Проблемы признания результатов работы генеративного искусственного интеллекта иными документами-доказательствами в уголовном судопроизводстве

, ,

, ,

Массовое распространение генеративных моделей искусственного интеллекта в социальной практике создает качественно новые вызовы для теории доказательств и правоприменительной деятельности в уголовном судопроизводстве. Технологии типа ChatGPT, Claude, Gemini из узкоспециализированных инструментов превратились в общедоступные средства генерации материалов любой тематики и сложности. Неизбежным следствием такой доступности становится проникновение указанных материалов, созданных алгоритмическими системами, в сферу уголовного судопроизводства.

Существующие исследования искусственного интеллекта в уголовном процессе довольно многочисленны и сосредоточены на самых различных вопросах, в том числе автоматизации процессуальных действий, использования алгоритмов машинного обучения в экспертных исследованиях, применения систем распознавания образов и т. п.

Так, О. В. Овчинникова исследует перспективы применения искусственного интеллекта на стадии предварительного расследования, анализируя возможности взаимодействия допрашиваемых лиц с алгоритмическими системами и автоматического распределения уголовных дел между следственными органами (Овчинникова, 2022: 89).

М. С. Плетникова констатирует консервативность современного российского уголовного судопроизводства в отношении внедрения цифровых технологий, отмечая минимизированное использование искусственного интеллекта в процессуальной деятельности (Плетникова, 2024: 556).

В исследовании О. И. Долгачевой и Е. С. Кудряшовой анализируется потенциал внедрения алгоритмических систем и цифровых решений в практику расследования преступлений. Авторы обосновывают, что упрощенная процедура дознания представляет собой наиболее перспективную форму производства для структурирования и алгоритмизации процессуальных действий. Именно эта модель, по мнению исследователей, позволяет эффективно использовать технологии машинного анализа при построении рационального маршрута процессуального развития по конкретному уголовному делу (Долгачева, Кудряшова, 2024: 168).

П. Н. Кобец анализирует вопросы использования технологий искусственного интеллекта в правоохранительной сфере, указывая на необходимость более эффективного задействования новых цифровых технологий в правоохранительной деятельности при соблюдении уголовно-процессуальных гарантий (Кобец, 2025: 74).

По нашему мнению, генеративные модели представляют, однако, качественно иной феномен, требующий самостоятельного теоретического осмысления через призму некоторых категорий доказательственного права. Речь идет о проблеме возможного признания результатов работы генеративного искусственного интеллекта иными документами-доказательствами в уголовном судопроизводстве.

Институт иных документов занимает специфическое место в системе доказательств по уголовному делу. Фундаментальная характеристика иных документов заключается в том, что они могут содержать сведения об обстоятельствах, ставших известными за пределами производства по уголовному делу. Иной документ как доказательство представляет собой материальный носитель информации, на котором зафиксированы данные о юридически значимых фактах способом, обеспечивающим сохранение и передачу этих данных. Существенное значение для понимания правовой природы иных документов-доказательств имеет признак фиксации сведений. Документ-доказательство должен запечатлевать информацию об обстоятельствах, существовавших на момент создания документа или до этого момента. Речь идет о ретроспективном характере документальной фиксации: документ всегда обращен к прошлому, отражая события, явления, состояния, имевшие место в действительности. Именно эта ретроспективность связывает иной документ с предметом доказывания по уголовному делу, поскольку ст. 73 УПК РФ1 требует установления обстоятельств, относящихся к событию преступления, личности обвиняемого, характеру и размеру вреда и иным юридически значимым фактам прошлого.

Таким образом, правовая конструкция иных документов как доказательств базируется на нескольких фундаментальных признаках. Во-первых , документ содержит сведения об обстоятельствах, имеющих значение для уголовного дела. Во-вторых , характерна ретроспективность фиксации информации. В-третьих , иной документ возникает обычно вне рамок производства по конкретному уголовному делу. В-четвертых , требуется процессуально оформленное вовлечение иного документа в материалы уголовного дела. В-пятых , доказательственная значимость определяется информационным содержанием иного документа, а не его физическими свойствами.

В свою очередь, генеративные модели искусственного интеллекта представляют собой алгоритмические системы, обученные на значительных массивах текстовых, фото-, видео-, аудиоданных и способные создавать новые материалы (тексты, фото, видео, аудио) на основе статистических закономерностей в обучающей выборке. Фундаментальный принцип работы таких систем заключается в вероятностном предсказании следующего элемента последовательности с учетом предшествующего контекста. Например, С. С. Паутов характеризует ChatGPT как программный продукт, основанный на технологии Generative Pre-trained Transformer (генеративный предварительно обученный трансформер), созданный компанией OpenAI и способный генерировать тексты, максимально близкие к человеческой речи (Паутов, 2024: 71). Я. А. Климова отмечает, что ChatGPT представляет собой чат-бот, построенный на языковой модели GPT-3.5, позднее обновленной до GPT-4, которая обучена на значительных объемах текстовых данных и использует алгоритмы машинного обучения для генерации текстовых ответов на запросы пользователей (Климова, 2023: 81).

Вместе с тем модели типа ChatGPT, Claude, Gemini могут не обладать доступом к внешним источникам информации в момент генерации ответа и не иметь механизмов верификации соответствия создаваемого контента объективной действительности. Алгоритм оперирует исключительно статистическими корреляциями между языковыми единицами, извлеченными из обучающих данных. В частности, В. Б. Батоев отмечает функциональные возможности ChatGPT в правовой сфере. По его мнению, данная система демонстрирует способность к выполнению широкого спектра операций юридического характера. Например, алгоритм может формировать процессуальную документацию, выстраивать тактическую линию при производстве по уголовному делу на различных стадиях, осуществлять правовое консультирование и производить систематизацию релевантного нормативного материала, однако все эти функции реализуются не на основе анализа конкретных обстоятельств реальных уголовных дел, а посредством статистической обработки паттернов в обучающих данных (Батоев, 2023: 80).

На наш взгляд, ключевое онтологическое свойство материалов, создаваемых генеративными моделями, состоит в их конструктивном, а не репрезентативном характере. Традиционный иной документ-доказательство фиксирует информацию о реальных событиях, явлениях, фактах, существовавших независимо от акта документирования. Генеративная модель не фиксирует реальность, а синтезирует материал (результат), который может быть правдоподобным, но не иметь необходимой связи с конкретными обстоятельствами прошлого. Когда пользователь обращается, например, к ChatGPT с запросом о способах совершения определенного преступления, система не сообщает о реально имевших место событиях, а конструирует ответ на основе статистических паттернов, выявленных в обучающих данных. Созданный моделью «документ» не является следом прошлого - это гипотетическая конструкция, существование которой обусловлено исключительно фактом запроса пользователя.

В контексте рассматриваемой проблемы принципиальное значение имеет отсутствие у генеративных моделей атрибута авторства в традиционном понимании. Иной документ как доказательство в уголовном процессе всегда предполагает наличие субъекта, который зафиксировал информацию и несет ответственность за достоверность изложенных сведений. УПК РФ требует процессуально зафиксированных обстоятельств появления иного документа в материалах уголовного дела, что включает сведения, позволяющие идентифицировать должностное или частное лицо, от которого исходит документ. Генеративная модель не является субъектом права и не может нести ответственность за содержание созданного материала. Алгоритм не обладает сознанием, волей, способностью к рефлексии над производимыми высказываниями. Материалы генерируются автоматически в результате применения математических операций к векторным представлениям языковых единиц.

В научной литературе формируется подход, основанный на четком разграничении сфер применения алгоритмических технологий в расследовании преступлений. Ряд исследователей настаивает на том, что процессуальное ядро доказывания должно оставаться исключительной прерогативой человека. Особенно это касается оценочной деятельности, где действует фундаментальный постулат о внутреннем убеждении правоприменителя, формируемом без заранее установленных правил. В частности, А. В. Романенков демонстрирует ограниченность существующих специализированных алгоритмов в создании качественной процессуальной документации.

Исследователь приводит конкретные случаи применения ChatGPT при подготовке юридических материалов, иллюстрирующие неспособность системы к профессиональному оформлению правовых актов (Романенков, 2025: 91).

Э. Г. Мартынюк, обращаясь к вопросу интеграции современных генеративных платформ в досудебное производство, акцентирует внимание на императиве комплексной экспертизы подобных решений. По мнению автора, применение таких технологий, как GPT-4, DALL-E 2 или Whisper, требует предварительного анализа с позиций соответствия процессуальным задачам и этическим стандартам правосудия (Мартынюк, 2023: 141).

Важно учитывать, что существенная особенность генеративных моделей заключается в детерминированности их работы параметрами запроса и настройками алгоритма, но при этом в принципиальной непредсказуемости конкретного содержания ответа. Одна и та же модель на идентичный запрос может сгенерировать, например, различные по содержанию тексты в зависимости от параметра температуры выборки, случайного начального состояния генератора псевдослучайных чисел и других технических факторов. Более того, разработчики моделей регулярно обновляют алгоритмы и обучающие данные, что приводит к изменению характера генерируемых ответов при неизменности запросов пользователей. Подобная вариативность исключает возможность верификации конкретного материала как единственно возможного результата работы системы в ответ на определенный запрос.

Отдельное значение для оценки доказательственного потенциала материалов генеративных моделей имеет проблема атрибуции источников информации. Современные генеративные системы не сохраняют метаданные о конкретных фрагментах обучающей выборки, использованных при генерации того или иного ответа. Алгоритм оперирует обобщенными статистическими закономерностями, извлеченными из миллионов текстовых, аудио-, видео-, фотодокументов, и не может указать, какие именно источники послужили основой для синтеза конкретного высказывания. Следовательно, проверка достоверности сведений, содержащихся в материале-результате генеративной модели, путем обращения к первоисточникам информации оказывается невозможной. Это создает фундаментальное препятствие для реализации требования ч. 1 ст. 87 УПК РФ о проверке доказательств путем сопоставления их с другими доказательствами, имеющимися в уголовном деле.

В теории обращается внимание также на проблему использования генеративных моделей в противоправных целях, отмечается появление специализированных систем типа WormGPT, созданных на основе ChatGPT для осуществления киберпреступлений (Батоев, 2023: 80). Так, Я. Д. Яким анализирует аспекты киберпреступности, связанные с использованием ChatGPT, указывая на риски применения генеративных систем для создания фишинговых сообщений, вредоносного кода и иных средств совершения преступлений (Яким, 2023: 240).

Таким образом, онтологическая природа материалов, создаваемых генеративными моделями искусственного интеллекта, характеризуется совокупностью признаков, принципиально отличающих их от традиционных документов-доказательств по уголовным делам. Во-первых , сгенерированные материалы имеют конструктивный характер и не связаны с фиксацией реальных событий прошлого. Во-вторых , отсутствует субъект-автор, способный нести ответственность за достоверность изложенных сведений. В-третьих , содержание сгенерированных материалов носит вероятностную природу, обусловленную статистическими закономерностями обучающих данных, а не отражением конкретных фактов. В-четвертых , существует принципиальная невозможность верификации источников информации, использованных алгоритмом при генерации. Эти особенности ставят под сомнение возможность квалификации результатов работы генеративных систем в качестве иных документов в соответствии со ст. 84 УПК РФ.

Более того, попытка квалификации материалов генеративного искусственного интеллекта в качестве иных документов порождает комплекс системных противоречий с основными положениями современного доказательственного права.

Рассмотрим в качестве примера конкретную ситуацию: сторона защиты представляет в суд распечатку диалога обвиняемого с ChatGPT, в котором запрашивалась информация о правомерности определенных действий, для обоснования добросовестного заблуждения относительно противоправности деяния. Формально такая распечатка может быть представлена в порядке ч. 2 ст. 86 УПК РФ и приобщена к материалам уголовного дела. Однако признание данного материала доказательством, как нам представляется, сталкивается с непреодолимыми препятствиями и проблемами.

Первая проблема связана с установлением относимости материала к обстоятельствам уголовного дела. Факт обращения лица к генеративной модели с определенным запросом потенциально может свидетельствовать о направленности его сознания, намерениях, попытках получить информацию. Однако содержание ответа модели может не иметь отношения к обстоятельствам, подлежащим доказыванию. К примеру, текст, сгенерированный алгоритмом, может не содержать сведений о событии преступления, виновности лица, характере и размере вреда или иных юридически значимых фактах прошлого. Ответ генеративной модели представляет собой гипотетическую конструкцию, созданную в момент запроса, и не может служить доказательством того, что действия обвиняемого были правомерными или что он добросовестно заблуждался относительно их правовой оценки.

Вторая проблема касается допустимости сгенерированного материала в качестве доказательства. Материалы генеративных моделей не могут быть получены в порядке, предусмотренном ст. 86 УПК РФ, поскольку они не существуют до момента генерации ответа на запрос пользователя. Следователь или суд не могут истребовать то, чего еще не существует. Более того, невозможно процессуально зафиксировать обстоятельства создания материала способом, обеспечивающим проверку его подлинности, поскольку генеративная модель не оставляет следов, позволяющих верифицировать, что конкретный материал действительно был создан данной системой в ответ на определенный запрос в конкретный момент времени.

В данном контексте некоторые ученые подчеркивают, что действующее уголовно-процессуальное законодательство содержит положения, прямо ограничивающие использование технологий искусственного интеллекта в уголовном судопроизводстве, в частности институт оценки доказательств закрепляет руководящую роль человека (Веревошников, 2025: 458). В. В. Пшава, В. В. Плетнев и Е. А. Стешина выделяют в качестве препятствий для применения информационных технологий в уголовном судопроизводстве дефицит законодательной регламентации, создающий правовой вакуум для масштабного внедрения алгоритмических решений в процессуальную практику; отсутствие в правоохранительной системе достаточного числа кадров, обладающих компетенциями в области цифровых технологий и способных обеспечить их корректное применение в юридической деятельности; существенные организационные сложности при реализации программ повышения квалификации для сотрудников следственных и судебных учреждений в части освоения современных информационных инструментов (Пшава и др., 2025: 152).

Третье препятствие процессуального характера заключается в отсутствии механизма верификации информации, содержащейся в продуктах генеративных алгоритмов. Согласно положениям ст. 87 УПК РФ, установление надежности доказательственных материалов осуществляется через их корреляцию с иными сведениями по уголовному делу, идентификацию происхождения данных, а также формирование дополнительной доказательственной базы, способной либо подкрепить, либо опровергнуть содержание проверяемой информации. Применительно к материалам генеративных моделей ни один из этих способов проверки не может быть реализован. Сопоставление с другими доказательствами бессмысленно, поскольку ответ модели не содержит фактических утверждений о прошлых событиях, которые можно было бы подтвердить или опровергнуть. Установление источников информации невозможно в силу принципа работы генеративных алгоритмов, не сохраняющих метаданные об использованных фрагментах обучающей выборки.

Четвертая проблема касается отсутствия возможности установления автора сгенерированного материала. Традиционно проверка достоверности сведений, содержащихся в ином документе, может осуществляться путем допроса лица, составившего документ, в качестве свидетеля. При этом ч. 2 ст. 74 УПК РФ прямо предусматривает показания свидетеля в качестве самостоятельного вида доказательств. Применительно же к материалам генеративных моделей допрос автора невозможен, поскольку алгоритм не является субъектом уголовно-процессуальных отношений и не может быть допрошен. Разработчики модели также не могут дать показания о содержании конкретного ответа, поскольку не контролируют процесс генерации и не знают, какие именно закономерности обучающих данных обусловили создание конкретного контента.

Пятая проблема связана с разграничением доказательственной и справочной информации. Ч. 1 ст. 84 УПК РФ требует, чтобы изложенные в ином документе сведения имели значение для установления обстоятельств уголовного дела. Ответ генеративной модели на общий вопрос о правовых нормах или технических процедурах может иметь справочный характер, но не содержать сведений об индивидуально-конкретных обстоятельствах конкретного уголовного дела. Если обвиняемый запросил у ChatGPT информацию, к примеру, о правилах дорожного движения, это не доказывает ни того, что он действительно их соблюдал, ни того, что он ознакомился с полученным ответом, ни того, что содержание ответа было корректным применительно к конкретной дорожной ситуации.

Анализ рассмотренных выше проблем приводит к выводу о системной несовместимости материалов генеративного искусственного интеллекта с институтом иных документов как доказательств. Проведенное исследование позволяет сформулировать концептуальную позицию относительно процессуальной квалификации материалов, создаваемых генеративными моделями искусственного интеллекта. Результаты работы систем типа ChatGPT, Claude, Gemini не могут быть квалифицированы в качестве иных документов в силу отсутствия у них фундаментальных признаков уголовно-процессуальных доказательств.

Онтологическая специфика генеративных моделей определяет границы их использования в уголовном судопроизводстве. Факт обращения лица к генеративной системе может иметь доказательственное значение как элемент объективной стороны деяния или как обстоятельство, характеризующее субъективную сторону преступления. Однако доказывание такого факта должно осуществляться иными средствами – показаниями свидетелей, протоколами осмотра компьютерных устройств, заключениями экспертов о содержании цифровых следов. Содержание же ответа генеративной модели не может рассматриваться как доказательство каких-либо юридически значимых обстоятельств совершенного преступления.

По нашему мнению, разграничение доказательственной и недоказательственной информации в контексте генеративного искусственного интеллекта требует законодательного закрепления. Представляется целесообразным дополнить ст. 84 УПК РФ частью, устанавливающей, что материалы, созданные автоматизированными системами без участия человека, не могут признаваться иными документами и использоваться в качестве доказательств по уголовному делу. Такое законодательное решение предотвратит попытки необоснованного придания доказательственного статуса результатам работы генеративных алгоритмов и обеспечит соблюдение фундаментальных основ теории доказательств.