Отправьте статью сегодня! Журнал выйдет ..., печатный экземпляр отправим ...
Опубликовать статью

Молодой учёный

Применение искусственного интеллекта в системе государственного финансового контроля: правовые возможности и проблемы

Научный руководитель
11.11.2026
8
Поделиться
Аннотация
В статье проводится анализ правового значения результатов применения искусственного интеллекта в государственном финансовом контроле с учетом научных подходов к цифровизации контрольной деятельности и защите прав подконтрольных лиц. На примерах прогнозирования бюджетных рисков и анализа закупок рассматривается различие между обнаружением отклонения и его правовой оценкой. Автор приходит к выводу о том, что алгоритмическая оценка риска сама по себе не подтверждает бюджетного нарушения, а подготовленные системой материалы требуют проверки их источников и содержания. Также предлагается закрепить за объектом контроля возможность оспорить машинный вывод по существу до принятия решения, затрагивающего его права.
Библиографическое описание
Кондратенко, К. Д. Применение искусственного интеллекта в системе государственного финансового контроля: правовые возможности и проблемы / К. Д. Кондратенко. — Текст : непосредственный // Молодой ученый. — 2026. — № 46 (649). — URL: https://moluch.ru/archive/649/142133.


А. С. Палазян связывает перспективы применения искусственного интеллекта с ускорением обработки отчетности и расширением возможностей государственного аудита [1, с. 13–14]. При использовании таких средств в управлении публичными финансами возникает вопрос о том, в какой мере можно доверять результату автоматизированного анализа. Обнаружение необычной операции, даже если система опередила инспектора, еще не объясняет, нарушено ли бюджетное законодательство. Поэтому практическое значение этих возможностей следует оценивать с учетом того, как найденное отклонение проверяется и получает юридическую оценку.

Особенно существенна эта проблема при переходе к электронному взаимодействию контрольного органа и получателя бюджетных средств. Статья 267.1 Бюджетного кодекса РФ предусматривает контрольный мониторинг как метод внутреннего государственного финансового контроля, осуществляемый Федеральным казначейством на основании соглашения с объектом контроля. В ходе мониторинга Казначейство составляет мотивированные мнения [2, ст. 267.1]. Следовательно, нужно различать информационную обработку операций и предусмотренный законом результат деятельности уполномоченного органа: сама цифровая форма взаимодействия такого различия не устраняет.

Полагаем, что допустимость использования ИИ должна зависеть от того, можно ли проверить основания конкретного вывода и возразить против него. Участие должностного лица в процедуре имеет смысл лишь тогда, когда оно самостоятельно оценивает документы и объяснения объекта контроля. Поэтому центральной проблемой становится не объем полномочий, который можно передать программе, а порядок превращения машинного предположения в обоснованный вывод о нарушении.

В научной литературе вопросы цифровизации финансового контроля рассматриваются с разными акцентами. А. П. Бондарцкова обращает внимание на необходимость адаптации контрольных методов к цифровой экономике и развития компетенций специалистов [3]. Мы согласны с этой позицией, но считаем нужным уточнить, какие именно знания нужны контролеру. Умения получить отчет из информационной системы недостаточно: необходимо понимать, что означает рассчитанный риск и какие обстоятельства модель не учитывает. Иначе контролер, получив новые технические средства, может стать менее самостоятельным в профессиональной оценке.

А. В. Остроушко разграничивает общие информационные отношения, уже урегулированные законодательством, и специальные вопросы использования ИИ, больших данных и интеллектуальных агентов при предупреждающем СМАРТ-контроле. Автор указывает на необходимость совершенствования правового механизма и обеспечения открытости соответствующих процедур [4]. Такой подход позволяет точнее определить предмет дальнейшего регулирования. Само наличие электронного документа не требует создания особого правового режима ИИ; специальной оценки заслуживают способы получения новых выводов из совокупности документов и последствия их использования.

Н. В. Савина рассматривает внедрение СМАРТ-контроля через развитие стандартов контрольной деятельности. В ее исследовании цифровые инструменты сочетаются с документальными и фактическими методами проверки, а стандартизация распространяется на источники информации, ее верификацию и оформление результатов [5, с. 92, 99]. Мы поддерживаем эту позицию: применение алгоритма должно быть частью проверяемой последовательности контрольных действий. Вместе с тем внутреннего стандарта недостаточно, если объект контроля не может понять, какие сведения стали причиной неблагоприятного для него вывода.

Иной акцент представлен в исследовании Е. В. Овчаровой и С. Е. Звягинцева. Обращаясь к французскому опыту сдержанного внедрения ИИ в финансовом контроле, авторы предлагают усилить правовые гарантии подконтрольных лиц [6]. Эта позиция дополняет подход к стандартизации: упорядочивая работу органа, необходимо учитывать возможности защиты другой стороны. На наш взгляд, качество цифрового контроля нельзя оценивать исключительно удобством обработки информации для инспектора.

К рассматриваемой проблеме наиболее близка позиция А. С. Зуевой: она обосновывает вспомогательный характер алгоритмических выводов и разграничивает их с мотивированным мнением Казначейства и установленным фактом нарушения [7]. С этим разграничением следует согласиться. Однако вспомогательный характер не означает отсутствия какого-либо доказательственного значения у всех материалов, подготовленных с применением ИИ. Необходимо установить, что содержит конкретный материал и можно ли проверить достоверность этих сведений.

Рассмотренные работы позволяют выделить взаимосвязанные направления обсуждения: развитие аналитических возможностей контроля, стандартизацию процедур и защиту подконтрольного лица. Они не исключают друг друга. Полагаем, что эти направления объединяет требование проверяемости конкретного вывода. Это требование связывает технологическую пользу системы с обязанностью органа обосновать свое решение и позволяет оценивать ИИ в пределах определенной контрольной задачи.

Практическую востребованность прогнозных инструментов подтверждают материалы Федерального казначейства. В сообщении от 6 февраля 2025 г. указано на использование машинного обучения для прогнозирования ликвидности, рисков отзыва лимитов и остатков на счетах. Также описано применение ИИ в ГАС «Управление» для поиска связей между показателями и мероприятиями и выявления рисков неисполнения контрольных точек [8]. Этот пример характеризует аналитическую работу с публичными финансами; из него не следует, что система самостоятельно устанавливает нарушение или определяет меру ответственности.

Рассмотрим условную ситуацию. Программа обнаружила, что при строительстве бюджетного объекта доля перечисленных средств заметно превышает отраженную в отчетности готовность работ. Такое соотношение заслуживает внимания контролера, но само по себе не позволяет установить нецелевое использование средств. Расхождение может объясняться предусмотренным контрактом авансом, приобретением оборудования для последующего монтажа или задержкой обновления отчетных данных. Один и тот же внешний признак допускает разные объяснения. Необходимо выяснить правовую значимость каждого из них.

В этом случае ИИ будет полезен, если обнаружит операцию и укажет документы, между которыми выявлено расхождение. Если система сообщает только высокий балл риска, инспектору приходится заново восстанавливать основания оценки. Если же она указывает платеж, соответствующее условие контракта и дату сведений о готовности объекта, появляется возможность предметной проверки. По нашему мнению, использовать результат для обоснования последующих контрольных действий следует при условии, что такая проверка доступна.

Сходная проблема возникает при анализе закупок. Допустим, модель обнаружила у нескольких поставщиков общий адрес и устойчивую очередность побед. Это может послужить поводом для изучения их связей, но не доказывает согласованности поведения. Общий адрес иногда связан с размещением независимых организаций в одном деловом центре, а повторяемость побед может объясняться особенностями местного рынка. Вывод о нарушении требует оценки совокупности обстоятельств уполномоченным органом. Условный пример показывает, почему корреляцию нельзя автоматически переводить в правовую квалификацию.

Оценивая доказательственное значение результата, необходимо различать прогноз и сведения о совершенной операции. Прогноз выражает оценку вероятности будущего события и потому не подтверждает факт уже допущенного нарушения. Подготовленная программой подборка платежных документов или расчет расхождений может иметь информационное значение для проверки. Однако для ее использования необходимо обратиться к исходным данным, проверить правильность расчета и соблюсти применимую процедуру. Способ подготовки материала сам по себе не придает ему заранее установленной достоверности.

Поэтому мы считаем неточным как безусловное признание машинного вывода доказательством, так и полное отрицание значения всех результатов автоматизированной обработки. Если программа правильно сопоставила платеж с договором, такое сопоставление можно проверить. Если она лишь отнесла организацию к группе риска по неизвестной совокупности признаков, предмет проверки существенно сложнее. Различие определяется содержанием результата и доступностью его проверки, а не самим фактом применения технологии ИИ.

Требование проверяемости связано и с объяснимостью результата. Объекту контроля необходимы сведения о спорной операции, источниках данных и причине выявленного расхождения. Публикация программного кода не заменяет такого объяснения и сама по себе может оказаться бесполезной для защиты прав. Одновременно ссылка на сложность модели не должна освобождать орган от обоснования претензии. Если основания вывода невозможно изложить в форме проверяемых фактических обстоятельств, считаем недопустимым использовать его для неблагоприятного решения.

Здесь обнаруживается предел распространенного предложения об обязательном участии человека. Инспектор может формально утвердить подготовленный системой текст, не проверив его содержания. Поэтому предлагаем при подтверждении алгоритмического результата фиксировать, какие исходные документы изучены, какие объяснения получены и почему они приняты либо отклонены. Это авторское предложение о порядке документирования проверки; оно не означает, что соответствующая специальная обязанность уже установлена для всех применений ИИ.

Самостоятельного внимания заслуживает состав данных. Статья 5 Федерального закона «О персональных данных» требует соотносить их обработку с определенными целями и не допускать избыточности. Статья 16 этого закона устанавливает специальные гарантии при принятии решений на основании исключительно автоматизированной обработки персональных данных, включая предусмотренные законом исключения [9, ст. 5, 16]. Эти положения касаются физических лиц. Было бы ошибкой считать, что они непосредственно разрешают все вопросы защиты организации, получающей бюджетные средства. Распространение сопоставимых гарантий на решения в отношении организаций требует отдельного обоснования.

На наш взгляд, в таких ситуациях нужно гарантировать возможность исправить ошибочные исходные сведения и добиться содержательного рассмотрения возражений до принятия решения, создающего неблагоприятные последствия. Последующее судебное обжалование, гарантированное статьей 46 Конституции РФ, сохраняет самостоятельное значение [10, ст. 46]. Однако возможность своевременно объяснить расхождение способна предотвратить ошибку уже в ходе контроля. Для этого возражение должно рассматриваться по существу, а повторный запуск той же модели не должен подменять проверку доводов.

Следует учитывать и развитие общего законодательства об ИИ. Федеральный закон от 26 июля 2026 г. № 243-ФЗ регулирует поддержку развития технологий искусственного интеллекта, в том числе вопросы больших фундаментальных моделей. Его вступление в силу разделено на этапы [11, ст. 1, 13]. При этом принятие указанного закона само по себе не меняет компетенцию органа финансового контроля. Равным образом оно не означает, что любой результат модели должен признаваться установленным бюджетным нарушением. Правовые последствия конкретного вывода необходимо определять с учетом специальной контрольной процедуры.

Полагаем целесообразным предусмотреть в регулировании государственного финансового контроля запрет на обоснование неблагоприятного решения одной лишь непрозрачной алгоритмической оценкой риска. В материалах контроля следует сохранять использованные источники и результаты их проверки. Объект контроля, в свою очередь, должен иметь возможность дать объяснения по выявленным расхождениям. Эти гарантии должны определять правовые условия применения технологии. При этом выбор технических способов их выполнения должен оставаться за органом контроля в пределах его полномочий.

Проведенный анализ научных позиций позволяет рассматривать развитие аналитики во взаимосвязи со стандартизацией контрольных процедур и защитой подконтрольного лица. Применение ИИ дает возможность раньше обнаруживать бюджетные риски, однако при этом возрастает значение проверяемости контрольного вывода. Мы придерживаемся следующего подхода: прогноз служит основанием для дальнейшего изучения ситуации, а фактические материалы, подготовленные системой, оцениваются после проверки их источников и содержания. Вывод, имеющий юридическое значение, должен быть мотивирован и сделан уполномоченным органом. При соблюдении этого условия применение ИИ может расширять возможности финансового контроля без ослабления гарантий его законности.

Литература:

  1. Палазян А. С. Цифровой поворот в системе государственного финансового контроля: роль искусственного интеллекта // Экономика: теория и практика. 2024. № 1 (73). С. 11–15. DOI: 10.31429/2224042X_2024_73_11. — URL: https://etip.kubsu.ru/article/view/729 (дата обращения: 04.10.2026).
  2. Бюджетный кодекс Российской Федерации от 31.07.1998 № 145-ФЗ. Ст. 267.1. — URL: https://www.consultant.ru/document/cons_doc_LAW_19702/5b996d177d7949b33799b2d8fdc06a915bc89cf8/ (дата обращения: 05.10.2026).
  3. Бондарцкова А. П. Проблемы осуществления финансового контроля в Российской Федерации // Молодой ученый. 2024. № 51 (550).. — URL: https://moluch.ru/archive/550/120943/ (дата обращения: 06.10.2026).
  4. Остроушко А. В. Правовое регулирование информационных процессов в рамках предупреждающего СМАРТ-контроля // Юридические исследования. 2024. № 4. С. 109–123. DOI: 10.25136/2409–7136.2024.4.70573. — URL: https://journals.rcsi.science/2409–7136/article/view/368529 (дата обращения: 07.10.2026).
  5. Савина Н. В. Имплементация подходов СМАРТ-контроля в архитектуру стандартов внутреннего государственного финансового контроля // Вестник Алтайской академии экономики и права. 2024. № 10 (ч. 1). DOI: 10.17513/vaael.3781. — URL: https://vaael.ru/article/view?id=3781 (дата обращения: 08.10.2026).
  6. Овчарова Е. В., Звягинцев С. Е. Технологии искусственного интеллекта при проведении мероприятий финансового контроля и применении мер государственного принуждения // Законодательство. 2026. № 6. DOI: 10.58741/16818695_2026_6_41. — URL: https://publications.hse.ru/articles/1170389677 (дата обращения: 10.10.2026).
  7. Зуева А. С. Искусственный интеллект во внутреннем государственном финансовом контроле: публично-правовые проблемы применения // Финансовое право. 2026. № 10. DOI: 10.18572/1813–1220–2026–10–24–28. — URL: https://lawinfo.ru/articles/15390/iskusstvennyi-intellekt-vo-vnutrennem-gosudarstvennom-finansovom-kontrole-publicno-pravovye-problemy-primeneniya (дата обращения: 11.10.2026).
  8. Федеральное казначейство. Заместитель руководителя Казначейства России Александр Албычев посетил День науки в Президентской академии. 06.02.2025. — URL: https://roskazna.gov.ru/press/325799 (дата обращения: 12.10.2026).
  9. О персональных данных: Федеральный закон от 27.07.2006 № 152-ФЗ.– URL: https://www.consultant.ru/document/cons_doc_LAW_61801/ (дата обращения: 14.10.2026).
  10. Конституция Российской Федерации (принята всенародным голосованием 12.12.1993, с изменениями, одобренными в ходе общероссийского голосования 01.07.2020). — URL: https://www.consultant.ru/document/cons_doc_LAW_28399/ (дата обращения: 16.10.2026).
  11. О поддержке развития технологий искусственного интеллекта в Российской Федерации: Федеральный закон от 26.07.2026 № 243-ФЗ.– URL: https://www.consultant.ru/document/cons_doc_LAW_540336/ (дата обращения: 17.10.2026).
Можно быстро и просто опубликовать свою научную статью в журнале «Молодой Ученый». Сразу предоставляем препринт и справку о публикации.
Опубликовать статью
Похожие статьи
Пределы применения искусственного интеллекта при осуществлении прокурорского надзора: достоверность результатов и ответственность за принимаемые решения
Искусственный интеллект как инструмент для выявления нарушения бюджетного законодательства
Некоторые аспекты применения технологий искусственного интеллекта в судебной системе Российской Федерации и опыт зарубежных государств
Внедрение систем искусственного интеллекта в деятельность органов прокуратуры: перспективы и правовые риски
Искусственный интеллект и автоматизация в административном судопроизводстве: перспективы и риски
Анализ рисков и перспектив применения искусственного интеллекта в уголовном судопроизводстве
Проблемы правового регулирования камеральных налоговых проверок в контексте цифровизации налогового администрирования
Перспективы и проблемы применения искусственного интеллекта в правотворческой деятельности и в правоприменении
Трансформация инструментов государственного финансового контроля в условиях цифровизации экономики
Правовые вызовы и возможности применения ИИ-систем в деятельности кредитных организаций в целях противодействие легализации (отмыванию) доходов, полученных преступным путем, и финансированию терроризма

Молодой учёный