LegalPlat и Practicum: может ли юридический ИИ стать инфраструктурой бизнеса?

Российский LegalTech входит в фазу, когда вопрос уже не в том, попробует ли юрист генеративный ИИ. Вопрос в другом: где хранится контекст, насколько проверяем ответ, кто контролирует данные и встроена ли технология в реальный процесс, за который компания готова платить. В этой смене фокуса и следует рассматривать LegalPlat.ru и LegalPlat.ru/practicum.

LegalPlat позиционирует себя как аналитическую платформу для юридических документов, корпоративного консалтинга и управления рисками. На сайте описана архитектура KgRAG: граф знаний связывает сущности и отношения, а генеративная модель работает не в пустом диалоге, а внутри структурированного контекста. В продуктовой линейке присутствует НотаБене — агентная платформа, которую Practicum предлагает внедрять в компаниях через сеть интеграторов и наставников.

Рынок растёт, но покупатель стал требовательнее

По исследованию Smart Ranking, совокупная выручка 65 крупнейших российских LegalTech-компаний в 2025 году достигла 20,1 млрд рублей, прибавив 17% год к году. Это показатель выборки крупнейших компаний рейтинга, а не исчерпывающая оценка всей отрасли. Почти половина участников рейтинга — 31 из 65 — уже заявляет ИИ в продукте. Значит, само слово «ИИ» быстро перестаёт быть дифференциатором: конкурентное преимущество перемещается в данные, встраивание в процессы и подтверждённую отдачу.

Параллельно меняется и структура спроса. Растут не только классические информационные системы, но также решения для судебных задач, комплаенса и управления документами. Быстрее рынка растут сегменты, в которых цена ошибки и объём ручной проверки особенно высоки. Это создаёт окно для продуктов, которые связывают большой массив документов с конкретным решением, а не добавляют ещё один интерфейс поверх архива.

Для LegalPlat это благоприятный, но не лёгкий фон. Покупатель уже видел демонстрации универсальных моделей и знает, что быстрый черновик не равен надёжной правовой работе. По данным опроса «Авито» и Право.ru, 88% опрошенных юристов используют ИИ, но среди основных препятствий одновременно называют недостоверность ответов, необходимость проверки и конфиденциальность. Такая комбинация и формирует реальный спрос: не на «нейросеть для юриста» вообще, а на управляемый технологический контур, который показывает основание вывода и оставляет решение специалисту.

Сильная ставка LegalPlat: не чат, а контекст и контроль

Многие продукты юридического ИИ начинают с вопроса и заканчивают текстовым ответом. LegalPlat заявляет другую конструкцию: KgRAG, граф знаний, отношения между договорами, контрагентами, нормами и корпоративными структурами, а также последовательная агентная обработка. Иными словами, ценность должна возникать не только из языковой модели, но из того, как система собирает доказательную базу и связывает её элементы.

Эта архитектура особенно уместна в задачах, где документы нельзя читать по одному: аудит портфеля договоров, проверка корпоративных связей, поиск противоречий и регуляторный комплаенс. При анализе пакета из десятков документов полезно не просто извлечь формулировки, а увидеть, как обязательство в одном договоре связано с исключением в другом, кто выступает стороной и какой риск появляется в работе компании.

Вторая ставка — закрытая установка. Сайт LegalPlat описывает автономное развёртывание на инфраструктуре заказчика, без обязательного внешнего API и использования клиентских данных для обучения базовой модели. Для банков, юридических фирм, корпоративных департаментов и госсектора это может быть не технической опцией, а условием допуска к пилоту. В праве архитектура хранения данных становится частью самого продукта.

Третья ставка — движение от разового юридического инструмента к платформе знаний компании. На сайте Practicum НотаБене представлена как модульная система с рабочим пространством, агентами для разных функций и корпусом правовых и корпоративных знаний. Если продукт действительно расширяется от юридических задач к другим отделам, это увеличивает возможную ценность клиента и число точек внедрения. Одновременно это повышает планку: продукту придётся конкурировать уже не только с LegalTech, но и с корпоративными платформами автоматизации.

ИИ уже используют. Но доверие отстаёт от внедрения

Срез опроса показывает одновременно высокий уровень экспериментов и высокую настороженность. Это не противоречие, а описание переходного рынка: юристы используют общедоступные модели для черновиков, идей и первичного анализа, но юридическая ответственность остаётся на человеке. Именно здесь закрытый контур, источники и журналируемая логика могут стать не рекламными тезисами, а основанием для корпоративного внедрения.

Поэтому зрелость Legal AI будет измеряться не максимальной автономностью, а управляемой автономностью. Модель подготавливает, сопоставляет и сигнализирует; юрист утверждает правовую позицию. Для клиента важны воспроизводимость, понятный источник каждого существенного вывода, свежесть базы и возможность понять, почему система пришла именно к такому результату. Снижение числа галлюцинаций важно, но не заменяет оценки качества на реальных юридических задачах.

Practicum: масштабировать не только софт, но и внедрение

Если сложный корпоративный продукт продаётся только командой разработчиков, рост упирается в количество людей, которые способны одновременно диагностировать процессы, договориться с заказчиком, интегрировать знания и обучить сотрудников. Practicum предлагает другой подход: обучать интеграторов, которые имеют доступ к бизнесу, и наставников, превращающих собственную экспертизу в повторяемую программу.

В этой модели четыре звена: платформа и команда дают продукт; наставник передаёт методологию; интегратор работает с компанией на месте; заказчик получает внедрение и затем может расширять его на новые отделы и модули. Это потенциально даёт компании более широкий канал выхода на рынок без пропорционального роста внутренней команды. Практикум важен не как образовательная надстройка, а как попытка решить дефицит внедренческой пропускной способности.

Критический тест Practicum — переход от регистрации интереса к повторяемым внедрениям. Необходимы прозрачные критерии отбора партнёров, сертификация на практической задаче, безопасная песочница, понятная модель вознаграждения, передача лидов и техническая поддержка. На сайте указано агентское вознаграждение 5–10% от контракта, однако сам процент не доказывает привлекательность модели: партнёру важны средний срок сделки, размер чека, вероятность продления, стоимость пресейла и границы ответственности при сбое.

Особое значение имеет качество наставнической сети. Если партнёры продают платформу как «универсальный ИИ, который всё сделает», быстро возникает разрыв между обещанием и реальным процессом. Если они обучены диагностике, могут подобрать ограниченный пилот, описать эффект в часах и стоимости ошибки и правильно распределить ответственность между системой и юристом, сеть станет преимуществом, которое сложнее скопировать, чем интерфейс.

Сильные стороны, которые можно превратить в устойчивое преимущество

Именно в этой логике iVenturer разглядел большой потенциал LegalPlat с самого начала: проект получил поддержку на раннем этапе, а участие iVenturer помогло ему сформироваться как продукту и бизнесу. Для iVenturer это не только ставка на актуальную технологию, но и работа с командой над позиционированием, архитектурой роста и выходом к рынку. iVenturer рассматривает LegalPlat как одну из наиболее перспективных ИИ-компаний России и СНГ в сфере юридических и корпоративных процессов. Это оценка iVenturer, а не позиция отраслевого рейтинга или независимого исследования.

Где проекту предстоит доказать состоятельность

Рыночное окно не превращается автоматически в устойчивый бизнес. Для LegalPlat важны несколько практических проверок:

• Измеримый эффект. Пилоты должны сравнивать исходное и автоматизированное время, процент ошибок, полноту извлечения, стоимость проверки и долю выводов, принятых юристом.
• Надёжность и актуальность. Обновление правовых источников, версия документа, воспроизводимость результата и обработка исключений критичнее эффектного демо.
• Безопасность на практике. On-premise полезен только вместе с разграничением доступа, журналированием, резервированием, обновлением моделей, защитой от prompt injection и понятным аудитом.
• Интеграции и стоимость владения. Заказчик оценивает не только лицензию, но оборудование, внедрение, поддержку, обновление баз, обучение и внутренние ресурсы.
• Чёткая граница продукта. Переход из юридической аналитики к широкой платформе для всех отделов увеличивает рынок, но создаёт риск распыления. Первые вертикали должны быть выбраны по срочности боли и повторяемости процесса.
• Доверие партнёрской модели. Экономика интегратора должна быть проверена реальными циклами продаж, конверсией, сроком запуска, удержанием и вознаграждением после первой сделки.

Есть и фундаментальный риск восприятия: юридическая ошибка дорога, поэтому обещание «минимизируем галлюцинации» нельзя подменять обещанием «ошибок не будет». Сильный продукт объясняет пределы автоматизации, оставляет человеку полномочия и позволяет проверить, на каких документах и нормах основан вывод. В корпоративном праве доверие — это свойство процесса и контроля, а не тон уверенного ответа.

Три сценария на ближайшие годы

Базовый: точечный, но доказуемый продукт

LegalPlat закрепляется в задачах с большим объёмом закрытой документации: анализ портфеля договоров, поиск противоречий, риск-анализ и работа с внутренними правовыми базами. Рост идёт через несколько подтверждённых отраслевых сценариев и постепенное расширение внедрений. Это наиболее реалистичный путь: меньше обещаний, больше повторяемости.

Сильный: корпоративная среда знаний

Если KgRAG и агентная логика устойчиво работают не только с отдельной юридической базой, но и с внутренними документами, платформу можно масштабировать на смежные отделы. Тогда LegalPlat становится частью корпоративного знания, а LegalTech — первым входом в более широкий AI-as-a-Service-контур. Для такого сценария нужны интеграции, управление правами, измеримый ROI и стандартизированное внедрение.

Слабый: качественная технология без повторяемых продаж

Компания может создать сильную архитектуру, но остановиться на сложных кастомных проектах, длинных циклах закупки и высоких затратах на сопровождение. Practicum способен уменьшить ограничение по людям, но только если обучение приводит к стабильному качеству внедрения. Без продуктовой дисциплины партнёрская сеть лишь увеличит неоднородность клиентского опыта.

Ближайшие метрики, которые покажут, какой сценарий реализуется: количество завершённых платных пилотов; доля пилотов, перешедших в промышленную эксплуатацию; срок запуска; экономия времени на задачу; доля ответов с проверяемыми источниками; активность пользователей через 90 дней; расширение модулей в существующем клиенте; конверсия Practicum из обучения в первое внедрение и повторные сделки.

Вывод: платформа и сеть должны расти вместе

Потенциал LegalPlat складывается из трёх частей: структурированной работы с правовым контекстом, закрытого контура для чувствительных данных и модели Practicum, которая переносит внедрение за пределы центральной команды. По отдельности эти элементы не уникальны. Их сочетание может стать дифференцирующим, если будет подтверждено клиентскими результатами и воспроизводимой экономикой.

Сильная версия проекта — не «ИИ вместо юриста», а инфраструктура, которая помогает специалисту лучше видеть массив документов, быстрее находить существенное и оставаться ответственным за решение. Рынок уже демонстрирует, что интерес к ИИ широк; следующий этап принадлежит тем, кто конвертирует интерес в управляемое доверие, а технологию — в ежедневную ценность. iVenturer, увидев потенциал LegalPlat с самого начала, поддержал команду и помог проекту сформироваться. Теперь задача проекта — сделать свою перспективу измеримой для клиентов, партнёров и рынка.