«За машинным действием необходимо устанавливать человеческое действие»

Ещё несколько лет назад вопрос «могут ли преступники использовать искусственный интеллект» звучал как гипотеза. Сегодня на него уже ответила практика.

INTERPOL в своём глобальном отчёте о финансовом мошенничестве за 2026 год оценивает потери от мошенничества в 2025 году в 442 миллиарда долларов и отдельно фиксирует: мошенничество с применением ИИ оказывается в 4,5 раза прибыльнее традиционных схем. В том же докладе появляется формулировка, которая ещё недавно звучала бы фантастикой, — «агентный ИИ», способный самостоятельно спланировать и провести мошенническую операцию целиком, от сбора сведений о жертве до вымогательства.

Вопрос «может ли ИИ использоваться в преступлении» закрыт. Открытым остаётся другой: как именно его применяют, какие следы это оставляет и, самое главное, кто за этим стоит. Этот вопрос предлагается сделать предметом новой дисциплины — криминалистики машинного происшествия.

Что меняется, когда программа перестаёт быть просто инструментом

Компьютер в преступлении — не новость. Базы данных, сети, программное обеспечение давно используются и для подготовки, и для сокрытия преступлений. Но обычная программа выполняет то, что в неё заложено. Система ИИ — другое дело: она получает данные и сама формирует результат — текст, изображение, голос, план действий.

Раньше мошеннику нужно было лично писать каждое письмо жертве. Теперь система создаёт сотни вариантов автоматически. Раньше нужно было владеть языком жертвы. Теперь не нужно. Раньше приходилось вручную собирать сведения о человеке. Сейчас это делает алгоритм.

Ни один из этих фактов не превращает машину в преступника. Она остаётся неодушевлённой технической системой, и категории умысла и вины к ней неприменимы. Но чем больше операций передаётся машине, тем труднее увидеть за её действиями конкретного человека — и тем важнее его найти.

Практика, которую уже фиксируют правоохранители

INTERPOL называет происходящее индустриализацией мошенничества: доступность ИИ вместе с ростом международного взаимодействия преступных сетей позволили поставить обман на поток. У того же отчёта есть и обнадёживающая сторона — число международных уведомлений INTERPOL выросло на 54% с 2024 года, а поддержка более 1500 транснациональных дел позволила вернуть пострадавшим 1,1 миллиарда долларов. Но масштаб проблемы растёт быстрее, чем реакция на неё.

ФБР с апреля 2025 года фиксировало кампанию, в которой злоумышленники рассылали текстовые сообщения и голосовые сообщения, сгенерированные ИИ, выдавая себя за высокопоставленных американских чиновников — цель заключалась в том, чтобы вызвать доверие жертвы и получить доступ к её личным аккаунтам. К концу года ведомство обновило предупреждение: активность тянется как минимум с 2023 года, а получив доступ к списку контактов одной жертвы, злоумышленники начинают новый круг рассылки — уже от имени этой жертвы, обращаясь к следующему человеку из её окружения. Один синтетический голос запускает цепную реакцию контактов, и это ровно тот случай, когда единичный эпизод перерастает в серию.

В феврале 2024 года сотрудник финансового подразделения одной из компаний в Гонконге перевёл 25 миллионов долларов после видеозвонка, на котором, как ему казалось, присутствовали финансовый директор компании и его коллеги. Все они были синтетическими образами, созданными в реальном времени. INTERPOL в докладе Beyond Illusions описывает похожий случай: жертву довели до 15 переводов на разные счета, полностью убеждённую в подлинности происходящего благодаря синтетическому образу собеседника. Europol ещё в 2022 году, задолго до нынешней волны, называл мошенничество от имени руководителей компаний, фальсификацию доказательств и распространение дезинформации основными направлениями криминального применения deepfake-технологий.

Общий вывод прост: перед нами уже не единичный технический приём, а сложившаяся преступная практика — повторяющиеся, воспроизводимые способы применения ИИ на разных этапах преступления.

Почему существующих направлений недостаточно

Параллельно растут и исследования безопасности ИИ. OECD ведёт AI Incidents and Hazards Monitor — базу, которая различает уже случившийся вред (AI incident) и ситуацию, способную к нему привести (AI hazard). NIST выпустил профиль генеративного ИИ в рамках своей системы управления рисками. Появляются и первые работы по цифровой криминалистике самих ИИ-сервисов: исследование 2025 года по ChatGPT, Gemini, Copilot и Claude уже рассматривает переписку с этими системами как источник цифровых артефактов, которые нужно уметь извлекать и анализировать.

Всё это важные направления, но они решают другую задачу. OECD и NIST управляют технологическим риском, а не расследуют конкретное преступление. Цифровая криминалистика ИИ-сервисов изучает сам ИИ как объект экспертизы, а не преступную практику его применения. Между этими направлениями остаётся пустое место — там, где нужно исследовать саму преступную практику применения ИИ как целостное криминалистическое явление. Именно там предлагается расположить новую дисциплину.

Что такое машинное происшествие

Рабочее определение можно сформулировать так: криминалистика машинного происшествия — направление, изучающее преступную практику применения ИИ, закономерности этого применения и оставляемые им следы, чтобы установить, кто за этим стоит, и не дать преступной деятельности продолжаться.

Слово «машинное» здесь не означает, что машина признаётся действующим субъектом преступления наравне с человеком. Оно означает, что в механизме события появился машинный компонент — часть, выполненная системой ИИ по заданию человека. Человек в этой конструкции остаётся центром, а машина исследуется как техническая система, которую он использовал.

Не технология под следствием, а её преступное применение

Здесь стоит сразу развести две вещи. Объектом дисциплины не является ни искусственный интеллект как технология, ни программная ошибка, ни любой AI incident из базы OECD. Объект — именно преступное применение ИИ: то, как система используется при подготовке, обеспечении, совершении, продолжении или сокрытии преступления.

Отсюда и предмет — не сами по себе цифровые следы, а закономерности практики: какие системы выбирают преступники, какие задачи им передают, что автоматизируют, как соединяют несколько инструментов между собой, какие следы при этом возникают и какие из них выводят на человека — исполнителя, организатора, или на связь между разными эпизодами.

Главный принцип: за машинным действием — человеческое

Нашёлся, скажем, синтетический голос, использованный для мошенничества. Установить, что голос создан ИИ, — не конец расследования, а его середина. Дальше нужно узнать, кто инициировал генерацию, какие исходные материалы использовал, каким сервисом пользовался, с каких устройств и аккаунтов действовал, как результат вошёл в преступную схему и кто получил от неё выгоду.

То же самое относится к синтетическому тексту, поддельному документу, автоматизированной переписке с жертвой, к любому продукту ИИ-агента. Машина — промежуточное звено между человеческим намерением и результатом. Задача криминалиста — пройти через это звено к человеку.

Здесь возникает вывод, который на первый взгляд противоречит здравому смыслу: чем автономнее становится система, тем сложнее и тем важнее установить человека за ней. Логика простая — автономность исполнения не отменяет вопрос о происхождении задачи, о том, кто предоставил ресурсы, кто контролировал процесс и кто воспользовался результатом. INTERPOL уже описывает применение агентного ИИ, способного самостоятельно вести разведку целей и выполнять последовательности мошеннических операций. Рост автономности — не повод расслабиться, а сигнал усилить работу по атрибуции.

Машинный компонент и машинный след

Не каждое преступление становится «машинным» целиком. Возьмём типичную схему: мошенник собирает сведения о руководителе компании, получает образцы его голоса, создаёт с помощью ИИ синтетическую имитацию, связывается с сотрудником, добивается перевода денег, а затем проводит их через несколько финансовых инструментов. ИИ здесь работает только на одном участке цепи — но участок может оказаться решающим.

Задача криминалиста — выделить этот машинный компонент, установить его функцию в общей схеме и вернуть на своё место в картине преступления. Это защищает дисциплину от соблазна объяснять машиной всё преступление целиком: вместо этого она находит точное место машины в человеческом действии.

Каждый такой компонент оставляет машинный след: историю запросов к модели, метаданные созданного файла, данные аккаунта, следы API-обращений, сведения об устройстве, платёжные операции. Ценность этих следов не в них самих, а в том, что они складываются в цепочку, ведущую к человеку. Способ оплаты указывает на финансовую связь. Устройство — на инфраструктуру. Повторяющийся стиль операций связывает между собой на первый взгляд разные эпизоды.

Ответственное лицо — не ярлык, а структура

Термин «ответственное лицо» не означает, что кто-то заранее признаётся виновным. Речь о другом: нужно установить не абстрактного «автора ИИ-преступления», а реальную структуру человеческих ролей. Кто поставил задачу. Кто обеспечил доступ к системе. Кто подготовил данные для атаки. Кто управлял инфраструктурой. Кто использовал результат. Кто получил выгоду.

Задача криминалистики — не спешить с выводом, а восстановить именно эту структуру. Только после этого вопрос виновности переходит в область права.

От одного эпизода к преступной сети

Один и тот же технический контур способен обслуживать сотни и тысячи контактов одновременно. Одна модель — работать сразу на несколько преступных направлений. INTERPOL связывает нынешний рост мошенничества с расширением международного взаимодействия преступных сетей, специализацией криминальных сервисов и распространением так называемых scam-centres по всему миру. Отчёт 2026 года прямо говорит: несмотря на регулярные операции по их закрытию, руководители таких центров нередко остаются недосягаемыми — их прикрывают посредники и подставные компании.

Значит, найденный машинный след может стоить гораздо больше, чем доказательство по одному эпизоду. Он способен вывести на серию. Серия — на инфраструктуру. Инфраструктура — на группу. И вопрос меняется: не только «кто совершил этот конкретный эпизод», но и «какая система — человеческая и машинная одновременно — производит подобные эпизоды один за другим».

Атлас как рабочий инструмент дисциплины

Одним из практических продуктов направления должен стать атлас машинных происшествий — не сборник самых громких случаев, а структурированный массив расследованных эпизодов. Для каждого случая имеет смысл фиксировать: вид преступления, применённую систему, задачу, поставленную перед ИИ, место машинного компонента в общей схеме, оставленные следы, способ их обнаружения, найденную инфраструктуру и связь с другими эпизодами.

Отдельно стоит фиксировать не только удачные методики расследования, но и то, что было упущено: какие данные не сохранились, какой след исчез до того, как до него добрались, какое действие было предпринято слишком поздно. Такой атлас со временем перестаёт быть каталогом происшествий и становится инструментом накопления опыта — материалом для классификаторов, методик и программ обучения.

Знание о прошлом как средство предупреждения будущего

У этой работы есть и вторая сторона. Если известны повторяющиеся способы применения ИИ, характерные следы и типичная инфраструктура, их можно искать ещё до того, как преступление завершится. Прошлые машинные происшествия становятся материалом для обнаружения будущих. Одна раскрытая синтетическая запись способна привести к сервису, который её создал, сервис — к аккаунтам, аккаунты — к устройствам и платежам, а те — к другим, ещё не раскрытым эпизодам.

Соседи, а не замена

Криминалистика машинного происшествия возникает на стыке криминалистики, цифровой криминалистики, криминологии и практики правоохранительной работы, но ни в одну из них не превращается. Цифровая криминалистика отвечает на вопросы о цифровых данных — что существовало, где хранилось, как изменилось. Криминология ищет закономерности и причины преступности в целом. AI safety занимается рисками технологии как таковой. У новой дисциплины вопрос другой: как преступная практика применения ИИ проявляется в следах и как эти следы позволяют восстановить человеческую организацию преступления.

Заключение: машина изменилась, вопрос — нет

Развитие искусственного интеллекта меняет не только законную деятельность человека. Оно меняет и то, как совершаются преступления. Но говорить о появлении «машинного преступника» было бы ошибкой — такая формулировка методологически неверна. ИИ остаётся неодушевлённой технической системой. Меняется человек, получивший новый набор инструментов: он может передать машине часть операций, ускорить сбор и анализ информации, автоматизировать общение с жертвами, создавать правдоподобные синтетические образы.

Данные INTERPOL, ФБР и Europol показывают: эмпирическая база для новой дисциплины уже есть, и растёт она быстрее, чем успевает формироваться ответ на неё. Дальше нужна не очередная статья об опасностях ИИ, а система знания о том, как именно его применяют преступники — знание, способное распознавать способы применения, устанавливать следы, связывать эпизоды и в конечном счёте отвечать на главный вопрос: какой человек или какая группа людей стоит за машинным действием.

Именно эту область имеет смысл называть криминалистикой машинного происшествия.

Официальный e-mail профессора Олега Мальцева: Phd@oleg-maltsev.com