Команда GitHub показала, как даже специалисты без технического образования могут создавать собственные инструменты на базе GitHub Copilot CLI и автоматизировать рутинные задачи. В эксперименте участвовали юристы, менеджеры программ и бизнес-специалисты, которые раньше считали, что «не умеют кодировать», но с помощью GitHub Copilot CLI смогли собрать рабочие решения для юридических процессов.
Команда описывает себя так: это юристы и менеджеры, а не инженеры. Значительная часть их работы связана с повторяющимися задачами: типовые договоры, одинаковые вопросы, многократное использование прежних рекомендаций. Они понимали, что здесь может помочь ИИ, но не были уверены, как создать подходящие инструменты. Copilot CLI позволил формулировать запросы на обычном языке, подключаться к репозиториям и быстро получать заметный эффект.
Материал включает два примера из практики юристов GitHub и два дополнительных кейса в форматах видео. Оба примера показывают, как Copilot CLI помогает не только решать отдельные задачи, но и выстраивать устойчивые рабочие процессы вокруг опыта конкретного специалиста.
Нганду Касуку (Ngandu Kasuku), Principal Product Counsel, рассказал, как создал инструмент автоматизации договорной работы terms-ai на базе Copilot CLI. Его практика сочетает продуктовые и коммерческие вопросы, а в марте–апреле он столкнулся с большим потоком партнёрских сделок, связанных с данными, инфраструктурой и интеграциями, при этом каждый договор сильно отличался от предыдущего.
Сначала он использовал Copilot CLI точечно, но быстро понял, что нужно выстроить систему под собственный подход к работе. Так появился инструмент terms-ai. Нганду развернул проект, сохранил ключевые документы в репозитории и получил единое место, где хранятся инструкции, материалы для подготовки текстов и рабочие процессы, которые направляют ИИ. Такая структура сделала результат более последовательным и сильно сократила объём ручного копирования из библиотеки промптов.
Одной из центральных функций terms-ai стал внутренний гайд по стилю договоров. Нганду придерживается принципов понятного языка и избегает устаревших выражений вроде «heretofore» и «therewith». Он обнаружил, что существует целое движение за понятный юридический язык, и использовал его принципы как основу стилевого руководства для ИИ.
Кроме того, он создал библиотеку уже согласованных договоров. Теперь, когда существующий партнёр присылает дополнительное соглашение или новый документ, инструмент может опираться на предыдущие тексты. При этом такие договоры остаются во внутренней, контролируемой среде с ограниченным доступом, а открытым исходным кодом поделились только сам инструмент и общая схема работы, без чувствительных данных.
По словам Нганду, с момента запуска terms-ai время на проверку и подготовку договоров сократилось примерно вдвое. Формулировки в документах стали более единообразными, а черновики лучше соответствуют его предпочтениям по стилю. Он подчёркивает, что главный вывод для него — не просто рост скорости, а возможность построить инструмент ИИ вокруг собственного профессионального суждения, опыта и способов работы.
Второй пример описывает Джесси Джераси (Jesse Geraci), Online Safety Counsel. Он начал с узкой задачи: нужно было быстро и точно анализировать исходный код для оценки уведомлений по DMCA (Digital Millennium Copyright Act). Первоначальный проект представлял собой набор инструкций GitHub Copilot для повторяющихся задач: первичная обработка DMCA, сравнение кода, проверка лицензий и анализ обхода технических средств защиты.
Цель заключалась в том, чтобы заменить разрозненные промпты, которыми каждый юрист пользовался по-своему, на системный подход, которому юридическая команда могла бы доверять и который собирал бы факты и структурировал анализ одинаковым образом. Джесси отмечает, что удивился, насколько далеко удалось продвинуться без поддержки инженеров: ядро «программирования» составили текстовые файлы с пошаговыми инструкциями, выдержками из политик и шаблонами отчётов.
Вместо написания кода он использовал навыки работы с юридическими текстами, чтобы встроить юридическую логику прямо в рабочий процесс. Дальше решение расширили: добавили режимы анализа для клиентов и юристов (более быстрые выводы и рекомендации по эскалации для клиентов, более глубокий разбор и аргументы с обеих сторон для юристов) и подключили внешние источники данных. Когда Джесси передал этот рабочий процесс команде, юристы сразу начали им пользоваться и стали просить Copilot выполнять всё больше задач.
Со временем на этой основе появилась полноценная настольная программа для запуска заранее определённых юридических сценариев через удобный интерфейс. Для её разработки действительно потребовалось «много кода», но ключевые инструкции, которые настраивают рабочие процессы, по-прежнему редактируются в приложении обычным языком.
Сейчас этот инструмент вышел далеко за рамки анализа кода для DMCA. В него включены сценарии для различных процессов внутри юридической службы: проверка договоров, обработка NDA, оценка рисков, проверки на соответствие требованиям и подготовка ответов. Внутри система использует многократно применимые «навыки» и агенты (приём запросов, сопоставление с плейбуками, оценка рисков, проверка доказательств, маршрутизация по уровням эскалации, сборка отчётов), но ключевой момент, по словам Джесси, в другом: юридические команды по-прежнему контролируют поведение системы в формате читаемых файлов Markdown.
Джесси делает вывод, что ему не нужно ждать «идеального поставщика ПО» или становиться разработчиком, чтобы создавать серьёзные решения на базе ИИ. Если можно чётко описать методологию, стандарты и формат результата, то GitHub Copilot помогает превратить это знание в работающий процесс.
Он подчёркивает, что его «юридический Copilot» не заменяет профессиональное юридическое суждение и не должен так восприниматься. Это система поддержки решений, которая сохраняет ключевую роль человека, но делает правовой анализ более последовательным, прозрачным и масштабируемым.
Авторы материала заключают, что если команда юристов и менеджеров смогла быстро создать инструменты, снимающие нагрузку в тяжёлые периоды, то это под силу и другим специалистам. Во многих профессиях, даже не связанных напрямую с разработкой ПО, есть повторяющиеся задачи, которые можно автоматизировать. Подход GitHub — выбрать один «узкий» процесс, который мешает работе, открыть Copilot CLI и пошагово построить вокруг него решение.
Материал также отсылает к дополнительным гайдам GitHub по работе с GitHub Copilot и GitHub Copilot app: модернизация существующих кодовых баз через стековые сессии и pull request, практический рабочий процесс Copilot для прототипирования, планирования, реализации и ревью без необходимости использовать множество разных ИИ-инструментов, а также вводные материалы по запуску проектов, работе с ИИ-агентами и организации рабочего процесса в GitHub.
Источник: блог GitHub.
