Стремительная интеграция искусственного интеллекта в правовой сектор, прежде всего в налоговое и административное право, актуализирует проблему того, насколько глубоко можно автоматизировать главное действие при применении права: юридическую квалификацию. В работе показано, что по своему устройству квалификация близка к тому, что в машинном обучении называют классификацией: и там и там объект, описанный набором признаков, относят к одной из заранее заданных категорий. Это сходство объясняет, почему программы успешно берут на себя целые участки правоприменения. Вместе с тем авторы показывают, что сходство не означает совпадения: между статистической классификацией и юридической квалификацией есть несколько различий, которые и очерчивают пределы формализации. Эти различия разобраны на материале налогового и административного права через оценочные понятия, требование обоснованности правового решения, открытость перечня правовых категорий, усмотрение и отсутствие заранее данных «правильных ответов» для обучения программ. Сделан вывод, что выявленные пределы коренятся в природе права, а не в несовершенстве техники, и потому не устраняются ростом вычислительной мощности. На этом основании предлагается рассматривать формализуемость не как выбор между «можно» и «нельзя», а как степень, и использовать устройство правоприменительной задачи в качестве содержательного признака для регулирования систем искусственного интеллекта в праве по уровню риска.

The rapid integration of artificial intelligence into the legal sector, particularly in tax and administrative law, has raised the question of how much of the core legal process can be automated, particularly the legal qualification of cases. This paper argues that legal qualification is similar to what is known in machine learning as classification, where an object described by a set of features is assigned to one of a predefined category. This similarity explains why software can successfully handle certain aspects of legal application. At the same time, the authors show that similarity does not mean coincidence: there are several differences between statistical classification and legal qualification, which outline the limits of formalization. These differences are analyzed on the material of tax and administrative law through the evaluative concepts, the requirement of the validity of the legal decision, the openness of the list of legal categories, discretion and the absence of pre-given “correct answers” for training programs. It is concluded that the identified limits are rooted in the nature of law, and not in the imperfection of technology, and therefore are not eliminated by the growth of computing power. Based on this, it is proposed to consider formalizability not as a choice between “can” and “cannot”, but as a degree, and to use the device of a law enforcement task as a meaningful feature for regulating artificial intelligence systems in law based on the level of risk.