Legora проверила 41 финансовый документ за минуты с GPT-6 Astra

Agent сверил 41 документ в одном запуске

Legora применила GPT-6 Astra к financial-statement tie-out — сверке каждой цифры в черновой финансовой отчётности с trial balances, consolidation schedule и отчётами за предыдущий год. Обычно специалист последовательно проверяет все позиции, пока суммы не сойдутся; по словам Legal Engineer Legora Percevale Perks, такая работа может занять целый вечер, а иногда несколько дней.

В тесте Agent обработал 41 документ за один запуск и, по данным Legora, завершил работу за минуты. Система проверила каждый баланс по подтверждающему schedule, обнаружила расхождения в суммах и записала результат каждой проверки. На выходе специалист получил не только общий вывод, но и детальный журнал по строкам и значениям, который можно просмотреть перед решением.

Все четыре заложенные ошибки были найдены

Для проверки качества Legora заранее внесла в отчётность четыре ошибки. GPT-6 Astra обнаружила все четыре, включая скрытый разрыв на £500 000 в примечании о выручке. Модель также сохранила все корректные проверки, выполненные предыдущей моделью, и завершила примерно на 50 проверок больше.

Legora описывает улучшение по трём критериям: accuracy, completeness и reliability. В таком workflow полнота принципиальна: правильно проверить большинство строк недостаточно, если пропущенное исключение может повлиять на заключение. Поэтому запись каждого сопоставления становится частью результата — эксперт видит, что именно было проверено, а не вынужден доверять краткому ответу Agent.

Почти 40% — результат конкретного финансового workflow

Компания оценивала модель с помощью собственного Legora Benchmark for Agentic Reasoning (BAR), построенного на end-to-end задачах из реальных юридических сценариев. В financial-statement workflow GPT-6 Astra, по отчёту Legora, улучшила результат почти на 40% относительно предыдущей модели. При усреднении по всем заданиям BAR прирост был заметно скромнее — около 3%.

Эти две цифры нельзя смешивать. Почти 40% относятся к одному типу сверки, где особенно важна способность удерживать большой набор документов и последовательно сопоставлять множество позиций. Около 3% описывают среднее изменение по всему набору задач. Материал OpenAI не раскрывает полный состав benchmark, формулу оценки, число повторных запусков и разброс результатов, поэтому переносить локальный прирост на любую юридическую или финансовую работу нельзя.

Человек остаётся ответственным за заключение

Agent берёт на себя исчерпывающее сравнение документов, но не последнее решение. Legora подчёркивает human-in-the-loop: специалист проверяет найденные расхождения и отвечает за профессиональное суждение по каждому результату. Такая граница особенно важна для аудита, налогов, compliance и risk, куда компания собирается расширять платформу за пределами юридической работы.

Практическая роль модели здесь — ускорить первый проход и сделать его более полным, а не подписать отчётность автономно. Проверяемый журнал даёт специалисту возможность вернуться к исходной строке и supporting schedule. Без такого evidence trail высокая скорость мало полезна: пользователь увидел бы заключение, но не смог бы понять, какие документы и значения привели систему к нему.

Кейс показывает масштабирование контекста, но не универсальную точность

Legora называет себя agentic operating system для юридической и профессиональной работы: платформой пользуются более 100 000 специалистов в свыше 1 800 юридических департаментах и фирмах на более чем 50 рынках. Компания адаптирует систему к end-to-end workflows вместе с заказчиками — от проверки договоров до юридического исследования.

Однако опубликованный результат остаётся vendor case от Legora и OpenAI, а не независимым сравнением. Он убедительно показывает, что длинный многофайловый workflow можно выполнить за один Agent run, найти все заранее известные ошибки и оставить человеку подробную трассу проверки. Но для оценки production-надёжности всё ещё нужны независимые тесты на новых ошибках, повторяемость запусков, false positives, стоимость обработки и поведение на неоднозначных документах.