Дюсебалиева Соледад Сагиновна – кандидат юридических наук, профессор кафедры уголовноправовых дисциплин,
г. Атырау, 060011
Soledad Saginovna Dyussebaliyeva – Candidate of Law, Professor of the Department of Criminal Law Disciplines,
Atyrau
Бекбауова Асель Айдархановна - магистр юридических наук, старший преподаватель кафедры национального и международного права,
г.Астана, 010000
Bekbauova Asel Aidarkhanovna - Master of Laws, Senior Lecturer in the Department of National and International Law,
Astana
Мухамбетова Гулсим Сериковна - магистр юридических наук, сеньор-лектор кафедры «Уголовно-правовых дисциплин»,
Mukhambetova Gulsim Serikovna - Master of Law, Senior Lecturer of the Department of "Criminal Law Disciplines",
Atyrau
Идрисова Тамара Аманжоловна - магистр юридических наук, сеньор-лектор кафедры «Уголовно-правовых дисциплин»,
г. Атырау, 060011
Tamara Amanzholovna Idrisova - Master of Law, Senior Lecturer at the Department of "Criminal Law Disciplines",
Atyrau
В статье исследуется применение алгоритмических систем оценки риска рецидива в процедурах условно-досрочного освобождения (далее - УДО) в сравнительном контексте: анализируется опыт государств - членов Совета Европы (Нидерланды, Германия, Швеция, Великобритания) и действующая модель правового регулирования УДО в Республике Казахстан. Цель исследования - обосновать архитектуру национального алгоритма оценки, интегрированного с информационными системами «Төрелік», КПСиСУ Генеральной прокуратуры и АИС ОИП для верификации исполнения гражданско-правовых обязательств. Методологическую основу составляют сравнительно-правовой, статистический и формально-юридический методы. Анализ европейского законодательства и судебной статистики Верховного Суда Республики Казахстан за 2020–2025 годы показывает, что казахстанская модель УДО опирается на систему степеней поведения осуждённых, которая является обязательным элементом формирования характеристик администрации учреждения, направляемых в суд при рассмотрении вопроса об условно-досрочном освобождении. Однако указанные показатели характеризуются низкой прогностической точностью и высокой долей субъективизма при их формировании. Сформулированы рекомендации по поэтапной адаптации инструментов алгоритмической оценки к условиям национальной правовой системы. Установлено, что казахстанская модель, в отличие от европейских аналогов, не располагает верифицированным инструментом прогнозирования рецидива и апелляционным механизмом проверки такой оценки, что обусловливает высокую региональную вариативность удовлетворяемости ходатайств об УДО. Практическая значимость работы состоит в обосновании поэтапной дорожной карты внедрения алгоритмических инструментов оценки риска в казахстанскую правовую систему при сохранении приоритета судебного усмотрения.
This article examines the application of algorithmic recidivism risk assessment systems in parole procedures within a comparative framework. It analyzes the experience of Council of Europe member states (the Netherlands, Germany, Sweden, and the United Kingdom) alongside the current legal regulation of parole in the Republic of Kazakhstan. The aim of the study is to substantiate the architecture of a national risk assessment algorithm integrated with the information systems “Torelik”, the Committee on Legal Statistics and Special Records of the Prosecutor General’s Office (KSPSU), and the Automated Information System of Enforcement Proceedings (AIS OIP) in order to verify the fulfillment of civil obligations. The methodological framework of the research is based on comparative legal, statistical, and formal legal methods. The analysis of European legislation and judicial statistics of the Supreme Court of the Republic of Kazakhstan for 2020–2025 demonstrates that the Kazakhstani parole model relies on a system of behavioral grading of convicted persons, which has become a mandatory element in the preparation of institutional reports submitted to the court when considering parole applications. However, these indicators are characterized by low predictive accuracy and a high degree of subjectivity in their formation. Based on the findings, recommendations are formulated for the phased adaptation of algorithmic risk assessment tools to the conditions of the Kazakhstani legal system. It has been established that, unlike its European counterparts, the Kazakhstani model lacks both a validated tool for predicting recidivism and an appellate mechanism for reviewing such assessments, resulting in substantial regional variation in parole approval rates. The practical significance of the study lies in proposing a phased roadmap for integrating algorithmic risk-assessment tools into Kazakhstan’s legal system while preserving the primacy of judicial discretion.
The authors declare that there are no conflicts of interest present.