Баланс фискальных интересов государства и прав налогоплательщика при применении искусственного интеллекта

Введение. В условиях алгоритмизации налогового администрирования проблема согласования фискальных интересов государства и прав налогоплательщика приобретает новое содержание, поскольку информационная система влияет не только на скорость обработки сведений, но и на выбор объекта контроля, направление проверки и формирование фактической основы налоговой претензии, а при традиционном контроле существенные обстоятельства устанавливаются и оцениваются должностным лицом, тогда как применение ИИ позволяет предварительно ранжировать налогоплательщиков и выявлять предполагаемые нарушения посредством моделей, логика которых может оставаться недоступной проверяемому лицу. Такое изменение контрольной процедуры создаёт асимметрию познавательных возможностей сторон, и налоговый орган получает технологическое преимущество, тогда как налогоплательщик может не располагать сведениями о данных и критериях, обусловивших возникновение претензии, а конституционная обязанность уплачивать законно установленные налоги, закреплённая статьёй 57 Конституции Российской Федерации, действует во взаимосвязи с гарантиями собственности и судебной защиты, поэтому повышение результативности контроля не освобождает государство от соблюдения требований законности, обоснованности и соразмерности вмешательства. На необходимость согласования указанных начал обращается внимание и в налогово-правовой доктрине, поскольку «Нахождение баланса публичных и частных интересов выгодно как налогоплательщикам, так и публичному субъекту» [20, с. 8], а применение цифровых технологий не должно рассматриваться исключительно как источник угроз, поскольку «Применение ИИ позволяет как провести оптимизацию административных процедур, так и повысить уровень прозрачности принятия управленческих решений» [18, с. 2]. Следовательно, актуальность исследования определяется необходимостью установить правовые условия, при которых возможности ИИ используются для правильного исполнения налоговой обязанности, а технологическая непрозрачность не ограничивает способность налогоплательщика понять и оспорить предъявленную ему претензию.

На этом фоне центральная научная проблема заключается не в допустимости ИИ как такового, а в определении статуса сформированного им результата, при этом простая автоматизация исполняет установленное правило, тогда как обучаемая модель формирует вероятностный прогноз, поэтому арифметическая сверка декларации и определение предполагаемого выгодоприобретателя требуют разных правовых режимов. Проведение такого разграничения осложняется терминологической неопределённостью, поскольку «Устоявшегося общепризнанного определения понятия “искусственный интеллект” сегодня не существует» [15, с. 95], а в настоящей статье применение ИИ понимается в функциональном значении, и к нему относится использование способной к выявлению закономерностей модели, результаты которой влияют на ранжирование налогоплательщиков, оценку риска, выбор контрольных мероприятий либо содержание подготавливаемого решения.

Цель статьи состоит в обосновании правовой модели применения ИИ, которая обеспечивает достижение законного фискального интереса и одновременно препятствует перенесению информационного, модельного и процедурного рисков государственной системы на налогоплательщика.

Материалы и методы. Нормативную основу исследования составили Конституция РФ, статьи 3, 54.1, 82 и 101 НК РФ, Федеральный закон № 152-ФЗ и Национальная стратегия развития искусственного интеллекта, а правоприменительная основа охватила судебные акты, в которых оценивалось доказательственное значение сведений АСК НДС-2. Формально-юридический метод использован для определения статуса алгоритмического результата, системный и функциональный методы позволили разграничить функции ИИ и связанные с ними риски, а правовое моделирование применено при подготовке дополнений к НК РФ.

Результаты. Прежде всего фискальный интерес следует отличать от ведомственного: первый направлен на правильное исполнение налоговой обязанности, второй – на достижение внутренних показателей налогового органа, включая рост доначислений и доли результативных проверок. Статья 3 НК РФ закрепляет всеобщность и равенство налогообложения и предписывает учитывать фактическую способность к уплате налога, поэтому публично значим юридически обоснованный, а не максимально возможный размер изъятия [2]. Алгоритм ускоряет сопоставление деклараций, счетов-фактур, банковских операций и сведений ККТ, но не изменяет предмет доказывания и не позволяет толковать неустранённые сомнения против налогоплательщика, что подтверждает положение: «При этом административное усмотрение налоговых органов должно быть максимально ограничено и допускаться только в пределах закона» [14, с. 154]. Порог риска, вес признака и аналитическая выборка определяют круг проверяемых лиц и интенсивность контроля, поэтому закон может сохранять закрытыми способы выявления нарушений, но должен закреплять цели обработки, последствия алгоритмического сигнала и гарантии его проверки, поскольку баланс интересов нарушается при подмене фискального интереса ведомственным.

Далее отсутствие правосубъектности у ИИ исключает возложение ответственности на систему, но не определяет статуса её результата, поэтому положение «В настоящее время ИИ‑системы не обладают правосубъектностью и признаются объектами гражданских прав» [17, с. 180] характеризует технологию, а прогноз, оценка риска или проект требования относятся к деятельности налогового органа. Сходную границу отражает утверждение: «Соответственно, ИИ не имеет правосубъектности, а значит, юридически значимые решения невозможны без участия человека» [8, с. 890], но подпись сотрудника не подтверждает реальность контроля, если он не имеет доступа к исходным данным, не понимает существенных факторов результата и не может отступить от рекомендации системы. Поэтому решение является алгоритмически обусловленным и при наличии подписи, если система определила объект контроля, проверяемые операции, предполагаемую квалификацию или содержание претензии, а содержательный пересмотр должен включать проверку данных, оценку выявленного признака, рассмотрение альтернативного объяснения и фиксацию мотивов.

Наряду с этим ИИ необходимо разграничивать с простой автоматизацией, поскольку арифметическая сверка исполняет заранее установленное правило, а обучаемая модель выявляет закономерности и формирует вероятностный прогноз на основании ранее накопленных данных, при этом юридическое значение имеют возможность изменения модели, состав использованной выборки и степень влияния результата на контрольное действие, а техническое название информационной системы не должно позволять обходить предусмотренные законом гарантии. Прогностическую природу ИИ раскрывает положение: «Алгоритмы принятия решений в ИИ используют исторические данные для построения прогностических моделей» [9, с. 293], но исторический массив может включать ошибочные сведения, отменённые решения и прежние предположения налогового органа, поэтому алгоритмический риск не приобретает значения юридического факта, и справедливо отмечается: «Само по себе выявление системой “разрывов” по НДС не является признаком налогового правонарушения, пока это не доказано иными фактическими обстоятельствами» [7, с. 27]. АСК НДС-2 не квалифицируется в настоящей статье как система ИИ, однако практика её использования позволяет определить доказательственное значение машинного сигнала, поскольку Арбитражный суд Московского округа признал сведения системы недостаточными без сбора и совокупной оценки доказательств [5], а Арбитражный суд Поволжского округа не признал налоговый разрыв самостоятельным основанием для отказа в вычете [6], следовательно, машинный сигнал может определять направление проверки, но он должен преобразовываться в совокупность самостоятельно полученных доказательств, а возложение на налогоплательщика обязанности опровергать сформированный системой рейтинг риска противоречит пункту 5 статьи 82 НК РФ в тех случаях, когда такой рейтинг используется для установления обстоятельств, предусмотренных статьёй 54.1 НК РФ [2].

В свою очередь применение ИИ создаёт риск неравного обращения, поскольку формально нейтральные признаки масштаба бизнеса, территории, отрасли или способа расчётов способны косвенно воспроизводить различия между группами налогоплательщиков. Этический ориентир выражен в позиции: «ИИ должен не только относиться ко всем одинаково с точки зрения прав, выгоды и обязанностей, но и поощрять такое отношение» [11, с. 135], а в налоговом контроле это предполагает проверку правовой относимости каждого различия. Равенство не требует одинаковой частоты проверок, однако дифференциация должна быть связана с вероятностью конкретного нарушения, а не с удобством обработки отдельных категорий. Если модель чаще маркирует ранее проверявшуюся группу, усиленный контроль формирует массив сведений, подтверждающий первоначально заданный риск. Такое самовоспроизводящееся смещение может сохраняться даже при формально высокой точности системы, поэтому налоговый орган должен сопоставлять по группам долю сигналов, подтверждённых нарушений, отменённых претензий и исправленных данных, а необъяснимое отклонение должно влечь проверку модели и временное ограничение спорного параметра.

Особое место занимает прозрачность алгоритмического результата, но её нельзя отождествлять с полным раскрытием исходного кода, поскольку налогоплательщику необходимо понять фактическое основание претензии, а не воспроизвести внутреннюю программную архитектуру информационной системы, при этом межотраслевой анализ подтверждает существование нормативного пробела, и в литературе отмечается: «Однако стандарт такой прозрачности законом не установлен» [10, с. 87]. Минимальное объяснение должно содержать сведения об использованных категориях данных, проверяемом периоде и операции, выявленном несоответствии, существенных факторах оценки и роли автоматизированной обработки, а также информацию о должностном лице, проверившем сформированный результат, но человеческий контроль не может быть формальным, поскольку «ИИ должен усиливать, а не заменять человеческое суждение» [16, с. 15], и реальность такого суждения подтверждается возможностью сотрудника выявить ошибку, рассмотреть альтернативное объяснение и изменить предложенный системой вывод. Техническому аудитору необходимы сведения о версии модели, параметрах и показателях её качества, сотруднику необходим доступ к первичным данным и факторам индивидуального результата, а налогоплательщику должны сообщаться фактическое основание претензии и порядок её оспаривания, при этом объяснение должно предоставляться до принятия окончательного решения, когда налогоплательщик ещё может исправить сведения и представить подтверждающие документы, а ссылка на коммерческую тайну или безопасность контроля может ограничивать раскрытие отдельных технических деталей, но не обстоятельств, против которых лицо должно защищаться.

Продолжая анализ человеческого контроля, следует признать, что автоматические вычисления и предварительное ранжирование допустимы, но переход от вероятностной оценки к юридическому факту требует индивидуального исследования обстоятельств конкретной деятельности, при этом в литературе сформулирован вывод: «В результате исследования получены выводы о недопустимости передачи части функций должностных лиц налогового органа искусственному интеллекту без всестороннего определения его правового статуса на законодательном уровне» [19, с. 261], а развитие этой позиции требует регулирования не только статуса технологии, но и процессуального режима её результата. Алгоритмическое бремя доказывания должно возлагаться на налоговый орган, и поэтому именно орган обязан подтвердить происхождение использованных данных, применённую версию системы, воспроизводимость результата и его содержательную проверку сотрудником, а налогоплательщик вправе оспаривать сообщённые ему обстоятельства и представлять альтернативное объяснение, но он не должен доказывать скрытый дефект модели, к параметрам и журналам которой у него отсутствует доступ. Если должностное лицо располагает только итоговым баллом риска, то его подпись не подтверждает самостоятельного пересмотра, а материалы контроля должны отражать первичные сведения, существенные факторы, рассмотренные альтернативы и мотивы принятия либо отклонения алгоритмической рекомендации, следовательно, технологический риск должен нести субъект, который выбрал, настроил и использовал информационную систему, а невоспроизводимость существенного результата должна оцениваться против налогового органа и препятствовать ухудшению положения налогоплательщика.

Одновременно регулирование ИИ нельзя ограничивать внутренними регламентами ФНС России, поскольку изменение параметров модели способно повлиять на положение налогоплательщика, а содержание таких параметров не должно фактически заменять установленное законом основание вмешательства, и А. Н. Мещеряков подчёркивает: «Данный документ весьма подробно раскрывает основные этические принципы использования ИИ, однако эти вопросы не могут оставаться исключительно предметом саморегулирования» [12, с. 40]. Федеральный закон должен определять цели использования системы, допустимые уровни её воздействия, права налогоплательщика и последствия нарушения установленных обязанностей, а ФНС России может конкретизировать технические форматы журналирования, проверки качества и хранения информации, при этом такая модель регулирования необходима, поскольку «Разночтение и отсутствие четкости в трактовке ИИ – основная и крайне трудноразрешимая задача современной юриспруденции» [13, с. 474], а привязка гарантий только к термину «искусственный интеллект» позволит исключать отдельные системы из правового режима посредством изменения их наименования. Поэтому интенсивность гарантий следует связывать с функцией и последствиями системы, а низкий уровень должен охватывать техническую обработку документов, средний – ранжирование налогового риска, высокий – подготовку вывода, влияющего на возникновение обязанности или применение ответственности, и такое разграничение не создаёт избыточных требований для безопасных операций, но устанавливает усиленный режим для решений, способных повлечь проверку, отказ в вычете, доначисление налога, начисление пеней или привлечение к налоговой ответственности.

На основе полученных результатов предлагается система четырёх взаимосвязанных критериев алгоритмической соразмерности, а несоблюдение каждого из них должно влечь самостоятельное правовое последствие: первый критерий охватывает компетенцию налогового органа и законную цель использования системы, а отсутствие связи между функцией алгоритма и установленной формой контроля должно препятствовать применению результата, тогда как второй критерий предполагает проверку необходимости обработки и налогово-правовой относимости сведений, и избыточные, недостоверные либо полученные с нарушением закона данные должны исключаться из анализа. Третий критерий относится к доказательственному преобразованию сигнала, и оценка риска может направлять сбор материалов, но не заменяет подтверждения операции, размера недоимки, вины или необоснованной налоговой выгоды, а четвёртый критерий включает объяснение результата, исправление данных, пересмотр должностным лицом и возможность обжалования, и отсутствие необходимой гарантии должно препятствовать ухудшению положения налогоплательщика. Интенсивность защиты определяется автономностью и непрозрачностью системы, а объём предоставляемых гарантий зависит от степени влияния её результата на положение налогоплательщика, при этом предлагаемая система придаёт принципу соразмерности проверяемое содержание, а суд может установить этап, на котором применение ИИ вышло за пределы компетенции, допустимой обработки или доказательственного использования.

Реализация указанных критериев требует разграничения информационного, модельного и процедурного рисков, поскольку каждому из них соответствует отдельный способ контроля, при этом информационный риск возникает из‑за неполноты, устаревания, дублирования или ошибочной идентификации сведений, а его снижение обеспечивается проверкой источников, правом на корректировку и запретом повторного использования исправленного признака. Модельный риск связан с выборкой, распределением весов, смещением и изменением качества после обновления, поэтому налоговый орган должен фиксировать версию модели, проводить её техническое тестирование и сопоставлять доли ложных сигналов, тогда как процедурный риск выражается в автоматическом доверии сотрудника к результату, и его ограничение требует доступа к первичным данным, рассмотрения альтернативного объяснения и фиксации мотивов решения. При системной ошибке орган должен определить все производства, в которых применялась дефектная версия модели, а отмена одного решения не устраняет нарушения прав других налогоплательщиков, при этом расходы на аудит не могут переноситься на лицо, не имеющее доступа к закрытой системе. Следовательно, качество ИИ должно рассматриваться как условие использования его результата, а не только как внутренний показатель работы налогового органа.

Нормативное закрепление предлагаемой модели возможно посредством дополнения статьи 82 НК РФ пунктами 7-10, а статья 101 НК РФ должна предусматривать обязательную проверку алгоритмически обусловленного результата при рассмотрении материалов налогового контроля, при этом автоматизированным аналитическим результатом следует признавать сформированные системой прогноз, оценку риска, предполагаемую связь либо рекомендацию, а алгоритмически обусловленным должно считаться действие или решение, содержание которого существенно предопределено таким результатом. Налоговый орган вправе использовать алгоритмический результат для планирования контрольных мероприятий и определения направления сбора доказательств, но он не может рассматривать его как единственное достаточное подтверждение недоимки, неправомерной налоговой выгоды, вины или основания ответственности, а до принятия неблагоприятного решения налогоплательщику должны сообщаться категории и период использованных данных, выявленное несоответствие, существенные факторы результата, роль автоматизированной обработки и порядок пересмотра, однако исходный код и сведения, раскрывающие способы обхода контроля, могут сохраняться в закрытом режиме. Налоговый орган должен фиксировать источник и время получения данных, версию системы, существенные факторы оценки и действия должностного лица в течение сроков контроля и обжалования, а невоспроизводимый результат не должен использоваться против налогоплательщика, при этом статью 101 НК РФ следует дополнить обязанностью проверить достоверность данных, наличие независимого подтверждения, содержание возражений и реальность человеческого пересмотра, а отсутствие такой проверки должно признаваться существенным нарушением процедуры, если алгоритмический результат мог повлиять на итоговое решение. Технические показатели, форматы журналов и сроки внутреннего аудита может устанавливать ФНС России, но основания вмешательства, права налогоплательщика и последствия нарушения должны закрепляться федеральным законом.

Заключение. Проведённое исследование показывает, что баланс фискальных интересов и прав налогоплательщика определяется разграничением аналитической и доказательственной функций ИИ: алгоритм может выявлять связи, оценивать риски и направлять контроль, но установление недоимки, вины и ответственности остаётся обязанностью налогового органа. Поэтому регулирование должно закреплять режим алгоритмически обусловленного решения и алгоритмическое бремя доказывания, при котором орган подтверждает достоверность данных и обоснованность вывода, а неопределённость закрытой системы не ухудшает положение налогоплательщика. Предлагаемые дополнения статей 82 и 101 НК РФ позволяют реализовать фискальный интерес посредством более точного отбора рисков, сохраняя гарантии налогоплательщика при установлении налоговой обязанности и ответственности.