц занимает 15–30 тысяч токенов контекста. Чтобы модель держала весь договор целиком и быстро отвечала, нужна память с запасом. Команда взяла RTX A6000 с 48 ГБ за 66 ₽ в час. Для самых длинных договоров пробовали A100 (от 97 ₽), но для их объёмов хватило A6000.
Сервер: шаблон vLLM: модель отвечает по API, совместимому с OpenAI, поэтому скрипт пишется так же, как под ChatGPT.
Как устроена проверка
Для каждого договора скрипт задаёт модели вопросы по чек-листу из 18 пунктов, который составили сами юристы. Например:
- Есть ли неустойка за просрочку поставки? Размер, порог, ограничение сверху.
- Сроки оплаты и момент, с которого они считаются.
- Порядок приёмки по количеству и качеству, сроки претензий.
- Право одностороннего отказа — у кого и на каких условиях.
- Подсудность и порядок досудебного урегулирования.
По каждому пункту модель возвращает:
- цитату из договора: номер пункта и точный текст;
- отклонение от позиции клиента: «соответствует», «хуже для клиента», «не найдено»;
- короткий комментарий.
Ключевое правило в инструкции: отвечать только по тексту договора и всегда приводить цитату. Если цитаты нет, ответ «не найдено». Так юрист за секунду проверяет любой вывод модели, а модель не может «додумать» условие, которого нет.
На выходе получается таблица в Excel на каждый договор. Юрист открывает её вместе с договором, проверяет пункты с пометкой «хуже для клиента» и пишет протокол разногласий.
Пример ответа модели
Так выглядит одна строка таблицы по пункту чек-листа «неустойка за просрочку поставки»:
| Поле | Значение |
|---|---|
| Пункт договора | 7.2 |
| Цитата | «За просрочку поставки Поставщик уплачивает неустойку в размере 0,5% от стоимости непоставленного Товара за каждый день просрочки» |
| Позиция клиента | 0,1% в день, не более 10% от стоимости партии |
| Оценка | хуже для клиента |
| Комментарий | ставка выше позиции, нет ограничения сверху |
Юристу не нужно искать пункт в тексте: номер и цитата позволяют проверить вывод за несколько секунд. Если цитаты нет или она не совпадает с текстом договора, строка помечается для ручной проверки.
Сколько памяти и времени нужно
| Этап | Где работает | Видеопамять | Время |
|---|---|---|---|
| Распознавание сканов | на компьютере компании | не нужна | 1–2 минуты на договор |
| Обезличивание | на компьютере компании | не нужна | секунды |
| Модель Qwen 32B в 4 битах | RTX A6000 | около 19 ГБ | загрузка 5–7 минут |
| Контекст договора на 30 тысяч токенов | RTX A6000 | 7–8 ГБ на один договор | — |
| Проверка по 18 пунктам | RTX A6000 | — | 1–2 минуты на договор |
На карте с 48 ГБ после загрузки модели остаётся место под контекст двух-трёх договоров одновременно — vLLM обрабатывает их параллельно. На RTX 4090 с 24 ГБ модель тоже запускается, но длинный договор целиком уже не помещается, и его пришлось бы резать на части. Для юридических текстов это плохо: условия часто ссылаются на другие разделы.
Как повторить: пошагово
1. Составьте чек-лист и позицию клиента. 15–20 вопросов и по каждому — типовая позиция: что приемлемо, что нет. Это работа юристов, и от неё зависит половина качества.
2. Подготовьте 20–30 уже разобранных договоров. Это тестовый набор, на котором видно, ошибается ли модель.
3. Напишите обезличивание и запустите его у себя. Названия сторон, ФИО, реквизиты и суммы заменяются метками до того, как текст покидает компьютер компании.
4. Арендуйте RTX A6000 с шаблоном vLLM. Машина с 48 ГБ есть в каталоге аренды RTX A6000, шаблон ставится при запуске. Команды для запуска модели собраны на странице запуска Qwen.
5. Задайте формат ответа. Модель возвращает JSON с полями «пункт», «цитата», «оценка», «комментарий» по каждому вопросу. Скрипт на компьютере компании собирает ответы в Excel и возвращает в таблицу реальные названия сторон.
6. Сравните с тестовым набором, поправьте формулировки вопросов и только потом запускайте новые договоры.
7. Останавливайте сервер вечером. После остановки данные на машине удаляются, и в этой схеме это плюс: на сервере не остаётся даже обезличенных текстов.
Пилот: 200 договоров за две недели
| Этап | Карта | Часы | Стоимость |
|---|---|---|---|
| Настройка модели и чек-листа | RTX A6000 | 6 | ≈ 396 ₽ |
| Проверка на 30 уже разобранных договорах (сравнение с работой юристов) | RTX A6000 | 3 | ≈ 198 ₽ |
| Рабочий прогон 170 новых договоров | RTX A6000 | 6 | ≈ 396 ₽ |
| Итого | 15 | ≈ 990 ₽ |
Сервер включали утром и выключали вечером. Модель загружалась при старте за 5–7 минут, это дешевле, чем держать машину включённой ночью.
Что показал пилот
Точность поиска пунктов — высокая. На 30 договорах, которые юристы уже разобрали вручную, модель нашла нужные пункты примерно в 9 случаях из 10. Чаще всего ошибалась там, где условие было размазано по нескольким разделам или вынесено в приложение.
Оценка рисков — только подсказка. Модель правильно отмечала очевидные отклонения: неустойка без ограничения сверху, отказ только у поставщика. Но тонкие вещи (как пункт работает вместе с другими и с позицией суда) оставались за юристом.
Время юриста сократилось. Вместо полного чтения с нуля юрист проверяет таблицу и спорные места. По оценке команды, на типовой договор уходит в 2–3 раза меньше времени.
Ошибки, которые стоит учесть
Слишком широкий вопрос. Вопрос «какие риски в договоре?» давал размытые ответы. Работают только конкретные вопросы по чек-листу с требованием цитаты.
Обезличивание ломало смысл. Первая версия скрипта удаляла все числа, включая сроки («в течение [ЧИСЛО] дней»). Сроки и проценты оставили, удаляли только суммы и реквизиты.
Модель путала стороны. В части договоров стороны назывались не «Поставщик» и «Покупатель», а «Исполнитель», «Продавец», «Заказчик». После обезличивания модель иногда приписывала обязанность не той стороне. Помогло на этапе обезличивания приводить все роли к двум меткам и добавлять в начало текста строку, кто из сторон — клиент.
Сканы вместо текста. Часть договоров приходила сканами. Их сначала распознавали в текст, и проверяли распознавание выборочно: ошибка OCR в цифре срока важнее любой ошибки модели.
Сколько стоит в постоянной работе
После пилота компания оставила схему в работе. При потоке 40 договоров в неделю модель тратит на проверку около часа, плюс загрузка при каждом запуске. Сервер включают два раза в неделю на 1–1,5 часа.
| Режим | Часов в месяц | Стоимость |
|---|---|---|
| 2 сессии в неделю по 1,5 часа | около 13 | ≈ 858 ₽ |
| Ежедневно по часу в рабочие дни | около 22 | ≈ 1 452 ₽ |
Главная экономия здесь не на видеокарте, а на времени юристов: при 40 договорах в неделю и проверке в 2–3 раза быстрее освобождается несколько десятков часов в неделю.
Если договоры длиннее 50–60 страниц или нужно проверять сразу несколько документов с приложениями, 48 ГБ становится тесно. Тогда стоит посмотреть на A100 с 80 ГБ за 97 ₽ в час: модель та же, а места под контекст почти вдвое больше. Сравните актуальные цены обеих карт перед выбором: соотношение между ними меняется вместе с рынком.
Кому подойдёт
- Юридическим компаниям и юрдепартаментам с потоком типовых договоров.
- Бухгалтерии и финансовым отделам — сверка условий оплаты и штрафов в договорах с контрагентами.
- Отделам закупок — проверка договоров поставщиков на соответствие внутренней политике.
Не подойдёт для нестандартных сделок, где нет типовой позиции: M&A, сложные корпоративные договоры, споры. Там ценность в анализе юриста, а чек-лист на 18 пунктов покрывает малую часть рисков.
Для работы с персональными данными в открытом виде такую систему нужно разворачивать на сервере в России. Пилот на обезличенных документах позволяет дёшево проверить идею и понять, какая мощность нужна.
Начать можно с шаблона vLLM при запуске машины в каталоге. Подобрать карту под длину ваших документов поможет VRAM-калькулятор, а про работу с документами через поиск — кейс стартапа с ассистентом по документам.