Асимметрия информации на рынке адвокатских услуг: создание рейтинга методами машинного обучения

Вопросы теоретической экономики. 2026. Т. 3. № 32. С. 115–135.

Казун А. П., Девятников В. Ю., Белов М. Д.

Как понять, хорош адвокат или нет? В данной статье мы описываем методологию, позволяющую измерять качество юридической помощи через разницу между тем, что предсказывает модель машинного обучения по объективным характеристикам дела, и тем, чем дело закончилось в реальности. Мы исходим из предпосылки, что если у адвоката дела стабильно заканчиваются лучше ожидаемого, то он делает свою работу хорошо. Похожую логику давно используют в других областях: так оценивают учителей в экономике образования, хирургов в медицине и игроков в профессиональном спорте. Мы адаптируем эти подходы для уголовного судопроизводства. Такая прогнозная модель может быть обучена на данных российских судов за 2010–2025 гг. и будет учитывать, что уголовное дело проходит через несколько последовательных процессуальных развилок. Рейтинг корректируется на командную работу нескольких защитников, стадию рассмотрения и малое число дел. В статье мы обсуждаем слабые места подхода: прежде всего то, что досудебная стадия для нас невидима, публикуемые решения неполны, а сильные адвокаты могут целенаправленно браться за сложные дела. Тем не менее даже в таком виде подобный инструмент оценки способен дать клиентам значимый и объективный ориентир при выборе защитника, что может существенно улучшить качество информации на рынке юридических услуг.

Ключевые слова: машинное обучение, информационная асимметрия, прогнозирование судебных решений, оценка эффективности работы адвокатов, уголовная защита

ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА: Институты, человеческий капитал и региональное развитие: исторический анализ и современные вызовы (2025)