Нейросети могут стать надежными фильтрами для нелегальных и «серых» схем трудоустройства. При этом главным критерием для ИИ-инструментов будет доверие общества.
Экспертный центр РАНХиГС предложил использовать системы искусственного интеллекта для выявления теневой занятости. Речь идет об анализе налоговых отчислений, кадровых аномалий и частоты смены персонала. На первом этапе, по словам эксперта Сергея Боловцова, можно ограничиться мягкими уведомлениями граждан и работодателей, а затем переходить к более формализованным проверочным процедурам.
ИИ все заметнее входит в сферу государственного управления, надзора и compliance-tech. Такой подход позволяет надежнее защитить граждан от схем трудоустройства без оформления, подменой трудовых отношений гражданско-правовыми договорами и потерей социальных гарантий. Рынок труда становится прозрачнее, теневой сектор уменьшается, а в бизнесе становится меньше недобросовестной конкуренции.
Технологии без рисков
Перспективы у предложения Боловцова довольно широки. Наиболее вероятно постепенное внедрение скоринговых и риск-аналитических систем для инспекций и межведомственных комиссий. В этом случае ИИ станет своего рода фильтром: в его «обязанности» будут входить выделение подозрительных паттернов, сопоставление данных из разных источников, приоритизация случаев для проверки и помощь надзорным органам в распределении ресурсов.
Платформенные модули аналитики, explainable AI для надзора и комплаенс-технологии для государственных органов могут представлять и экспортный интерес. Прежде всего, это касается стран СНГ, ЕАЭС и других рынков, где востребованы российские решения. Однако и на внешнем, и на внутреннем рынке главным фактором будет доверие со стороны общества. Чем глубже ИИ будет заходить в сферу занятости, тем важнее прозрачность критериев его работы, надежность защиты персональных данных и четкий порядок обжалования. Иначе репутационные и правовые риски перевесят.
Общемировая системная проблема
Контроль над легальностью рынка занятости уже стал системной государственной задачей. В 2025 году Правительством РФ был утвержден план мероприятий по противодействию нелегальной занятости на 2025–2027 годы. Тогда же Роструд запустил открытый реестр работодателей с фактами нелегальной занятости. А в 2026 году РАНХиГС и структуры Москвы продемонстрировали ИИ-систему для выявления коррупционных маркеров в контрольно-надзорной деятельности. Риск-аналитика и системы контроля используются и в ФНС.
Алгоритмы выявления «серой» занятости используются и в других странах. В Литве действует риск-ориентированная система инспекций и интеллектуального анализа. Такой же анализ используется и в Албании – Албанский кейс в 2023-2025 годах даже продвигался Международной организацией труда как пример повышения эффективности инспекций с помощью цифровизации. По данным Европейской службы по труду, недекларируемая занятость остается серьезной проблемой и для работников, и для бизнеса, и для государств.
Новые возможности для рынка труда
Ожидать мгновенного появления «единой ИИ-системы против теневой занятости» в ближайшее время не стоит. Скорее, будут возникать пилотные проекты в отдельных регионах, интеграции с уже существующими данными Роструда, ФНС и межведомственных комиссий. Спустя некоторое время эти пилоты могут масштабироваться в виде модулей риск-скоринга.
В любом случае будет расти спрос на государственный прикладной ИИ, умеющий работать с разнородными данными, обосновывать свои выводы и встраиваться в регуляторные процессы. ИИ становится инструментом не только сервиса, но и государственного контроля. А это создает новые возможности для вывода рынка труда из тени. И главная задача разработчиков – создавать решения, объединяющие в себе эффективность и соблюдения правовых ограничений.
Сергей Боловцов - директор исследовательского центра ИИ Института общественных наукВ целом метрики нейросети сразу нужно рассматривать в сравнении с результативностью работы инспекторов без них. Важно насколько инспектору, как главному пользователю, нейросеть будет удобна и в каких подзадачах она ему поможет. Примеры: мониторинг динамики налоговых отчислений совместно с объемом операций; аномалии снятия наличных со счетов компании; сезонные колебания числовых показателей в сравнении с нормой; как часто меняют персонал; анализ объявлений о вакансиях; выявление “перетеканий” сотрудников между аффилированными структурами