Пределы технической конкретизации принципов права в сфере регулирования искусственного интеллекта

Введение. Актуальность исследования обусловлена противоречием между абстрактным ценностно-нормативным содержанием принципов права и необходимостью устанавливать проверяемые требования к системам искусственного интеллекта (далее – ИИ). Вопрос о том, в какой мере содержание принципа может быть переведено в технические параметры без его подмены заранее заданным правилом, в теории права остается открытым.

Цель. Определить порядок и пределы технической конкретизации принципов права в регулировании ИИ.

Теоретические основы. Методологическую основу исследования составили формальноюридический, сравнительно-правовой, системно-структурный и формально-логический методы.

Результаты. Обосновано разграничение материальных принципов, охраняющих права и ценности личности, и принципов-гарантий, обеспечивающих проверяемость и оспоримость алгоритмических решений. Техническая конкретизация представлена как юридически опосредованный перевод отдельных нормативных проекций принципа в требования к данным, процедурам и результатам интеллектуальной системы. Статьи 3 и 64 Трудового кодекса РФ разобраны как случай, где запрет дискриминации расходится с техническим и процессуальным обеспечением алгоритмического отбора персонала. Результаты конкретизации распределены по группам в зависимости от того, насколько они поддаются технической формализации. Пределов конкретизации выделено три: структурно-логический, аксиологический и эпистемико-технологический. Статистическое расхождение результатов между группами дискриминацию не доказывает, но порождает опровержимую презумпцию и обязанность раскрыть критерии отбора. Чтобы компенсировать названные пределы, предложен институциональный механизм. Он перераспределяет бремя доказывания, вводит состязательную проверку экспертных выводов и типовые карты выбора метрик. Часть его элементов допустимо апробировать в экспериментальном правовом режиме, остальные потребуют изменений в трудовом и процессуальном законодательстве.

Выводы. Технической конкретизации подлежит не принцип в полном объеме, а его отдельные нормативные проекции, тогда как окончательная правовая оценка конкурирующих ценностей в юридически значимых решениях должна обеспечиваться содержательным человеческим контролем.

1. Хабриева, Т. Я. Право перед вызовами цифровой реальности / Т. Я. Хабриева // Журнал российского права. – 2018. – № 9. – С. 5–16. - https://doi.org/10.12737/art_2018_9_1. – EDN: YXUYFV.

2. Алферова, Е. В. Международные и национальные особенности правового регулирования искусственного интеллекта: опыт России, Китая, Индии / Е. В. Алферова, Е. В. Скурко // Вестник Российского университета дружбы народов. Серия: Юридические науки. – 2026. – Т. 30, № 2. – С. 215–232. - https://doi.org/10.22363/2313-2337-2026-30-2-215-232. – EDN: DBTINJ.

3. Хабриева, Т. Я. Право в условиях цифровой реальности / Т. Я. Хабриева, Н. Н. Черногор // Журнал российского права. – 2018. – № 1. – С. 85–102. - https://doi.org/10.12737/art_2018_1_7. – EDN: YKWEZL.

4. Гук, П. А. Толкование и конкретизация норм и принципов права судебными органами / П. А. Гук // Известия высших учебных заведений. Поволжский регион. Общественные науки. – 2020. – № 4 (56). – С. 32–40. - https://doi.org/10.21685/2072-3016-2020-4-4. – EDN: HWHZJU.

5. Терехина, Е. А. К вопросу о конкретизации принципов и норм права судебными органами / Е. А. Терехина // Известия высших учебных заведений. Поволжский регион. Общественные науки. – 2022. – № 3 (67). – С. 157–168. - https://doi.org/10.21685/2072-3016-2022-3-15. – EDN: UJCFNG.

6. Матузов, Н. И. Теория государства и права: учебник / Н. И. Матузов, А. В. Малько. – 5-е изд. – Москва: Издательский дом «Дело» РАНХиГС, 2022. – 528 с. - ISBN 978-5-85006-370-2.

7. Коновалов, А. В. Принципы права: монография / А. В. Коновалов. – Москва: Норма, 2022. – 792 с. – DOI: 10.12737/1816288. – ISBN 978-5-00156-195-8.

8. Шатковская, Т. В. Правовые пределы цифровой трансформации: поиск новых решений / Т. В. Шатковская // Право и государство: теория и практика. – 2021. – № 3 (195). – С. 170–173. - https://doi.org/10.47643/1815-1337_2021_3_170. – EDN: HXLMMM.

9. Харитонова, Ю. С. Искусственный интеллект: цивилистическая концепция регулирования: монография / Ю. С. Харитонова, В. С. Савина. – Москва: Юстицинформ, 2025. – 332 с. - ISBN 978-5-7205- 2195-0.

10. Концепции, принципы и направления правового регулирования безопасного искусственного интеллекта и цифровых технологий: монография / отв. ред. А. И. Овчинников. – Москва: Проспект, 2026. – 280 с. – ISBN 978-5-392-45572-0.

11. Гарбук, С. В. Модель доверия к прикладным системам искусственного интеллекта / С. В. Гарбук // Вестник Московского университета. Серия 21: Управление (государство и общество). – 2024. – Т. 21, № 4. – С. 151–169. - https://doi.org/10.55959/MSU2073-2643-21-2024-4-151-169. – EDN: AQMSEC.

12. Кондрашов, П. Е. Регулирование разработки и применения искусственного интеллекта: проблемы и направления развития / П. Е. Кондрашов, Ю. Ю. Петрунин, С. С. Попова // Вестник Московского университета. Серия 21: Управление (государство и общество). – 2025. – Т. 22, № 1. – С. 3–19. - https://doi.org/10.55959/MSU2073-2643-22-2025-1-3-19. – EDN: YNLBUI.

13. Зорькин, В. Д. Providentia, или О праве будущего в эпоху цифровизации / В. Д. Зорькин // Государство и право. – 2020. – № 6. – С. 7–19. - https://doi.org/10.31857/S013207690009932-7. – EDN: PPSVUC.

14. Талапина, Э. В. Обработка данных при помощи искусственного интеллекта и риски дискриминации / Э. В. Талапина // Право. Журнал Высшей школы экономики. – 2022. – Т. 15, № 1. – С. 4–27. - https://doi.org/10.17323/2072-8166.2022.1.4.27. – EDN: PWEPSJ.

15. Талапина, Э. В. Прозрачность алгоритмов искусственного интеллекта / Э. В. Талапина // Право. Журнал Высшей школы экономики. – 2025. – Т. 18, № 3. – С. 4–27. - https://doi.org/10.17323/2072-8166.2025.3.4.27. – EDN: RGQHJV.

16. Lessig, L. Code: Version 2.0 / L. Lessig. – New York: Basic Books, 2006. – 410 p. - ISBN 978-0-465-03914-2.

17. Hildebrandt, M. Smart Technologies and the End(s) of Law: Novel Entanglements of Law and Technology / M. Hildebrandt. – Cheltenham: Edward Elgar Publishing, 2015. – 304 p. - https://doi.org/10.4337/9781849808774. - ISBN 978-1-84980-876-7.

18. Кэлер, Л. Значение нормативных оснований для формирования правовых понятий / Л. Кэлер // Труды Института государства и права РАН. – 2020. – Т. 15, № 3. – С. 62–91. - https://doi.org/10.35427/2073-4522-2020-15-3-kahler. – EDN: ZMKJWG.

19. Kleinberg, J. Inherent Trade-Offs in the Fair Determination of Risk Scores / J. Kleinberg, S. Mullainathan, M. Raghavan // 8th Innovations in Theoretical Computer Science Conference (ITCS 2017). Leibniz International Proceedings in Informatics (LIPIcs). – Dagstuhl: Schloss Dagstuhl–Leibniz-Zentrum für Informatik, 2017. – Vol. 67. – P. 43:1–43:23. - https://doi.org/10.4230/LIPIcs.ITCS.2017.43.

20. Chouldechova, A. Fair Prediction with Disparate Impact: A Study of Bias in Recidivism Prediction Instruments / A. Chouldechova // Big Data. – 2017. – Vol. 5, no. 2. – P. 153–163. - https://doi.org/10.1089/big.2016.0047.

21. Wachter, S. Why Fairness Cannot Be Automated: Bridging the Gap between EU Non-Discrimination Law and AI / S. Wachter, B. Mittelstadt, C. Russell // Computer Law & Security Review. – 2021. – Vol. 41. – Art. 105567. - https://doi.org/10.1016/j.clsr.2021.105567.

22. Selbst, A. D. Fairness and Abstraction in Sociotechnical Systems / A. D. Selbst, D. Boyd, S. A. Friedler, S. Venkatasubramanian, J. Vertesi // Proceedings of the Conference on Fairness, Accountability, and Transparency. – New York: ACM, 2019. – P. 59–68. - https://doi.org/10.1145/3287560.3287598.

23. Mitchell, M. Model Cards for Model Reporting / M. Mitchell, S. Wu, A. Zaldivar, P. Barnes, L. Vasserman, B. Hutchinson, E. Spitzer, I. D. Raji, T. Gebru // Proceedings of the Conference on Fairness, Accountability, and Transparency. – New York: ACM, 2019. – P. 220–229. - https://doi.org/10.1145/3287560.3287596.

24. Gebru, T. Datasheets for Datasets / T. Gebru, J. Morgenstern, B. Vecchione, J. W. Vaughan, H. Wallach, H. Daumé, K. Crawford // Communications of the ACM. – 2021. – Vol. 64, no. 12. – P. 86–92. - https://doi.org/10.1145/3458723.

25. Raji, I. D. Closing the AI Accountability Gap: Defining an End-to-End Framework for Internal Algorithmic Auditing / I. D. Raji, A. Smart, R. N. White, M. Mitchell, T. Gebru, B. Hutchinson, J. Smith-Loud, D. Theron, P. Barnes // Proceedings of the 2020 Conference on Fairness, Accountability, and Transparency. – New York: ACM, 2020. – P. 33–44. - https://doi.org/10.1145/3351095.3372873.

26. Green, B. The Flaws of Policies Requiring Human Oversight of Government Algorithms / B. Green // Computer Law & Security Review. – 2022. – Vol. 45. – Art. 105681. - https://doi.org/10.1016/j.clsr.2022.105681.

27. Cobbe, J. Reviewable Automated Decision-Making: A Framework for Accountable Algorithmic Systems / J. Cobbe, M. S. A. Lee, J. Singh // Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency. – New York: ACM, 2021. – P. 598–609. - https://doi.org/10.1145/3442188.3445921.