LegalTech из коробки или свой AI-стек: что выбрать юристу

Покупать LegalTech-продукт "из коробки" или строить свою рабочую среду на базе LLM: разбор опыта Zack Shapiro

Тезисы на основе эссе Zack Shapiro “The Claude-Native Law Firm: How I Actually Practice Law with AI in 2026”

1. Исходная ситуация: маленькая бутик‑фирма на сделках

Тезис Зака (суть):

Он - управляющий партнёр очень маленькой технологично‑венчурной юрфирмы, делает сделки для стартапов, M&A, финансирования, работает в тесной связке с фаундерами и инвесторами. Эссе - это “операционный отчёт”, как он реально встроил Claude в ежедневную практику, а не теоретика.

Комментарий по реальности:

Это хорошо ложится на бутик/solo/малые практики: короткие цепочки согласования, высокая свобода экспериментов, клиенты‑технари.
В крупной фирме воспроизводимость сложнее: партнёры консервативны, комплаенс, безопасность, внутренняя политика.
Если ты строишь свою фирму “с нуля”, твой контекст ближе к концепции Зака, чем к Magic Circle / AmLaw 100.

2. Главная идея: “Claude‑native law firm”, а не “legal AI‑платформа”

Тезис Зака:

Он утверждает, что специализированные “legal AI”‑продукты (Harvey, Spellbook и т.п.) менее важны, чем мощная общая модель + правильно построенная надстройка (skills, плагины, рабочие процессы). По сути: не нужен “юридический AI‑продукт”, нужен foundation‑модель (у него - Claude) как операционная система фирмы.

Комментарий по реальности:

На практике это правда, если:

ты готов сам проектировать процессы,
умеешь жёстко контролировать качество выходов модели.

Специализированные legal‑платформы выигрывают в:

готовых интеграциях (DMS, KMS, биллинг),
встроенном аудите, логах, governance.

Для boutique‑фирмы и особенно для “одиночки” подход “Claude‑native” сейчас реально эффективнее: меньше vendor‑lock‑in, быстрее менять процессы, ниже стоимость входа. Для большой юрфирмы обычно нужен гибрид.

3. Skills как “оцифрованный юридический мозг”

Тезис Зака:

Центральная идея: он закодировал свои юридические фреймворки (как смотреть на договор, как структурировать memo, как оценивать риски) в набор skills — отдельных инструкций/модулей, которые Claude вызывает под задачи. Skills содержат не только формат вывода, но и его взгляд на приоритеты, риск‑толерантность, стиль объяснений клиенту.

Комментарий по реальности:

Это очень близко к тому, что уже делают продвинутые практики: “фирменные промпты”, чек‑листы, шаблонные workflows.
Самая большая сложность - дисциплина:
skills надо писать, версионировать, тестировать и обновлять,
иначе они превращаются в хаос из десятков полу‑рабочих инструкций.
Если относиться к skills как к коду (репозиторий, версии, ревью), то это реально превращается в “оцифрованный опыт партнёра”. Если как к “длинным промптам в блокноте” - эффекта будет меньше.

4. Плагин как “контейнер” для юр‑практики

Тезис Зака:

Он упаковал свои skills и настройки в один Claude‑плагин для своей фирмы.
Идея: любой коллега может подключить плагин и получить доступ к его способу думать, стандартам, форматам документов и т.д.

Комментарий по реальности:

В техническом смысле это уже делается: один workspace / один набор tools / один config skills → шаринг внутри команды.

В организационном смысле это мощная, но непростая штука: ты фактически централизуешь “как правильно делать работу”; это конфликтует с культурой “каждый партнёр практикует по‑своему”.

Для ситуации если фирма строится вокруг юриста, как ядра - это плюс: сразу задаётся “плагин‑культура”: все играют по установленным playbook’ам, AI только масштабирует.

5. Кейсы: contract review “за минуты”

Тезис Зака:

Он описывает, как накануне закрытия сделки Claude с его skills пробежал длинный SPA/договор, сравнил правки против исходных условий сделки и выдал структурированную карту изменений и рисков за минуты. Он использовал AI не как “write me a summary”, а как систему:

загрузка документов → вызов нужных skills → структурированный вывод по заранее определённому формату.

Комментарий по реальности:

Да, это уже работает примерно так:

модели хорошо ловят делты между версиями,
могут группировать изменения по темам (liability, termination, IP, covenants).

Ограничения:

много cross‑references, вложенные schedules, сложные механизмы earn‑out - модель может пропустить или неправильно интерпретировать;
по‑настоящему тонкие моменты всё равно остаются на юристе.

Практический вывод: требуется использовать AI как “супер‑паралегала”: предварительная карта изменений, затем юрист проходит по ней сам.

6. Legal research: параллельные ветки вместо одной

Тезис Зака:

Он использует Claude, чтобы запускать сразу несколько параллельных веток исследования по одному вопросу: разные юрисдикции, разные теории, разные подходы к ремедиациям. Потом сшивает результаты в своё профессиональное суждение.

Комментарий по реальности:

Это реально одно из сильнейших применений:

ты можешь одновременно прогнать несколько research‑стратегий (по ключам, по структуре нормы, по аналогиям).

Слабое место- источники:

чисто LLM без доступа к актуальной базе (К+ /Гарант/ Westlaw / Lexis / court sites) рискует галлюцинировать решения и нормы;
нужно жёсткое правило: каждое упоминание кейса/нормы проверяется в “официальном” источнике.

В России/ЕС это значит: LLM даёт гипотезы и структуру аргумента, а не “готовое правовое заключение”.

7. “AI не практикует право, практикуешь ты”

Тезис Зака:

Он подчёркивает: AI не является практикующим юристом. AI только инструмент, который ускоряет и масштабирует, но финальное решение, ответственность и привилегия - на юристе.

Комментарий по реальности:

Это полностью совпадает с текущей рамкой в США, ЕС и де‑факто в РФ:

AI - это “advanced tool”, как поисковая база, не субъект ответственности.

Практически это значит:

AI‑выводы нельзя класть клиенту “как есть”;
твой рабочий процесс должен содержать явный шаг проверки и одобрения человеком.

Для позиционирования фирмы это плюс: можно безопасно говорить клиенту “мы используем AI как инструмент, но ответственность не перекладываем”.

8. Конфиденциальность и регулирование (GDPR, AI Act, привилегия)

Тезис Зака (через аналитику):

Он строит практику так, чтобы минимизировать регуляторные и конфиденциальностные риски:

исключение данных клиентов из тренировки моделей,
DPA с провайдером,
логирование того, что проходит через AI,
прозрачность перед клиентом (clause в engagement letter про AI).

Комментарий по реальности:

Это уже must‑have для EU/UK, и к этому движутся и другие юрисдикции.
В России формально нет прямого аналога AI Act, но есть:

адвокатская тайна,
коммерческая тайна,
персональные данные.

Практический минимум:

использовать режим без тренировки на данных клиентов,
не отправлять чувствительные данные без анонимизации, если не уверен в юр‑рамке,
прописать в договоре с клиентом использование AI (с возможностью opt‑out для особо чувствительных).

9. Документирование и аудит работы AI

Тезис Зака (через испанский разбор):

Он, по сути, ведёт “лог” использования AI: какие документы прошли через AI, какая была человеческая проверка, какой вывод принят. Это отвечает на вопросы ответственности и регуляторного контроля.

Комментарий по реальности:

Это очень здравый подход и скоро, похоже, станет стандартом:

журнал использования AI,
отметка в деле/папке: какие draft’ы были сгенерированы, какой юрист их пересмотрел.

Минус: это дополнительная нагрузка. Но если автоматизировать (встроить в DMS/CRM), это не слишком больно.
Для boutique‑фирмы такого уровня это реальный конкурентный плюс: ты в любой момент можешь показать “human‑in‑the‑loop”.

10. Клиенты “подписывают без моргания”

Тезис Зака:

Он пишет, что вставил в документооборот явную оговорку про использование AI в работе над делами клиентов, и те соглашаются.

Комментарий по реальности:

В тех‑и венчур‑среде США это логично: клиенты сами пользуются AI и ожидают эффективности.
В более традиционных сегментах (крупный бизнес, государство, сложные споры) отношение осторожнее:

им надо объяснять риски,
иногда они требуют прямых ограничений на использование AI.

Это повод сразу сегментировать клиентов:

“AI‑friendly” (где можно агрессивно применять Claude),
“AI‑restricted” (строгие правила, больше ручной работы).

11. Кодирование именно “суждения”, а не просто шаблонов

Тезис Зака:

Он делает акцент: ценность не в том, чтобы засунуть в skills шаблоны документов, а в том, чтобы закодировать профессиональное суждение - как выбирать между опциями, что считать “красным флагом”, какой риск клиент готов нести.

Комментарий по реальности:

Это ключевой инсайт:

шаблоны договоров уже есть у всех, но “как именно ты решаешь, где стоит драться, а где уступить” - это и есть IP юриста.

В практическом плане: твои skills должны описывать, как оценивать сценарии, а не только как структурировать текст.

Для тебя: можно начать с нескольких high‑value skills:

“как я смотрю на SPA / SHA”,
“как я объясняю риски фаундеру/инвестору”,
“как я готовлю стратегию для переговоров”.

12. Ограничения и “нет автопилота”

Тезис Зака:

Он подчёркивает, что несмотря на автоматизацию, каждое дело и документ он проверяет сам, нет режима "автопилот". AI ускоряет, но не заменяет.

Комментарий по реальности:

Это единственно возможная ответственная позиция сейчас, учитывая:

галлюцинации,
возможные ошибки в сложных юридических конструкциях,
отсутствие у моделей реальной “понимании контекста дела” (политика, отношения сторон).

Если кто‑то строит процесс с “автопилотом”, это уже высокая malpractice‑зона.
Для юр. фирмы хорошо формализовать правило: “Результат работы ИИ без проверки человеком клиенту не уходит”.

13. Практический вывод

Если все его идеи сжать до “чек‑листа”, что имеет смысл копировать из подхода Зака при организации работы частнопрактикующего юриста или небольшой юридической фирмы:

Поставить Claude как ядро, а не гоняться за “чудо‑legal‑платформой”.
Создать небольшой, но тщательно вылизанный набор skills, отражающих именно твой стиль права и риск‑аппетит.
Упаковать их в общий “плагин” или конфигурацию рабочего пространства, чтобы новые люди в команде/фирме сразу “подключались” к твоему "мозгу".
Встроить обязательный human‑review и журнал использования AI.
Оформить прозрачность для клиентов (clause про AI) и сегментировать тех, кто ок с интенсивным использованием AI.
Сразу думать о конфиденциальности и ПД/тайне: no‑training режим, DPA/аналог, анонимизация, ограничения по чувствительным делам.

Такой подход - классический пример перехода от уровня "эксперимент" к уровню "инфраструктура", о котором я писал в статье «ИИ как часть инфраструктуры: три уровня зрелости». Если коротко: AI перестаёт быть "штукой, которую пробуем", и становится операционной системой практики.