Особенности правового регулирования скоринга в Соединенных Штатах Америки и Европейском Союзе

В работе проведен анализ правового регулирования скоринговых моделей в США и ЕС. Рассмотрены отдельные вопросы рейтингования личности с применением автоматизированных систем: источники информации и предъявляемые к ней требования, основания обработки данных, прозрачность скоринговых моделей; осуществлена оценка законодательства о регулировании систем искусственного интеллекта с позиции его эффективности в обеспечении защиты прав человека. Уделяется внимание вопросу недобросовестной практики обработки данных, в том числе с применением скоринговых моделей, брокерами данных в США, что обусловлено неэффективным, «лоскутным» подходом к правовому регулированию. Сделан вывод о том, что в цифровом пространстве согласие на обработку персональных данных, в том числе специальное — для использования полностью автоматизированных систем, утратило ценность и американский подход по предоставлению права на отказ от автоматизированной обработки предпочтителен. Обоснована особая значимость правового отражения принципов достоверности и полноты информации, положенной в основу скоринговой модели, а также оценки качества данных, используемых для разработки системы искусственного интеллекта. Сделан вывод о недостаточной правовой разработанности в европейском законодательстве обязанностей оператора системы искусственного интеллекта по обеспечению непредвзятости при работе с системой. Автор обращается к отдельным проблемам цифрового скоринга, т.е. рейтингования личности с использованием цифровых следов. На основании правоприменительной практики определен объем информации, подлежащей раскрытию в связи с применением скоринговых моделей, в том числе производных данных.

1. Агафонова В. В., Вишневер В. Я., Фрумусаки С. В. Технологическая эволюция кредитного скоринга в системе банковского потребительского кредитования // Вестник Волжского университета имени В.Н. Татищева. 2018. Т. 2. № 3. С. 21–26.

2. Вилкова О. В. К вопросу о научной осмысленности применения веб-скрейпинга как метода сбора данных в социологических исследованиях // Вестник Томского государственного университета. Философия. Социология. Политология. 2020. № 54. С. 163–175. DOI: 10.17223/1998863Х/54/16.

3. Кузнецова С. С. Правовое регулирование цифрового профилирования человека в практике зарубежных стран // Правоприменение. 2024. № 8 (4). С. 63–72. DOI: 10.52468/2542-1514.2024.8(4).

4. Луняков О. В., Лунякова Н. А. Развитие каналов кредитования в условиях перехода к цифровой экономике: моделирование спроса // Финансы: теория и практика. 2018. № 22 (5). С. 76–89. DOI: 10.26794/2587-5671-2018-22-5-76-89.

5. Мочалов А. Н. Парадокс анонимности в Интернете и проблемы его правового регулирования // Вестник СурГУ. 2021. № 4 (34). С. 111–121.

6. Мочалов А. Н. Цифровые следы человека и неприкосновенность частной жизни // Антиномии. 2024. № 24 (4). С. 164–189. DOI: 10.17506/26867206_2024_24_3_164.

7. Рувинский Р. З. Правовые аспекты внедрения системы социального кредита в современное публичное управление. Н. Новгород : НИУ РАНХиГС, 2022. 264 с.

8. Abrusio J. The (In)Efficacy of Consent for the Processing of Personal Data // Global Network Journal. 2024. No. 6 (1). P. 180–205. DOI: 10.24861/2675-1038.v6i1.133.

9. Berg T., Burg V., Gombović A., Puri M. On the Rise of FinTechs — Credit Scoring Using Digital Footprints // The Review of Financial Studies. 2020. No. 7. P. 2845–2897.

10. Bertrand M., Kamenica E. Coming apart? Lives of the rich and poor over time in the United States. Chicago, 2017.

11. Desai N., Gross J. Scoring systems in the critically ill: uses, cautions, and future directions // BJA Education. 2019. No. 19 (7). P. 212–218. DOI: 10.1016/j.bjae.2019.03.002.

12. Germundsson N., Stranz H. Automating social assistance: Exploring the use of robotic process automation in the Swedish personal social services // International Journal of Social Welfare. 2023. No. 33 (17). P. 1–12. DOI: 10.1111/ijsw.12633.

13. Martin K. Privacy Notices as Tabula Rasa: An Empirical Investigation into How Complying with a Privacy Notice is Related to Meeting Privacy Expectations Online // Journal of Public Policy & Marketing. 2015. Vol. 34 (2). P. 68–85. DOI: 10.1509/jppm.14.139.

14. Merli F. Automated Decision-Making Systems in Austrian Administrative Law // Fascicolo. 2023. No. 1. P. 41–50. DOI: 10.13130/2723-9195/2023-1-19.

15. Mochalov A. N. Digital Profiling and the Legal Regime of Derived Personal Data // Kutafin Law Review. 2024. No. 11 (3). P. 491–513. DOI: 10.17803/27130533.2024.3.29.491-513.

16. Roig A. Safeguards for the right not to be subject to a decision based solely on automated processing (Article22 GDPR) // European Journal of Law and Technology. 2017. No. 8 (3). P. 1–17.

17. Obar J. A., Oeldorf-Hirsch A. The biggest lie on the Internet: ignoring the privacy policies and terms of service policies of social networking services // Information, Communication & Society. 2018. No. 23 (1). P. 128–147. DOI: 10.1080/1369118X.2018.1486870.

18. Rice L., Swesnik D. Discriminatory Effects of Credit Scoring on Communities of Color. National Fair Housing Alliance, 2012. 29 p.

19. Sherman J. Data Brokers and Sensitive Data on U. S. Individuals: Threats to American Civil Rights, National Security, and Democracy. Durham, 2021. 16 p.