Новые аспекты использования искусственного интеллекта в финансовом контроле и надзоре

У скоренная цифровизация финансового рынка и государственного администрирования привела к интенсивному росту объёмов данных и усложнению финансовых потоков, что подтолкнуло регуляторов к внедрению методов анализа больших данных и алгоритмов искусственного интеллекта в повседневную практику контроля и надзора. Банк России интегрирует анализ данных в мониторинг устойчивости, профилактику мошенничества и применение риск-ориентированного подхода, уделяя внимание снижению избыточных отказов добросовестным клиентам и унификации критериев оценки риска [1]. Федеральная налоговая служба Российской Федерации развивает автоматизированные информационные системы и графовую аналитику для сопоставления деклараций, банковских сведений и кассовых данных, что повышает эффективность выявления схем ухода от налогообложения [2]. Одновременно эти практики затрагивают конституционно значимые интересы, поскольку опираются на обработку персональных данных и информации, охраняемой банковской и налоговой тайной, а потому требуют чётких правовых оснований, прозрачных процедур и реальной возможности обжалования решений.

Финансовый контроль и надзор охватывают полномочия Банка России по наблюдению за кредитными и некредитными финансовыми организациями, включая право запрашивать информацию и применять меры надзорного реагирования, а также деятельность банков и иных обязанных лиц по исполнению требований о противодействии легализации доходов, полученных преступным путём, и финансированию терроризма [3]. В эту систему входит и администрирование налогов Федеральной налоговой службой Российской Федерации, включающее камеральные и выездные проверки, взаимодействие с банками и иными источниками данных, применение процедур, закреплённых Налоговым кодексом Российской Федерации [4]. Общей методологической основой выступает риск-ориентированный подход, когда ресурсы и внимание концентрируются на объектах повышенного риска, что отражено в законода- тельстве о государственном контроле и надзоре и поддерживается практикой отраслевых регуляторов. Технологии искусственного интеллекта становятся инструментами поддержки этих функций, помогая выделять аномалии, строить связи и ранжировать риски без замены персональной ответственности должностного лица за итоговый акт [5].

Полномочия Банка России как регулятора и держателя режима банковской тайны закреплены в законе о Центральном банке Российской Федерации и в законе о банках и банковской деятельности, что формирует правовой каркас для получения и анализа информации о поднадзорных организациях [6; 7]. Полномочия Федеральной налоговой службы Российской Федерации по сбору, сопоставлению и использованию данных, а также процессуальные формы контроля и режим налоговой тайны определены Налоговым кодексом Российской Федерации, который задаёт пределы и порядок получения сведений из банков и иных источников. Каркас противодействия легализации доходов, полученных преступным путём, и финансированию терроризма предписывает идентификацию клиентов, мониторинг операций и информирование уполномоченного органа, что прямо опирается на анализ данных и риск-ориентированный подход [8]. Правовой режим обработки персональных данных, включая законность цели, минимизацию, безопасность, локализацию и условия трансграничной передачи, устанавливается законами о персональных данных и об информации, информационных технологиях и защите информации [9; 10]. Потоки данных онлайн-касс, формируемые на базе законодательства о контрольно-кассовой технике, становятся важным источником для алгоритмов сопоставления и графового анализа налогового контроля [11]. Возможность безопасно пилотировать алгоритмические решения поддерживается законами о государственном контроле и об экспериментальных правовых режимах, которые задают процессуальные гарантии и условия для правовых экспериментов, в том числе в сфере искусственного интеллекта [12; 13].

Алгоритмические системы в надзоре и контроле работают с объёмными и разнородными массивами, поэтому правомерность обработки должна опираться на прямые нормы, соответствие цели и строгие организационные и технические меры защиты. Банки и иные обязанные организации анализируют операции клиентов и направляют сведения об операциях с признаками подозрительности в уполномоченный орган по основаниям, установленным законом о противодействии легализации доходов, полученных преступным путём, и финансированию терроризма, с учётом риск-ориентированного подхода и правил внутреннего контроля. Банк России и Федеральная налоговая служба Российской Федерации получают, сопоставляют и используют информацию в пределах своих полномочий, при этом каждое обращение к данным должно быть обосновано и зафиксировано, а доступ – разграничен, что прямо следует из норм о банковской и налоговой тайне и общих правил о защите информации. Указ Президента Российской Федерации об искусственном интеллекте поддерживает развитие технологий при условии соблюдения прав граждан и безопасности данных, что задаёт ориентир для регуляторов и разработчиков систем [14].

Правовой баланс достигается при сохранении персональной ответственности должностного лица за юридически значимое решение, а алгоритм выполняет роль инструмента поддержки и предварительного анализа. Это требует объяснимости: необходимо понимать, какие данные учтены, какие признаки повлияли на вывод и какова уверенность модели, иначе невозможно ни мотивировать акт, ни провести его последующую проверку в административной или судебной процедуре. В банковской сфере это проявляется в пересмотре решений о приостановлении операций и отказах в обслуживании по мотивам противодействия легализации доходов, полученных преступным путём, и финансированию терроризма, где клиент вправе представить пояснения и доказательства, а банк обязан их рассмотреть и мотивировать итоговую позицию. В налоговом законодательстве закреплено право налогоплательщика на обжалование результатов (актов, решений) контрольных мероприятий, действий (бездействий) должностных лиц, а также право на представление пояснений и объяснений, и это право не может быть подменено автоматизированной системой в случае выявления рисков обнаружения нарушенных прав. Это дает возможность контрольно-надзорным и судебным органам выявлять и контролировать ход алгоритмов действий и документировать все шаги, предусмотренные программным обеспечением в данном направлении. Это лишний раз подчеркивает второстепенность автоматической фиксации процедуры в средствах электронновычислительной системы над волеизлиянием налогоплательщика в области нарушенных прав.

Государство, преследуя цель снижения избыточного административного давления на добросовестных участников налоговых правоотношений, разрабатывает и внедряет нормативно-правовые документы в области контроля и надзора. Все мероприятия, направленные на риск-ориентированный подход к выбору и профилактике случаев, когда фиксируются факты нетипичных банковских операций, сомнительные с точки зрения экономического содержания транзакции, аномалии в предоставленных расчетах и декларациях, необъяснимые поведенческие и другие атипичные действия в результате чрезмерной чувствительности алгоритмов контроля, требуют каждодневной настройки. Контроль должен охватывать весь спектр признаков срабатывания программного комплекса: документирование правил и критериев срабатывания, ведение журналов данных решений, предоставление общедоступной информации о факторах, повлиявших на отказ или блокировку действий, создание простой и понятной обратной связи с участником процесса для возможности обжалования или предоставления документов или сведений, подтверждающих правоту его действий. Для более устойчивой работы и внедрения данной практики необходимо расширять и совершенствовать систему межведомственного взаимодействия (далее – СМЭВ) с обменом информационными базами данных о рисках с обязательным соблюдением банковской и налоговой тайн.

Федеральная налоговая служба РФ, используя автоматизированные информационные системы, такие как АИС «НАЛОГ-3», АСК-НДС и другие ведомственные платформы для сопоставления налоговых деклараций и расчетов, банковских транзакций и сообщений, данных онлайн-касс, устанавливает зоны риска возможного уклонения от уплаты налогов и обязательных платежей. Налоговый кодекс Российской Федерации четко описывает все процессуальные рамки камерального и выездного контроля. Обезличенные риск-ориентированные алгоритмы используются для предварительного отбора объектов с целью проверки и ранжирования рисков. Однако решения о доначислении и привлечении к ответственности принимаются только на основе совокупности доказательств, собранных в установленном порядке, с обязательным предоставлением налогоплательщику возможности предъявления своих возражений и пояснений. В научной литературе подчёркивается необходимость координации алгоритмических сигналов с экспертизой инспектора и поддерживается идея методических стандартов качества для систем аналитики в налоговом контроле.

Эффективность контроля, основанного на данных, зависит от качества межведомственного обмена и единообразия трактовок рисков, где ключевую роль играют совместимые форматы данных и согласованные индикаторы. Банк России, Федеральная налоговая служба Российской Федерации и уполномоченный орган по противодействию легализации доходов, полученных преступным путём, и финансированию терроризма взаимодействуют в рамках правил о банковской и налоговой тайне, что требует договорных и технических решений по разграничению доступа, журналированию и целевому использованию информации. Международные подходы группы разработки финансовых мер борьбы с отмыванием денег задают ориентиры для риск-ориентированного надзора и цифровой идентификации, что помогает унифицировать критерии и снижать число ложных срабатываний в трансграничных сценариях [15]. Следование этим подходам делает практику регуляторов воспроизводимой и сопоставимой, что важно для взаимодействия с иностранными партнёрами и поставщиками технологий.

Рост роли алгоритмов влечёт требования к допустимости и относимости результатов анализа как доказательств в административных и судебных процедурах, где недостаточно сослаться на «аномальные паттерны» без раскрытия фактов и методики их установления. Надзорная и судебная системы предлагают органам власти и хозяйствующим субъектам (организациям и предпринимателям) иметь в наличии задокументированный алгоритм работы информационной системы, по первому требованию воспроизводить расчеты и бухгалтерские отчеты, обеспечивать сохранность всех данных. Это поможет дать правовую оценку реальности финансово-хозяйственной деятельности, экономическому смыслу проводимых сделок, особенно в делах по противодействию легализации доходов, полученных преступным путём, и финансированию терроризма, когда доминирующее значение имеет баланс между интересами безопасности и правом налогоплательщика на судебную защиту, где обоснованность и объяснимость отказа становятся ключевыми критериями. Дополнительные разъяснения, методические рекомендации, понятные и простые действия и процедуры независимых экспертов должны помочь судьям, следователям и инспекторам принимать аргументированные и объективные решения при использовании информационных систем контроля и фиксации.

В целях снижения административных расходов и издержек с одновременным повышением качества первичных данных, используемых для контроля и надзора, необходимо активнее внедрять технологии регулирования (RegTech), надзорные технологии (SupTech), RegTech-решения, включающие облачные платформы, блокчейн-системы для верификации баз данных и автоматизированные сервисы комплайенса. Работа и масштабный анализ больших массивов данных и информации, выявление латентных рисков на ранних стадиях с помощью SupTech-инструментов позволит минимизировать все возможные киберинциденты и определить зоны ответственности разработчиков и исполнителей при использовании алгоритмов.

Бизнес-сообществу при консолидации с государственными структурами ФНС РФ, ЦБ РФ необходимо продолжить развитие систем управления моделями, их тестирование, проводить обучение и переподготовку специалистов с возможностью доступа и работы с алгоритмами, выявляющими критические ошибки в системах. Доступ к архитектурным решениям, риск-моделирование дают возможность не только управлять системой, но и развивать самоконтроль и не допускать усугубления ситуаций с выявленными ошибками.

Мировое сообщество также активно формирует правовое поле для регулирования высокорисковых систем искусственного интеллекта через закон об ИИ (AI Act). Например, в Великобритании Управление по финансовому поведению (Financial Conduct Authority) издало рекомендации по применению машинного обучения в финансовом надзоре, подчёркивая необходимость объяснимости результатов и полной документации. Предъявляются требования к прозрачности, доступности и возможности общественного надзора. В Сингапуре и Гонконге развивают регуляторные песочницы (regulatory sandboxes), где финансовые организации и технологические компании могут тестировать инновационные решения под контролем регулятора с фиксированными правами клиентов.

Для России целесообразно адаптировать лучшие практики с учётом особенностей правовой системы: расширить инструменты экспериментальных правовых режимов, предусмотрев в них специальные льготы для регуляторов и финансовых организаций при разработке и тестировании алгоритмов; закрепить на уровне подзаконных актов (инструкции, методические рекомендации, разъяснения и др.) минимальные стандарты качества моделей, включая требования к размеру обучающей выборки, методам кросс-валидации и уровню черного ящика (проверяется функциональность системы, удобство и корректность интерфейса, анализируется работа системы при пограничных и ошибочных данных); установить процедуры информирования заинтересованных сторон и проведения оценки воздействия на права граждан до внедрения алгоритма в массовую практику [16].

Существенными рисками являются ошибки и смещения в обучающих данных, «переобучение» моделей и их чувствительность к нерелевантным признакам, что может привести к несправедливым отказам в банковском обслуживании или необоснованному усилению внимания к налогоплательщику.

Финансово-правовой ответ заключается в формализации управления модельным риском, обязательной валидации и тестировании алгоритмов, регулярной переоценке параметров и мониторинге дрейфа данных, установлении минимальных требований к объ-яснимости, позволяющих должностному лицу и суду понять логику вывода. Безопасность и конфиденциальность остаются краеугольными: чем больше интеграция массивов, тем строже должны быть меры по защите инфраструктуры, ограничения для внешних подрядчиков и процедуры реагирования на инциденты, что непосредственно вытекает из норм о защите персональных данных и информации.

Для дальнейшего развития правовой рамки рекомендуется следующее.

На уровне федеральных законов

Уточнить в Федеральном законе от 27.07.2006 № 149-ФЗ «Об информации, информационных технологиях и о защите информации» требования к алгоритмической прозрачности при использовании искусственного интеллекта в государственном администрировании, включив определение «объяснимого искусственного интеллекта» и минимальные стандарты документирования.

Дополнить Налоговый кодекс Российской Федерации статьями о процедурах предварительного уведомления налогоплательщика о применении алгоритмического анализа, праве на дополнительные пояснения и независимую экспертизу в спорных случаях.

Развить Федеральный закон от 31.07.2020 № 258-ФЗ «Об экспериментальных правовых режимах в сфере цифровых инноваций в Российской Федерации» путём расширения предмета экспериментов для включения SupTech (технологии контроля) и RegTech (технологии регулирования) решений с явной защитой прав участников [17].

На уровне подзаконных актов Банка России

Издать Положение об управлении рисками моделей искусственного интеллекта, предусматривающее жёсткие требования к валидации, например, ежеквартальной переоценке параметров и документированию логики срабатывания.

Разработать методические рекомендации (положение) по минимизации ложных срабатываний (этот вопрос можно отнести и к качеству моделей, количеству ложноположительных и ложноотрицательных результатов, контролируемых в ходе обучения моделей) в системах фильтрации операций, включив пороги достоверности и процедуры пересмотра решений по жалобам клиентов.

Установить требование о ведении централизованного реестра используемых алгоритмов с метаданными об источниках данных, авторах моделей и истории изменений, с ограниченным доступом для надзорных целей.

На уровне Федеральной налоговой службы Российской Федерации

Утвердить стандарты качества для систем аналитики в налоговом контроле, включив требования к воспроизводимости результатов (зависит от качества модели), к независимой проверке моделей. Ввести возможность обязательного участия человека в принятии решений по результатам алгоритмического анализа.

Закрепить процедуру предоставления налогоплательщику сведений об основных факторах, повлиявших на включение в выборку для проверки, при сохранении режима налоговой тайны и безопасности данных.

Разработать базовые критерии допустимости и достоверности, надёжности результатов автоматизированного анализа как доказательства в спорах о налогообложении.

В сфере межведомственного взаимодействия

Заключить многосторонние соглашения между Банком России, Федеральной налоговой службой Российской Федерации, уполномоченным органом по противодействию легализации доходов, полученных преступным путём, и финансированию терроризма и иными ведомствами, определяющие процедуры безопасного обмена результатами алгоритмического анализа с указанием целей, масштабов доступа, сроков хранения и условий уничтожения информации.

Учредить межведомственный совет по управлению риском моделей, в который войдут представители регуляторов, разработчиков, независимых экспертов и гражданского общества, с целью гармонизации подходов и обмена лучшими практиками.

В области цифровой трансформации

Поддержать разработку открытых стандартов описания алгоритмов, совместимых с международными подходами (например, на базе Model Card формата, используемый в оценке кибербезопасности), что облегчит аудит и взаимодействие с зарубежными партнёрами.

Развивать компетенции внутри регуляторов в области управления данными и машинного обучения, включив в программы повышения квалификации должностных лиц специальные модули по интерпретации результатов алгоритмических моделей и оценке их надёжности.

Инвестировать в создание национального центра экспертизы искусственного интеллекта для финансовой сферы, который бы проводил независимые тесты алгоритмов на соответствие правовым и этическим стандартам перед их массовым внедрением.

Сохранение участия человека на финальном этапе принятия решений, затрагивающих права и обязанности, с документированием ручного пересмотра и обратной связи в модель снижает риск юри- дически значимых ошибок и укрепляет доверие к технологиям. Это требует системного подхода: инвестиций в обучение кадров, переоснащения рабочих мест инспекторов и специалистов надзора современными инструментами, создания компетентных групп по валидации результатов моделей. Технологические решения, включая использование объяснимых моделей (LIME, SHAP), визуализацию влияющих факторов и автоматизированные отчёты, должны помочь должностному лицу в быстром и обоснованном принятии решения.

Благоустройство инфраструктуры передачи и хранения данных, применение технологий шифрования (в том числе гомоморфного шифрования) и криптографических протоколов для защищённого вычисления над конфиденциальными данными снижают риск несанкционированного доступа и утечек информации. Инструменты федеративного обучения позволяют разрабатывать коллективные модели без централизованного сбора персональных данных, что соответствует принципу минимизации и может расширить возможности использования информации для надзора при сохранении прав граждан [18].

Искусственный интеллект стал неотъемлемой частью современной системы финансового контроля и надзора, но его внедрение оправдано лишь при строгом соблюдении требований законности, соразмерности и безопасности обработки данных [19].

Подводя итог, можно констатировать, что внедрение передовых технологий и алгоритмов, имеющихся в арсенале ФНС и Банка России, ускоряют раннее выявление рисков. При сохранении качества повышают эффективность использования информации, ее правоприменение, объяснимость итогов и результатов контроля и возможности оспоримости решений [20]. При наличии имеющихся нормативных актах, ориентированных на развитие искусственного интеллекта и цифровизации финансового рынка необходимо продолжить внедрение стандартов доказательств, развития межведомственного и международного взаимодействия [21].

Главенствующей основой доверия к автоматизированным системам контроля остаётся прозрачность и подотчётность перед обществом. Органам власти, судебным органам и независимым экспертам на основе объяснимости логики алгоритмических решений на постоянной основе следует проводить аудит выявления рисков и диспропорций в отношении разных групп предприятий и организаций, предпринимателей, населения. Все данные и статистические выборки следует доводить до сведения общества, что повысит доверие к государственным решениям, улучшит контроль и уменьшит количество допускаемых рисков. Предоставляя возможность финансовым организациям участвовать в разработке и внедрении отраслевых стандартов, тестировать используемые модели, вести диалог с основными регуляторами государство еще больше укрепит доверие общества и даст толчок к дальнейшему эффективному, нацеленному на результат, развитию финансового рынка на среднесрочную перспективу и создаст базис на долгосрочное развитие.

В области международного сотрудничества следует продолжить работу в области стандартизации подходов к искусственному интеллекту – надзору, обмену информацией и программными технологиями. Согласование подходов к финансовым проверкам и взаимное признание их результатов улучшит конкурентоспособность российских предприятий, снизит издержки и приведет к дальнейшей международной кооперации.

Проводя системную и взвешенную политику в области образования и подготовки специалистов в области искусственного интеллекта в финансовой сфере, повышая квалификацию специалистов государственных органов, исполнительной власти и судей в сфере работы с данными, полученными алгоритмическими методами, приведет к использованию информационных технологий и их результатов без ущерба для прав граждан и бизнеса. Комплексное развитие и внедрение искусственного интеллекта позволит развивать финансовую систему Российской Федерации без избыточного административного давления и барьеров для инноваций.