Кожному юристу — персональне AI-робоче місце
Національну Legal AI-інфраструктуру можна побудувати не як один важкий продукт, а як мережу адаптивних робочих місць, об'єднаних якісними даними, стандартами та професійною спільнотою.
Концепція для суддів, державних юристів, адвокатів, університетів і команд цифрової трансформації. Автор — Сергій Авдєйчик, проєкт VeriLex.
- Готова інфраструктура — старт без розробки
- Моделі рівня галузевих експертів
- 120+ млн судових рішень у відкритому доступі
Чому «замовити одну велику систему» більше не працює
Дорого
Десятки мільйонів — до першого результату.
Довго
Роки погоджень і закупівель — тоді як технології змінюються кожні пів року.
Усереднено
Вимоги тисяч фахівців зводяться до «середніх» сценаріїв, які не підходять нікому.
Важко змінювати
Кожна зміна — через підрядника і новий бюджет.
Залежність
Від одного постачальника, однієї платформи, одного контракту.
Застаріє до запуску
Систему проєктують під технології позаминулого року.
ОЕСР, аналіз 200 впроваджень ШІ в держсекторі: більшість ініціатив застрягає на стадії пілотів.
Три зсуви, що відкрили вікно можливостей
Мовні моделі навчилися працювати з правовим текстом
Незалежні сліпі тести: юридичні AI-інструменти розв'язують дослідницькі задачі на рівні 74–78% проти 69% у юристів-людей. Флагманські моделі досягають рівня галузевих експертів на добре поставлених задачах.
З'явилися робочі середовища, а не просто чати
Агентні середовища читають папки справи, дотримуються письмових інструкцій, використовують інструменти, ведуть пам'ять і перевіряють власні результати. Формат інструкцій AGENTS.md — відкритий стандарт, який підтримують десятки тисяч проєктів. Це готова, промислово експлуатована інфраструктура: розробляти її не потрібно.
Дані та інструменти з'єднуються безпечно
Відкриті протоколи дозволяють підключати модель до законодавства, реєстрів і матеріалів справи на рівні конкретного робочого місця — без передавання даних у чужі хмари.
Модель — двигун міркувань
Не оракул. Не база знань. Не заміна юристові. Двигун, якому потрібні паливо і водій.
Модель навчена на величезних масивах текстів, зокрема правових. Тому вона розуміє структуру юридичної аргументації, мову нормативних актів і типові конструкції. Але вона не «знає право» — вона міркує над тими даними, які їй правильно передали.
Мовна модель має сильний універсальний механізм роботи з мовою та міркуваннями — але потребує актуальних, перевірених і правильно організованих даних.
Сильна модель — ще не юридичний помічник
Застаріла редакція
Модель навчалася на зрізі даних, який застарів у момент публікації.
Не знає матеріалів справи
Доки не отримає контрольований доступ — міркує наосліп.
Змішує джерела
У навчальних даних — різні версії тих самих актів.
Не гарантує цитування
Правдоподібне посилання — не означає, що воно існує.
Не розуміє інституційних правил
Ваші регламенти, позиції та стандарти їй невідомі.
Не несе відповідальності
Модель не визначає, коли зобов'язана втрутитися перевірка людини.
58–82%
частота галюцинацій публічних LLM на юридичних питаннях (J. Legal Analysis)
17–33%
помилки комерційних юридичних RAG-інструментів (Stanford)
1 733
судові справи про вигадані AI-цитати у 40 юрисдикціях (липень 2026)
Формула повноцінного копілота
Натисніть компонент, щоб розкрити деталі
Основний ефект — із синергії універсального двигуна та правильно організованих даних.
П'ять шарів даних — різні правила доступу
Публічне право
Конституція, кодекси, закони, практика, реєстри. Відкрито всім, машиночитано.
- Режим доступу
- Відкритий доступ
- Відповідальний
- Держава
Публічне право
Конституція, кодекси, закони, практика, реєстри. Відкрито всім, машиночитано.
- Режим доступу
- Відкритий доступ
- Відповідальний
- Держава
Держава відповідає за шар 1. Установа — за шари 2–4. Фахівець — за шар 5. Ніхто не будує все одразу.
Ми передаємо не лише відповідь. Ми передаємо перевірюваний процес її отримання.
Порівняння: ліворуч — одинокий файл legal-opinion.docx і рядки втраченого контексту, що зникають; праворуч — структура робочого пакета із семи папок.
Традиційний обмін
- джерела
- редакції норм
- відкинуті гіпотези
- виконані перевірки
Отримувач бачить лише підсумок. Усе інше залишилося в автора. Перевірка = повторення роботи.
Агентна командна робота
- result/
- sources/
- facts/
- analysis/
- verification/
- logs/
- metadata/
Отримувач бачить результат — і його підстави: джерела · факти зі статусами · логіку · перевірки · невизначеності · історію змін.
Документ — це інтерфейс. Робочий пакет — це юридичний об'єкт.
Відкриті формати: Markdown, JSON, YAML, Git. Пакет читає людина — і перевіряє агент.
Кожен висновок знає своє походження
ЦКУ, ст. 651, редакція на 01.05.2026, перевірено 08.07.2026 (стабільне посилання).
Це не «думки моделі» — це перевірювані робочі сліди: джерела, статуси, перевірки. Як у стандартах наукової відтворюваності, тільки для юридичної роботи.
Командна ефективність виникає тоді, коли агенти різних учасників можуть розуміти й перевіряти результати одне одного
Перевірка перестає бути повторенням чужої роботи і стає аудитом процесу. Зауваження перестають бути листами «подивися ще раз» і стають адресними. Досвід перестає йти разом зі співробітником і залишається в пакетах.
Як виглядає робоче місце юриста
Це конфігурація, а не розробка: робоче місце збирається з текстових файлів інструкцій поверх уже готових агентних середовищ (OpenAI Codex, Anthropic Claude Code, відкриті аналоги). Впровадження може починатися сьогодні.
Ілюстративний макет. Конкретний вигляд залежить від обраного агентного середовища та конфігурації установи.
Стартові конфігурації — відкрито й безоплатно
legal-copilot-ukraine/
- Головний файл інструкцій: як агент поводиться, що йому дозволено і як він звітує про свої дії.
AGENTS.md
Головний файл інструкцій: як агент поводиться, що йому дозволено і як він звітує про свої дії.
5–10 готових конфігурацій: юрист громади · помічник судді · помічник адвоката · експерт з нормативних актів · договірна робота · гармонізація з правом ЄС · студентське робоче місце. Завантажте, встановіть локально — і за годину отримаєте робоче місце, що працює. Все працює поверх наявних агентних середовищ: у репозиторії немає замовного коду — лише інструкції, ролі, навички та навчальні курси.
Тисячі фахівців розвивають систему — найкращі рішення повертаються всім
Базова конфігурація
Адаптація користувачем
Покращення навички
Формування артефакту
Перевірка спільнотою
Повернення найкращої практики в репозиторій
Кожне робоче місце стає відображенням досвіду конкретного фахівця. Інструкція найкращого юриста управління стає файлом, який працює в кожного співробітника — і переживає кадрові ротації. Жоден централізований підрядник не може розвиватися з такою швидкістю.
Держава будує не продукт, а умови
Держава забезпечує
- Машиночитане право: стабільні ідентифікатори, редакції, дати
- Стандарти даних та артефактів
- Вимоги безпеки
- Сертифікацію конфігурацій
- Пілоти в установах
- Навчання
- Сумісність
- Підтримку відкритої екосистеми
Держава НЕ робить
- Не проєктує «єдиний ідеальний Legal AI-продукт»
- Не обирає єдиного вендора
- Не замінює професійне судження алгоритмом
Завдання координаційного центру — створити умови, в яких багато якісних рішень швидко виникають, перевіряються та розвиваються.
Технологія впроваджується зі швидкістю навчання людей
Університети
- Розробка юридичних навичок для агентів
- Тестування моделей на українських правових задачах
- Навчальні кейси на відкритих даних
- Навчання студентів
- Стандарти Legal AI-грамотності
- Оцінювання якості артефактів
Ментори
- Допомагають формалізувати процеси
- Навчають користувача, а не налаштовують замість нього
- Впроваджують практику перевірки
- Вчать командної роботи з артефактами
- Поступово передають повний контроль фахівцеві
Уміння організувати роботу юридичного агента і передати колегам перевірюваний артефакт — базова професійна компетенція найближчого десятиліття.
Перший рік: керована ланцюгова реакція, а не мегапроєкт
0–3 місяці
- Відкритий репозиторій
- 5–10 конфігурацій
- Мінімальний стандарт артефактів
- Навчальні матеріали
- Вибір пілотних установ
3–6 місяців
- Запуск робочих місць
- Пілот командного обміну артефактами
- Навчання менторів
- Оцінювання якості
- Збір зворотного зв'язку
6–12 місяців
- Масштабування
- Нові юридичні спеціалізації
- Стандарти сумісності
- Національна мережа практик
День перший — публікація репозиторію: технологічна база вже існує, розробка не потрібна. Строки — робоча гіпотеза, що уточнюється з пілотними установами. Орієнтир швидкості: шлях Дія.AI від стратегії до працюючого сервісу.
Централізований SaaS проти персональної агентної екосистеми
Було
Потребує багаторічної замовної розробки
Стало
Працює на готових агентних середовищах уже сьогодні
Було
Єдиний усереднений продукт
Стало
Індивідуальне робоче місце
Було
Довгий цикл розробки
Стало
Швидкий старт з конфігурацій
Було
Зміни через підрядника
Стало
Зміни самим користувачем
Було
Обмін фінальними файлами
Стало
Обмін перевірюваними артефактами
Було
Прихований процес підготовки
Стало
Відтворюваний ланцюжок результату
Було
Централізовані сценарії
Стало
Розподілені навички
Було
Висока вартість розвитку
Стало
Розвиток через спільноту
Було
Залежність від платформи
Стало
Можливість зміни моделей
Було
Обмежена персоналізація
Стало
Накопичення особистого та командного досвіду
Ми знаємо про ризики — і проєктуємо захист із першого дня
Перевірені дані
Посилання на джерела
Журналювання
Розмежування доступу
Тестування
Ручне підтвердження
Оцінювання якості
Локальне розгортання
Рівні деталізації
Правила конфіденційності
Рамка відповідності: EU AI Act (human oversight), принципи CEPEJ Ради Європи, керівництво ЮНЕСКО щодо ШІ в судах, рекомендації Мінцифри та Мін'юсту для правників.
Не потрібно починати з національної мегасистеми. Потрібно почати з десяти якісних робочих місць, відкритих даних, спільного стандарту артефактів і спільноти професіоналів.
Технологічна база вже існує: агентні середовища OpenAI Codex, Anthropic Claude Code та відкриті аналоги працюють сьогодні. Запуск — це публікація інструкцій, навичок, ролей і навчальних курсів, а не розробка продукту.
Автор концепції — Сергій Авдєйчик, проєкт VeriLex. Відповімо на кожне звернення.