managementranepaУправленческое консультированиеAdministrative Consulting1726-11391816-8590Russian Presidential Academy of National Economy and Public Administration. North-West Institute of Management.IJDDMPmanagementranepa-2830Research ArticleЦИФРОВЫЕ СЕРВИСЫ И ТЕХНОЛОГИИ ИСКУССТВЕННОГО ИНТЕЛЛЕКТАЦифровые технологии поддержки принятия решений в юриспруденции: психологический профиль и доверие пользователейDigital Decision Support Technologies in Legal Practice: Psychological Profile and User TrustКузьминА. Ю.KuzminA. Yu.

Кузьмин Андрей Юрьевич, ассистент кафедры психологии труда и организационной психологии факультета психологии

Санкт-Петербург

Andrey Yu. Kuzmin, Department Assistant

Saint Petersburg

ГофманО. О.GofmanO. O.

Гофман Ольга Олеговна, кандидат психологических наук, доцент кафедры психологии труда и организационной психологии факультета психологии

Санкт-Петербург

Olga O. Gofman, PhD, Assistant Professor

Saint Petersburg

КовальчукС. В.KovalchukS. V.

Ковальчук Сергей Валерьевич, кандидат технических наук, доцент факультета технологий искусственного интеллекта, старший научный сотрудник национального центра когнитивных разработок

Санкт-Петербург

Sergey V. Kovalchuk, PhD, Associate Professor

Saint Petersburg

Санкт-Петербургский государственный университетSaint Petersburg State UniversityУниверситет ИТМОITMO University20250611202505106–114Copyright © Кузьмин А.Ю., Гофман О.О., Ковальчук С.В., 20252025Кузьмин А.Ю., Гофман О.О., Ковальчук С.В.Kuzmin A.Y., Gofman O.O., Kovalchuk S.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://www.acjournal.ru/jour/article/view/2830

Системы поддержки принятия решений (СППР) представляют собой перспективную технологию на основе искусственного интеллекта (ИИ). На данный момент подобные системы используются в ряде сфер и отраслей экономики, однако область юриспруденции остается одной из наиболее сложных для их внедрения.Цель данной работы состоит в анализе психологических аспектов взаимодействия пользователя и ИИ в рамках упомянутых систем. На основе анализа существующих моделей взаимодействия человека и технологий, а также авторской методологии представлен дизайн исследования.Представлены результаты фокус-группы с экспертами органов исполнительной и судебной власти (N = 8): место СППР в работе юриста, польза и сомнения в ходе использования подобных систем. Выделены параметры, значимые для профилирования и дальнейшей адаптации систем к конкретному пользователю.Также в статье обсуждаются перспективы и вопросы внедрения СППР в практике правоприменения. 

Decision support systems (DSS) are a promising technology based on artificial intelligence. While such systems are currently used in a number of fields and industries, the legal field remains one of the most challenging to implement.The purpose of this paper is to analyze the psychological aspects of user-AI interaction within these systems. Based on an analysis of existing models of human-technology interaction and the author's methodology, the study design is presented.The results of a focus group with experts from executive and judicial authorities (N = 8) are presented: the role of DSS in legal work, and the benefits and concerns associated with using such systems. Parameters relevant for profiling and further adapting systems to specific users are highlighted.The article also discusses the prospects and issues of implementing DSS in law enforcement practice. 

искусственный интеллектсистемы поддержки принятия решенийюриспруденцияправоприменениеartificial intelligencedecision support systemjurisprudencelaw enforcementReferencesГофман О. О., Кузьмин А. Ю., Ковальчук С. В. Симбиотическое взаимодействие «человек — искусственный интеллект» в системах поддержки принятия решений // Организационная психология. 2025. Т. 15. № 1. С. 297–321. DOI 10.17323/2312-5942-2025-15-1-297-321.Gofman O. O., Kuzmin A. Yu., Kovalchuk S. V. (2025). Symbiotic human — AI interaction in decision support systems // Organizational Psychology [Organizatsionnaia psikhologiia] 2025. Vol. 15, N 1. P. 297–321. DOI 10.17323/2312-5942-2025-15-1-297-321. (In Russ.).Canalli R. L. Interpretable AI Models for Judicial Decision-Making: Beyond Explicability Towards Legal Due Process. e-Publica. 2024. N 11. P. 117–129.Canalli R. L. Interpretable AI Models for Judicial Decision-Making: Beyond Explicability Towards Legal Due Process. e-Publica, 2024. N 11. P. 117–129.Dafoe A. et al. Cooperative AI: machines must learn to find common ground // Nature. 2021. Vol. 593. N 7857. P. 33–36.Dafoe A. et al. Cooperative AI: machines must learn to find common ground // Nature. 2021. Vol. 593. N 7857. P. 33–36.Davis F. D., Bagozzi R. P., Warshaw P. R. User acceptance of computer technology: A comparison of two theoretical models // Management science. 1989. Vol. 35. N 8. P. 982–1003.Davis F. D., Bagozzi R. P., Warshaw P. R. User acceptance of computer technology: A comparison of two theoretical models // Management science. 1989. Vol. 35. N 8. P. 982–1003.Deeks A. The judicial demand for explainable artificial intelligence // Columbia Law Review. 2019. Vol. 119. N 7. P. 1829–1850.Deeks A. The judicial demand for explainable artificial intelligence // Columbia Law Review. 2019. Vol. 119, N 7. P. 1829–1850.Fragiadakis G. et al. Evaluating human-ai collaboration: A review and methodological framework // arXiv preprint arXiv: 2407.19098. 2024.Fragiadakis G. et al. Evaluating human-ai collaboration: A review and methodological framework // arXiv preprint arXiv: 2407.19098. 2024.Gupta M., George J. F. Toward the development of a big data analytics capability // Information & Management. 2016. Vol. 53. Iss. 8. P. 1049–1064.Gupta M., George J. F. Toward the development of a big data analytics capability // Information & Management. 2016. Vol. 53. Iss. 8. P. 1049–1064.Kim T. et al. One AI does not fit all: A cluster analysis of the laypeople’s perception of AI roles // Proceedings of the 2023 CHI conference on human factors in computing systems. 2023. P. 1–20.Kim T. et al. One AI does not fit all: A cluster analysis of the laypeople’s perception of AI roles // Proceedings of the 2023 CHI conference on human factors in computing systems. 2023. P. 1–20.Kochenderfer M. J., Wheeler T. A., Wray K. H. Algorithms for decision making. MIT Press, 2022.Kochenderfer M. J., Wheeler T. A., Wray K. H. Algorithms for decision making. MIT Press, 2022.Lake B. M. et al. Building machines that learn and think like people // Behavioral and brain sciences. 2017. Vol. 40. P. e253.Lake B. M. et al. Building machines that learn and think like people // Behavioral and brain sciences. 2017. Vol. 40. P. e253.Lee E. A. Cyber physical systems: Design challenges // 2008 11th IEEE international symposium on object and component-oriented real-time distributed computing (ISORC). IEEE, 2008. P. 363–369.Lee E. A. Cyber physical systems: Design challenges // 2008 11th IEEE international symposium on object and component-oriented real-time distributed computing (ISORC). IEEE, 2008. P. 363–369.Maclure J. AI, explainability and public reason: The argument from the limitations of the human mind // Minds and Machines. 2021. Vol. 31. N 3. P. 421–438.Maclure J. AI, explainability and public reason: The argument from the limitations of the human mind // Minds and Machines. 2021. Vol. 31. N 3. P. 421–438.Malek M. A. Transparency in Predictive Algorithms: A Judicial Perspective. Advance. 2021. P. 1–13.Malek M. A. Transparency in Predictive Algorithms: A Judicial Perspective. Advance. 2021. P. 1–13.Shamim S., Zeng J., Shariq S. M., Khan Z. Role of big data management in enhancing big data decision-making capability and quality among Chinese firms: A dynamic capabilities view // Information & Management. 2019. Vol. 56. N 6. P. 103135.Shamim S., Zeng J., Shariq S. M., Khan Z. Role of big data management in enhancing big data decision-making capability and quality among Chinese firms: A dynamic capabilities view // Information & Management. 2019. Vol. 56. N 6. P. 103135.Shelar A., Moharir M. Predicting Outcomes of Court Judgments — A Machine Learning Approach. In: Proceedings of the 2021 International Conference on Intelligent Technologies (CONIT), Hubli, India, 25–27 June 2021. P. 1–6.Shelar A., Moharir M. Predicting Outcomes of Court Judgments — A Machine Learning Approach. In: Proceedings of the 2021 International Conference on Intelligent Technologies (CONIT), Hubli, India, 25–27 June 2021. P. 1–6.Sreedharan S. et al. A Unifying Bayesian Formulation of Measures of Interpretability in Human-AI // arXiv preprint arXiv: 2104.10743. 2021.Sreedharan S. et al. A Unifying Bayesian Formulation of Measures of Interpretability in HumanAI // arXiv preprint arXiv: 2104.10743. 2021.Tabesh P., Mousavidin E., Hasani S. Implementing big data strategies: A managerial perspective // Business Horizons. 2019. Vol. 62. N. 3. P. 347–358.Tabesh P., Mousavidin E., Hasani S. Implementing big data strategies: A managerial perspective // Business Horizons. 2019. Vol. 62. N. 3. P. 347–358.Venkatesh V. et al. User acceptance of information technology: Toward a unified view // MIS quarterly. 2003. P. 425–478.Venkatesh V. et al. User acceptance of information technology: Toward a unified view // MIS quarterly. 2003. P. 425–478.Venkatesh V., Davis F. D. A theoretical extension of the technology acceptance model: Four longitudinal field studies // Management science. 2000. Vol. 46. N 2. P. 186–204.Venkatesh V., Davis F. D. A theoretical extension of the technology acceptance model: Four longitudinal field studies // Management science. 2000. Vol. 46. N 2. P. 186–204.Xu Z. Human judges in the era of artificial intelligence: challenges and opportunities // Applied Artificial Intelligence. 2022. Vol. 36. N 1. P. 2013652.Xu Z. Human judges in the era of artificial intelligence: challenges and opportunities // Applied Artificial Intelligence. 2022. Vol. 36. N 1. P. 2013652.

The authors declare that there are no conflicts of interest present.