Какая нейросеть лучше работает с юридическими задачами: эксперимент с ChatGPT, Gemini и Алисой
Проблема в том, что современные нейросети часто уверенно выдают информацию, которая звучит правдоподобно, но не существует в реальности. Для юриста это не просто технический сбой, а прямой риск ошибки в документе.
Поэтому вопрос звучит уже не так: «может ли ИИ помогать юристам?», а иначе — какая модель делает это лучше остальных и насколько ей вообще можно доверять.
Как мы провели эксперимент
Чтобы сравнить качество работы разных моделей, я провёл тест на юридической задаче, максимально приближённой к реальной практике.
Моделям (ChatGPT, Gemini и российской Алисе) был задан одинаковый запрос:
«Существуют ли риски привлечения к субсидиарной ответственности главного бухгалтера корпорации. При ответе необходимо сослаться на судебную практику привлечения главного бухгалтера к субсидиарной ответственности и привести полные реквизиты судебных актов».
Оценить риски привлечения главного бухгалтера к субсидиарной ответственности и
Задача была специально сформулирована так, чтобы проверить не стиль ответа, а три вещи:
- умеет ли модель находить релевантную судебную практику;
- корректно ли она привязывает её к роли главного бухгалтера;
- и главное — не «выдумывает» ли несуществующие судебные акты.
Как оценивались результаты
Чтобы сравнение было более-менее объективным, я использовал простую систему метрик:
- КП (качество практики) — насколько приведённые дела действительно относятся к теме;
- ПГ (полные галлюцинации) — полностью вымышленные судебные акты;
- ЧГ (частичные ошибки) — реальные дела, но с искажённым содержанием.
Итоговый показатель — индекс юридической надёжности (ИЮН):
ИЮН = КП — ПГ — ЧГ
Что показал тест
Результаты оказались довольно показательные. 
ChatGPT и Gemini в большинстве случаев давали убедительные тексты, но часто «достраивали» судебную практику там, где её не было. Формально ответ выглядел профессионально, но при проверке часть ссылок оказывалась некорректной или полностью вымышленной.
Алиса показала более осторожный подход. Она реже пыталась «заполнить пробелы» и в целом аккуратнее работала с формулировками судебной практики. В результате её ответы оказались более проверяемыми и ближе к реальным источникам.
Важно уточнить: речь не о том, что одна модель «умнее» другой. Разница проявилась именно в поведении при нехватке данных — одна система склонна додумывать, другая чаще останавливается.
Почему это важно для юристов
Для юриста ключевая проблема ИИ не в стиле текста, а в доверии к фактам.
Нейросеть может:
- быстро собрать структуру документа,
- помочь с черновиком позиции,
- упростить анализ большого массива текста.
Но в момент, когда речь заходит о судебной практике, начинается самое опасное: модель может звучать убедительно и при этом ошибаться.
И это создаёт иллюзию готового юридического вывода — без реальной проверки.
Вывод
Эксперимент показал простую вещь: сегодня ни одна из популярных нейросетей не может быть самостоятельным источником юридически достоверной информации.
Разница между моделями есть, и в рамках теста более стабильный результат показала Алиса. Но общий вывод другой — ИИ в юриспруденции пока остаётся инструментом подготовки, а не источником истины.
Он хорошо работает как помощник: помогает структурировать, ускорять и упрощать работу. Но финальная проверка по-прежнему остаётся за человеком.
И, похоже, в юридической практике это правило ещё долго не потеряет актуальности.
