Материал подготовлен автоматически по первоисточникам: ссылки на них — в конце статьи.
Система ARCCS превращает регуляцию и проверяемый документ в отчёт по каждому обязательству со ссылками на доказательства. На контролируемой задаче госзакупок она дала 98,8% верных решений, хотя препринт не рецензирован и все числа получили сами авторы. Работа предлагает готовую архитектуру для предварительной проверки, но не подтверждает, что юридическое заключение уже можно полностью автоматизировать.
Как регуляция становится набором проверяемых условий
ARCCS принимает два документа: регуляцию и материал, который нужно проверить, например условия использования сервиса или заявку поставщика. Система не требует заранее составленного списка правил для конкретного закона.
Сначала она делит регуляцию по юридической структуре: статьям, пунктам и подпунктам. Для каждого фрагмента сохраняет положение в исходном документе, чтобы итоговое решение можно было связать с конкретной нормой.
Затем модель выделяет атомарные требования. У каждого требования есть юридическая функция — обязанность, запрет, право или условие, — регулируемый участник, область действия, обязательные условия и ссылка на исходный фрагмент. Определения и поясняющие положения отбрасываются, а повторяющиеся требования объединяются без потери ссылок.
Такой формат отделяет извлечение правил от их применения. Если регуляция говорит, что оператор должен раскрыть срок хранения и основание обработки данных, система получает отдельные условия, которые затем можно искать в проверяемом документе.
Слабое место возникает уже на этом этапе: качество извлечённых требований отдельно не проверяли. Ошибка при разборе нормы перейдёт в последующие решения, даже если поиск доказательств и классификация сработают согласованно.
Почему система может отказаться от решения
Для каждого требования ARCCS сначала определяет применимость к документу. Неподходящие нормы исключаются, чтобы не смешивать реальное нарушение с правилом, которое не относится к продукту, юрисдикции или типу процесса.
По применимым требованиям система ищет фрагменты документа и принимает решение только на их основе. В отчёт попадают итоговая метка, уверенность, цитаты из проверяемого документа, объяснение и ссылка на регулирующее положение.
Результат может означать соблюдение, нарушение, недостаток сведений или необходимость участия эксперта. Недостаток сведений означает, что документ затрагивает тему, но не подтверждает обязательные условия. Эксперт требуется, если найденные фрагменты противоречат друг другу, допускают несколько трактовок или решение зависит от внешних фактов.
Это различие полезно для построения рабочего процесса. Отсутствие публичного описания внутреннего журнала обработки данных не превращается автоматически в нарушение. Неясный пункт договора также не получает принудительную метку: система отправляет его юристу вместе с найденными цитатами.
На документах WhatsApp, Netflix и ChatGPT решения и объяснения признали согласованными с регуляцией и доказательствами максимум в 96,67% случаев. Однако эталонных заключений юристов для этой части не было: ответы оценивали другие модели семейства GPT, к которому относилась и основная модель ARCCS.
Меняет ли ARCCS планы команд
Главный практический результат — не заявленная точность, а граница автоматизации. ARCCS показывает, как разделить систему на извлечение требований, проверку применимости, поиск доказательств, классификацию и передачу спорных случаев человеку. Каждый промежуточный результат остаётся доступен для аудита.
В задаче госзакупок система выполнила 1 200 проверок по выбранным правилам одной директивы ЕС. Доля верных решений достигла 98,8%, а полнота нарушений — доля реальных нарушений, которые система нашла, — дошла до 100%. При строгой проверке всего набора правил для одного процесса лучший результат составил 87%: одна лишняя тревога уже делала весь процесс ошибочным.
Эти результаты поддерживают сценарий первичного отбора: выделить потенциальные нарушения, собрать доказательства и сократить очередь ручной проверки. Они не подтверждают работу на полном тексте директивы, естественных журналах закупок, других языках или моделях вне GPT-5. Сравнения с прямым запросом к модели и обычным поиском по документам также не проводили.
Для продукта разумно проектировать ARCCS-подобный конвейер как систему поддержки решений. Юрист должен утверждать трактовку нормы, проверять извлечённые требования и разбирать случаи, где цена пропущенного нарушения высока. Автоматизировать можно подготовку: разложение документов, поиск цитат, предварительные метки и сбор аудируемого отчёта.
Приложение запускается локально и позволяет подключить выбранного поставщика моделей либо собственную модель. При использовании внешнего API текст получает этот поставщик, поэтому архитектура развёртывания должна учитывать режим доступа к юридическим и коммерческим документам.
Источники
Похоже на вашу задачу?
Расскажите, что собираете. За полчаса разложим на этапы и назовём сроки — это бесплатно и ни к чему не обязывает.
