EvenUp: юридические документы по делам о травмах за минуты вместо 8–15 часов

Задача

EvenUp делает программное обеспечение для юристов, которые ведут дела о личных травмах. Для таких дел нужны требования о компенсации, сводки по переговорам, ответы на запросы документов и медицинские хронологии. Раньше всё это готовили вручную: документ должен быть оформлен по правилам, фактически точен и написан в тоне конкретной фирмы.

У клиентов это выглядело так. В калифорнийской фирме вели больше 1 500 активных дел, из них около 250 одновременно шли в суде, а все требования писал один человек. Накопилась очередь на 45 дней, и каждое следующее дело ждало. В фирме из Огайо помощники юристов вручную собирали медицинские хронологии и суммировали счета, и на одно дело уходило от 8 до 15 часов. Документы приходили с опозданием и не по порядку, а один и тот же визит к врачу разные клиники описывали по-разному.

Что сделали

EvenUp построил продукт AI Drafts. Claude читает документы, извлекает факты и рассуждает над ними, а EvenUp добавляет данные по делам о травмах, знания предметной области и автоматизированные процессы.

Сначала система классифицирует каждый документ: счёт, клиническая запись или форма приёма. После этого к странице обращаются только с теми вопросами, на которые она может ответить. Каждый факт связывается с исходной страницей, дубликаты записей объединяются, а вся история сверяется один раз до начала черновика. Одно противоречие в документах позволяет страховому представителю обесценить всё требование, поэтому сверка идёт до написания текста.

Как это устроено

Страницы читаются по принципу «самый дешёвый способ, который работает». Сначала берут встроенный текст, затем обычное распознавание (OCR). Зрение модели подключают только для сканов счетов и форм с отметками, где OCR не справляется: этот вариант дороже, но неверно прочитанная цифра может подорвать требование.

Модели распределены по роли. Opus отвечает за самое глубокое рассуждение: задаёт план документа с применимыми нормами и вероятными возражениями противоположной стороны и один раз проверяет согласованность черновика. Sonnet пишет разделы по этому плану и следит за правилами конкретного штата, которые описаны обычным языком, а не кодом. Haiku и Sonnet выполняют повседневное извлечение данных. Принцип выбора сформулировал ведущий инженер по машинному обучению Эмре Яманджил: дорогую модель стоит ставить там, где ошибку трудно заметить. Неверную дату легко сверить со страницей, а тонко ошибочный довод читается так же уверенно, как правильный.

Черновик начинается только после того, как записи сверены. Каждый черновик читает, проверяет и подписывает юрист. Для оценки ущерба по уже проверенным записям на делах короче 150 страниц один проход Opus дал лучшую точность, чем длинная цепочка шагов: сумма прошлых медицинских расходов стала точнее на 14 пунктов.

Цифры

• ●8–15 часов на дело вручную и около 30 минут с AI Drafts: сокращение на 99%
• ●с 5 часов до 30 минут: время ответа на запрос документов
• ●300% рост предложений об урегулировании у фирм, которые прикладывают к требованию полную картину ущерба с подтверждающими ссылками
• ●в 3 раза выросло число требований, которые готовят клиентские фирмы
• ●16% полнее черновики, меньше пропущенных записей
• ●калифорнийская фирма: очередь в 45 дней разобрана, требование, на которое уходил месяц, готово примерно за десять минут, а проверка юристом стала на 75% быстрее

Что повторить у себя

1. Выделите документ, который отнимает у специалистов больше всего часов, и опишите, из каких фактов он состоит.
2. Разделите работу: чтение и извлечение фактов поручите модели, а предметные правила и шаблоны оставьте за собой.
3. Для каждой страницы выбирайте самый дешёвый способ чтения, который справляется. Дорогие возможности оставьте для сканов и форм, где ошибка стоит дорого.
4. Требуйте у системы ссылку на исходную страницу для каждого факта и сверяйте всю историю до начала черновика.
5. Оставьте окончательное решение за человеком: юрист или профильный специалист читает и подписывает каждый документ.

Опыт EvenUp показывает, что ценность ИИ в юридической работе определяется не одной моделью, а связкой: подготовка данных, выбор модели под риск ошибки и обязательная проверка человеком.