AI И МАШИНОЧИТАЕМОЕ ПРАВО В ТАРИФНОМ РЕГУЛИРОВАНИИ: ПОЧЕМУ НЕЙРОСЕТИ ПОКА НЕ ЗАМЕНЯТ ФАС И КАК ПЕРЕЛОЖИТЬ НОРМАТИВКУ В КОД
На Всероссийском тарифном совещании ФАС одной из главных тем была: интеграция искусственного интеллекта (ИИ) и концепции машиночитаемого права в тарифное регулирование и сферу обращения с ТКО.
Собрали ключевые тезисы, разбор существующих системных проблем и план модернизации регулирования без лишней нагрузки на граждан.
🤖 Почему ИИ не может заменить регулятора прямо сейчас?
Проект по цифровому праву реализуется в России уже 5 лет в рамках федерального проекта «Нормативное регулирование цифровой среды» (Концепция развития технологий машиночитаемого права утверждена Правкомиссией по цифровому развитию, протокол № 31 от 15.09.2021). Однако прямая передача принятия тарифных решений нейросетям невозможна по нескольким причинам:
🔹Риск «галлюцинаций»: Нейросети выдают разные ответы на один запрос, что неприемлемо в юриспруденции и экономике.
🔹Сложность законодательства: Отдельные нормативно-правовые акты (НПА) представляют собой длинные тексты с десятками перекрестных ссылок, затрудняя однозначное восприятие.
🔹Ошибки и противоречия в НПА: В действующих нормативных актах встречаются расхождения между текстовыми и математическими описаниями.
🛠 Как научить нейросети правильно понимать законы?
Для преодоления ограничений предлагается использовать гибридный подход:
🔹 RAG: быстрый векторный поиск и загрузка контекста ИИ-модели с релевантными НПА, разъяснениями и судебными решениями.
🔹Графы знаний: построение связей «субъект — предикат — объект» (172 сущности, 235 связей для тарифного регулирования).
🔹Язык Catala: специализированный язык для перевода НПА в код с привязкой к пунктам (используется во Франции и США).
🔹Скрипты НПА (Python): алгоритмизация и перенос тарифных формул в программный код.
🗺 Дорожная карта РЭО по цифровизации тарифной сферы
🔹Полный расчёт тарифов в скрипте: фиксация однозначных формул и точных источников данных.
🔹Перенос скрипта в нормативный текст: создание текста НПА, на 100% соответствующего математической модели расчёта.
🔹Интеграция в госсистемы: сквозная реализация расчётов в ГИС Тариф и ФГИС УТКО с привязкой к фактическим данным.
🔹Разработка ИИ-агентов: переход к моментальным расчётам, ответам на запросы и сценарному моделированию.
💡 Повышение эффективности регулирования без роста тарифов
Параллельно цифровизации предложен комплекс мер по снижению регуляторных рисков и расходов бюджета:
1. Уменьшение ошибки прогнозов инфляции
В текущей модели заявка подается в мае года N, а тариф вступает в силу в июле года N+1. Использование плановой инфляции вместо фактической приводит к накоплению огромных выпадающих доходов и последующих корректировок.
2. Гарантии возврата инвестиций и защита кредиторов
Предлагается внедрить механизм вторичного расщепления платежа: разделить оплату потребителя на операционную часть для регоператора и инвестиционную часть на спецсчёт для возврата инвестиций/обслуживания долга, минуя посредников. Это снизит риски банков и восстановит метод доходности инвестированного капитала (RAB).
3. Оптимизация предельных индексов
🔹Поэтапное изменение нормативов ТКО и тарифов без изменения необходимой валовой выручки (НВВ).
🔹Перенос согласования превышения предельного индекса платы граждан с муниципального на региональный уровень.
📈 Контекст: Динамика расходов на коммунальное хозяйство
💸Нагрузка на бюджеты всех уровней неуклонно растет: консолидированные расходы РФ на коммунальное хозяйство увеличились с 269,4 млрд руб. в 2015 году до 889,0 млрд руб. в 2025 году (из них региональные бюджеты — 761,3 млрд руб., местные — 127,7 млрд руб.).
📧Цифровизация и алгоритмизация тарифных процессов — ключевой инструмент контроля за эффективностью этих средств.
💬 А что думаете вы? Делитесь мнением в комментариях! 👇
ООО "ПРАМЕР" в МАКС
August 17, 2026 76 1
