В 2026 году вопрос об ответственности за решения, принимаемые искусственным интеллектом, перестал быть абстрактным философским спором. Он превратился в практическую проблему, которая ежедневно возникает в судах, регуляторных органах и корпоративных советах директоров. Когда алгоритм отказывает в кредите, дисквалифицирует гол на чемпионате мира или рекомендует лечение, — кто отвечает за последствия? Разработчик, создавший модель? Оператор, развернувший её? Пользователь, принявший решение на основе её вывода? Или сама система, которая, формально, не обладает ни сознанием, ни правосубъектностью?
Kandinsky
Проблема «разрыва ответственности»
Ещё в 2004 году философ Андреас Маттиас ввёл понятие «разрыва ответственности» (responsibility gap) применительно к самообучающимся системам: по мере того как ИИ приобретает автономность, становится всё труднее проследить вредоносное решение до конкретного человеческого действия . Два десятилетия спустя эта проблема только обострилась. Как отмечается в исследовании AI and Ethics, «когда эти системы причиняют вред, подотчётность часто оказывается неуловимой. Ответственность распыляется по сетям разработчиков, операторов и пользователей, и нет чёткого ответа на вопрос: кто отвечает?» .
В российском правовом дискурсе эта проблема также осознаётся остро. Заместитель министра юстиции РФ Вадим Фёдоров, выступая в июне 2026 года, подчеркнул: «Искусственный интеллект сам по себе не может быть субъектом преступления, поскольку, несмотря на автономность, он не обладает сознанием, волей и правосубъектностью» . Однако к его применению причастны «разработчики моделей, обладатели исключительных прав, операторы систем, владельцы сервисов и конечные пользователи» . Именно здесь и возникает главный вопрос: как распределить ответственность между этими участниками?
Две модели: кто должен отвечать?
В мировой практике сформировались два противоположных подхода к решению этой проблемы.
Модель ответственности разработчика
Сторонники этой модели утверждают, что ответственность должна лежать на создателях алгоритма. Разработчик контролирует архитектуру, обучающие данные и логику системы — следовательно, должен отвечать за её поведение. Этот подход интуитивно привлекателен: если компания создала продукт, который причиняет вред, она должна за него отвечать.
Однако у этой модели есть серьёзные недостатки. Во-первых, возникает проблема атрибуции: во многих случаях невозможно проследить вред до конкретного дизайнерского решения. Как отмечают исследователи, «инкрустируемость подрывает способность закона обеспечивать последовательное обращение и адекватное уведомление» . Особенно остро это проявляется в системах с непрерывным обучением: поведение модели эволюционирует после развёртывания, и первоначальный код разработчика всё дальше отстоит от операционного поведения, которое в конечном счёте привело к вреду .
Во-вторых, концентрация ответственности на разработчиках может задушить инновации. Эмпирические исследования показывают нелинейную связь между ответственностью и инновационной активностью: при умеренном уровне издержки ответственности стимулируют R&D, но при слишком высоком — эффект становится отрицательным. Более того, концентрируя ответственность на разработчиках фундаментальных моделей (так называемых «базовых»), мы рискуем отпугнуть создателей общих инструментов, чьи применения заранее невозможно предвидеть .
Модель ответственности оператора (пользователя)
Альтернативный подход, который набирает силу в академической литературе и судебной практике, — перенос ответственности на того, кто развернул и использует систему. Его суть проста: ИИ — это инструмент, и ответственность за его применение лежит на том, кто им управляет .
В качестве аналогии приводятся хирург со скальпелем или водитель за рулём: никто не возлагает ответственность на инструмент, а ответственность за его применение несёт профессионал, использующий его в конкретном контексте . Эта позиция находит отражение и в российском правовом поле: Генеральная прокуратура РФ указывает, что «ключевым критерием в определении ответственного субъекта выступает степень контроля над действиями ИИ-системы» .
Судебные прецеденты подтверждают этот подход. В деле Moffatt v. Air Canada (2024) канадский суд отклонил аргумент авиакомпании о том, что её чат-бот является «отдельным юридическим лицом, ответственным за свои действия», и возложил ответственность на компанию за информацию, предоставленную системой . В деле Mata v. Avianca (2023) адвокаты были оштрафованы за использование ChatGPT без проверки фактов — суд признал, что ответственность за проверку лежит на профессионалах, использующих инструмент .
Однако и у этой модели есть слабое место: проблема «чёрного ящика». Когда оператор получает доступ к системе через закрытый API с минимальной видимостью внутренней логики, его реальный контроль и экспертиза оказываются ограниченными. Исследователи предлагают компромиссный подход: уровень обязанностей оператора должен возрастать по мере снижения его фактического контроля над системой, а разработчики обязаны предоставлять «калиброванную прозрачность» — достаточно информации для ответственного использования, не требующей технической экспертизы .
Что предлагает регулирование: три уровня
1. Институциональный уровень: «секторальное управление»
В США конгрессменка Сара Джейкобс в июне 2026 года внесла «Закон о секторальном управлении ИИ», который предлагает последовательный подход: у федеральных агентств и так есть полномочия регулировать сферы, в которых используется ИИ (жильё, трудоустройство, кредитование, здравоохранение), но им нужна чёткая правовая основа для применения этих полномочий к алгоритмическим системам .
Закон предлагает дать агентствам единую основу для разработки правил, когда использование ИИ «вероятно, будет существенно способствовать нарушению существующих федеральных законов» . Как поясняет Джейкобс: «Федеральные законы не должны становиться необязательными только потому, что технология новая. Мы не можем позволить, чтобы права американцев становились бессмысленными в тот момент, когда компания передаёт решение алгоритму» .
2. Европейский уровень: оценка фундаментальных прав
Европейский союз пошёл по пути внедрения обязательной Оценки воздействия на фундаментальные права (FRIA) для систем высокого риска в рамках AI Act. Как отмечают исследователи из Cambridge University Press, FRIA представляет собой «революцию» в корпоративной ответственности: это «первый случай, когда международное право напрямую обязывает проводить комплексную оценку воздействия на права человека для технологических систем» .
FRIA требует от организаций оценки воздействия ИИ на весь спектр прав, закреплённых в Хартии фундаментальных прав ЕС, а не только на конфиденциальность. Это отражает более широкий тренд: от добровольной корпоративной социальной ответственности к юридически обязывающим механизмам .
3. Российский уровень: базовый закон и маркировка
Россия движется по собственному пути. В июле 2026 года Госдума приняла базовый закон о развитии ИИ, который вводит ключевые понятия («искусственный интеллект», «фундаментальные модели»), закрепляет принципы регулирования (технологический суверенитет, безопасность, уважение к традиционным ценностям) и — что особенно важно — устанавливает обязательную маркировку контента, созданного с помощью ИИ, для платформ с аудиторией свыше 500 тыс. пользователей .
Однако в России, как и в других юрисдикциях, вопрос об ответственности за вред, причинённый ИИ, пока не имеет однозначного законодательного решения. Прокуратура РФ указывает: «В условиях стремительного развития технологий ИИ возникает объективная необходимость пересмотра устоявшихся подходов к гражданско-правовой ответственности» .
Практическая иллюзия: эпизод с ЧМ-2026
Показательный пример того, как «разрыв ответственности» проявляется на практике, — эпизод с отменой гола на Чемпионате мира по футболу 2026 года в матче Иран — Египет. В добавленное время гол иранцев был отменён после проверки системой полуавтоматического определения офсайда. Решение было технически точным, но его логика осталась непрозрачной: «Ни один экран на стадионе не объяснил полную цепочку позиционной логики. Ни один официальный представитель не объяснил, почему геометрическое соотношение трёх тел в движении, зафиксированное в микросекунду, определяемое программным обеспечением, составляло активное положение вне игры» .
Как отмечает анализ в Opinio Juris, «когда алгоритм с десятисантиметровой точностью посылает сигнал одновременно с появлением трёхмерного аватара на экранах для десятков тысяч зрителей и глобальной телеаудитории, судья, который отменяет это решение, сталкивается с бременем ответственности, которого не было у его предшественников. Формальное полномочие, предоставленное Правилом 5, остаётся нетронутым; реальное полномочие осуществлять независимое суждение структурно уменьшается» .
Этот случай иллюстрирует, как даже при формально сохранённом человеческом контроле технология может подрывать реальную возможность человека принимать независимые решения. Именно это в академической литературе называется «зазором между de jure и de facto властью принимать решения» .
Критерии осмысленного контроля
Как же сделать человеческий контроль над ИИ действительно осмысленным, а не формальным? Исследователи предлагают концепцию «слоистой агентности» (layered agency), которая различает два типа действий :
-
Оперативная агентность — способность ИИ генерировать решения (диагнозы, рекомендации, аналитику).
-
Оценочная агентность — способность человека понимать, оценивать и, при необходимости, отменять или изменять решение ИИ, а также нести за него ответственность.
Эта концепция меняет акцент с требования объяснять, как работает модель (внутренняя прозрачность), на требование объяснять, почему её вывод оправдан с точки зрения внешних критериев — закона, профессиональных норм, этических стандартов . Человек может не понимать механику нейросети, но он должен иметь возможность оценить, соответствует ли её решение тому, что ответственный специалист сочтёт обоснованным и оправданным.
На практике это означает создание систем, где человеческая оценка не сводится к формальному «штампу», а предполагает активное суждение: доступ к структурированным обоснованиям, возможность оспорить решение, чёткое указание, кто именно отвечает за финальное решение, и механизмы апелляции .
Заключение
Вопрос «кому принадлежат решения алгоритмов?» пока не имеет единственного ответа. Разные юрисдикции идут разными путями. США предлагают адаптировать существующие регуляторные полномочия под ИИ через «секторальное управление». Европа делает ставку на обязательную оценку фундаментальных прав. Россия — на маркировку контента и — пока в общих чертах — на принцип технологического суверенитета.
Однако общая тенденция прослеживается: ответственность за решения, принимаемые с помощью ИИ, в конечном счёте ложится на людей. Вопрос лишь в том, на каких именно. Как отмечает исследование в AI and Ethics, «чёткая подотчётность укрепляет общественное доверие — предпосылку для полезного внедрения ИИ, которую подходы к управлению слишком часто упускают из виду. Когда ответственность лежит на тех, кто развёртывает системы ИИ, решения остаются отслеживаемыми до человеческих акторов, которые могут отвечать через установленные политические и правовые процессы» .
Это означает, что будущее этики ИИ будет определяться не тем, как сделать алгоритмы «совершенными», а тем, как сделать систему принятия решений — включая роль человека — прозрачной, проверяемой и подотчётной. Как показывает опыт ЧМ-2026, даже самая точная технология не создаёт легитимности, если она работает как чёрный ящик . Техническая точность без прозрачности процесса и человеческой подотчётности не создаёт легитимных результатов — она создаёт лишь видимость легитимности. И именно в этом зазоре между точностью и легитимностью сегодня разворачивается главная битва за этику искусственного интеллекта.
