Представьте на минуту такую ситуацию. Судья днём запрашивает полное дело по корпоративному спору, закрытому три года назад, — договоры, переписку, протоколы заседаний и заключение эксперта. Сможет ли ваш помощник собрать всё это и передать за десять минут? Если от этого вопроса стало чуть не по себе, вы не одиноки. Причина тут не в усердии сотрудников, а в том, как на самом деле живут эти файлы.
UglyPear Data уже несколько лет занимается одной задачей: превращает высокопроизводительное сжатие документов и инженерию данных для RAG (retrieval-augmented generation, дополнение генерации извлечением) в продукты, которые целиком работают на вашей инфраструктуре. Для юридической сферы это бьёт в две проблемы, которые не исчезают сами собой, — объём дел растёт, и вместе с ним растёт риск утечки.
Начнём с объёма. По прогнозу IDC, неструктурированные данные в Китае за ближайшие пять лет вырастут с 51 ЗБ до 129 ЗБ, со среднегодовым темпом в диапазоне 30–40%. Дела, контракты, отчёты о due diligence и судебные акты в фирме почти целиком неструктурированы. Они не уменьшаются сами по себе — каждое новое поручение добавляет ещё, как жёсткий диск, который заполняется, пока его никто не видит.
Отдельный вопрос — поиск. В другом опросе IDC говорится, что работники знания тратят на поиск нужной информации около 2,5 часов в день, что съедает примерно 30% рабочего времени. Внутри фирмы это означает, что юристы и помощники не столько ведут дела, сколько перебирают папки и догоняют коллег вопросом «куда ты положил тот файл?».
То, что по-настоящему мешает спать, — это утечки. В отчёте IBM 2025 года о стоимости утечек данных персональные данные клиентов составляют 53% всех похищенных данных, персональные данные сотрудников — 37%, интеллектуальная собственность — 33%. Юридические документы как раз плотно набиты именно этим. Брачный договор, терм-шит слияния — стоит им выйти наружу, и это уже инцидент, а не гипотеза. Конфиденциальность в этой области не опция, а профессиональная обязанность, прописанная в самом статусе. Приватность клиентов, позиции по сделке, нераскрытые переговорные позиции — ничто из этого IT-отдел не сможет тихо взять на себя.
Стоит заметить, что риск растёт не линейно, а вместе с объёмом. Чем больше дел накоплено, тем шире поверхность, по которой может пойти утечка, и тем сложнее удерживать порядок вручную. Небольшая фирма с парой сотен активных дел ещё держит всё в голове у партнёра; но к нескольким тысячам закрытых и текущих материалов прежняя практика «кто-то помнит, где лежит» перестаёт работать. Именно здесь частный контур перестаёт быть предметом перестраховки и становится рабочим инструментом.
Большинство фирм решают это тремя привычными путями, и у каждого есть слабое место. Сбросить всё в сетевую папку и надеяться на правила именования — в итоге никто не может найти актуальную версию. Купить облачную базу знаний SaaS, и поиск становится удобным, но данные покидают периметр, и вопрос конфиденциальности повисает в воздухе. Или вообще не строить базу знаний, а архивировать дела в комнату хранения, чтобы потом перерывать их вручную.
Поставим эти три пути рядом, и разница проявится сама:
| Параметр | Локальный диск / сетевая папка | Облачная база знаний | Частный RAG + сжатие |
|---|---|---|---|
| Данные покидают периметр? | Нет (но трудно искать) | Да | Нет |
| Семантический поиск | Только по имени / полному тексту | Есть | Есть (семантика + полный текст) |
| Обработка чувствительных данных | Отсутствует | Зависит от вендора | Авто-редактирование, 13 категорий |
| Стоимость хранения и передачи | Полный объём | Полный объём | Сжатие снижает на 60–80% |
| Контроль соответствия | Высокий | Низкий (зависит от вендора) | Высокий (управляете вы) |
Для юридической фирмы в третьем столбце важнее всего именно то, что данные остаются внутри, — порой важнее самого поиска.
База инженерии данных RAG от UglyPear Data работает как частное развертывание: шесть этапов обработки и восемь функциональных модулей, без выгрузки файлов к какой-либо третьей стороне. Разбиение, векторизация, извлечение и генерация происходят на ваших серверах. Что критично для юристов: в неё встроено обнаружение 13 категорий чувствительной информации, и такие вещи, как номера удостоверений клиентов, банковские счета и нераскрытые детали дела, выявляются и редактируются до попадания в индекс. Это сужает поверхность утечки прямо у источника. Описание базы и подхода — на https://www.uglypear.com/ru/.
Вторая половина — сжатие. Дела тяжелы PDF-ками, сканами, документами OFD и аудио- или видеозаписями. SmartSlim, построенный на собственном Rust-движке, охватывает восемь форматов — PDF, изображения, видео, аудио, Office, OFD и сканированные документы — и выполняет всё сжатие локально. В собственных тестах UglyPear Data документ OFD на 443 страницы обрабатывался end-to-end примерно за 124 секунды, а сжатые изображения снизили стоимость токенов для подачи в модель на 85,9% в расчёте по GPT-4o. Для фирмы это значит меньшие архивы, быстрее извлечение и меньше трафика при передаче файлов. Детали продуктов — на https://www.uglypear.com/ru/products/.
Сжатие здесь не самоцель, а часть конвейера. Когда объём файла падает, дешевле и резервное копирование, и перенос между офисами, и отдача по защищённому каналу контрагенту. Особенно это заметно на сканах и изображениях: именно они чаще всего раздувают размер дела, хотя содержательно несут меньше, чем кажется. Локальный характер сжатия важен по той же причине, что и локальный RAG, — чувствительный материал не покидает периметр даже на этапе подготовки.
Вместе эти два компонента дают то, что интересно. Сначала сжимаем, чтобы уменьшить гору, затем частный RAG ищет по отредактированному содержимому. Юрист спрашивает: «покажи все пункты о transfer of equity, связанные с этим участком земли», — и система указывает точный абзац в точном файле за секунды, а не выдаёт сотню имён файлов для ручного открытия. MagiFiler встраивается в ту же цепочку для организации и автоматической классификации, тоже описан на https://www.uglypear.com/ru/products/.
Для юридических клиентов UglyPear Data предлагает и сервис полностью частного развертывания: данные никогда не покидают внутреннюю сеть, и вопрос, кто ими управляет, решён однозначно. Один сервер, внутренний кластер или среда отечественного ПО (xin chuang) на базе Kylin или UnionTech — всё работает. Командам, которые хотят встроить сжатие в собственную систему ведения дел, доступны compress SDK и compress API. А если проще сказать AI-ассистенту «сожми это одной фразой», подключается compress-mcp — MCP-сервис через stdio или HTTP. Подробности — на https://www.uglypear.com/ru/products/.
Несколько конкретных сценариев говорят больше, чем теория. При due diligence слияния подайте в частный RAG десять лет реестра, контрактов и судебных дел целевой компании — и время на черновик отчёта заметно сокращается. Годовые контракты, копящиеся у корпоративного юриста? Сожмите их пакетно, затем ищите — и путаница с версиями ослабевает. Дела об интеллектуальной собственности разбрасывают карту технических секретов по годам контрактов и писем; частный RAG воссоединяет её, не поднимая核心ный материал в публичное облако. Перед заседанием семантизируйте всё дело, чтобы помощник не открывал PDF за PDF ради одной строки перекрёстного допроса.
Отдельный случай — работа с большим числом типовых документов, где важна не столько глубина, сколько охват: доверенности, формы, шаблоны процессуальных бумаг. Здесь MagiFiler помогает держать порядок без ручной расстановки папок, опираясь на семантический поиск и автоклассификацию. Другой рабочий пример — подготовка к судебному заседанию, когда нужно быстро собрать всю переписку по одному эпизоду: запрос формулируется на естественном языке, а система возвращает не список файлов, а конкретные фрагменты с указанием источника. Это сокращает время от вопроса к ответу с часов до минут.
Не читайте это как просто экономию диска. Это экономия груза, от которого потом не избавиться. Дела накапливаются год от года; за десятилетие вы сидите на сотнях гигабайт PDF и сканов, а стоимость хранения и бэкапа едет следом. Сожмите до того, как хранить, — и выгода больше, чем просто место.
Если вы присматриваетесь к такому решению, внесите в закупочный список несколько пунктов: остаются ли данные вне внешних сетей на всём пути, можно ли автоматически редактировать чувствительную информацию, делает ли извлечение только полный текст или добавляет семантику, насколько широки степень сжатия и охват форматов, и подходит ли развёртывание под ваши требования к отечественному ПО. Погоня за громким маркетинговым ярлыком помогает меньше, чем подбор инструмента под реальный объём дел и уровень конфиденциальности.
Разумно начать с одного заметного участка — например, с архива завершённых дел или с одной практики фирмы — и на нём оценить, как складываются поиск, сжатие и редактирование. Такой подход снижает нагрузку на первом шаге и даёт конкретный материал для решения о расширении на всю фирму. Важно также заранее определить, кто внутри команды отвечает за настройку правил редактирования: список из 13 категорий чувствительного — это хороший старт, но юридическая специфика конкретной практики может потребовать уточнений.
Попробуйте сейчас
Чтобы посмотреть, как частный RAG и сжатие лягут в ваши дела, начните со страницы продуктов UglyPear Data https://www.uglypear.com/ru/products/ и обзора базы инженерии данных RAG https://www.uglypear.com/ru/ . В инженерном блоге https://www.uglypear.com/ru/blog/ — больше примеров развёртывания.
Частые вопросы
В: Частное развёртывание не слишком тяжёлое? Потянет ли небольшая фирма?
О: Оно масштабируется. Один сервер справляется с базовым извлечением и сжатием; расширяйтесь до внутреннего кластера по мере роста дел. Большая архитектура не нужна с первого дня.
В: Наши исторические дела — сплошные сканы. Пройдут ли они в RAG?
О: Да. Сканы проходят сжатие и распознавание перед разбиением и векторизацией; ключевое — корректное редактирование чувствительных данных до индексации.
В: Не сотрёт ли редактирование полезное содержимое дела?
О: Редактирование затрагивает только 13 категорий чувствительного — номера удостоверений, счета, нераскрытые детали дела. Смысловое тело сохраняется, поиск не страдает.
В: Чем это отличается от просто публичной облачной модели?
О: Главное отличие — данные остаются внутри вашей сети, управление в ваших руках, а обработка PII, которой полна юридическая работа, заметно контролируемее.
В: Можно ли плавно подключить существующую базу знаний?
О: Как правило, да. Существующие файлы после сжатия и редактирования входят в частный RAG, без необходимости начинать с нуля.