Человек в цикле: почему ИИ в регламентированных сферах нуждается в экспертной надстройке

Что такое Human‑in‑the‑Loop

Концепция HITL предполагает, что критически важные решения не принимаются моделью в полностью автоматическом режиме. Вместо этого ИИ выступает в роли интеллектуального ассистента, который генерирует первоначальный результат, а человек‑эксперт проверяет, корректирует и утверждает его.

В высокорисковых сферах, к которым относятся и юриспруденция, и строительство, этот подход становится доминирующим. Российские эксперты на Строительном юридическом форуме 2025 года подчеркнули: при недостаточном уровне контроля над ИИ‑системами уровень рисков существенно превышает потенциальные преимущества.

Юриспруденция: автоматизация без потери контроля

В юридической сфере ставки особенно высоки. Одна пропущенная оговорка в договоре может стоить компании миллионов, а ошибка в Due Diligence — и вовсе десятков миллионов рублей.

Как ИИ помогает юристам уже сегодня. Согласно данным РБК, нейросети применяются компаниями для автоматизации следующих задач: сравнение версий договоров, выявление скрытых правок, формирование протоколов разногласий, проверка реквизитов и верификация соответствия сумм приложениям. Операции, ранее требовавшие нескольких часов, теперь выполняются за минуты.

ИИ‑ассистент юриста автоматизирует первичный анализ договорной документации: он выявляет фрагменты, изменённые контрагентом вне протокола разногласий, визуально выделяет правки и формирует краткое резюме изменений. Это исключает необходимость ручного построчного сравнения документов. Юрист подключается только к спорным позициям, что значительно сокращает временные затраты на обработку.

Когда данных слишком много для человека. Следующий уровень применения ИИ — крупные юридические проекты: Due Diligence, банкротства, M&A, оценка репутационных и финансовых рисков. В этих задачах информации слишком много, она разрознена, а ошибки дорого стоят.

Однако ключевое уточнение — нейросеть не просто ищет, она структурирует документы, вытаскивает нужные фрагменты, помогает сформировать черновик выводов. Но валидация все равно остается за человеком.

Четкое разделение: что уходит к ИИ, а что остается за человеком. В российской практике постепенно формируется стандарт распределения функций. Под управление ИИ передаются задачи, требующие скорости, масштаба и внимания к деталям:

1. Первичная обработка входящей документации и корреспонденции — сортировка, категоризация, извлечение ключевых данных, автоматическая регистрация.
2. Анализ больших массивов неструктурированных данных — выявление паттернов, аномалий, релевантной информации для due diligence и внутренних расследований.
3. Автоматизированная проверка договоров по чек‑листам — включая соответствие корпоративным стандартам, акционерным соглашениям и регуляторным требованиям.
4. Генерация шаблонных протоколов разногласий и типовых юридических документов на основе заранее заданных сценариев.
5. Мониторинг изменений законодательства и судебной практики с персонализированной выборкой под профиль деятельности компании.
6. Сравнение версий документов и выявление скрытых (неаннотированных) правок контрагента.

За юристом сохраняются зоны, требующие экспертизы, суждения и ответственности:

1. Переговорный процесс, структурирование сложных сделок и сопровождение M&A — где цена ошибки критически высока, а контекст не формализуем.
2. Судебная работа с высокой степенью ответственности (особенно споры высокой категории сложности, арбитраж, дела с риском уголовно‑правовых последствий).
3. Этические дилеммы и правовая оценка рисков в условиях нормативной неопределенности.
4. Стратегическое позиционирование — выбор правовой конструкции, оценка судебной перспективы, формирование позиции.
5. Экспертная верификация рекомендаций, сгенерированных ИИ, включая проверку на юридическую состоятельность и актуальность в конкретном деле.
6. Адаптация типовых решений под уникальные фактические обстоятельства — там, где шаблон неприменим.

Данная сегментация постепенно оформляется в новый отраслевой стандарт. Юридическая экспертиза всё больше смещается в сторону стратегических задач и контроля качества, тогда как операционные функции передаются автоматизированным системам.

Практический пример: внедрение ИИ в «Девелопмент‑Юг». Корпорация «Девелопмент‑Юг» — федеральный застройщик с 80 юридическими лицами в шести регионах — внедрила ИИ для сравнения версий договоров. Результат: система сама выделяет отличия, риск пропустить важные правки снижается, время согласования документов сократилось на 20%.

При этом компания не остановилась на достигнутом. Инициативы по дальнейшей автоматизации все чаще исходят от самих сотрудников — например, сделать процесс сравнения версий обязательной частью согласования договора.

Сметное дело: от рутины к автоматизации с контролем

Строительная отрасль сталкивается с похожими вызовами. Крупное строительство неизбежно означает взаимодействие с десятками подрядчиков. При этом отправной точкой любого подрядного договора служит смета. Традиционный подход к сметному делу предполагал ручное выполнение всех операций силами квалифицированных специалистов‑сметчиков, что становилось узким местом с точки зрения скорости.

Кейс ГК ПИК: от месяца к пяти дням. В 2018 году группа компаний «ПИК», входящая в число крупнейших девелоперов РФ, столкнулась с типичным для отрасли ограничением: цикл подготовки одной сметы достигал 30 рабочих дней. Для решения этой проблемы осенью того же года был внедрен внутренний портал «Конструктор цен», обеспечивающий автоматизацию сметных расчётов посредством интеграции с электронными справочниками материалов и работ, автоматического применения поправочных коэффициентов и вычислений по формулам.

Ключевые результаты внедрения:

1. Сокращение среднего времени подготовки сметы с 30 до 5 рабочих дней.
2. 4 000 смет, подготовленных в системе за первый год эксплуатации.
3. Снижение влияния человеческого фактора, выразившееся в значительном уменьшении количества ошибок в сметной документации.

Кейс ПростоСмета: нейросеть с валидацией сметчика. Еще более показательный пример — автоматизация создания смет по описанию проекта или проектной документации с помощью ИИ в сметной платформе ПростоСмета.

Изначально для расчета стоимости сметных позиций платформа использует встроенные каталоги расценок и информацию из открытых источников. Однако, этот подход не учитывает возможные договоренности с поставщиками, скидки за крупные партии и т.д.

В качестве решения этой проблемы, в платформу заложен модуль переобучения. Если появляются новые данные, программа может инициировать процесс переобучения модели, и, если новая модель удовлетворяет метрикам качества, она заменяет текущую.

Например, изначально сгенерирована смета, в которой бетон B25 стоит 5500 руб./м³ (среднерыночная цена). Сметчик правит её на 4675 руб./м³. В следующий раз, программа, встретив аналогичную позицию, уже помнит правку от пользователя и использует соответствующую цену в приоритетном порядке.

Кейс «Крафтвуд»: 7 ИИ‑агентов и мультиагентная система. Перед производителем садово‑парковой мебели «Крафтвуд» встала проблема: подготовка одной сметы занимала у специалиста от 1 до 3 часов, а создание коммерческого предложения (вручную) — 15–20 минут. В итоге бизнес физически не успевал обрабатывать все поступающие тендерные заявки.

Решением стала мультиагентная система на базе семи ИИ‑агентов. Её функционал включает:

1. Распознавание изделия по фотографии (актуально, так как клиенты часто присылают рендер вместо описания).
2. Автоматический расчет себестоимости материалов и трудозатрат.
3. Формирование итоговой сметы с учетом коэффициентов.
4. Генерацию персонализированного коммерческого предложения после утверждения сметы.

Важная деталь: для каждой категории продукции написан свой мини‑агент, подставляющий требования к расчету — правила учета габаритов для простых лавок отличаются от расчета крупных детских комплексов.

Внедрение системы позволило «Крафтвуду» достичь следующих результатов:

1. Время на формирование сметы сократилось с 1,5 суток до 3 минут (плюс 10 минут на утверждение руководителем).
2. Компания теперь обрабатывает около 120 запросов в день, включая тендерные заявки.
3. За счёт персонализированных коммерческих предложений конверсия выросла на 2% уже в первый месяц

При этом сметчик сохраняет ключевую роль: он проверяет расшифровку изделия, при необходимости корректирует ее, и только после утверждения запускается автоматический расчет.

Общие принципы для сложных доменов

Сравнение юридических и сметных кейсов позволяет выделить универсальные принципы внедрения HITL в сложных, высокорисковых областях.

Заключение

ИИ берет на себя рутинные операции — сравнение версий договоров, классификацию видов работ, первичный анализ больших массивов данных. Человек сохраняет контроль над принятием решений в нестандартных ситуациях, валидирует результаты и несет финальную ответственность.

По мнению экспертов, в ближайшие годы решающим конкурентным преимуществом будет способность компаний создавать такую технологическую архитектуру, в которой искусственный интеллект и человек работают в синергии, дополняя сильные стороны друг друга. В «Девелопмент‑Юг», например, инициативы по дальнейшей автоматизации уже исходят от самих сотрудников, а не от ИТ‑отдела.

Это и есть главный урок внедрения HITL в России: ИИ не заменяет эксперта, а превращает его из оператора рутинных задач в архитектора стоимости — с помощью инструмента, который берет на себя рутину и учится на каждой правке.