Юристы Sullivan & Cromwell создали с OpenAI инструмент для анализа договоров
15 октября OpenAI описала совместную разработку Sullivan & Cromwell - Agreement Analyzer для внутренней проверки проектов договоров. Инструмент сопоставляет положения документа с выбранными прецедентами, переговорными правилами фирмы и позициями клиента, после чего предлагает анализ и правки для проверки юристом. Это описание внедрения конкретной юридической фирмы, а не универсальный продукт с доказанной точностью для всех договоров.
Что изменилось
Разбор учитывает фирменные прецеденты и приоритеты клиента
Agreement Analyzer создавался для работы с черновиком соглашения в контексте практики фирмы. Юрист загружает документ, выбирает подходящие прецеденты и переговорный playbook с позициями фирмы и клиента, а система помогает отметить спорные положения и связи между ними. Такой контекст отличает внутренний инструмент от общего чат-запроса, которому не передали историю переговоров и профиль клиента. При этом корректность исходной библиотеки и применимость прецедента по юрисдикции и типу договора остаются на стороне юриста.
Прототип вырос из работы одного партнера
По рассказу OpenAI, партнер John Savva сначала собрал однопользовательский proof of concept с помощью Codex. Затем совместно с OpenAI команда улучшила качество результатов, добавила параллельную обработку и доработала приложение для нескольких юристов. Пример показывает путь от личного прототипа к командному инструменту, но не раскрывает точные метрики ускорения, частоты обнаружения проблем или экономии часов. Эти показатели важно проверять отдельно от впечатления пользователей и выбирать по типам документов, где цена пропуска различается.
Система предлагает анализ, а не выносит юридическое заключение
Инструмент собирает замечания и возможные правки, которые специалист может проверить и уточнить. Для юридической работы это принципиальная граница: отсутствие подсвеченного риска не означает, что условие безопасно, а предложенная формулировка не становится принятой редакцией автоматически. При пилоте полезно сохранять исходный текст, результат модели, решение юриста и тип замечания. Так можно выявить систематические пропуски, ложные тревоги и ситуации, в которых источник playbook устарел.
На примере видны условия корпоративного внедрения
OpenAI приводит Agreement Analyzer как пример сочетания моделей ChatGPT Enterprise, внутренних документов и пользовательского приложения. Другой организации потребуется собственная проверка прав доступа, хранения договоров, журналирования и разграничения клиентских материалов. Необходимо определить, кто поддерживает прецеденты и правила, как удаляются временные копии и как фиксируется одобрение предложенной правки. Опыт фирмы полезен как пример архитектуры рабочего процесса, но сам по себе не доказывает, что тот же подход подходит малой практике или иному правовому режиму.
Юридический инструмент остается под контролем специалиста
OpenAI рассказала о Agreement Analyzer, разработанном Sullivan & Cromwell с использованием ChatGPT Enterprise и Codex. Инструмент сопоставляет положения договора с выбранными прецедентами и переговорными playbook, после чего формирует замечания для проверки юристом. Публичное описание не содержит независимых цифр точности или экономии времени.
Если адаптируете подобный рабочий процесс, начинайте с ограниченного типа документов и известного эталонного набора. Фиксируйте пропуски, ложные тревоги и каждую правку специалиста. До пилота определите, где хранятся договоры, кто открывает клиентские прецеденты, как удаляются временные копии и как обновляются playbook. В контролируемом пилоте задайте набор закрытых документов, для которых эксперты заранее согласовали ключевые положения и известные риски. Сравните вывод модели с независимой разметкой и отдельно посчитайте пропуски, лишние замечания, корректировки текста и время проверки специалиста. Разделите результаты по виду соглашения и сложности, чтобы несколько простых файлов не скрыли ошибки в важной категории. Уточните, может ли инструмент сослаться на конкретный пункт договора или прецедент, а затем проверьте эти ссылки. Масштабируйте процесс только после согласования юристами правил доступа, хранения и передачи документов. Пилот следует проводить с разрешенными материалами и контролем доступа, поскольку правки могут раскрывать клиентскую позицию или внутреннюю стратегию переговоров. Зафиксируйте также, кто отвечает за своевременное обновление набора прецедентов после изменения закона или внутреннего playbook. Старый пример может направить анализ в неверную сторону даже при корректной работе модели. Периодический просмотр ошибочных и пропущенных замечаний помогает определить, когда набор примеров нужно заменить или снова проверить.
Это кейс конкретной юридической фирмы, а не готовая универсальная услуга. Модель не принимает юридическое решение и не гарантирует выявление каждого риска.
Что это дает пользователю
Сначала проверьте узкий тип соглашений с известной историей результата.
Фиксируйте пропущенные риски, ложные тревоги и решения юристов.
Определите права доступа к прецедентам, договорам клиентов и истории обработки.
Что нужно учитывать
Описание основано на кейсе OpenAI и Sullivan & Cromwell.
Публичная публикация не содержит независимых количественных метрик точности.
Инструмент поддерживает юриста и не заменяет юридическую проверку.
Коротко
Кейс показывает, как предметные прецеденты и клиентские позиции можно связать с анализом проекта соглашения. Ценность подобного инструмента зависит от качества базы, защиты документов и обязательной проверки результата юристом.