В статье рассматривается проблема внедрения технологий искусственного интеллекта в сферу государственного аудита через призму несоответствия между правовым принципом добросовестности и логикой алгоритмических систем. Автор обращает внимание на то, что автоматическое принятие решений на основе выявление аномалий и оценки вероятности будущих нарушений может приводить к нарушению прав подконтрольных субъектов. Центральным вопросом исследования выступает определение юридической силы заключений, формируемых системами ИИ, и возможности их использования в качестве основания для возбуждения административного дела. В рамках сравнительно-правового анализа рассматриваются три национальные модели нормативного закрепления статуса выводов ИИ. Российский подход характеризуется закреплением за искусственным интеллектом роли аналитического средства, не обладающего доказательственной ценностью, при этом любое решение должно проходить обязательную проверку должностным лицом. Китайская модель демонстрирует движение в сторону наделения прогнозов алгоритма всё большим юридическим значением, в результате чего на инспектора возлагается обязанность реагировать на сигналы системы, а предметом опровержения становятся статистические аномалии, а не установленные фактические обстоятельства. Индийская практика обнаруживает существенные различия в правовом регулировании разных штатов, а решения принятые на основе выводов ИИ, часто оспариваются в судах. На основе проведённого анализа делается вывод об отсутствии универсального способа разрешения коллизии между эффективностью предикативного аудита на основе ИИ-технологий и гарантиями прав проверяемых субъектов. Перспективы формирования единого стандарта БРИКС в данной сфере оцениваются как ограниченные ввиду приверженности государств концепции цифрового суверенитета и различий в этических стандартах, однако допускается возможность сближения на уровне рекомендательных норм и общих принципов.

The article examines the implementation of artificial intelligence technologies in public audit through the discrepancy between the legal principle of good faith and the logic of algorithmic systems. The author notes that automatic decision-making based on anomaly detection and probability assessment of future violations may infringe the rights of audited entities. The central question is to determine the legal force of AI-generated conclusions and their use as a basis for initiating administrative proceedings. A comparative legal analysis examines three national models. The Russian approach assigns to AI the role of an analytical tool with no evidentiary value, any decision being subject to mandatory verification by an official. The Chinese model demonstrates a trend toward granting algorithmic predictions increasing legal significance, inspectors being obliged to respond to system signals, and the subject of rebuttal becoming statistical anomalies rather than established facts. Indian practice reveals significant differences in legal regulation across states, and AI-based decisions are frequently challenged in courts. The author concludes there is no universal way to resolve the conflict between the efficiency of predictive AI audit and guarantees of audited entities’ rights. Prospects for a unified BRICS standard are limited due to states’ commitment to digital sovereignty and differences in ethical standards; however, convergence at the level of recommendatory norms and general principles is possible.