Чи можна довіряти AI у OSINT-роботі юриста?

Нове дослідження IEEE ставить під сумнів автономне використання мовних моделей для OSINT-роботи адвоката

Огляд 74 наукових праць виявив: збір даних мовні моделі автоматизують добре, а от перевірку, аналіз і документування — не дуже.

Що таке OSINT. Open-Source Intelligence — це розвідка з відкритих джерел. Для юриста це щоденна робота: перевірити контрагента перед підписанням договору, знайти активи боржника у реєстрах, з’ясувати санкційний статус фігуранта, зібрати доказову базу для транскордонного спору, відстежити ланцюг володіння компанією через п’ять юрисдикцій.

І саме тут виникає проблема, про яку 3 липня цього року застеріг журнал IEEE Communications Surveys & Tutorials. Провідне технічне видання опублікувало системний огляд 74 наукових досліджень 2014–2026 років про застосування штучного інтелекту в OSINT. Автори — команда університетів Кіла, Ліверпуля, Дікіна і Техаського в Сан-Антоніо — сформулювали діагноз коротко: можливості цих інструментів значно випереджають перевірку їхньої надійності.

Для української адвокатури, яка дедалі активніше передає OSINT-роботу мовним моделям, огляд читається як попередження.

OSINT-цикл має дев’ять етапів. Дослідження покриває лише два

Класичне OSINT-розслідування — це не одна дія, а цикл із дев’яти стадій: збір джерел, опрацювання даних, збагачення, аналіз, перевірка, підготовка звіту, розповсюдження, підтримка ухвалення рішень, людський контроль. Автори огляду наклали аналізовані дослідження на цей цикл — і побачили різку непропорцію.

Збір і аналіз — це те, чим наука активно займається: 14 і 12 праць відповідно. Тут ChatGPT і Claude справді допомагають: сортують сотні документів, витягують сутності з тексту, підсумовують справи.

Перевірку покривають лише 6 праць. Складання звіту — 5. Підтримку рішень — 4. Людський контроль — 4. Розповсюдження — 2 праці.

Це саме ті етапи, за які юрист несе юридичну відповідальність перед клієнтом і судом. Автори огляду роблять сильний висновок: галузь оптимізується під технічно розв’язувані задачі й уникає епістемологічно складних, юридично обтяжених, емпірично важких — тих, що становлять основу професійної OSINT-практики.

Якщо мовна модель зібрала OSINT-матеріали для справи, це ще не означає, що вона їх перевірила, правильно проаналізувала або належно оформила. Ці етапи залишаються цілком у зоні відповідальності юриста.

«Найкращий випадок — 4% галюцинацій. Типовий — невідомо»

У 74 наукових працях понад двадцять авторів визнають головну загрозу OSINT-роботи з мовними моделями — галюцинації. Так називають правдоподібні, але цілком вигадані відповіді штучного інтелекту: неіснуючі судові справи, вигадані судові рішення, фальшиві реквізити компаній, придумані статті законів.

Але лише у одній праці автори виміряла рівень цих галюцинацій під час OSINT: 4% у тепличних умовах, на моделі Claude 3.7 Sonnet з ретельно підготовленою власною базою знань.

«Це найкраще, що галузь може продемонструвати сьогодні. Не типове, а найкраще», — підкреслюють автори огляду.

Що це означає на практиці. Коли ChatGPT видає результат перевірки контрагента, санкційного статусу, судової практики — треба виходити з припущення, що від 4 до 15% фактів у відповіді неточні або вигадані. І це — навіть коли модель має доступ до інтернету. Отже, кожен факт, який генерує Ші при пошуку інформації, потребує звірки з першоджерелом.

Найтиповіший ризик у OSINT-роботі — коли ШІ «знаходить» судове рішення з номером справи, датою і цитатою, а самого рішення насправді не існує. Такі випадки вже фіксувалися в американській і британській практиці; тамтешні судді накладали санкції на адвокатів, які подавали до суду вигадані посилання.

Тест на знання 91% — і провал у реальній справі

Найпоказовіший результат огляду — контраст між двома способами оцінити ту саму модель на завданнях, дуже подібних до OSINT.

У 2024 році вийшло дослідження CyberMetric: 25 великих мовних моделей порівняли з командою 30 живих експертів на стандартизованому тесті з 2000 питань з кібербезпеки. GPT-4o дав 91,25% правильних відповідей проти 72,24% у експертів. Заголовки читалися однозначно: «Штучний інтелект переграє людину».

У листопаді 2025 року команда Microsoft Research перевірила ту саму технологію на реальному OSINT-процесі: перебрати 488 статей про кіберзагрози, поглибити пошук по 55 адресах, скласти повноцінний аналітичний звіт з атрибуцією, показниками компрометації і рекомендаціями. Оцінювали аналітики — за критеріями точності, повноти і придатності до дії.

Жодна модель, включно з GPT-4, не досягла прийнятної якості. Особливо у складних завданнях атрибуції і технічного аналізу.

Обидва результати правдиві. Але вони міряють різні речі. Перше — здатність відтворити вивчене. Друге — здатність побудувати цілісний OSINT-висновок у ситуації невизначеності, з неповних і суперечливих джерел. Це категорично різні компетенції.

Підробки, які не розпізнав жоден фахівець

Ще одна лінія огляду — свідомі маніпуляції в OSINT. У 2021 році група дослідників з Університету штату Меріленд донавчила порівняно скромну модель GPT-2 на професійних текстах з кібербезпеки. Модель почала генерувати правдоподібні звіти про кіберзагрози: з назвами угруповань, оформленими показниками компрометації, реалістичною атрибуцією. Усе — вигадане.

Далі — головна частина експерименту. Десятеро професійних фахівців з кібезпеки отримали справжні і підроблені звіти. Більшість підроблених — професіонали позначили як справжні.

Стандартні ознаки, за якими зазвичай виявляють машинну генерацію — плавність тексту, зв’язність викладу, оформлення посилань — не працюють, коли модель донавчена на професійному корпусі.

Для юриста, який працює з OSINT це має конкретний наслідок. Коли ChatGPT «знаходить» інформацію про санкційний статус, публікацію в спеціалізованих виданнях, повідомлення в галузевих джерелах — частина цього матеріалу може виявитися штучно згенерованою підробкою, яку хтось раніше запустив у мережу спеціально для дезінформації. Особливо це стосується конфліктних юрисдикцій — Росії, Білорусі, Ірану, Північної Кореї. OSINT там уже давно «отруєний».

Автори огляду виділяють парадокс: той самий механізм, який знижує випадкові галюцинації — граф знань, RAG-пошук, самоперевірка через базу даних — посилює свідомі маніпуляції, коли базу вже отруєно. Жодна праця у корпусі не пропонує архітектури, яка вирішує обидві проблеми одночасно.

Висновок для адвоката простий: у OSINT-роботі з високими ставками — санкції, антикорупційні розслідування, справи проти олігархів — звірка з офіційними реєстрами (BRIS, Companies House, Zefix, Handelsregister, OFAC, ЄДРСР) залишається обов’язковою. Мовна модель не заміняє офіційне джерело, а лише спрямовує до нього.

Італійський прецедент: OSINT-запит з персональними даними = ризик GDPR

Важлива юридична частина огляду — рішення італійського органу захисту персональних даних (Garante). Обробка певних персональних даних через хмарну мовну модель, за висновком регулятора, не має законної підстави згідно зі статтею 6 Загального регламенту захисту даних ЄС. Це реальний прецедент правозастосування 2024 року.

Для української OSINT-практики це критично. Типова ситуація: адвокат вводить у ChatGPT прізвище клієнта, паспортні дані, ІПН, адресу — щоб той «пошукав інформацію в мережі». Ці дані виходять за межі України, потрапляють на сервери OpenAI у США або Anthropic у США й ЄС. Для клієнта з ЄС це може становити порушення GDPR. Для будь-якого клієнта — потенційне порушення адвокатської таємниці й статті 22 Закону «Про адвокатуру та адвокатську діяльність».

Автори огляду вказують на розв’язання: локальні мовні моделі з відкритим кодом — Llama 3, Mistral — розгорнуті на власному сервері адвокатської фірми. За показником точності класифікації розрив між хмарним GPT-4 (0,94) і безкоштовною GPT4all (0,90) складає всього чотири соті. Прийнятна ціна за законну обробку персональних даних клієнта.

«Штучний інтелект як помічник у OSINT» — єдина обґрунтована архітектура

Головна практична рекомендація огляду для OSINT-роботи — модель «штучний інтелект як помічник». Мовна модель робить перше сортування джерел, збирає базові матеріали, готує чернетку аналізу — рівно настільки, наскільки вона здатна. Юрист перевіряє результат на визначених контрольних точках: перед введенням у звіт, перед долученням до справи, перед поданням до суду.

Цікаво, що три різні команди — з Наньянського технологічного університету (Сінгапур), Цінхуа (Китай) і Chinese Control and Decision Conference — незалежно дійшли одного архітектурного принципу. Вихід мовної моделі в OSINT-контексті треба сприймати як чернетку, що підлягає структурованому перегляду, а не як готовий результат розслідування.

Коли три різні дослідники прийшли до одного рішення — це важлива ознака, що напрямок правильний.

Практичний OSINT-протокол для адвокатської практики

OSINT-завдання, які можна делегувати мовній моделі

• Первинне сортування великих масивів документів у справі
• Витяг ключових елементів (осіб, компаній, дат, сум) з довгих текстів
• Підсумок іноземних джерел, судових рішень, публікацій
• Чернетка запиту для отримання витягу з міжнародного реєстру
• Пошук нормативних актів за темою (з обов’язковою перевіркою на сайті Верховної Ради, ЄДРСР)
• Переклад OSINT-матеріалів для клієнта
• Робоча гіпотеза стратегії ведення справи

OSINT-завдання, які не можна довіряти без перевірки

• Санкційний статус особи чи компанії — звіряйте з OFAC, санкційним списком ООН, консолідованим санкційним списком ЄС
• Корпоративні дані (кінцевих бенефіціарних власників, директорів, часток) — звіряйте з BRIS, Companies House, Orbis, національними реєстрами
• Цитати з судових рішень — звіряйте з ЄДРСР, HUDOC, CURIA
• Пошук активів у міжнародних юрисдикціях — тут ризик отримання помилкових чи не правильних даних максимальний. Каталог перевірених джерел див. у розділі Міжнародні бази
• Атрибуцію кіберзлочинів — на цьому мовні моделі справляються найгірше з усіх завдань
• Юридичну кваліфікацію зібраного OSINT-матеріалу — приймайте лише як робочу гіпотезу

Три правила захисту від відповідальності

1. Мовна модель — помічник у зборі даних через OSINT, а не самостійний суб’єкт. Кожен факт з відповіді звіряйте з офіційним джерелом і фіксуйте посилання у своєму досьє
2. Хмарні моделі і персональні дані клієнтів — небезпечне поєднання для OSINT-роботи. Для чутливих справ (кримінальних, сімейних, антикорупційних, з клієнтами з ЄС) розгляньте локальні моделі з відкритим кодом на власному сервері
3. Процес OSINT-перевірки має бути задокументований. Кожен OSINT-звіт, підготовлений за допомогою штучного інтелекту, повинен містити слід: що зробила модель, що перевірив адвокат, які офіційні джерела підтвердили ключові твердження. Це — ваш захист від професійної відповідальності і аргумент допустимості OSINT-доказів у суді

Cуд, найімовірніше, не прийме як доказ OSINT-звіт, згенерований штучним інтелектом без перевірки, — навіть якщо модель наводить посилання на «джерела». Розроблення власного OSINT-протоколу з чітким розподілом «що робить модель — що робить адвокат» стане невдовзі стандартом професії.

Першоджерело

Palmieri, E.A., Ghanem, M.C., Dunsin, D., Baig, Z., de Quincey, E., Choo, K.-K.R. «Agentic and Generative AI for Open-Source Intelligence and Cyber Investigations: Taxonomy, Evaluation, Challenges, and Future Directions» // IEEE Communications Surveys & Tutorials, 2026. arXiv:2607.03233v1 [cs.CR]. Опубліковано 3 липня 2026 року.

🔗 Повний текст статті на arXiv

← Повернутися до розділу «Дослідження»