Зарубежный опыт использования генеративного искусственного интеллекта в уголовном преследовании

Современный этап цифровой трансформации уголовной юстиции характеризуется переходом от использования информационных технологий как вспомогательных средств к их включению в процессы анализа, интерпретации и даже подготовки юридически значимых решений. Особое место в этом процессе занимает генеративный искусственный интеллект, способный не только обрабатывать массивы данных, но и формировать связные текстовые конструкции, включая элементы юридической аргументации.

Симптоматично, что внедрение таких технологий в сферу уголовного преследования затрагивает фундаментальные правовые принципы, включая презумпцию невиновности, право на защиту и требование индивидуальной оценки обстоятельств дела. В этой связи особую значимость приобретает сравнительно-правовой анализ зарубежного опыта, прежде всего Китая, США и Германии. Данный выбор обусловлен накопленным временным и практическим опытом внедрения данной технологии в уголовный процесс.

Генеративные модели искусственного интеллекта (далее ИИ) представляют собой класс алгоритмов, способных создавать новые текстовые и аналитические конструкции на основе обучающих данных. В отличие от традиционных экспертных систем, такие технологии не ограничиваются заранее заданными правилами, а формируют вероятностные выводы, основанные на статистических закономерностях.

В контексте уголовного преследования это означает потенциальное участие ИИ в процессах анализа доказательств, подготовки процессуальных документов и выработки рекомендаций по квалификации деяний. Однако подобная трансформация неизбежно вызывает вопрос о допустимых пределах делегирования государственновластных полномочий алгоритмам, поскольку уголовное преследование относится к сфере, где любое решение должно быть юридически мотивированным и персонально ответственным.

Тем самым применение генеративного искусственного интеллекта в уголовном преследовании является одним из наиболее значимых направлений трансформации современной системы уголовной юстиции, однако, внедрение генеративного ИИ допустимо лишь при соблюдении принципов законности, презумпции невиновности, состязательности сторон, права на защиту и обязательного контроля со стороны уполномоченного должностного лица. В мировой практике именно степень сохранения человеческого усмотрения стала ключевым критерием различия национальных моделей цифровизации уголовной юстиции[1].

В данном направлении широко преуспела Китайская Народная Республика, которая демонстрирует наиболее интенсивную модель внедрения ИИ в государственное управление и правоприменение. В рамках концепции «умного правосудия» цифровые технологии активно используются в народной полиции, прокуратуре и судах. Алгоритмические платформы анализируют материалы уголовных дел, сопоставляют доказательства, выявляют типовые нарушения, формируют проекты процессуальных документов и предлагают квалификацию деяния. В научной и экспертной литературе широкое обсуждение получила разработка системы, условно именуемой «AI prosecutor», предназначенной для автоматизированной поддержки обвинительной деятельности по ряду стандартизированных составов преступлений [4].

Программа «AI prosecutor» в Китае это первая в мире система на базе искусственного интеллекта, способная самостоятельно анализировать материалы дела и выдвигать обвинения. Разработка была протестирована в Народной прокуратуре шанхайского района Пудун — крупнейшем и самом загруженном подразделении страны.

Согласно опубликованным данным, система обучалась на 17 000 реальных уголовных дел за период 2015–2020 гг. и смогла распознать признаки восьми наиболее распространенных составов преступлений. Разработчики заявляли точность около 97 % при решении вопроса о предъявлении обвинения по стандартным категориям, среди которых: кража; мошенничество с банковскими картами; опасное вождение; умышленное причинение вреда; азартные игры; воспрепятствование исполнению обязанностей должностного лица и другие[7].

С правовой точки зрения это один из первых случаев, когда ИИ приблизился не к вспомогательной, а к практически решающей функции обвинения. Хотя на практике система не заменила прокуроров полностью, сам факт подобной разработки показывает высокий уровень доверия китайской модели к алгоритмическому принятию решений.

«AI prosecutor» работает в связке с уже существующим инструментом — «Системой 206», которая оценивает доказательства: их полноту, законность получения и силу улик. «AI prosecutor» делает следующий шаг на основе этих данных принимает решение о квалификации преступления и необходимости возбуждения дела.

Тем самым наиболее интересный аспект китайского опыта — это постепенное изменение прокурорского усмотрения. Ранее решение основывалось на личной оценке доказательств и профессиональном опыте конкретного прокурора. Теперь часть этой оценки переносится в цифровую среду: система предлагает вероятную квалификацию, рекомендует санкцию, сравнивает дело с тысячами аналогов, прогнозирует судебный результат.

Таким образом, дискреция не исчезает, а трансформируется: прокурор сохраняет формальное право решения, но принимает его в условиях сильного алгоритмического влияния. Это порождает риск так называемого automation bias — склонности соглашаться с рекомендацией системы как более «объективной».

Отмечая модель Германии, можно усмотреть что она развивается на основе иных ценностных ориентиров. Ключевое значение имеют положения Основного закона ФРГ, доктрина человеческого достоинства, принцип пропорциональности и общеевропейские стандарты защиты персональных данных. Поэтому использование ИИ в уголовной юстиции Германии носит преимущественно вспомогательный характер. Технологии применяются для поиска судебной практики, обработки электронных доказательств, анализа больших массивов документов, распределения дел и оптимизации административных процедур.

Передача алгоритму самостоятельного решения вопроса о виновности лица, предъявлении обвинения либо ограничении конституционных прав оценивается крайне сдержанно. Для немецкой правовой традиции принципиально важно, чтобы любое решение, затрагивающее правовой статус лица, принималось человеком, способным нести юридическую ответственность и учитывать индивидуальные обстоятельства дела. Существенное значение имеет также требование объяснимости цифровых систем: участник процесса должен иметь возможность понять основания вывода, который влияет на его процессуальное положение[2].

Соединенные Штаты Америки стали одним из первых государств, где алгоритмические технологии получили широкое распространение в уголовной юстиции. Здесь активно применялись системы предиктивной аналитики для прогнозирования преступности, модели оценки риска повторного преступления, инструменты сортировки дел и цифровой анализ доказательственной информации. Американский подход во многом сформировался под влиянием прагматической идеи управление на основе данных 1, согласно которой государственные решения должны опираться на статистические данные и вычислительную эффективность, больших объемов данных [5].

Одновременно именно в США наиболее отчетливо проявились проблемы алгоритмической предвзятости и непрозрачности моделей. Наиболее известным примером стала дискуссия вокруг системы COMPAS ² , применявшейся для оценки риска рецидива. Критики указывали, что использование закрытых алгоритмов затрудняет проверку корректности выводов и может воспроизводить социальные перекосы, присутствующие в исходных данных. В результате американская практика выработала важный принцип: цифровой вывод может использоваться как вспомогательный источник информации, но не должен подменять собой самостоятельное юридическое усмотрение прокурора или суда [3].

Акцентируя внимание зарубежного опыта использования ИИ на досудебной стадии, можно отметить, что именно эта стадия стала главным полигоном практического внедрения искусственного интеллекта в уголовном процессе.

Данный факт объясняется тем, что на этапе выявления преступления, оперативного реагирования и предварительного расследования государство работает с огромными массивами разрозненной информации: видеопотоками, телефонными данными, геолокацией, банковскими транзакциями, электронными переписками, архивами ранее совершённых преступлений.

Человеческие ресурсы ограничены, тогда как алгоритмы способны за секунды анализировать то, что вручную проверялось бы неделями. Поэтому зарубежная практика пошла по двум основным направлениям: предиктивная аналитика (прогнозирование преступных рисков) и цифровое расследование (автоматизированная работа с доказательствами). Наиболее показательные модели сложились в Китае, Германии и США.

Особенность китайского подхода состоит в том, что развитие ИИ рассматривается не изолированно как технологический эксперимент, а как элемент общей модели цифрового государства, в которой данные, алгоритмы и административное управление образуют единую систему.

На досудебной стадии уголовного процесса это проявляется особенно ярко, поскольку именно здесь государство сталкивается с необходимостью быстрого выявления преступлений, анализа больших массивов информации, координации различных ведомств и принятия оперативных решений. Китай создал инфраструктуру, в которой искусственный интеллект применяется на всех ключевых этапах: от профилактики преступности и выявления подозрительных действий до аналитического сопровождения расследования и подготовки материалов дела.

Бурное развитие цифровых правоохранительных технологий в Китае связано с долгосрочными государственными программами : New Generation Artificial Intelligence Development Plan (2017), концепцией Smart City, курсом на построение Digital China, а также программами модернизации органов общественной безопасности и судебной системы. Эти документы закрепили задачу превращения ИИ в один из базовых инструментов государственного управления [4].

В отличие от стран, где инициаторами инноваций часто выступают частные компании или отдельные полицейские департаменты, в Китае цифровизация носит централизованный характер. Государство определяет стратегические направления, финансирует инфраструктуру, координирует обмен данными между ведомствами и стимулирует сотрудничество с технологическими корпорациями: Alibaba, Tencent, Huawei, SenseTime, Megvii и другими. Благодаря этому внедрение ИИ происходит не точечно, а системно.

С позиции уголовного преследования это означает создание среды, где оперативные подразделения, полиция, прокуратура и иные органы получают доступ к единому цифровому ресурсу. Чем больше данных собирается системой, тем выше аналитические возможности алгоритмов. Именно поэтому китайская модель тесно связана с масштабной цифровой инфраструктурой наблюдения и учета населения.

Кроме того, одним из наиболее известных направлений стала система интеллектуального видеонаблюдения. Китай создал крупнейшую в мире сеть камер наблюдения, интегрированную с алгоритмами компьютерного зрения. Ключевыми программами стали Skynet и Sharp Eyes, для городской и сельской местности. Их задача не просто фиксировать изображение, а автоматически анализировать происходящее.

ИИ способен распознавать лица, сравнивать их с базами данных, отслеживать маршруты перемещения, выявлять оставленные предметы, скопления людей, нестандартное поведение, нарушения режима доступа и иные события, представляющие интерес для правоохранительных органов. На практике это используется как при раскрытии уже совершённых преступлений, так и в профилактических целях [6].

Следующий важный элемент китайской модели — это переход от отдельных информационных систем к объединённым аналитическим платформам. Одной из таких концепций стала Police Cloud — облачная инфраструктура, позволяющая правоохранительным органам использовать данные из различных государственных источников в единой среде.

Речь идёт о сведениях регистрации населения, миграционных перемещениях, бро- нировании транспорта, гостиничном учёте, телекоммуникационных данных, банковских операциях, данных с камер, архивах ранее совершённых преступлений и иных массивах информации. Алгоритмы сопоставляют эти сведения и формируют связи, которые длительно и трудно обнаружить вручную [6].

Именно для досудебного производства это особенно важно при расследовании серийных, организованных и трансрегиональных преступлений. Например, система способна установить, что несколько фигурантов из разных провинций использовали одни и те же контактные данные, передвигались по схожему маршруту и получали переводы от одних источников. Такой вывод становится основанием для углубленной проверки.

Практическое преимущество состоит не только в скорости, но и в преодолении ведомственной разобщенности. Там, где ранее следователь должен был направлять многочисленные запросы в разные учреждения, цифровая система позволяет получить предварительную аналитическую картину почти мгновенно. Это меняет саму логику расследования: от последовательного сбора данных к одновременному анализу множества источников.

Особое место занимает система, известная как 206 System. Она разрабатывалась как интеллектуальная платформа сопровождения уголовного процесса. Её функции включают проверку полноты материалов дела, логический анализ доказательств, выявление процессуальных пробелов, сопоставление показаний, классификацию обстоятельств и помощь в подготовке документов [7].

Иными словами, система работает не только с «сырыми» данными, но и с юридически значимой структурой дела. Если отсутствует обязательный документ, имеются противоречия между доказательствами либо нарушена последовательность процессуальных действий, алгоритм способен выдать предупреждение.

Для следователя это означает переход от ручной проверки многотомного дела к работе с интеллектуальным контролёром качества. В делах массового характера, например, мошенничества, имущественные преступления, нарушения экономического законодательства такой подход существенно ускоряет подготовку материалов к передаче прокурору[7].

Также, отдельный интерес представляет использование генеративных моделей для создания проектов процессуальных документов. На основе фактических данных система может формировать черновики справок, аналитических записок, описаний событий и структурированных обзоров доказательств. Хотя окончательное оформление осуществляет должностное лицо, временные затраты значительно сокращаются.

Китай активно применяет ИИ не только в традиционной полицейской деятельности, но и в сфере сложных цифровых преступлений. Это особенно актуально на фоне роста онлайн-мошенничества, незаконных финансовых платформ, телекоммуникационных схем обмана и трансграничных киберпреступлений.

Алгоритмы анализируют нетипичные транзакции, повторяющиеся шаблоны платежей, быстрое дробление сумм, множественные переводы через цепочки счетов, массовые обращения с одних IP-адресов, координированную активность групп аккаунтов. Такие признаки помогают выявлять преступные сети ещё до того, как собрана полная доказательственная база.

В ряде провинций создавались специализированные центры противодействия, где ИИ используется для раннего обнаружения подозрительных схем обзвона граждан, фишинговых атак и вывода денежных средств через подставные счета. Практический эффект выражается в блокировке операций, предотвращении ущерба и ускорении поиска организаторов схем.

Таким образом, ИИ в Китае используется не только для расследования уже совершённого преступления, но и как инструмент превентивного вмешательства.

Отдельным направлением зарубежной стало применение ИИ в делах, связанных с несовершеннолетними. Эта сфера обладает повышенной чувствительностью, поскольку государство обязано сочетать защиту общества, интересы ребёнка, цели ресоциализации и недопустимость стигматизации подростка[8]. Поэтому использование алгоритмов в отношении несовершеннолетних рассматривается значительно осторожнее, чем в отношении взрослых правонарушителей.

Китай демонстрирует наиболее институционально оформленный подход к цифровизации дел несовершеннолетних. В структуре Верховной народной прокуратуры действует специализированное направление по защите прав несовершеннолетних и профилактике подростковой преступности. Здесь ИИ используется сразу в двух направлениях:

• —    выявление преступлений против детей — анализ онлайн-контента, обнаружение сексуальной эксплуатации, кибербуллинга, мошеннических схем с вовлечением несовершеннолетних;

• —    работа с подростковой делинквентностью — ранняя диагностика рисков, сопровождение дел, подбор мер коррекции и профилактики.

По официальным данным Верховной народной прокуратуры КНР, в 2025 году число дел о преступлениях несовершеннолетних, поступивших на прокурорскую проверку, снизилось на 9,7 %, а число преследований за преступления против детей на 1,9 %. Это было названо первым «двойным снижением» за последние годы. В 2025 году прокуроры привлекли к ответственности 56 тыс. несовершеннолетних, при этом 16 тыс. подростков, совершивших менее тяжкие деяния и раскаявшихся, были условно освобождены от уголовного преследования. Одновременно 24 лица в возрасте от 12 до 14 лет получили санкцию на уголовное преследование за особо тяжкие насильственные преступления. Эти цифры показывают сочетание двух линий: цифрового контроля и политики дифференцированной ответственности.

ИИ применяется и в сфере прокурорского надзора за защитой детей: алгоритмы выявляют повторяющиеся случаи семейного насилия, системные нарушения в школах, интернет-угрозы, а также помогают отслеживать исполнение запретов на работу с детьми для осужденных лиц. Таким образом, китайская модель использует технологии не только для обвинения, но и для превенции и социальной защиты несовершеннолетних.

В США применение ИИ в отношении несовершеннолетних связано прежде всего с risk assessment systems — системами оценки риска повторного правонарушения, побега, нарушения условий пробации или необходимости вмешательства социальных служб. Такие модели применялись в ряде штатов.

Алгоритмы анализировали семейную ситуацию, школьную посещаемость, предыдущие правонарушения, употребление веществ, контакты с системой опеки и иные факторы. На основе этого подростков распределяли по программам: интенсивный надзор, пробация, терапия, медиация.

Однако именно в США возникла наиболее острая критика подобных систем. Исследователи указывали, что алгоритмы могут усиливать расовые и социальные перекосы: подростки из бедных районов чаще попадали в «высокий риск» не из-за тяжести деяния, а из-за контекста среды. Поэтому многие штаты стали пересматривать использование автоматических скорингов и вводить правило, согласно которому итоговое решение обязательно принимает судья или офицер.

Сегодня американская практика всё чаще использует генеративный ИИ не для вынесения оценки подростка, а для помощи специалистам: анализ материалов служб опеки, подготовка рекомендаций по реабилитации и составление индивидуальных программ сопровождения.

Германия применяет наиболее осторожный подход. Немецкое право традиционно рассматривает ювенальную юстицию не как карательную, а как воспитательную систему (Erziehungsgedanke). Поэтому автоматизированное «предсказание опасности подростка» воспринимается крайне критически.

ИИ используется преимущественно в смежных направлениях: анализ интернет-угроз детям; выявление сетей эксплуатации несовершеннолетних; обработка цифровых доказательств по делам о насилии против детей.

В отношении самого несовершеннолетнего обвиняемого алгоритмы не получают решающей роли. Решения о мере воздействия, пробации, воспитательных мерах или передаче дела принимаются человеком с обязательным учетом личности подростка, семейной среды и перспектив ресоциализации. Германская модель исходит из того, что цифровая стандартизация несовместима с индивидуальной педагогической природой ювенальной юстиции.

Суммируя возможные преимущества, недостатки и риски в освещенных системах, можно отметить, что внедрение генеративного искусственного интеллекта в уголовное преследование одновременно открывает значительные возможности и создаёт новые правовые угрозы. Зарубежная практика убедительно показывает: чем активнее алгоритмы включаются в сферу расследования, обвинения и оценки личности, тем выше вероятность конфликта между эффективностью государства и гарантиями прав человека. Поэтому вопрос самого применения естественным образом отпадает, а возникает вопрос в каких случаях и насколько глубоко можно доверять ИИ.

Основной риск состоит в том, что ИИ обучается на исторических данных, а значит способен воспроизводить ошибки прошлого. Если в статистике определённые группы населения чаще попадали в поле зрения полиции, алгоритм может ошибочно воспринимать это как объективный индикатор преступности.

Наиболее известный пример связан с американскими системами, где исследователи выявляли различия в прогнозах для разных расовых и социальных групп. Аналогичные опасения высказываются и в отношении прогнозирования места преступления: районы с повышенным контролем получают больше зарегистрированных инцидентов, что затем снова усиливает полицейское присутствие. Возникает замкнутый цикл цифрового неравенства.

Для правового регулирования из этого следует важный урок: данные не являются нейтральными. Законодательство должно требовать регулярного тестирования моделей на предмет предвзятости, внешнего аудита и запрета использования дискриминационных показателей.

Кроме того, многие современные модели, особенно генеративные нейросети, функционируют как «чёрный ящик». Пользователь получает результат, но не всегда может проследить, почему система пришла именно к такому выводу. Для уголовного процесса это особенно опасно, поскольку лицо имеет право знать основания ограничения своих прав и оспаривать их.

Если алгоритм рекомендует задержание, квалификацию деяния или повышенный риск рецидива, защита должна иметь возможность проверить исходные данные, логику обработки и допущенные ошибки. Без этого нарушается принцип состязательности сторон.

В отличие от классических статистических моделей генеративный ИИ способен создавать убедительно выглядящий, но фактически ложный текст. Уже известны случаи появления несуществующих судебных решений, ошибочных цитат и вымышленных ссылок в процессуальных документах. В уголовном преследовании подобная ошибка особенно опасна, поскольку может лечь в основу обвинения.

Поэтому использование генеративных моделей допустимо лишь как чернового инструмента подготовки материалов с обязательной полной верификацией человеком. Любой ИИ документ без проверки должен рассматриваться как ненадёжный источник.

Проведённый анализ зарубежного опыта использования генеративного искусственного интеллекта в уголовном преследовании позволяет сделать вывод о формировании нового этапа трансформации уголовной юстиции, в рамках которого технологические системы переходят от вспомогательных функций к участию в аналитической и частично дискреционной деятельности правоохранительных органов.

Обобщение практики Китая, США и Германии демонстрирует отсутствие единой модели цифровизации уголовного преследования. Китайская система характеризуется высокой более обширной степенью интеграции ИИ в деятельность прокуратуры и следствия, включая элементы интеллектуальной поддержки обвинения и автоматизированной обработки материалов дела. США развивают преимущественно децентрализованную модель, основанную на практических экспериментах, активном использовании генеративного ИИ в анализе доказательств и подготовке процессуальных документов при сохранении значительных рисков алгоритмической ошибки и судебного контроля. Германия, напротив, придерживается конституционно-ограничительного подхода, в рамках которого ИИ допускается исключительно как вспомогательный инструмент без передачи ему элементов процессуального усмотрения.

Особое значение имеет выявленная тенденция: ни одна из рассмотренных правовых систем не допускает полной автономии искусственного интеллекта в принятии решений о привлечении лица к уголовной ответственности. Даже в наиболее технологически продвинутых юрисдикциях окончательное решение сохраняется за человеком как носителем публичной власти и юридической ответственности. Это подтверждает сохранение фундаментального принципа современного уголовного процесса — неде-легируемости обвинительной дискреции.

Одновременно установлено, что внедрение генеративного ИИ существенно повышает эффективность досудебного производства. Технологии позволяют ускорить анализ больших массивов данных, выявлять скрытые связи между событиями, автоматизировать подготовку документов и снижать нагрузку на органы расследования и прокуратуры. Однако повышение эффективности сопровождается ростом правовых рисков: алгоритмической предвзятостью, непрозрачностью решений, возможностью «галлюцинаций» генеративных моделей, а также перекладывания персональной ответственности должностных лиц.

Отдельное значение имеет опыт применения ИИ в делах несовершеннолетних, где особенно проявляется предел допустимой алгоритмизации уголовной юстиции. Международная практика показывает, что в ювенальной сфере технологии могут использоваться лишь как инструмент поддерж ки и профилактики, но не как средство принятия решений, определяющих правовую судьбу ребёнка.

Заключение

Таким образом, имеющей опыт некоторых зарубежных стран свидетельствует, что развитие генеративного искусственного интеллекта в уголовном преследовании должно идти по модели «подконтрольной цифровой поддержки», а не «автономного обвинения», при сохранении приоритета прав человека, процессуальных гарантий и юридической ответственности конкретных должностных лиц.