LLM или специализированный LegalTech: за что на самом деле платят, когда в названии приставка "Legal"
В LinkedIn разгорелся спор: что перспективнее для юриста - готовое специализированное решение или рабочий стек напрямую на большой языковой модели (LLM). Разберу аргументы обеих сторон коротко, с цифрами.
Аргументы в пользу специализированных решений
Сторонники узких LegalTech-продуктов говорят: решение настроено под юриста - лексика, шаблоны вывода, антигаллюцинационные слои, заточка под юрисдикцию.
На практике подавляющее большинство таких продуктов - надстройка над чужой LLM. Harvey, Spellbook, CoCounsel, российские Искра, ПравоПрактика - ядро у них GPT, Claude, Gemini или их комбинация. "Настройка под юриста" чаще всего сводится к системному промпту, RAG-слою поверх отраслевой базы и интерфейсу с привычными словами на кнопках (иногда красивому).
Аргумент в пользу LLM напрямую
Если ядро одно и то же, то зачем платить премию за обёртку?
Harvey не публикует прайс, но по данным независимого обзора Bind Legal (апрель-май 2026), ценник для крупных фирм (Am Law 100, 200+ мест) - около $100-200 за пользователя в месяц, а для фирм среднего размера и небольших команд - $1000-2000 за пользователя в месяц. Годовые контракты стартуют от $50 000.
При этом ChatGPT, Claude и Gemini как ядро Harvey и аналогов стоят в десятки раз дешевле в прямой подписке. Разница - не в качестве модели, а в оболочке, продажах и позиционировании, что "сделано специально для юристов".
Показательный пример - открытый проект Lavern, мультиагентная система из 67 агентов для анализа документов с протоколом дебатов между агентами. Автор честно пишет в документации: все 67 агентов работают на одной базовой модели, Claude или Mistral, и "да, в основании стека всё равно LLM". Сам автор называет проект не продуктом, а источником архитектурных идей для своего стека.
Когда узкое решение всё же оправдано
Не всегда дело в нежелании разбираться. Готовый продукт оправдан там, где нужны on-prem или VPC-развёртывание под комплаенс, корпоративный масштаб с единообразием на сотнях мест, SLA и поддержкой - то есть там, где платят за управляемость процесса, а не за интеллект модели.
Мой личный пример из прошлой жизни
В инхаус-практике у меня был опыт внедрения корпоративных ERP-систем в дочерних структурах крупных нефтегазовых компаний. Чтобы привести универсальную платформу в рабочий вид для одного юридического подразделения, ушло почти два года - и всё равно вышло криво, потому что ядро системы менять было нельзя, а оно не было заточено под задачи юристов. Универсальное почти всегда получается неудобным для всех - и это работает в обе стороны, для LLM-платформ тоже.
Пример не совсем про ИИ, но здесь важен вопрос универсальности с техническими решенями.
Что показывает рынок
По данным исследования "Авито" и Право.ru (конец 2025 года), 88% российских юристов уже применяют ИИ, 63% отмечают рост продуктивности. При этом 64% работают с бесплатными версиями, 43% оплачивают подписки за свой счёт, и только около четверти получают корпоративный доступ. Основные барьеры - риск недостоверной информации (84%), необходимость проверки результатов (80%) и опасения за конфиденциальность (77%).
Ни один из этих барьеров специализированный продукт не снимает автоматически - галлюцинации возможны и в Harvey, и в Искре и в Нейроюристе, потому что ядро у них то же самое.
Про мой подход
Я сам работаю с LLM напрямую и собираю инструменты под себя. Но это не универсальный рецепт - для тех, у кого нет времени и желания разбираться в скилах и промптах, готовое решение остаётся рациональным выбором.
А что думаете вы - где проходит граница, за которой переплата за специализацию уже не оправдана?