Google Cloud 26 августа запустила Gemini Enterprise for Legal — специализированную агентную ИИ-систему для юристов. На первый взгляд это очередной вертикальный Copilot для корпоративного рынка, но на деле релиз подсвечивает куда более крупный сдвиг: борьба в enterprise AI идет уже не только за лучшую модель, а за контроль над всем стеком — от инфраструктуры и governance до отраслевых интеграций и собственных данных.
Новая система, как сообщает The New Stack, предназначена для автоматизации юридических процессов: проверки контрактов, мониторинга регуляторных изменений, подготовки документов и data discovery. Одновременно Google представила и Gemini Enterprise for Financial Services для финансового сектора. Обе новинки компания описывает как первые элементы серии готовых отраслевых решений, построенных поверх защищенной и управляемой платформы Gemini Enterprise. Для русскоязычного IT-рынка это важный сигнал: крупные вендоры продают бизнесу уже не просто доступ к LLM, а собранные под ключ отраслевые контуры с агентами, контролем рисков и подключением к рабочим системам.
Отдельный интерес в тайминге. Запуск Google случился примерно через 24 часа после того, как Thomson Reuters представила Thomson — собственную ИИ-модель для юридической, налоговой и комплаенс-работы. По данным The New Stack, на ее разработку компания потратила около 40 млн долларов. На поверхности Google и Thomson Reuters решают одну и ту же задачу: сделать ИИ пригодным для юридических сценариев, где ошибка в формулировке или галлюцинация с ссылкой на прецедент стоит заметно дороже, чем в генерации маркетингового текста. Но архитектурно подходы у них почти противоположные.
Thomson Reuters делает ставку на модельный слой. Компания дообучила существующую open source foundation-модель на своем массиве профессионального контента, включая Westlaw, Practical Law, Checkpoint и Reuters, а затем прогнала ее через экспертную оценку. Google, наоборот, показывает, что специализация может появляться и выше уровня базовой модели. В случае Gemini Enterprise for Legal акцент сделан на агентной логике, инструментах, интеграциях и корпоративном контуре управления. Иначе говоря, Google продает не тезис «у нас самая умная LLM для юристов», а тезис «у нас есть вся сборка, чтобы эту LLM безопасно встроить в реальную юридическую функцию компании».
В релизе Google выделяет четыре опорных элемента решения. Первый — специализированные skills, которые направляют агентов в юридических задачах. Второй — защищенные интеграции по Model Context Protocol с профильными платформами, включая DocuSign. Третий — сеть сторонних агентов, legal tech-поставщиков и консалтинговых партнеров, среди которых названы Accenture и Deloitte. Четвертый — control plane для риск-менеджмента, аудита и governance. В переводе с маркетингового на инженерный это выглядит так: Google пытается закрыть типичный enterprise-страх перед агентами — не только «что они умеют», но и «кто их контролирует, к чему они подключены и кто потом объяснит, почему агент сделал именно это».
Список сценариев тоже показателен. Google говорит об автоматизации data discovery и ответов на DSAR-запросы, отслеживании изменений в законодательстве, судебных досье и действиях надзорных органов, обновлении policy drafts, ускорении проверки и согласования контрактов, подготовке NDA, судебных документов, редактировании и обезличивании материалов, а также создании и обновлении contracting playbooks. Это уже не демонстрация уровня «ИИ умеет суммаризировать PDF», а попытка встроиться в цепочку процессов, где важны права доступа, проверяемость, маршрутизация задач и работа с внешними системами. Именно там и лежат бюджеты.
На этом фоне особенно любопытно выглядит контраст с Thomson Reuters. Ее собственная модель Thomson, по данным The New Stack, в ряде бенчмарков обошла Gemini 3.1 Pro, Claude Opus 4.8 и GPT-5.5. Но даже это не означает отказ от frontier-моделей как класса. В материале приводится пример CoCounsel Legal — ассистента Thomson Reuters, построенного на Claude Agent SDK от Anthropic. То есть компания, вложившая десятки миллионов в собственную специализированную модель, все равно использует мультимодельный подход и подбирает движок под конкретную задачу. Для рынка это неприятно, но честно: «владеть моделью» еще не значит «строить все только вокруг нее».
Из этого вытекает главный вывод для разработчиков, продактов и ИТ-руководителей. Вопрос «какую LLM выбрать» стремительно превращается в слишком узкий. Реальная конкуренция идет вокруг того, какой слой стека компания способна сделать незаменимым. У Google это инфраструктура, собственные модели, чипы, data platform, governance и партнерская экосистема. У Thomson Reuters — массив закрытого профессионального контента и экспертная настройка модели под домен, где цена ошибки особенно высока. Для корпоративных команд это означает, что закупка AI-решения все сильнее напоминает выбор платформы, а не библиотеки: сменить потом можно, но больно, дорого и с длинным хвостом интеграционных последствий.
Gemini Enterprise for Legal в этом смысле важна не только как продукт для юрдепартаментов. Это еще и демонстрация новой логики рынка enterprise AI: вендоры будут доказывать ценность не абстрактной «мощностью модели», а тем, насколько глубоко они умеют упаковать ИИ в конкретную отраслевую операционку. И вот здесь для бизнеса начинается самый неудобный вопрос: что выгоднее держать под своим контролем — модель, данные, агентный слой или весь контур сразу.