Д.А. Калямина, М.А. Кирина
ЦИФРОВАЯ
ТРАНСФОРМАЦИЯ
РЕГУЛЯТОРНОЙ
ПОЛИТИКИ:
ИСКУССТВЕННЫЙ
ИНТЕЛЛЕКТ
В ОЦЕНКЕ
ЗАКОНОДАТЕЛЬНЫХ НОРМ И ПРАВИЛ
Аннотация
Рассматривается возможность оптимизации способа информирования бизнеса о законодательных изменениях в Российской Федерации на основе применения искусственного интеллекта (ИИ). Актуальность темы обуславливается тем, что законотворческий процесс в России перешел из исключительно административно-управленческого подхода к формированию стратегии развития экономики страны к модели сотрудничества между государством, гражданским обществом и бизнесом, где продвижение интересов предпринимательских структур реализуется на основе убеждающей коммуникации. Проведенный библиометрический анализ на основе кластерного подхода позволил выявить основные освещаемые тематики научных публикаций по ИИ в правовом регулировании. Примеров комплексных подходов, предлагающих взгляд на государство и бизнес как субъектов, встраиваемых в одно коммуникативно-управленское поле, в контексте ИИ-проблематики практически не наблюдается. В этой связи обнаруживается необходимость использовать и развивать современные инструменты для автоматизированной обработки проектов нормативных правовых актов (НПА) с целью совершенствования способов формирования экспертной позиции бизнеса, представление которой возможно, например, через участие в оценке регулирующего воздействия (ОРВ), что впоследствии повысит качество нормотворческой дея-
D. Kalyamina, M.Kirina
DIGITAL TRANSFORMATION OF REGULATORY POLICY: ARTIFICIAL INTELLIGENCE IN THE ASSESSMENT OF LEGISLATIVE NORMS AND RULES
Abstract
The article discusses the possibility of optimizing the way in which business entities are informed about legislative changes in the Russian Federation through the application of artificial intelligence (AI). The relevance of the topic is determined by the fact that the legislative process in Russia has shifted from an exclusively administrative and managerial approach to governance towards a model of cooperation between the state, civil society and business, implemented through persuasive communication as a managerial resource for business structures in promoting their interests. A bibliometric analysis conducted using a clustering approach has identified the main themes covered in scientific publications related to the application of AI methods for analyzing regulatory documents. The examples of comprehensive approaches that view the state and business as interconnected entities within a unified communicative framework concerning AI issues are virtually nonexistent. In this regard, there is a need to utilize and develop modern tools for the automated processing of draft of regulatory documents to improve the ways in which business form expert positions, which can be presented through participation in regulatory impact assessments, thereby enhancing the quality of legislative activity. This study proposes a conceptual model for a technological solution aimed at automating the analysis of legislative changes. Furthermore, it is discussed that increasing business awareness of planned
тельности. В настоящем исследовании предлагается концептуальная модель технологического решения, направленного на автоматизацию анализа проектов НПА, для повышения информированности представителей частного сектора о законодательных изменениях, а также их участия в ОРВ, что будет способствовать улучшению делового климата, своевременной адаптации бизнес-процессов к новым требованиям и, как следствие, укреплению конкурентоспособности российской экономики. Ключевым преимуществом внедрения ИИ в анализ законодательных изменений видится открываемая им возможность усиления доказательности решений, так как принимаются они с опорой на данные значительного объема с наименьшим привлечением трудо-ресурсов.
regulatory impacts will contribute to improving the business environment, timely adaptation of business processes to new requirements, and reduction of administrative barriers, consequently strengthening the competitiveness of the Russian economy. A key advantage of implementing AI in monitoring and analyzing legislative changes is seen in its potential to enhance the evidentiary basis of decisions, as they are made based on large volumes of data with minimal labor resource involvement.
Ключевые слова:
государственно-частное взаимодействие, искусственный интеллект, убеждающая коммуникация, регуляторная политика, автоматизация регуляторного анализа, цифровая трансформация.
Key words:
public-private interaction, artificial Intelligence, persuasive communication, regulatory policy, automation of regulatory analysis, digital transformation.
https://doi.org/10.24412/2227-1538-2025-3-137-158
Современные технологии искусственного интеллекта (ИИ) позволяют автоматизировать значительную часть юридической деятельности, включая анализ документов, управление соответствием правовым принципам и отслеживание законодательных изменений (Галкина, Кузнецова, Воробьев, 2023; Ajmal et al., 2025). Основу их функционирования составляют алгоритмы обработки естественного языка (Natural language processing, NLP), которые эффективно анализируют большие объемы текстовых данных из различных источников, включая правительственные веб-сайты, новостные аг-регаторы, нормативные и другие документы (Siino et al., 2025). Следуя концепции автоматизированного регуляторного интеллекта (Automated regulatory intelligence, ARI) - комплексного решения для управления соответствием нормативным требованиям с использованием ИИ, практический опыт демонстрирует потребность в разработке аналитического инструмента, автоматизирующего анализ проектов нормативных правовых актов (НПА), который может использовать бизнес в формировании своей экспертной позиции.
В период стабилизации (2000-2009 гг.) стратегическое планирование экономической сферы государства основывалось на директивном регулиро-
вании предпринимательской деятельности, которое с развитием институциональных условий сменяется на сотрудничество власти и бизнеса (с 2009 года по наст. время), основанное на принципах гибкости и сбалансированности. В связи с чем появляется потребность в организации гармонизированной государственно-частной коммуникации. Современная культура публичного сетевого взаимодействия государства и бизнеса создает условия для развития убеждающей коммуникации как управленческого ресурса предпринимательских структур в продвижении своих интересов посредством построения корпоративной публичной политики. Бизнес выстраивает стратегическое взаимодействие с широким кругом заинтересованных сторон (стейк-холдерами) с целью достижения баланса между государственными, общественными, экологическими, частными и другими интересами. Одним из инструментов убеждения является формируемая бизнесом отраслевая позиция по проектам НПА, содержащим обязательные требования, связанные с осуществлением предпринимательской и иной экономической деятельности, во время проведения оценки регулирующего воздействия (далее - ОРВ).
Целью работы является оценка контекстуальных предпосылок внедрения ИИ-инструмента в анализ планируемого регулирующего воздействия. Кроме того, представлена концептуальная модель технологического решения для анализа законодательных инициатив на основе ИИ, проводится обзор международного опыта применения ИИ в правовом регулировании. Методологией исследования выступает комплексный подход, включающий институциональный анализ взаимодействия власти и бизнеса в России, сравнение контекстов применения ИИ-технологий в регулировании норм и правил, а также изучение возможностей современных инструментов работы с текстовыми данными, в частности методов обработки естественного языка и больших языковых моделей (Large language models, LLMs), для извлечения и суммаризации релевантной пользовательскому запросу информации.
Научная новизна определяется тем, что предложена концептуальная модель использования ИИ для оценки планируемых законодательных изменений посредством интеграции современных технологий обработки естественного языка и больших языковых моделей в процесс анализа проектов НПА. Помимо этого, ИИ рассматривается как автоматизирующий инструмент убеждающей коммуникации для бизнеса в формировании своей экспертной позиции во время проведения ОРВ, которую можно представить как форму совместного коммуникативно-управленческого действия. На этом этапе аргументативно обосновывается выбор способа правового регулирования с целью повышения качества правоприменительной практики, а также обеспечения возможности учета мнения сторон, интересы которых затрагиваются проектом НПА.
Эволюция взаимодействия государства и бизнеса: от «захвата государства» частным сектором до сотрудничества
За последние три десятилетия взаимодействие государства и бизнеса в России претерпело значительные изменения. В 1990-е гг. отсутствие сформированных условий для перехода с плановой экономики на рыночную вызвало кризис управляемости, который породил модель взаимодействия бизнеса с государственными структурами посредством «захвата государства» частным сектором: «на новом этапе развития элементов редистрибутивной экономической системы с распределением ресурсов не столько на основе рыночного обмена, сколько в рамках административного торга, где группа ведущих олигархических бизнес-структур смогла, в силу контроля над большим объемом финансово-промышленных активов, осуществлять эффективное влияние на органы государственной власти и закрепить за собой привилегированное экономическое и политическое положение» (Павроз, 2009, с. 73). Сложившиеся условия определили коммуникативный вектор в сторону навязывания бизнесом выгодных установок по однонаправленному принципу «стимул-реакция», что сформировало переход от зарождающейся рыночной экономики к олигархическому капитализму. В таких условиях коммуникатор обладает властью в той мере, в которой может заставить реципиента в совершении какого-либо действия (Latour, 1986, с. 264).
В период стабилизации (2000-2009 гг.) государством устанавливались регламентированные нормы и правила взаимодействия бизнеса с властью посредством нормообразующей коммуникации, которая заменила прежнюю компульсивно-коммуникативную логику продвижения частных интересов. В 2000 году на встрече с «олигархами» Президент РФ Владимир Владимирович Путин раскрыл новый вектор взаимодействия компаний с государственными структурами, смысл которого заключался в «равноудаленности»: «ни один клан, ни один олигарх не должны быть приближены к региональной и к федеральной власти, они должны быть равноудалены от власти»1.
Объявленная политика модернизации в 2009 году требовала иного отношения к управлению развитием страны со стороны государства, гражданского общества и бизнеса: «политика модернизации опирается на механизмы взаимодействия государства и бизнеса предыдущего периода стабилизации, однако требует их развития и обновления, а также заставляет власть более внимательно отнестись к еще одному партнеру - гражданскому обществу <...>. Очевидно также, что государство не может добиться серьезных результатов, идя путем простой мобилизации ресурсов. Требуется его ко-
1 Федуненко Е. (2015) Как Владимир Путин встречался с крупным бизнесом. Коммерсантъ. https://www.kommersant.ru/doc/2884721.
операция с негосударственными акторами» (Гаман-Голутвина, Сморгунов, Тимофееева, 2014, с. 185). В этом контексте необходимо отметить формирование новых способов коммуникации - зарождается ориентация на построение сетевых отношений на основе сотрудничества. Особое внимание уделяется коннективности субъектов и объектов регулирования в условиях развития элементов децентрализованного управления и постоянного распределения информационных потоков, эффективность координации которых определялась повышением инклюзивности способов взаимодействия государства, гражданского общества и бизнеса. Политика модернизации способствовала достижению осознания того, что принятие решения не является в чистом виде производной от однонаправленных управленческих действий, а результатом диалога заинтересованных сторон.
Сотрудничество как основа для совместной выработки принятия решения
Если рассматривать схему идеально выстроенной организации отношений с органами государственной власти на системном уровне, то в основе лежит мониторинг, далее - участие, а на вершине «пирамиды принятия решения» - влияние1. На теоретическом уровне подобное взаимодействие раскрывается посредством теории коммуникативного действия Ю. Хабермаса в модели «идеальная речевая ситуация»: «совместная воля образуется не только через этическое самосогласие, но и за счет уравновешивания интересов и достижения компромисса, а также целерационального выбора средств, морального обоснования и проверки на юридическую связность» (Хабермас, 2001, с. 391).
В 2012 году была внедрена ОРВ как форма совместного коммуникативно-управленческого действия, обеспечивающая основу для выработки принятия решения на основе баланса интересов (в теоретическом плане напоминает модель «идеальная речевая ситуация»). Предлагаемое введение обязательных требований, связанных с осуществлением предпринимательской и иной экономической деятельности, подвергается аргументативному оцениванию. Такой формат коммуникации способствует раскрытию целесообразности установления той или иной нормы и в целом развитию осознанного диалога на основе доказательности позиции бизнеса и иных заинтересованных сторон, обладающих структурно-информационным преимуще-
1 «Пирамида успеха GR-специалиста», представленная Марией Юрьевной Келембет, на тот момент GR-директором (сейчас занимает должность исполнительного директора по корпоративным отношениям) компании «Циан», на лекции «Антикризисный GR в 1Т и FMCG сферах» в Московском государственном университете имени М.В. Ломоносова, 2023 г.
ством, а также обоснованности в учете или неучете направленных позиций органами государственной власти: «внедрение этих процедур сделало более открытым процесс нормотворчества для бизнеса, закрепило необходимость для разработчиков проектов актов обосновывать введение новых обязанностей, запретов и ограничений для предпринимателей» (Шохин, 2021, с. 5).
Важно отметить, что на системном уровне, охватывающем макродели-берацию, которая представляет собой «коммуникативную надстройку, возникающую из различных источников» (Zgiep, 2019, с. 15-16), особое значение имеет правильно выстроенная коммуникация (на основе доказательности своего мнения путем убеждения), целью которой является достижение баланса интересов стейкхолдеров. Именно такой коммуникативный вектор начинает приобретать стратегическое значение в публичной политике с 2009 года: «не норма, которая всегда выступала границей объединения и согласия, а суждение, высказанное в процессе коммуникации, приобретает колоссальную роль в публичной политике и управлении» (Сморгунов, 2016, с. 183). В этой связи возрастает роль GR-специалистов, которые выстраивают стратегию продвижения частных интересов через создание взаимовыгодных условий относительно принятия решения (на основе win-win стратегии) путем удовлетворения ключевых показателей эффективности федеральных органов исполнительной власти (далее - ФОИВ) и ожиданий стейкхолдеров.
Предпосылки применения искусственного интеллекта в регуля-торной политике
Основой большей вовлеченности бизнеса в законодательный процесс являются его информированность о планируемом регулирующем воздействии и готовность к своевременному представлению своей экспертной позиции. Необходимо отметить, что на сегодняшний день отмечается низкое участие предпринимательских структур в ОРВ, что ухудшает качество анализа проектов НПА: вводятся избыточные обязанности, запреты и ограничения для субъектов предпринимательской и иной экономической деятельности, возникают необоснованные расходы как для частного сектора, так и в целом для всех уровней бюджетной системы РФ. Согласно опросу, проведенному Российским союзом промышленников и предпринимателей (РСПП), 12% крупных компаний и лишь 3% представителей малого и среднего бизнеса участвуют в данной процедуре1. Можно предположить, что большее
1 В РСПП обсудили ОРВ и другие инструменты взаимодействия бизнеса и власти. (2025) Российский союз промышленников и предпринимателей. 11К1_: https://rspp.ru/events/news/v-rspp-obsudili-orv-i-drugie-instrumenty-vzaimodeystviya-biznesa-i-vlasti-67bf1495e7914/.
развитие «умных» технологий, которые способны оперативно выявлять регу-ляторные риски с наименьшим привлечением трудозатрат, повысит уровень участия бизнеса в ОРВ как в количественном, так и в качественном аспектах.
Важность своевременного реагирования на законодательные инициативы особенно отмечается в период санкционного давления. Так, по мнению Эдуарда Михайловича Войтенко, генерального директора Baikal Communications Group, «компаниям необходимо объективно и быстро оценивать риски и возможности кризисных ситуаций, оптимизируя свою деятельность, а государству - эффективно использовать ресурсы бизнеса для поддержания экономики в сложных условиях. Поэтому на сегодняшний день взаимная польза частно-публичного диалога видится очевидной»1. В этой связи бизнесу необходимо активнее принимать участие в ОРВ, а государству - большее внимание обращать на экспертную позицию частного сектора для повышения качества правоприменительной практики.
Необходимо подчеркнуть, что за последнее время ОРВ как правотворческий анализ претерпела значительные изменения: разделены степени регулирующего воздействия в зависимости от затрат на исполнение обязательных требований, обновлена методика расчета стандартных издержек, в личных кабинетах ФОИВ-разработчиков добавлен калькулятор оценки издержек исполнения требований, что позволяет более точно прогнозировать возникновение необоснованных расходов хозяйствующих субъектов и бюджетов бюджетной системы РФ2. Дальнейшее совершенствование законотворческого процесса видится в использовании «умных» технологий. Так, актуальность применения ИИ обсуждалась на форуме по регуляторной политике, проведенном РСПП совместно с Минэкономразвития России в 2025 году. Алексей Игоревич Херсонцев, статс-секретарь, заместитель Министра Минэкономразвития России, отметил, что инструменты ИИ могут значительно упростить регуляторные оценки со снижением трудозатрат уполномоченных специалистов по подготовке заключений об ОРВ3.
В настоящей статье решением в части повышения участия бизнеса в ОРВ, как в количественном, так и в качественном аспектах, видится в создании ИИ-инструмента с целью мониторинга и формирования первичного анализа в части выявления положительных и негативных последствий от рас-
1 Войтенко Э.М. (2023). Разговор с государством. Как GR помогает отстаивать интересы бизнеса на государственном уровне? Коммерсантъ. URL: https://www.kommersant.ru/doc/5889556.
2 Повышение качества ОРВ НПА. (2025) Минэкономразвития России. https://www.economy.gov.ru/material/directions/investicionnaya_deyatelnost/investklimat /orv/povyshenie_kachestva_o rv_npa.
3 Форум НРБ по регуляторной политике «ОРВ и другие инструменты взаимодействия бизнеса и власти». (2025) РСПП. https://rutube.ru/video/ee54a8fb8775ba536e4a6fe155c40eca.
сматриваемых проектов НПА. Подобный инструмент может использоваться в контексте развертывания модели убеждающей коммуникации с целью обеспечения выполнения превентивных мер, направленных на минимизацию планируемых регуляторных изменений, которые могут оказать негативное воздействие на деятельность компаний и развитие экономики страны.
Перспективность предлагаемой модернизации обуславливается также и новым витком в развитии ИИ. В феврале 2024 года В.В. Путин подписал указ, обновляющий Национальную стратегию развития искусственного интеллекта на период до 2030 года. Существенные изменения нашли отражение в планируемых целевых показателях: «ежегодный объем оказанных услуг по разработке и реализации решений в области ИИ к 2030 году должен вырасти не менее чем до 60 млрд рублей по сравнению с 12 млрд рублей в 2022 году», «долю приоритетных отраслей экономики с высокой готовностью к внедрению ИИ намерены нарастить с 12% до 95%»1. Кроме того, намечено и решение существующих ограничений в применении ИИ - например, связанных с защитой персональных данных. Как следует из указа, «уровень доверия граждан к технологиям искусственного интеллекта в 2030 году должен вырасти не менее чем до 80% по сравнению с 55% в 2022 году»2.
Искусственный интеллект в правовом регулировании: сравнение российского и международного опыта
Как показывает международный опыт, внедрение ИИ в юридическую деятельность является не только перспективным, но и возможным к реализации решением. При этом предпосылки в этой научно-практической области обнаруживаются и в российском пространстве (однако, как правило, речь идет о так называемом «слабом» ИИ и сравнительно меньшей опоре на прогностические возможности компьютерного моделирования).
Для первичной оценки применения ИИ в правовом регулировании был проведен библиометрический анализ на платформе Open Knowledge Maps, и в результате была получена Карта знаний (рис. 1)3. Стоит учесть, что поиск
1 Путин обновил Национальную стратегию развития ИИ до 2030 года. (2025) ТАСС. https://tass.ru/politika/20000627
2 Там же.
3 Понятие «Карта знаний» мы вводим в том значении, в котором оно используется на ресурсе Open Knowledge Maps. (https://openknowledgemaps.org). Платформа предназначена для выявления тематик документов (научных статей), наиболее релевантных запросу пользователя. Система выводит 100 наиболее подходящих запросу статей и кластеризует их на основе семантического сходства имеющихся в базе метаданных (названий статей, аннотаций и ключевых слов к ним, названий журналов и т.д.). Каждому кластеру присваивается название с опорой на ключевые слова и фразы, наиболее часто встречающиеся в них и извлекаемые в результате
осуществлялся по публикационным базам хоть и международным, но состоящим преимущественно из англоязычных статей. Кроме того, некоторые кластеры могут оказываться слишком «узкими» и специфическими, описывающими всего несколько статей1. Это означает, что статьи оказались релевантными запросу, но сгруппировать их в более крупный кластер не удалось. Несмотря на приведенные выше ограничения, подобный поиск позволяет взглянуть на «ядро» научных публикаций, связанных с интересующей темой, и сформировать концептуальное представление о наиболее актуальных направлениях в рассматриваемой области.
В качестве запроса использовалось следующее выражение: «AI in legal sector». Интересно отметить, что поиск с учетом также и ключевых слов «government» и «business» не оказался в равной мере успешным, что в некотором смысле может объективно указывать на значимость настоящей работы2.
комбинированного использования экстрактивной суммаризации и подхода «мешок слов» на основе TF-IDF.
1 Эта характеристика является следствием следующей особенности платформы: подбор статей осуществляется в первую очередь на основе их тематической близости, что позволяет находить статьи, которые при «классическом» поиске (на основе цитирований) могут быть упущены.
2 При таком запросе были выведены 22 статьи. Признавая возможные ограничения поиска и неполноту метаданных в исходной базе научных публикаций, на наш взгляд, можно предположить немногочисленность работ, в которых искусственный интеллект, государство и бизнес (в частности, отношения между ними) рассматриваются комплексно.
Рисунок 1 - Карта знаний на основе семантической близости научных публикаций к теме применения ИИ в правовом регулировании (инструмент анализа — Open Knowledge Maps)
Как видно из Карты знаний (рис. 1), исследователей часто интересуют вопросы, связанные в первую очередь с выработкой этических и профессиональных принципов использования ИИ, в особенности важность подобного регулирования подчеркивается в медицине (Cartolovni, Tomicic, Mosler, 2022) и судебной практике (Lavi & Jabotinsky, 2024). В отношении оценки возможностей автоматизации части задач, касающихся судебного делопроизводства, одним из примеров является система «умных судов» (smart courts) в Китае, которая предполагает институционализированную опору на ИИ, а также создание более открытой и прозрачной системы, включающей и повышение вовлеченности граждан в судебные процессы (Shi, Sourdin, Li, 2021). Интересен и кластер, в котором упоминаются индийские суды (Indian courts): так, отмечаются проблемы, вызванные распространением ИИ, где акцентируется внимание на фейковом контенте и возрастающей в связи с
этим необходимости защиты персональных данных (Sayyed, 2024). В то же время обсуждается вопрос повышения осведомленности об ИИ среди сотрудников правовых структур и обмена экспертными знаниями между государственными органами, бизнесом, академической средой и гражданским обществом (Dhiman & Singh, 2023). При этом актуальной остается и тема ИИ в кибербезопасности и судебной экспертизе - для усиления противодействия преступлениям, совершаемым с использованием в том числе ИИ (Dhiman & Singh, 2023).
Как показывает международная практика, на текущий момент разрабатываются и интегрируются в правовой анализ ИИ-инструменты, которые позволяют автоматизировать работу с нормативными документами. Например, в США выделяются такие системы, как LexisNexis Context и Thomson Reuters Westlaw Edge: первая специализируется на предсказании поведения судей с помощью лингвистического анализа и подготовке аргументов, оценке экспертных заключений, а вторая - на проведении юридических исследований, выявлении «пробелов» в документах и прогнозировании исходов судебных дел. Система Cortical.io (Австрия/США) автоматизирует обработку юридических документов, выполняя семантический анализ, и выявляет ключевые понятия и связи между ними. Британский инструмент Xapien применяется главным образом в контексте дью-дилидженс (due diligence), в частности для анализа рисков в контрактах и обнаружения несоответствий и проблемных зон в документах.
В России также наблюдается развитие аналогичных решений. Например, Rubbles Enterprise Copilot представляет собой мультиагентного ИИ-чат-бота, который осуществляет поиск, анализ и отвечает на вопросы по содержанию и срокам действия документов, а также формирует краткие выжимки из юридических текстов. Система Doczilla AI автоматизирует составление типовых юридических документов, а также генерирует и обрабатывает договоры и заявления. На примере компаний, таких как «Евраз» и «Ростелеком», видно, что ИИ успешно применяется для создания краткого изложения договоров и локальных нормативных актов, автогенерации листов ознакомления и автоматизации ответов на типовые вопросы сотрудников, а также создания дайджестов1.
Проведенный анализ позволяет подтвердить, что применение ИИ становится востребованным инструментом в подобной деятельности, позволяя автоматизировать операционные задачи и процессы, ускорять обработку документов и повышать эффективность анализа. Однако основной акцент,
1 Как юрдепартаменты используют ИИ: кейсы компаний. (2025) https://pravo.ru/company_news/258472/
особенно в российском поле, делается на автоматизации рутинных задач, в то время как использование ИИ для прогнозной аналитики, скорее всего, остается ограниченным (российские решения развиваются скорее в качестве автономных продуктов). В отличие от этого, интеграция для решения широкого спектра задач наблюдается на международной арене, где ИИ включается в профессиональные юридические практики и глобальные экосистемы (например, Microsoft Copilot, интегрированный в Windows) (Галкина, Кузнецова, Воробьев, 2023).
Концептуальная модель технологического решения анализа законодательных инициатив на основе искусственного интеллекта
В правовом пространстве основное место занимают нормативные тексты. Обучаясь на этом материале, развиваются системы ИИ, в том числе и для последующего анализа новых текстовых данных (Siino et al., 2025). Речь идет о современных алгоритмах обработки естественного языка, которые позволяют ИИ анализировать большие объемы текстовой информации и формулировать аргументы, основанные на глубоком (насколько позволяет база знаний нейросети) понимании темы. В этой связи ИИ становится важным ресурсом убеждающей коммуникации. Некоторые эксперты считают, что ИИ не уступает по эффективности традиционным («человеческим») коммуникативным стратегиям (Huang, Wang, 2023). ИИ положительно отличается своей способностью адаптировать аргументацию и стили общения под конкретные запросы и контексты (Shao, 2025). Такая вариативность, а также доказательность при формировании ответа на поставленный вопрос, как показывает международный опыт, могут повышать качество принятия решения. Однако стоит учитывать, что ИИ является лишь технологическим решением в коммуникативных стратегиях, которое обладает хорошей аргумента-тивной логикой, но с ограниченными возможностями.
Процесс разработки программного решения для анализа законодательных инициатив на основе ИИ предполагает несколько ключевых этапов, которые представлены нами на схеме (рис. 2).
Рисунок 2 - Обобщенная схема разработки технологического решения
Основными источниками для мониторинга законодательных инициатив могут стать федеральный портал проектов НПА1 и система обеспечения законодательной деятельности2. За основу индикаторов для анализа проектов НПА, позволяющих комплексно оценить планируемое регулирование, видится целесообразным взять показатели из доклада АНО «Мосстратегия»: отсутствие избыточных процедур, оптимальный пакет документов, наличие межведомственного взаимодействия, электронная подача документов, актуальность законодательства, отсутствие дублирования сведений, содержание понятных требований и условий, возможность доработки пакета документов, учет практики применения/востребованности, приемлемые сроки3. Актуальность приведенных выше показателей обосновывается тем, что Москва входит в высшую группу рейтингов проведения ОРВ в регионах России по итогам 2024 года4.
Сначала осуществляется подготовка базы источников, которая включает сбор и систематизацию НПА и эталонных решений для формирования корпуса данных. Далее проводится серия экспериментов для выбора и обу-
1 Федеральный портал проектов нормативных правовых актов. (2025) URL: https://regulation.gov.ru/.
2 Система обеспечения законодательной деятельности. (2025) URL: https://sozd.duma.gov.ru.
3 Индикаторы эффективного регулирования. (2025) Ежегодный доклад о результатах оценки влияния правовых актов на экономику Москвы за 2024 год. Мосстратегия. URL: https://stratagency.moscow/pdf2/.
4 Рейтинг качества регуляторной политики в регионах РФ за 2024 год. (2025) Минэкономразвития России. URL: https://www.economy.gov.ru/material/file/ 7176969d3970d53ffd8e6871be7a99ce/reyting_kachestva_regulyatornoy_politiki_v_region ah_rf_za_2024_god.pdf
чения наиболее успешной для поставленной задачи модели с использованием подхода на основе RAG (RAG - Retrieval-Augmented Generation в пер. с англ. яз. «генерация, дополненная поиском»), что позволяет эффективно интегрировать внешний контекст (знания, которых у модели не было и которые она будет получать, обучаясь на загруженных документах) в процесс генерации ответов.
В качестве технологической базы видится перспективным рассмотреть современные модели, такие как GigaChat, Saige-Mistral, YaGPT (от российских разработчиков), а также DeepSeek и Qwen (от китайских разработчиков). Подобное решение необходимо реализовывать в закрытом программном обеспечении, что предоставит безопасность и контроль над обработкой данных. Для повышения точности и релевантности предлагается использовать методы векторного (семантического) поиска и абстрактивной суммари-зации, что позволит извлекать и консолидировать информацию из больших объемов текстовых данных. Этот этап также предусматривает формирование наиболее эффективных стратегий промпт-инжиниринга.
На завершающей стадии разработки такого инструмента необходимо проводить тестирование моделей и интерфейса решения, что обеспечивает проверку результатов работы системы и удобства взаимодействия пользователя с ИИ. Итеративное улучшение модели происходит на основе оценки качества и обратной связи, что позволяет постоянно повышать эффективность анализа законодательных инициатив.
Первичная апробация: анализ Постановления Конституционного Суда РФ от 24.03.2025 №13-П
Для оценки удобства и полезности представляемой информации была проведена первичная апробация ИИ для решения задач предлагаемого формата, что позволило комплексно оценить его потенциал в анализе правового регулирования. В качестве проблемного кейса взято Постановление Конституционного Суда РФ от 24.03.2025 №13-П (далее - Постановление)1. Проведено тестирование двух популярных на сегодняшний день нейросетевых инструментов - Perplexity и DeepSeek. При составлении промпта использовалась техника perspective prompting. Задачи предполагали, во-первых, кратко сформулировать суть постановления (то есть с опорой на файл во вложени-
1 Постановление Конституционного Суда Российской Федерации от 24.03.2025 №13-П «По делу о проверке конституционности абзаца второго пункта 34 и пункта 45 Правил осуществления контроля состава и свойств сточных вод в связи с жалобой акционерного общества "Объединенная двигателестроительная корпорация"». URL: https://www.consultant.ru/document/cons_doc_LAW_501546
ях), во-вторых, дать прогнозную аналитику (то есть с опорой на собственные знания модели).
В целом, нейросети положительно справились с задачей краткой формулировки основных выводов Постановления и представления прогнозной аналитики, однако глубина и развернутость анализа различались1. В табл. 1 представлены обобщенные критерии2 оценки результатов ИИ-анализа с целью демонстрации особенностей оценочной логики Perplexity и DeepSeek.
Таблица 1 - Оценка результатов ИИ-анализа Постановления Конституционного Суда РФ от 24.03.2025 №13-П
Критерий Perplexity ЭеерБеек
Объем выдачи (в словоупотреблениях) 670 321
Количество структурных элементов 6 5
Характеристи ка структурных элементов Краткое содержание Постановления, предыстория дела, правовые позиции Конституционного Суда, прогнозная аналитика, заключение, источники. Краткая суть Постановления, причина, решение суда, прогнозная аналитика, итог.
Автоматически выделенные параметры для анализа Нормативное регулирование (законодательство, судебная практика), хозяйствующие субъекты (водопользователи и водоотводя-щие организации), экологический контроль. Нормативное регулирование (законодательство, судебная практика), водопользователи и водоотводящие организации, технические и организационные изменения, экологические и экономические эффекты.
Количество выделенных последствий 16 12
Как следует из табл. 2, в которой произведено более подробное сравнение ответов обеих моделей с минимальными корректировками, система Perplexity делает более детализированный анализ с акцентом на взаимоувязывание последствий от планируемых законодательных изменений для во-доотводящих организаций и водопользователей (абонентов), в то время как DeepSeek - в большей степени показывает обобщенный прогноз. Так, нейросеть Perplexity описала суть Постановления, предысторию дела, выде-
1 Важно отметить, что на этом этапе тестирования при промптинге формат и объем вывода данных не были уточнены, а также не были представлены критерии анализа (то есть нейросеть определяла их без участия пользователя).
2 В табл. 1 и 2 используются критерии, предложенные нами постфактум для сравнения полученных результатов.
лила основные правовые позиции Конституционного Суда, подробно рассмотрела баланс между экологическими и экономическими интересами и предложила детализированный анализ дальнейших действий, судебной практики и последствий для заинтересованных сторон. Нейросеть DeepSeek, в свою очередь, лаконично сформулировала решение Конституционного Суда, акцентировав внимание на ключевых изменениях для водопользователей и водоотводящих организаций, в частности на возможных технических, организационных, экологических и экономических изменениях.
Таблица 2 - Сравнение результатов ИИ-анализа Постановления Конституционного Суда РФ от 24.03.2025 №13-П
Критерий Perplexity DeepSeek
Статус оспариваемых норм Конституционный Суд РФ рассмотрел дело о проверке конституционности абзаца второго пункта 34 и пункта 45 Правил осуществления контроля состава и свойств сточных вод, утвержденных Постановлением Правительства РФ от 22.05.2020 №728, по жалобе АО «Объединенная двигателестрои-тельная корпорация». Конституционный Суд РФ признал абзац второй пункта 34 и пункт 45 Правил осуществления контроля состава и свойств сточных вод (утвержденных Постановлением Правительства РФ от 22.05.2020 №728) не соответствующими Конституции РФ.
Причина Заявитель утверждал, что данные положения не соответствуют статьям 42, 46 (часть 1) и 123 (часть 3) Конституции РФ, поскольку создают условия для недостоверного определения результатов контроля и для необоснованных экономических затрат абонента. АО «ОДК» указывало на случаи получения кратно отличающихся результатов параллельных измерений по множеству показателей. Эти нормы исключают возможность отбора резервной пробы по требованию абонента для показателей с коротким сроком хранения проб (менее 12 суток), что создает дисбаланс в правах.
Правовые позиции Конституционного Суда Конституционный Суд, рассматривая дело, исходил из следующих конституционно-правовых принципов: - необходимость баланса между экологическими интересами (ст. 9, 42, 58 Конституции РФ) и свободой экономической деятельности (ст. 8, 34, 35); - требование справедливого соотношения прав и обязанностей участников экономических отношений, особенно при их фактическом неравенстве ; - необходимость выравнивания возможностей участников отноше- Не выделил в отдельную категорию для анализа.
Критерий Perplexity ЭеерБеек
ний, когда у одного из них имеется преобладание (например, посредством наделения другого участника дополнительными правами); - конституционное требование добросовестности и недопустимости злоупотребления правами, адресованное всем участникам гражданских правоотношений.
Решение Конституционного Суда Не выделил в отдельную категорию для анализа. - До внесения изменений в законодательство абонент вправе требовать отбора резервной пробы за свой счет и ее анализа независимой лабораторией; - Результаты анализа резервной пробы должны учитываться при несопоставимости данных контрольной и параллельной проб.
Прогнозные изменения - Введение механизма оперативного отбора и анализа резервной пробы для показателей с коротким сроком хранения; - Установление особого порядка разрешения споров при существенном расхождении результатов анализов контрольной и параллельной проб; - Введение дополнительных критериев достоверности результатов анализа сточных вод. - Правительство РФ обязано скорректировать Правила контроля сточных вод, предусмотрев возможность отбора резервной пробы даже при коротком сроке хранения; - Возможно введение новых требований к процедурам отбора проб, включая запрет на использование аффилированных лабораторий для ключевых этапов контроля.
Влияние на судебную практику До внесения соответствующих изменений суды должны руководствоваться непосредственно постановлением КС при разрешении аналогичных споров. Это может привести к: - пересмотру ранее принятых решений по вопросам оспаривания результатов анализа сточных вод и начисленной на их основе платы; - более внимательному рассмотрению судами доводов абонентов о недостоверности проведенных во-доотводящей организацией анализов; - перераспределению бремени доказывания в пользу абонентов в спорах о достоверности результатов анализов. - Увеличится число исков абонентов, требующих пересчета платежей на основании резервных проб; - Возможны споры о злоупотреблении правами как абонентов, так и водоотводя-щих организаций.
Последствия - Усиление правовых гарантий при - Абоненты получат инстру-
Критерий Perplexity DeepSeek
для водопользователей (абонентов) осуществлении контроля состава сточных вод; - Снижение рисков необоснованного взимания завышенной платы; - Возможность эффективного оспаривания результатов. мент для оспаривания завышенных платежей, но понесут дополнительные расходы на отбор и анализ резервной пробы.
Последствия для водоотво-дящих организаций - Необходимость пересмотра процедур отбора и анализа проб; - Возможное увеличение затрат на лабораторное оборудование и персонал; - Риск снижения доходов от платы за негативное воздействие на централизованную систему водоотве-дения. - Рост административной нагрузки; - Пересмотр договорных условий для учета новых требований.
Технические и организационные последствия Возможно развитие альтернативных механизмов разрешения споров по вопросам достоверности экологических измерений, таких как создание независимых арбитражных лабораторий, развитие автоматизированных систем контроля, исключающих человеческий фактор. Лаборатории будут вынуждены сертифицировать методы экспресс-анализа для работы с коротким сроком хранения проб, появится спрос на независимые аккредитованные лаборатории, что может стимулировать развитие этого сегмента рынка.
Экологические и экономические последствия Данное постановление КС может стать катализатором для пересмотра и других механизмов экологического контроля, особенно в части обеспечения достоверности результатов и прав проверяемых субъектов. Повысится точность контроля загрязнений, что усилит экологическую ответственность предприятий, возможное снижение числа спорных платежей улучшит инвестиционный климат в секторе ЖКХ и промышленности.
Риски и ограничения Не выделил в отдельную категорию для анализа, так как нейросеть взаимоувязала риски с критериями, представленными выше. Задержки в принятии новых правил могут привести к правовой неопределенности, неравномерное внедрение новых требований в регионах спровоцирует различия в судебной практике.
Вывод Постановление... имеет важное значение для обеспечения баланса экологических интересов и экономических прав хозяйствующих субъектов. <...> .эти изменения должны сохранить эффективность экологического контроля и защиты водных объектов от загрязнения. Для практикующих юристов особое значение имеет возможность пересмотра ранее принятых судебных решений <...>. Решение КС РФ направлено на усиление процессуальных гарантий для абонентов, но потребует комплексной адаптации законодательства, бизнес-процессов и инфраструктуры. Главный вызов — обеспечить баланс между экологическими целями и экономической нагрузкой на предприятия.
Предикативная аналитика нейросетей отличается предложенными вариантами действий. Например, в части прогноза дальнейшего технического обеспечения Perplexity предполагает, что могут быть созданы независимые арбитражные лаборатории, получат развитие автоматизированные системы контроля, исключающие человеческий фактор (такие решения требуют значительных финансовых трат), а DeepSeek прогнозирует, что лаборатории будут вынуждены сертифицировать методы экспресс-анализа для работы с коротким сроком хранения проб (менее 12 суток), появится спрос на независимые аккредитованные лаборатории, что может стимулировать развитие этого сегмента рынка (такие решения ориентированы на нормоообразова-ние). Последний прогноз кажется более реалистичным. Кроме того, DeepSeek более четко формулирует причины оспаривания законодательных норм. Perplexity в большей степени опирается на отсылочную причинно-следственную связь, в частности на конституционность положений Правил контроля сточных вод и обращение АО «Объединенная двигателестроитель-ная корпорация» в Арбитражный суд города Москвы.
Стоит отметить, что детализированность прогнозирования у Perplexity выше. Для водопользователей DeepSeek выявляет довольно общий прогноз - формирование инструмента оспаривания завышенных платежей, в то время как Perplexity акцентирует внимание на усилении правовых гарантий, снижении рисков необоснованных затрат субъектов регулирования, а также на более эффективном процессе оспаривания результатов отбора пробы с коротким сроком хранения. Что касается водоотводящих организаций, то система Perplexity также сделала более развернутый анализ. Если DeepSeek ограничивается прогнозом в части роста административной нагрузки и пересмотров договоров, то Perplexity - необходимостью пересмотра процедур отбора и анализа проб (последствие общего плана), увеличением затрат на оборудование (последствие частного плана). А самое важное, что выделил инструмент Perplexity - это риск снижения доходов водоотводящих организаций от платы за негативное воздействие на централизованную систему водоотведения. В каком-то смысле можно увидеть, что, несмотря на различность нейросетевой логики в части предикативной аналитики, Perplexity и DeepSeek дополняют ответы друг друга.
Проведенный анализ можно считать первичной апробацией возможностей генеративных моделей для анализа нормативных текстов на естественном языке. В продолжение сопоставления видится целесообразным рассмотреть преимущества и ограничения использования других нейросетевых технологий, экспериментов в области промпт-инжиниринга, а также проведения оценки результатов с опорой на эталонные решения экспертов. В этом плане
необходимо предусмотреть дальнейшее развитие намеченной темы за счет синергии научных разработок и практического применения ИИ в анализе правового регулирования.
Создание ИИ-инструмента и внедрение его (с последующей итеративной поддержкой) в анализ изменений в законодательстве представляет собой инновационное решение с целью повышения качества нормотворческой деятельности на основе сотрудничества государства и бизнеса, где компании будут в большей степени вовлечены в ОРВ, что позволит снизить риск принятия избыточных норм и правил. Для того чтобы бизнес мог участвовать в совместной выработке принятия решения в регуляторной политике, ему необходимо всегда находиться в актуальном информационном поле, что обеспечивает такой вид деятельности, как мониторинг. Своевременно сформированная позиция предпринимательских структур позволяет им участвовать в законотворческом процессе. А уже грамотное представление своей точки зрения дает возможность компаниям быть вовлеченными в совместную выработку принятия решения на уровне влияния за счет экспертности в части понимания отраслевых особенностей регулирования.
Таким образом, цифровая трансформация регуляторной политики посредством применения ИИ будет способствовать улучшению деловой среды, своевременной адаптации бизнес-процессов к новым требованиям, снижению административных барьеров и, как следствие, укреплению конкурентоспособности российской экономики. Ключевым преимуществом внедрения ИИ в анализ и оценку законодательных норм и правил является открываемая им возможность усиления доказательности решений, так как принимаются они с опорой на данные значительного объема с наименьшим привлечением человеческих ресурсов. Однако необходимо подчеркнуть, что ИИ хоть и автоматизирует значительную часть работы, но окончательное решение должно приниматься экспертом: речь идет не только о необходимости перепроверки информации, предоставленной ИИ, но и об этических ограничениях.
Литература
Ajmal, C. S., Yerram, S., Abishek, V., Nizam, V. M., Aglave, G., Patnam, J. D., Raghuvanshi R., & Srivastava, S. (2025). Innovative approaches in regulatory affairs: leveraging artificial intelligence and machine learning for efficient compliance and decisionmaking. The AAPS Journal, 27(1), 22.
Cartolovni, A., Tomicic, A., & Mosler, E. L. (2022). Ethical, legal, and social considerations of AI-based medical decision-support tools: a scoping review. International Journal of Medical Informatics, 161, 104738.
Dhiman, S., & Singh, S. (2023). Cybercrime and Computer Forensics in Epoch of Artificial Intelligence in India. Cyber Law Reporter, 2 (4), 13-32.
Huang, G., & Wang, S. (2023). Is artificial intelligence more persuasive than humans? A meta-analysis. Journal of Communication, 73 (6), 552-562.
Latour B. (1986). The powers of association. Power, action belief: A new sociology of knowledge? J. Law (ed.). London: Routledge and Kegan Paul, 234-264.
Lavi, M., & Jabotinsky, H. Y. (2024). AI in the Courtroom: The Boundaries of Ro-boLawyers and RoboJudges. Fordham Intellectual Property, Media & Entertainment Law Journal, 35.
Sayyed, H. (2024). Artificial intelligence and criminal liability in India: exploring legal implications and challenges. Cogent Social Sciences, 10 (1).
Shao, X. (2025). Artificial Intelligence Modelling Paths for Reasoning Argumentation Methods for Criminal Evidence. BenchCouncil International Symposium on Intelligent Computers, Algorithms, and Applications. Springer, Singapore, 35-52.
Shi, C., Sourdin, T., & Li, B. (2021). The Smart Court - A New Pathway to Justice in China? International Journal for Court Administration, 12 (1). https://doi.org/10.36745/ijca.367.
Siino, M., Falco, M., Croce, D., & Rosso, P. (2025). Exploring LLMs applications in law: A literature review on current legal NLP approaches. IEEE Access.
Zgiep, M. (2019). Beyond institutions and the system: Network approach to deliberative democracy. Cogent Social Sciences, 5 (1).
Галкина, Н. М., Кузнецова, Д. В., Воробьев, М. А. (2023). Зарубежный опыт применения искусственного интеллекта в судебной системе. Вестник ВГУ. Серия: Право, 3 (54).
Гаман-Голутвина, О. В., Сморгунов, Л. В., Тимофееева, Л. Н. (2014). Политика модернизации неэффективна без сотрудничества государства с бизнесом и обществом. Власть, 1, 185-187.
Павроз, А. В. (2009). Взаимодействия бизнеса и государства в России : редис-трибутивная модель. Вестник Пермского университета. Выпуск 4 (8), 72-77.
Сморгунов, Л. В. (2016). Знание и публичное управление: от утверждения нормы к суждению. Политическая наука, 2, 181-197.
Хабермас, Ю. (2001). Вовлечение другого. Очерки политической теории. Пер. с англ. Ю. Медведева. СПб.: Наука.
Шохин, А. Н. (2021). Взаимодействие бизнеса и власти в современной России. Регуляторная политика и контрольно-надзорная деятельность, под ред. А.Н. Шохина; отв. ред.: С. М. Плаксин, В. Д. Казикаев, Д. Р. Алимпеев [и др.]. М.: РСПП.
References
Ajmal, C. S., Yerram, S., Abishek, V., Nizam, V. M., Aglave, G., Patnam, J. D., Raghuvanshi R., & Srivastava, S. (2025). Innovative approaches in regulatory affairs: leveraging artificial intelligence and machine learning for efficient compliance and decisionmaking. The AAPS Journal, 27(1), 22.
Cartolovni, A., Tomicic, A., & Mosler, E. L. (2022). Ethical, legal, and social considerations of AI-based medical decision-support tools: a scoping review. International Journal of Medical Informatics, 161, 104738.
Dhiman, S., & Singh, S. (2023). Cybercrime and Computer Forensics in Epoch of Artificial Intelligence in India. Cyber Law Reporter, 2 (4), 13-32.
Galkina, N. M., Kuznetsova, D. V., & Vorobyev, M. A. (2023). Foreign Experience of Artificial Intelligence Application in the Judicial System. Bulletin of Voronezh State University. Series: Law, 3 (54).
Gaman-Golutvina, O. V., Smorgunov, L. V., & Timofeeva, L. N. (2014). The modernization policy is ineffective without cooperation between the state, business, and society. Power, 1, 185-187. (In Russ).
Habermas, J. (2001). The Inclusion of the Other: Studies in Political Theory. Translated from English by Y. Medvedeva. St. Petersburg: Nauka. 415 p. (In Russ).
Huang, G., & Wang, S. (2023). Is artificial intelligence more persuasive than humans? A meta-analysis. Journal of Communication, 73 (6), 552-562.
Latour, B. (1986). The powers of association. Power, action belief: A new sociology of knowledge? J. Law (ed.). London: Routledge and Kegan Paul, 234-264.
Lavi, M., & Jabotinsky, H. Y. (2024). AI in the Courtroom: The Boundaries of Ro-boLawyers and RoboJudges. Fordham Intellectual Property, Media & Entertainment Law Journal, 35.
Pavroz, A.V. (2009). Interactions between business and government in Russia: A redistributive model. Bulletin of Perm University, Issue 4 (8), 72-77. (In Russ).
Sayyed, H. (2024). Artificial intelligence and criminal liability in India: exploring legal implications and challenges. Cogent Social Sciences, 10 (1).
Shao, X. (2025). Artificial Intelligence Modelling Paths for Reasoning Argumentation Methods for Criminal Evidence. BenchCouncil International Symposium on Intelligent Computers, Algorithms, and Applications. Springer, Singapore, 35-52.
Shi, C., Sourdin, T., & Li, B. (2021). The Smart Court - A New Pathway to Justice in China? International Journal for Court Administration, 12 (1). https://doi.org/10.36745/ijca.367.
Shokhin, A. N. (2021). Interaction between Business and Government in Modern Russia. Regulatory Policy and Control and Supervisory Activities. Ed. by A. N. Shokhin; responsible editors: S. M. Plaksin, V. D. Kazikaev, D. R. Alimpeev et al. Moscow: RSPP. (In Russ).
Siino, M., Falco, M., Croce, D., & Rosso, P. (2025). Exploring LLMs applications in law: A literature review on current legal NLP approaches. IEEE Access.
Smorgunov, L. V. (2016). Knowledge and Public Administration: From Norm Affirmation to Judgment. Political Science, 2, 181-197. (In Russ).
Zgiep, M. (2019). Beyond institutions and the system: Network approach to deliberative democracy. Cogent Social Sciences, 5 (1).
Для цитирования: Калямина, Д. А. Цифровая трансформация регуляторной политики: искусственный интеллект в оценке законодательных норм и правил / Д. А. Калямина, М. А. Кирина // PolitBook. - 2025. - № 3. - С. 137-158. -DOI 10.24412/2227-1538-2025-3-137-158.