Harvey vs LexisNexis Protégé 2026: что выбрать юридической фирме

Партнёр M&A-практики просит поставить «один AI-инструмент для всего отдела». Если перепутать подгруппу — за $14 400 в год на юриста фирма получит сервис, который не покрывает половину задач команды.

В подгруппе «платформы для law firms» категории legal-ai оба сервиса — Harvey и LexisNexis Protégé — стоят рядом, но архитектурно смотрят в разные стороны. Harvey строится как multi-model оркестратор поверх OpenAI, Anthropic и Google Gemini с собственным fine-tuning на юридических корпусах и без жёсткой привязки к одной правовой базе. Это даёт ему гибкость: фирма решает, какая foundation-модель пойдёт под какую задачу через Model Selector. Protégé живёт внутри экосистемы Lexis+ — крупнейшей в мире юридической базы данных от RELX Group ($10B+ выручки) — и его главная ценность завязана на Shepard's Citation Service, существующий с 1873 года.

Практический смысл этой разницы такой. Harvey мы в редакции относим к «open-DB» лагерю: фирма приносит свои данные, свои playbook'и, своих клиентов — и Harvey крутит вокруг них агентов через Agent Builder (25 000+ кастомных агентов на платформе). LexisNexis Protégé — «closed-DB» по дизайну: его сила раскрывается, только если вы уже на подписке Lexis+ и работаете с case law. Если фирма ушла к Westlaw — Protégé теряет половину ценности, потому что прямой Westlaw-интеграции у него нет.

Из этой карты сразу видно, по какому критерию проходит водораздел. Если фирма хочет строить свои агентные процессы поверх внутренних данных и не хочет «жениться» на одной правовой базе — Harvey. Если фирма уже двадцать лет в Lexis+ и читает case law через Shepard's — Protégé просто встроится в работу там, где юристы и так живут.

Партнёр пишет в чат сервиса: «Оцени силу позиции истца по делу о breach of fiduciary duty, учитывая Delaware case law и наш playbook». Дальше — либо связный аргумент с проверяемыми ссылками, либо абзац, который надо переписывать вручную.

Harvey решает эту задачу через связку foundation-моделей (OpenAI GPT-4.x/5.x, Anthropic Claude, Google Gemini) с собственным fine-tuning поверх юридических корпусов: case law, контрактов, regulatory filings. Через Model Selector фирма решает, какая модель пойдёт под аргументационный анализ, а какая — под извлечение данных из документов. В практической работе на A&O Shearman Harvey тащит antitrust screening, fund formation, loan review — то есть задачи, где reasoning не сводится к поиску прецедента, а требует выстраивания цепочки рассуждений. 445 000+ Deep Analysis-отчётов, сгенерированных на платформе, — это объём, на котором фирмы уже не ставят эксперименты, а закрывают мандаты клиентов.

LexisNexis Protégé подходит к рассуждению с другой стороны — через multi-step research workflows. Сложный правовой вопрос AI разбивает на подзадачи, исследует их последовательно по базе LexisNexis, а на финальной стадии проверяет каждую цитату через Shepard's. Argument Analysis отдельно оценивает силу и слабость позиции, разбирает контраргументы. В режиме Protégé General AI (с августа 2025) пользователь может переключиться на frontier-модели (включая GPT-5) для задач за пределами юриспруденции, не покидая workspace. Получается, что в чисто юридическом reasoning Protégé силён за счёт заземления на базе и Shepard's; в смешанных задачах (юридический + бизнес-анализ) он подтягивается за счёт General AI.

По нашему чтению досье картина выглядит так: Harvey выигрывает в построении аргумента и cross-document синтезе (это его профиль M&A и fund formation), Protégé — в задачах, где аргумент опирается на конкретные цитаты case law и где Shepard's сразу подсвечивает «overruled». На сложных multi-step задачах оба держат уровень, но через разные механизмы: Harvey через Model Selector и Agent Builder, Protégé через workflow-планировщик внутри Lexis+.

Associate в три часа ночи ищет прецедент, отменяющий аналогичную позицию по делу клиента. Найдёт неверный — встанет утром перед партнёром с фейковой ссылкой на несуществующее дело. Это уже не гипотеза: bar associations в США заводят отдельные дисциплинарные производства по таким случаям.

Здесь у Protégé структурное преимущество, которое сложно перебить технологией. Сервис заземлён в LexisNexis content — крупнейшей юридической базе данных в мире, с case law, статутами, regulatory материалами всех американских юрисдикций и значительного куска международных. Поверх этого работает Shepard's Citation Service: каждая ссылка на прецедент сопровождается signal'ом — «good law», «caution», «red flag» если дело overruled. Stanford law study зафиксировал у Lexis+ AI 17% error rate в юридических цитатах против 34% у Westlaw AI. Это не маркетинговый bullet, это вдвое меньший риск фейковой ссылки в memo.

Harvey по research работает иначе. У него нет нативной интеграции ни с Westlaw, ни с Lexis+ — фирма приносит свои документы и свои данные. Это значит, что для legal research в чистом виде (найти прецедент Delaware Chancery 2019 года по конкретному вопросу) фирма всё равно держит отдельную подписку на правовую базу. Harvey хорош в анализе того, что фирма уже загрузила (контракты, регуляторные filings, внутренние meмо), и в построении аргументов поверх этого материала. Но «найди мне все прецеденты Второго округа по толкованию статьи 10b-5 за последние пять лет» — это не его сценарий из коробки.

Отдельно отметим: Harvey не публикует независимых citation benchmark'ов. Это объяснимо архитектурно (он опирается на корпус фирмы, а не на единую DB), но для юридического сервиса непрозрачность по точности цитат — фактор риска, который мы фиксируем как минус в §F8.

В пятницу к семи вечера приходит черновик SPA на 80 страниц от другой стороны. К понедельнику нужно: redline с учётом playbook фирмы, генерация недостающих клаузул, проверка на отсутствие сюрпризных условий. Решение, какой сервис включить в этот сценарий, определяет, сколько часов associate потратит на ручную правку.

Harvey идёт сюда через два канала. Первый — Vault, рабочее пространство для документов: загружаете SPA, AI извлекает key provisions, сравнивает с типовым шаблоном фирмы, помечает аномалии. Второй — Microsoft Word add-in для contract work, где redlining происходит прямо в документе, который потом отдают клиенту. Поверх этого есть Agent Builder: фирма строит кастомного агента «SPA Review для практики Real Estate», задаёт ему playbook, guardrails и формат вывода — дальше агент гоняет каждый входящий черновик по этому шаблону без промпт-цепочки. Это уникальная для категории гибкость: 25 000+ кастомных агентов на платформе показывают, что фирмы реально строят свои процессы, а не используют generic-режим.

LexisNexis Protégé делает drafting иначе — через Word add-in, который генерирует секции brief, memo, client letters и помогает редактировать существующие документы с учётом юридического стиля и структуры. Сила Protégé в drafting видна там, где нужна привязка к case law: AI пишет аргументационную часть memo, сразу подставляя цитаты, проверенные через Shepard's. Это другая модель работы: не «настрой агента под свой playbook», а «диктуй задачу, AI напишет с привязкой к базе». Для litigation memo и brief'ов это удобнее; для коммерческих сделок и redlining — Harvey даёт более прямой контроль.

В коммерческом drafting (M&A, real estate, fund formation) Harvey за счёт Agent Builder и Vault даёт более глубокий контроль над процессом. В litigation drafting (brief'ы, memo с цитатами) Protégé выигрывает за счёт встроенной верификации цитат.

In-house counsel получает на согласование MSA от потенциального поставщика. Нужно за два часа понять, что из шести типичных рисков (limitation of liability, IP assignment, change of control, audit rights, termination for convenience, governing law) присутствует, отсутствует или сформулировано в пользу контрагента.

Harvey делает contract review через Vault: загружаете договор, AI помечает рисковые клаузулы по внутреннему playbook фирмы. Сила в том, что playbook кастомизируется — фирма сама определяет, что считать риском по типу сделки и юрисдикции. Vault поддерживает cross-document review: можно загрузить набор из 50 NDA и за один проход получить матрицу несоответствий со стандартом фирмы. По данным из досье, Harvey работает с CSV/Excel нативно — это важно для финансовых данных в сделках, когда рисковая клаузула привязана к сумме и сроку.

Protégé подходит к contract review через те же Word add-in и Lexis+ workspace, но с акцентом на привязку к case law: рисковая формулировка может быть подсвечена не только как «отклонение от playbook», но и как «в Delaware суды толкуют это против стороны, формулировавшей условие». Это полезно в спорах, где разница между двумя редакциями клаузулы — это разница в исходе litigation через два года. С другой стороны, у Protégé нет аналога Agent Builder: настройка специфичного отраслевого playbook требует больше ручной работы.

Разделение чёткое. Harvey оптимизирован под глубокую кастомизацию playbook и массовый прогон документов через единый профиль рисков. Protégé оптимизирован под качество интерпретации каждой клаузулы в свете case law. Какая модель ближе фирме — зависит от того, чего больше в работе: однотипных сделок (Harvey) или нестандартных формулировок, где важна судебная история (Protégé).

Сделка M&A: data room на 8 000 документов, дедлайн closing — четыре недели. Команда из шести associate'ов должна вытащить key provisions из MSA, employment agreements, IP assignments, leases, аномалии — и собрать всё в issues list для партнёра.

Это домашняя задача Harvey. Vault в досье описан как механизм для загрузки и анализа большого числа документов с cross-document synthesis. Платформа отдаёт 400 000+ agentic queries в день и сгенерировала 445 000+ Deep Analysis-отчётов — числа показывают, что фирмы используют сервис не на демо-кейсах, а на реальных мандатах. A&O Shearman публично подтверждает использование Harvey на antitrust screening, fund formation, loan review — типах сделок, где document review занимает основную часть бюджета часов associate'ов. Agent Builder позволяет фирме поднять «M&A DD-агента» под свой playbook: задаются категории документов, рисковые клаузулы, формат issues list — агент идёт по data room без ручного контроля по каждому документу.

Protégé по due diligence работает через multi-step research workflows: AI разбивает задачу на подзадачи (например, «найди в data room все индемнити-клаузулы и сравни с типовыми Delaware») и проходит по ним последовательно. Сила Protégé здесь — в способности привязать каждое наблюдение к case law и проверить через Shepard's. Но архитектурно сервис не позиционируется как «document review engine»: основной фокус — research и drafting, document review — побочная функция. Harvey же изначально проектировался под document-heavy workflows.

Отметим разницу в публичной фактуре. Harvey даёт конкретные числа production-нагрузки. LexisNexis по Protégé не публикует ни числа активных пользователей, ни TTFT, ни объёмов document review — это особенность RELX как большой корпорации, где много фактуры закрыто за enterprise-договорами.

Партнёр объявляет: «каждый новый MSA от вендоров проходит через AI-агент, выдаёт issues list по нашему playbook, помечает high-risk клаузулы — без участия associate, пока не появится reason for escalation». Это не научная фантастика, это процесс, который сейчас разворачивают в AmLaw 100.

Harvey здесь работает на шаг впереди категории. Agent Builder (запущен март 2026) — это no-code конструктор кастомных агентов: фирма сама определяет цель, источники данных, guardrails и output format. На платформе 25 000+ кастомных агентов, построенных пользователями. Workflow Agents — pre-built под типовые задачи (due diligence, антитраст, compliance). Human-in-the-Loop — встроенные checkpoints, где агент запрашивает подтверждение перед критическими шагами. Архитектура построена так, что фирма не зависит от Harvey-команды для запуска нового процесса: новый агент собирается в админке за часы, не за недели.

LexisNexis Protégé реализует multi-step research workflows: AI планирует подзадачи и идёт по ним последовательно, заземляясь в LexisNexis content. Это агентность, но архитектурно более узкая — она работает внутри research-сценариев, заранее проектируемых командой LexisNexis. У клиента нет аналога Agent Builder, где можно было бы определить «нашего отраслевого M&A-агента» с произвольными guardrails и форматом вывода. Plus side: workflow-планировщик Protégé заземлён в самой большой юридической DB мира, что даёт качество reasoning, недостижимое без подписки на правовую базу.

Если фирма хочет строить свою операционную модель вокруг агентов — это сценарий Harvey. Если фирма хочет, чтобы агентность работала «под капотом» правильного research, не требуя архитектурного управления — это сценарий Protégé.

В юриспруденции галлюцинация — это несуществующий прецедент. Несуществующий прецедент в memo, ушедшем клиенту, — это профессиональная ответственность юриста и риск дисциплинарного производства. Это не теория: bar associations в США за последние два года рассмотрели несколько публичных кейсов.

Protégé по этой подтеме имеет аргумент, который сложно перебить. Stanford law study зафиксировал 17% error rate в юридических цитатах у Lexis+ AI против 34% у Westlaw AI. Это вдвое меньше ошибок при ссылках на прецеденты. Архитектура объясняет результат: каждый ответ заземлён в LexisNexis content, каждая цитата проверяется через Shepard's Citation Service, существующий с 1873 года. «Красный флаг» на overruled-прецеденте — это не nice-to-have, это базовый sanity check, которого нет у систем без подобной верификации.

Harvey по галлюцинациям находится в более сложной позиции. Конкретных публичных citation benchmark'ов сервис не публикует — это data gap, который мы фиксируем как минус в досье. Архитектурно Harvey опирается на foundation-модели (OpenAI, Anthropic, Google) с собственным fine-tuning на юридических данных, но без аналога Shepard's. Заявлены guardrails на основе attorney-client privilege и Human-in-the-Loop checkpoints, но независимых исследований accuracy на уровне Stanford study у Harvey нет. Для AmLaw 100 это компенсируется тем, что юристы фирмы всегда перепроверяют цитаты вручную перед клиентским output — для решений с меньшим штатом проверяющих это значимый фактор риска.

Мы в редакции считаем непубликацию citation benchmark'ов минусом — пользователь не может независимо проверить заявления о точности. По правилу §17 мы не ставим Harvey 5/10 «за непрозрачность», потому что косвенные сигналы (production-adoption в AmLaw 100, A&O Shearman на критических workflows) указывают на адекватный уровень. Но без Shepard's-аналога Harvey уступает Protégé в этой подтеме объективно.

CFO фирмы просит сравнить TCO «один в один». Harvey стартует от $1 200/lawyer/month с минимумом 20 seats и 12-month commitment. Protégé — от $128 до $494/user/month по разным tier'ам, плюс отдельная подписка на Lexis+, плюс полный access в Lexis+ with Protégé уходит в $500–1 000+/user/month.

Harvey по тарифной модели прозрачен на уровне базовой ставки — $1 200/lawyer/month, seat-based, 12-month commitment, минимум около 20 seats. Что это значит для 20-юристовой M&A-практики: $14 400/lawyer/year × 20 = $288 000/year минимум, и медианный размер аккаунта по данным Sacra удваивается за первый год. Enterprise-цены не публикуются — кастомное ценообразование. Free-тарифа нет, trial — только демо по запросу.

Protégé сложнее. Базовая Lexis+ AI идёт от $125–275/user/month в комплекте с Lexis+. Tier с Protégé — от $128 до $494/user/month. Полный access в Lexis+ with Protégé (вышел в феврале 2026) идёт по custom pricing, оценочно $500–1 000+/user/month. Если фирма уже на Lexis+ — incremental cost AI-слоя умеренный. Если фирма ещё не на Lexis+ — добавляется стоимость самой DB-подписки.

Расчёт TCO за год для типовых сценариев. 20-юристовая M&A-практика на Harvey: $288 000+/year минимум за seats, плюс отдельные подписки на Westlaw или Lexis+ для research. 20 юристов на Lexis+ with Protégé full: $120 000–240 000/year, включая саму базу. На бумаге Protégé дешевле, но это сравнение валидно только при условии, что фирме нужна Lexis+ подписка как таковая.

General Counsel задаёт три вопроса: «уходят ли наши договоры на тренировку OpenAI», «есть ли SOC 2 Type 2», «как сервис обращается с attorney-client privilege». Без чётких ответов сервис не попадает даже в pilot.

Harvey по compliance даёт прямые ответы. SOC 2 Type 2 подтверждён. Заявлена политика, по которой данные клиентов не используются для тренировки foundation моделей. Attorney-client privilege обрабатывается с учётом конфиденциальности. Для крупных enterprise-клиентов доступен Private Cloud с dedicated инфраструктурой. Это набор, который ожидают AmLaw 100 и крупные корпорации, и Harvey его закрывает.

LexisNexis Protégé идёт через стандарты RELX Group — публичной корпорации с глобальным enterprise-compliance. SOC 2 Type 2 — стандарт для LexisNexis. GDPR-инфраструктура есть благодаря EU-присутствию RELX (Лондон/Амстердам). Данные клиентов не используются для тренировки по enterprise-политике. Архитектурно cloud-only — on-prem deployment у LexisNexis Protégé не предусмотрен.

Главное различие на этой подтеме — Private Cloud. Harvey его даёт для крупных enterprise-клиентов, и это критично для AmLaw 50 с особо чувствительными мандатами. Protégé живёт в shared cloud-инфраструктуре RELX — для большинства фирм этого достаточно, но для отдельных регулируемых сценариев это блокер.

Банк, работающий с гостайной, или госкорпорация с особо чувствительными данными. CISO ставит условие: ничего на внешний cloud. Это сценарий, в котором рынок legal-ai режется пополам.

Harvey предлагает enterprise private cloud — dedicated инфраструктуру для крупных клиентов. Это не полноценный on-prem, но это изолированное окружение, которое для большинства регулируемых сценариев приемлемо. Для совсем закрытых периметров (госсектор, оборонка) даже private cloud может быть недостаточен, но в коммерческом банкинге и страховании этой опции в большинстве случаев хватает.

LexisNexis Protégé — cloud-only, on-prem deployment не предусмотрен. Это означает, что для сценариев, где данные физически не могут покидать корпоративный периметр, Protégé сразу отпадает. Это ограничение для нишевых, но важных сегментов.

Для большинства AmLaw 100 этот вопрос несущественен — фирмы давно работают в облачных DMS, и AI-слой поверх них в private cloud воспринимается нормально. Для in-house teams в регулируемых отраслях это первый критерий отсева.

Российская юрфирма с международной практикой хочет AI-инструмент для work product, идущего к иностранным клиентам. Вопрос не про русский язык — оба сервиса для юристов в РФ это про работу на английском. Вопрос про регистрацию, оплату и риск отключения.

Здесь оба сервиса смотрят одинаково — мимо российского рынка. Harvey: регистрация без VPN недоступна (блокировка по гео-IP), оплата российскими картами невозможна, enterprise-доступ — только через иностранное юрлицо, договорные условия запрещают использование из РФ, 152-ФЗ не соответствует.

LexisNexis Protégé: регистрация без VPN ограничена (LexisNexis — US/EU сервис), оплата российскими картами недоступна, корпоративные подписки на Lexis+ в РФ доступны для крупных организаций через официальный канал RELX (университетские лицензии, отдельные юридические фирмы), но AI-слой Protégé на этих подписках на сегодня недоступен. 152-ФЗ не соблюдается (обработка на US/EU серверах RELX).

Эта подтема — про осознанный выбор. Для российской команды, работающей с иностранными клиентами через зарубежное юрлицо, оба сервиса в принципе можно подключить. Для работы по 152-ФЗ — ни тот, ни другой.

Юрист отправил клиенту memo с цитатой на дело, которого не существует. Bar association штата получает жалобу. Что делает юрист в защиту: «AI ошибся» — не аргумент. Bar association видит факт некомпетентного use of technology.

Эта подтема — фактически про то, кто несёт регуляторный риск. Ответ всегда один: юрист, не сервис. ABA model rules и bar associations в США уже сформулировали: использование AI-инструмента не снимает с юриста обязанности проверять каждую цитату и каждый факт. На этом фоне citation accuracy сервиса напрямую переводится в риск дисциплинарного производства.

Harvey снижает этот риск через Human-in-the-Loop checkpoints — точки, где агент сам останавливается и просит подтверждение перед критическим действием. Это полезно как process control, но не подменяет независимую верификацию цитат. LexisNexis Protégé снижает риск через Shepard's — структурную верификацию цитат, дающую 17% error rate против 34% у конкурентов. Это объективное преимущество в сценариях, где работа над memo идёт под давлением дедлайна, а ассоциат успевает перепроверить далеко не каждую ссылку.

Не делаем из этого вывод, что Protégé «безопаснее в принципе». Делаем вывод, что у Protégé есть структурная защита от одного конкретного класса ошибок (фейковая цитата), а у Harvey — структурная защита от другого класса (необдуманный шаг агента в многошаговом workflow).

Партнёр подписывает 12-month commitment на сервис, который интегрируется в ежедневный workflow двадцати юристов. Вопрос на пять лет: будет ли этот сервис существовать через три года в том виде, в котором фирма его выбрала.

Harvey — частная компания с оценкой $11B (март 2026), привлекшая $200M от GIC и Sequoia. До этого был раунд $160M от Andreessen Horowitz в декабре 2025 при оценке $8B. ARR вырос со $100M в августе 2025 до $190M в январе 2026 — почти удвоение за полгода. Совокупно привлечено более $1B. 1 300+ клиентов, большинство AmLaw 100. Это уверенный венчурный рост, но всё ещё private company с зависимостью от следующих раундов.

LexisNexis Protégé — продукт LexisNexis Legal & Professional, дочки RELX Group. RELX — публичная корпорация (LSE: REL), с выручкой $10B+. Компания работает с 1880-х годов, Shepard's — с 1873 года. Это другая категория стабильности: ни шансов на исчезновение в обозримой перспективе, ни драматического роста цены через венчурное давление. Для long-term планирования это точка опоры.

Финал обзора — попытка перевести 14 предыдущих подтем в один конкретный ответ для трёх типичных принимающих решение. Без «зависит от ваших задач». С конкретикой.

Партнёр M&A-практики, AmLaw 100, 30+ юристов в команде. Работа — deals, fund formation, antitrust screening, due diligence на data room в тысячи документов. Research занимает 20–30% времени, основное — drafting, redlining, document review. Рекомендация: Harvey. Agent Builder под кастомные DD-процессы, Vault для cross-document synthesis, A&O Shearman как прямой референс. TCO от $288 000/year на 20 seats оправдан скоростью прохождения сделок.

Litigation-партнёр или associate в фирме, активно работающей в федеральных судах США. Основная работа — research, brief'ы, memo с цитатами на case law, аргументация позиций. Риск цитировать несуществующий прецедент — реальный профессиональный риск. Рекомендация: LexisNexis Protégé. Shepard's verification вдвое снижает citation error rate, Argument Analysis оценивает силу позиций, multi-step research workflows автоматизируют разбор сложных вопросов. Если фирма уже на Lexis+, AI-слой — органичное продолжение работы.

General Counsel корпорации, in-house team на 5–15 юристов, регулируемая отрасль (банк, страхование, фармацевтика). Работа — contract review (200+ MSA, NDA, MSA в месяц), compliance, регуляторный анализ, периодический litigation. Рекомендация: Harvey с Private Cloud-опцией, если бюджет позволяет. Agent Builder под кастомный contract review-playbook компании, Private Cloud закрывает требования CISO, multi-model даёт гибкость под разные задачи. Если бюджет ограничен и компания уже на Lexis+ — Protégé закрывает 70% потребностей при существенно меньшем TCO.