Применение систем искусственного интеллекта в уголовно-процессуальной деятельности прокурора: преимущества и недостатки

Обложка
  • Авторы: Арзуманян А.Э.1,2
  • Учреждения:
    1. Федеральное государственное бюджетное образовательное учреждение высшего образования «Саратовская государственная юридическая академия»
    2. Прокуратура Саратовской области
  • Выпуск: № 12 (2025)
  • Страницы: 56-71
  • Раздел: Статьи
  • URL: https://journals.rcsi.science/2409-7136/article/view/368704
  • EDN: https://elibrary.ru/TIRUKC
  • ID: 368704

Цитировать

Полный текст

Аннотация

Актуальность настоящего исследования обусловлена нарастающим противоречием между стремительным внедрением систем искусственного интеллекта в уголовно-процессуальную деятельность прокурора и отсутствием целостной теоретико-правовой модели регулирования применения подобных инновации. Этот дисбаланс создает существенные риски в реализации таких основополагающих принципов уголовного судопроизводства, как законность, состязательность и право на защиту. Предметом исследования выступает комплекс общественных отношений, формирующихся в процессе использования прокурорами при осуществлении уголовно-процессуальной деятельности систем искусственного интеллекта, а также сопутствующие правовые и организационные проблемы. Цель работы заключается в проведении разностороннего анализа преимуществ и недостатков применения прокурорами систем искусственного интеллекта в уголовном процессе, а также в разработке на этой основе научно обоснованных предложений по формированию правового регулирования, обеспечивающего баланс между технологической эффективностью и гарантиями прав личности. В исследовании применяются методы сравнительно-правового анализа международного опыта, эмпирический анализ практики внедрения ИИ-ассистента в прокуратуре Саратовской области, а также системный и прогностический анализ различных аспектов использования прокурорами систем искусственного интеллекта в уголовном судопроизводстве. Научная новизна и практическая значимость исследования определяются характером проведенного анализа преимуществ и недостатков использования систем искусственного интеллекта в деятельности прокурора. Формируемые выводы и предложения основаны не только на теоретических изысканиях, но и на непосредственном опыте применения ИИ-ассистентов в правоприменительной практике. По итогам исследования представлены предложения по интеграции в УПК РФ норм о правовом статусе результатов применения искусственного интеллекта, порядке их фиксации и обжалования. Указывается на необходимость закрепления специальных требований по обработке, хранению и передаче данных, используемых для обучения и при эксплуатации систем искусственного интеллекта в уголовном процессе. Предложено принять закон об использовании ИИ государственными органами, в котором закрепить требования о наличии у разрабатываемых для уголовного процесса систем ИИ функции детализированного логического отчета; по обучению государственных систем ИИ на верифицированных и актуальных национальных базах данных; об осуществлении обязательного контроля со стороны государства.

Об авторах

Арам Эдвардович Арзуманян

Федеральное государственное бюджетное образовательное учреждение высшего образования «Саратовская государственная юридическая академия»; Прокуратура Саратовской области

Email: aearzumanyan@yandex.ru
ORCID iD: 0009-0001-0182-0655
доцент; кафедра уголовного процесса;начальник уголовно-судебного управления; Уголовно-судебное управление;

Список литературы

  1. Афанасьев А. Ю. Искусственный интеллект в уголовном процессе // Юридическая техника. 2021. № 15. С. 571-574. EDN: JVJPKG.
  2. Лебедев З. С. Некоторые вопросы применения искусственного интеллекта в уголовном процессе России // Основы экономики, управления и права. 2021. № 4 (29). С. 45-48. doi: 10.51608/23058641_2021_4_45 EDN: SKRSCT.
  3. Веревошников Е. А. Перспективы применения технологий искусственного интеллекта в уголовном судопроизводстве // Юридическая наука и правоохранительная практика. 2025. № 1 (71). С. 59-67. EDN: MOZPRA.
  4. Чурикова А. Ю. Применение искусственного интеллекта и индикаторов риска для противодействия киберпреступности // Российский следователь. 2024. № 5. С. 47-51. doi: 10.18572/1812-3783-2024-5-47-51. EDN: CTVJOV.
  5. Спесивов Н. В. Цифровизация и транспарентность как основы модернизации уголовнопроцессуальной деятельности прокурора // Вестник Университета прокуратуры Российской Федерации. 2023. № 4(96). С. 129-136. EDN: UGMRAX.
  6. Карташов И. И. Искусственный интеллект в уголовном судопроизводстве: потенциал и риски использования // Право в эпоху искусственного интеллекта: перспективные вызовы и современные задачи: сборник научных статей по материалам Международного научно-практического форума, Тюмень, 17-19 октября 2024 года. Тюмень: ТюмГУ-Press, 2024. С. 358-361. EDN: HBCGJQ.
  7. Чурикова А. Ю. Искусственный интеллект в уголовном процессе: возможности и риски использования // Информационное право. 2023. № 4(78). С. 22-25. doi: 10.55291/1999-480X-2023-4-22-25. EDN: JOBZSW.
  8. Использование искусственного интеллекта при выявлении, раскрытии, расследовании преступлений и рассмотрении уголовных дел в суде / Д. В. Бахтеев, Е. А. Буглаева, А. И. Зазулин [и др.]. Москва: Издательство "Юрлитинформ", 2022. 216 с. ISBN 978-5-4396–2315-0. EDN: HNCNFY.
  9. Рябцева Е. В. Проблема использования искусственного интеллекта в уголовном правосудии // Всероссийский криминологический журнал. 2023. Т. 17. № 1. С. 73-80. doi: 10.17150/2500-1442.2023.17(1).73-80 EDN: GTQMIU.
  10. Iliadis A., Acker A. The seer and the seen: Surveying Palantir's surveillance platform // The Information Society. 2022. Vol. 38. № 5. P. 334-363. doi: 10.1080/01972243.2022.2100851 EDN: URAPKE.
  11. Ulbricht L., Egbert S. In Palantir we trust? Regulation of data analysis platforms in public security // Big Data & Society. 2024. Vol. 11. № 3. doi: 10.1177/20539517241255108 EDN: UCELEB.
  12. Knight E., Gekker A. Mapping interfacial regimes of control: Palantir's ICM in America's post-9/11 security technology infrastructures // Surveillance & Society. 2020. Vol. 18. № 2. P. 231-243. doi: 10.24908/ss.v18i2.13268 EDN: FKVMBE.
  13. Banerjee R. Corporate Frauds: Now Bigger, Broader and Bolder. Penguin Random House India Private Limited, 2024.
  14. Tulumello S., Iapaolo F. Policing the future, disrupting urban policy today. Predictive policing, smart city, and urban policy in Memphis (TN) // Urban Geography. 2022. Vol. 43. № 3. P. 448-469. doi: 10.1080/02723638.2021.1887634 EDN: XQWOWK.
  15. Duarte D. E. The making of crime predictions: Sociotechnical assemblages and the controversies of governing future crime // Surveillance & Society. 2021. Vol. 19. № 2. P. 199-215. doi: 10.24908/ss.v19i2.14261 EDN: LNFIUO.
  16. Ohyama T., Amemiya M. Applying crime prediction techniques to Japan: A comparison between risk terrain modeling and other methods // European Journal on Criminal Policy and Research. 2018. Vol. 24. № 4. P. 469-487. doi: 10.1007/s10610-018-9378-1 EDN: TAQONK.
  17. McElreath D. H., DioGuardi S., Doss D. A. Pre-Crime Prediction // International Journal of Service Science, Management, Engineering, and Technology. 2022. Vol. 13. № 1. doi: 10.4018/IJSSMET.298672.
  18. Vaccaro M. A. Algorithms in human decision-making: A case study with the COMPAS risk assessment software. 2019. URL: https://dash.harvard.edu/entities/publication/09126374-044c-457b-9c75-0436c0a84ecf.
  19. McKay C. Predicting risk in criminal procedure: actuarial tools, algorithms, AI and judicial decision-making // Current Issues in Criminal Justice. 2020. Vol. 32. № 1. P. 22-39. doi: 10.1080/10345329.2019.1658694.
  20. Gravett W. Sentenced by an algorithm – Bias and lack of accuracy in risk-assessment software in the United States criminal justice system // Journal of Criminal Justice. 2021. Vol. 34. № 1. P. 31-54. doi: 10.47348/SACJ/v34/i1a2 EDN: XEZLNV.
  21. Wu W., Lin X. Access to technology, access to justice: China's artificial intelligence application in criminal proceedings // International Journal of Law, Crime and Justice. 2025. Vol. 81. P. 100741. doi: 10.1016/j.ijlcj.2025.100741 EDN: AJJZSJ.
  22. Zhiyuan G., Jiajia Y. The Application of Artificial Intelligence in China's Criminal Justice System // Legal Issues in the digital Age. 2025. № 1. P. 83-104. doi: 10.17323/2713-2749.2025.1.83.104 EDN: OQTFGW.
  23. Nazer L. H. et al. Bias in artificial intelligence algorithms and recommendations for mitigation // PLOS digital health. 2023. Vol. 2. № 6. P. e0000278. doi: 10.1371/journal.pdig.0000278 EDN: NDEBSM.
  24. Fazil A. W., Hakimi M., Shahidzay A. K. A comprehensive review of bias in AI algorithms // Nusantara Hasana Journal. 2023. Vol. 3. № 8. P. 1-11. doi: 10.59003/nhj.v3i8.1052 EDN: ETVEWJ.
  25. Bontempi G. Between accurate prediction and poor decision making: the AI/ML gap // International Conference on Machine Learning, Optimization, and Data Science. Cham: Springer Nature Switzerland, 2024. P. 333-343. doi: 10.1007/978-3-031-82481-4_23.
  26. Anand A. S. et al. All AI Models are Wrong, but Some are Optimal // arXiv preprint arXiv:2501.06086. 2025. doi: 10.48550/arXiv.2501.06086.
  27. Palmiotto F. The black box on trial: the impact of algorithmic opacity on fair trial rights in criminal proceedings // Algorithmic Governance and Governance of Algorithms: Legal and Ethical Challenges. Cham: Springer International Publishing, 2020. P. 49-70. doi: 10.1007/978-3-030-50559-2_3.
  28. Minh D. et al. Explainable artificial intelligence: a comprehensive review // Artificial Intelligence Review. 2022. Vol. 55. № 5. P. 3503–3568. doi: 10.1007/s10462-021-10088-y EDN: NVPVSU.
  29. Longo L. et al. Explainable artificial intelligence: Concepts, applications, research challenges and visions // International cross-domain conference for machine learning and knowledge extraction. Cham: Springer International Publishing, 2020. P. 1-16. doi: 10.1007/978-3-030-57321-8_1.
  30. Carrel A. Legal intelligence through artificial intelligence requires emotional intelligence: a new competency model for the 21st century legal professional // Ga. St. UL Rev. 2018. Vol. 35. P. 1153.
  31. Kluttz D. N., Mulligan D. K. Automated decision support technologies and the legal profession // Berkeley technology law journal. 2019. Vol. 34. № 3. P. 853-890.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных

 

Используя сайт https://journals.rcsi.science, я (далее – «Пользователь» или «Субъект персональных данных») даю согласие на обработку персональных данных на этом сайте (текст Согласия) и на обработку персональных данных с помощью сервиса «Яндекс.Метрика» (текст Согласия).