Яковлев Д.Е. Децентрализованная модель регулирования искусственного интеллекта и автоматизированных систем принятия решений в США

Научная статья
УДК 342:004(73-41)
https://doi.org/10.24158/tipor.2025.12.36
 

Децентрализованная модель регулирования

искусственного интеллекта и автоматизированных систем

принятия решений в США

 
Данила Евгеньевич Яковлев
Мордовский государственный университет имени Н.П. Огарёва,
Саранск, Россия, yakovlevdanil@bk.ru, https://orcid.org/0009-0000-7510-0477
 
Аннотация. Настоящая работа посвящена анализу регулирования искусственного интеллекта на федеральном уровне в США. В отличие от Европейского союза, в США отсутствует единый (комплексный) законодательный акт, а регулирование строится на принципе децентрализации и использования имеющихся полномочий. В работе проанализирована сама система и ее основные составляющие, в частности, указы президента, акты, регулирующие государственные закупки, законы и акты «мягкого права». Подчеркивается противоречивость «лоскутного подхода», сторонники которого видят в нем возможность саморегуляции рынка и стимулирования инноваций, в то время как критики указывают на фрагментарность, правовую неопределенность и риски. На примере сменивших друг друга указов президента показана изменчивость федеральной политики. Делается вывод о том, что такая модель, несмотря на адаптивность, не может быть рекомендована для применения в отечественных условиях. 
Ключевые слова: искусственный интеллект, США, регулирование ИИ, децентрализованная модель, «лоскутное регулирование», исполнительные указы, государственные закупки, федеральные агентства, «мягкое право»
Финансирование: инициативная работа.
Для цитирования: Яковлев Д.Е. Децентрализованная модель регулирования искусственного интеллекта и автоматизированных систем принятия решений в США // Теория и практика общественного развития. 2025. № 12. С. 292–297. https://doi.org/10.24158/tipor.2025.12.36.
 
Original article
 

A Decentralized Model for Regulating

Artificial Intelligence and Automated Decision-Making

Systems in the United States

 
Danila E. Yakovlev
N.P. Ogarev Mordovia State University, Saransk, Russia,
yakovlevdanil@bk.ru, https://orcid.org/0009-0000-7510-0477
 
Abstract. This paper examines the regulatory framework governing artificial intelligence (AI) at the federal level in the USA. Unlike the European Union, the United States does not have a single (comprehensive) legislative act, and regulation is based on the principle of decentralization and the use of existing powers. The study analyzes this system and its principal components, including Presidential Executive Orders, legislation governing public procurement, statutory law, and so-called “soft law” instruments. It is emphasized that the “patchwork approach” is subject to inherent contradictions. Proponents of this model posit that it enables market self-regulation and fosters innovation, while critics underscore the resulting fragmentation, legal uncertainty, and potential risks. The inherent volatility of federal policy is illustrated through the succession of Presidential Executive Orders. Сonclusion is drawn that this model, despite its inherent adaptability, is not recommended for implementation in the national. Particular attention is paid to the implications of this decentralized model on the development and deployment of AI technologies, alongside a critical assessment of its efficacy in mitigating potential societal harms.
Keywords: artificial intelligence, USA, AI regulation, decentralized model, “patchwork regulation”, executive orders, government procurement, federal agencies, “soft law”
Funding: Independent work.
For citation: Yakovlev, D.E. (2025) A Decentralized Model for Regulating Artificial Intelligence and Automated Decision-Making Systems in the United States. Theory and Practice of Social Development. (12), 292–297. Available from: doi:10.24158/tipor.2025.12.36 (In Russian).

© Яковлев Д.Е., 2025

Список источников:
 
Al-Maamari A. Between Innovation and Oversight: A Cross-Regional Study of AI Risk Management Frameworks in the EU, U.S., UK, and China // arXiv. 2025. https://doi.org/10.48550/arXiv.2503.05773.
Challenging the Machine: Contestability in Government AI Systems / S. Landau [et al.] // arXiv. 2024. https://doi.org/10.48550/arXiv.2406.10430.
Cheong I., Caliskan A., Kohno T. Safeguarding Human Values: Rethinking US Law for Generative AI’s Societal Impacts // AI and Ethics. 2024. Vol. 5. P. 1433–1459. https://doi.org/10.1007/s43681-024-00451-4.
Ethics as a Service: a Pragmatic Operationalisation of AI Ethics / J. Morley [et al.] // arXiv. 2021. https://doi.org/10.48550/arXiv.2102.09364.
Hine E., Floridi L. The Blueprint for an AI Bill of Rights: In Search of Enaction, at Risk of Inaction // Minds and Machines. 2023. Vol. 33. P. 285–292. https://doi.org/10.1007/s11023‑023‑09625‑1.
Kulothungan V., Gupta D. Towards Adaptive AI Governance: Comparative Insights from the U.S., EU, and Asia // arXiv. 2025. https://doi.org/10.48550/arXiv.2504.00652.
Lage D., Pruitt R., Arnold J.R. Who Followed the Blueprint? Analyzing the Responses of U.S. Federal Agencies to the Blueprint for an AI Bill of Rights // arXiv. 2024. https://doi.org/10.48550/arXiv.2404.19076.
Maier E.J. Advancing Artificial Intelligence and Machine Learning in the U.S. Government Through Improved Public Competitions // arXiv. 2021. https://doi.org/10.48550/arXiv.2112.01275.
Park S. Bridging the Global Divide in AI Regulation: A Proposal for a Contextual, Coherent, and Commensurable Framework // Washington International Law Journal. 2024. Vol. 33, no. 2. P. 216–269.
Stetler N. Reinsuring AI: Energy, Agriculture, Finance & Medicine as Precedents for Scalable Governance of Frontier Artificial Intelligence // arXiv. 2025. https://doi.org/10.48550/arXiv.2504.02127.
 
References:
 
Al-Maamari, A. (2025) Between Innovation and Oversight: A Cross-Regional Study of AI Risk Management Frameworks in the EU, U.S., UK, and China. arXiv. Available from: doi:10.48550/arXiv.2503.05773.
Cheong, I., Caliskan, A. & Kohno, T. (2024) Safeguarding Human Values: Rethinking US Law for Generative AI’s Societal Impacts. AI and Ethics. 5, 1433–1459. Available from: doi:10.1007/s43681-024-00451-4.
Hine, E. & Floridi, L. (2023) The Blueprint for an AI Bill of Rights: In Search of Enaction, at Risk of Inaction. Minds and Machines. 33, 285–292. Available from: doi:10.1007/s11023‑023‑09625‑1.
Kulothungan, V. & Gupta, D. (2025) Towards Adaptive AI Governance: Comparative Insights from the U.S., EU, and Asia. arXiv. Available from: doi:10.48550/arXiv.2504.00652.
Lage, D., Pruitt, R. & Arnold, J.R. (2024) Who Followed the Blueprint? Analyzing the Responses of U.S. Federal Agencies to the Blueprint for an AI Bill of Rights. arXiv. Available from: doi:10.48550/arXiv.2404.19076.
Landau, S., Dempsey, J.X., Kamar, E., Bellovin, S.M. & Pool, R. (2024) Challenging the Machine: Contestability in Government AI Systems. arXiv. Available from: doi:10.48550/arXiv.2406.10430.
 Maier, E.J. (2021) Advancing Artificial Intelligence and Machine Learning in the U.S. Government Through Improved Public Competitions. arXiv. Available from: doi:10.48550/arXiv.2112.01275.
Morley, J., Elhalal, A., Garcia, F., Kinsey, L., Mokander, J. & Floridi, L. (2021) Ethics as a Service: a Pragmatic Operationalisation of AI Ethics. arXiv. Available from: doi:10.48550/arXiv.2102.09364.
Park, S. (2024) Bridging the Global Divide in AI Regulation: A Proposal for a Contextual, Coherent, and Commensurable Framework // Washington International Law Journal. 33 (2), 216–269.
Stetler, N. (2025) Reinsuring AI: Energy, Agriculture, Finance & Medicine as Precedents for Scalable Governance of Frontier Artificial Intelligence. arXiv. Available from: doi:10.48550/arXiv.2504.02127.