Классика российского правового наследия

Классика российского правового наследия. Избранное

«Классика российского правового наследия» — проект компании «Гарант», включающий в себя материалы, открывающие для пользователя малоизвестные страницы нашего правового прошлого. Собрание книг и юридических документов отличается исключительной широтой охвата и богатством наполнения.

На данный момент собрание «Классика российского правового наследия» включает в себя более 4500 изданий.

Большинство книг представляют собой образы оригинальных изданий. Это означает, что дореволюционная орфография, вызывающая у читателя зримое ощущение классики, в коллекции сохранена. Однако данный проект призван удовлетворять запросы не только поклонников старины. Напротив, его предназначение весьма разнообразно.

Специально для посетителей нашего сайта мы отобрали наиболее востребованные и интересные издания из этой серии. Подборка разделена на 5 частей:

Все книги из коллекции «Классика российского правового наследия» (более 4500 изданий) доступны не только в коммерческих версиях системы ГАРАНТ, но и на специальном выпуске «ГАРАНТ-Образование», который вы можете скачать с нашего сайта или воспользоваться его интернет-версией.

Мы надеемся, что книги из нашей коллекции понравятся студентам и преподавателям юридических вузов и факультетов, учащимся гуманитарных вузов, специалистам, интересующимся не только законодательствами, но и фундаментальными основами правовой науки.

Нейросети: как искусственный интеллект помогает в бизнесе и жизни

Читайте оригинал статьи в Блоге DTI.
В работе Oxford Martin School 2013 года говорилось о том, что 47% всех рабочих мест может быть автоматизировано в течение следующих 20 лет. Основным драйвером этого процесса является применение искусственного интеллекта, работающего с большими данными, как более эффективной замены человеку.

Машины теперь способны решать все больше процессов, за которые раньше отвечали люди. Кроме того, делают это качественнее и во многих случаях дешевле. О том, что это значит для рынка труда, в июле этого года говорил Герман Греф, выступая перед студентами Балтийского федерального университета им. Канта:
“Мы перестаём брать на работу юристов, которые не знают, что делать с нейронной сетью. <…> Вы — студенты вчерашнего дня. Товарищи юристы, забудьте свою профессию. В прошлом году 450 юристов, которые у нас готовят иски, ушли в прошлое, были сокращены. У нас нейронная сетка готовит исковые заявления лучше, чем юристы, подготовленные Балтийским федеральным университетом. Их мы на работу точно не возьмем.”
Продолжая освещать #технобудущее, команда DTI подготовила все, что необходимо знать для первого погружения в нейронные сети: как они устроены, почему все больше компаний предпочитают нейросети живым сотрудникам и какой потенциал по оптимизации различных процессов несет эта технология.

Искусственный интеллект, машинное обучение и нейросети: в чем разница

Нейронная сеть – один из способов реализации искусственного интеллекта (ИИ).
В разработке ИИ существует обширная область — машинное обучение. Она изучает методы построения алгоритмов, способных самостоятельно обучаться. Это необходимо, если не существует четкого решения какой-либо задачи. В этом случае проще не искать правильное решение, а создать механизм, который сам придумает метод для его поиска.
#справка Во многих статьях можно встретить термин «глубокое» — или «глубинное» — обучение. Под ним понимают алгоритмы машинного обучения, использующие много вычислительных ресурсов. В большинстве случаев под ним можно понимать просто “нейронные сети”.
Чтобы не запутаться в понятиях «искусственный интеллект», «машинное обучение» и «глубокое обучение», предлагаем посмотреть на визуализацию их развития:

#интересное Существует два типа искусственного интеллекта (ИИ): слабый (узконаправленный) и сильный (общий). Слабый ИИ предназначен для выполнения узкого списка задач. Такими являются голосовые помощники Siri и Google Assistant и все остальные примеры, которые мы приводим в этой статье. Сильный ИИ, в свою очередь, способен выполнить любую человеческую задачу. На данный момент реализация сильного ИИ невозможна, он является утопической идеей.

Как устроена нейросеть

Нейросеть моделирует работу человеческой нервной системы, особенностью которой является способность к самообучению с учетом предыдущего опыта. Таким образом, с каждым разом система совершает все меньше ошибок.
Как и наша нервная система, нейросеть состоит из отдельных вычислительных элементов – нейронов, расположенных на нескольких слоях. Данные, поступающие на вход нейросети, проходят последовательную обработку на каждом слое сети. При этом каждый нейрон имеет определенные параметры, которые могут изменяться в зависимости от полученных результатов – в этом и заключается обучение сети.
Предположим, что задача нейросети – отличать кошек от собак. Для настройки нейронной сети подается большой массив подписанных изображений кошек и собак. Нейросеть анализирует признаки (в том числе линии, формы, их размер и цвет) на этих картинках и строит такую распознавательную модель, которая минимизирует процент ошибок относительно эталонных результатов.
На рисунке ниже представлен процесс работы нейросети, задача которой — распознать цифру почтового индекса, написанную от руки.

История нейросетей

Несмотря на то, что нейросети попали в центр всеобщего внимания совсем недавно, это один из старейших алгоритмов машинного обучения. Первая версия формального нейрона, ячейки нейронной сети, была предложена Уорреном Маккалоком и Уолтером Питтсом в 1943 году.
А уже в 1958 году Фрэнк Розенблатт разработал первую нейронную сеть. Несмотря на свою простоту, она уже могла различать, например, объекты в двухмерном пространстве.

Mark I Perceptron — машина Розенблатта
Первые успехи привлекли повышенное внимание к технологии, однако затем другие алгоритмы машинного обучения стали показывать лучшие результаты, и нейросети отошли на второй план. Следующая волна интереса пришлась на 1990-е годы, после чего о нейросетях почти не было слышно до 2010 года.

Почему нейросети вновь популярны

До 2010 года попросту не существовало базы данных, достаточно большой для того, чтобы качественно обучить нейросети решать определенные задачи, в основном связанные с распознаванием и классификацией изображений. Поэтому нейросети довольно часто ошибались: путали кошку с собакой, или, что еще хуже, снимок здорового органа со снимком органа, пораженного опухолью.
Но в 2010 году появилась база ImageNet, содержащая 15 миллионов изображений в 22 тысячах категорий. ImageNet многократно превышала объем существовавших баз данных изображений и была доступна для любого исследователя. С такими объемами данных нейросети можно было учить принимать практически безошибочные решения.

Размер ImageNet в сравнении с другими существовавшими в 2010 году базами изображений
До этого на пути развития нейросетей стояла другая, не менее существенная, проблема: традиционный метод обучения был неэффективен. Несмотря на то что важную роль играет число слоев в нейронной сети, важен также и метод обучения сети. Использовавшийся ранее метод обратного шифрования мог эффективно обучать только последние слои сети. Процесс обучения оказывался слишком длительным для практического применения, а скрытые слои глубинных нейросетей не функционировали должным образом.
Результатов в решении этой проблемы в 2006 году добились три независимых группы ученых. Во-первых, Джеффри Хинтон реализовал предобучение сети при помощи машины Больцмана, обучая каждый слой отдельно. Во-вторых, Ян ЛеКан предложил использование сверточной нейронной сети для решения проблем распознавания изображений. Наконец, Иошуа Бенджио разработал каскадный автокодировщик, позволивший задействовать все слои в глубокой нейронной сети.

Примеры успешного применения нейросетей в бизнесе

Медицина

Команда исследователей из Ноттингемского университета разработала четыре алгоритма машинного обучения для оценки степени риска сердечно-сосудистых заболеваний пациентов. Для обучения использовались данные 378 тыс. британских пациентов. Обученный искусственный интеллект определял риск кардиологических заболеваний эффективнее реальных врачей. Точность алгоритма — между 74 и 76,4 процентами (стандартная система из восьми факторов, разработанная Американской коллегией кардиологии, обеспечивает точность лишь в 72,8%).

Финансы

Японская страховая компания Fukoku Mutual Life Insurance заключила контракт с IBM. Согласно нему, 34 сотрудников японской компании заменит система IBM Watson Explorer AI. Нейросеть будет просматривать десятки тысяч медицинских сертификатов и учитывать число посещений госпиталей, перенесенные операции и другие факторы для определения условий страхования клиентов. В Fukoku Mutual Life Insurance уверены, что использование IBM Watson повысит продуктивность на 30% и окупится за два года.
Машинное обучение помогает распознавать потенциальные случаи мошенничества в различных сферах жизни. Подобный инструмент использует, например, PayPal – в рамках борьбы с отмыванием денег компания сравнивает миллионы транзакций и обнаруживает среди них подозрительные. В результате, мошеннические транзакции в PayPal составляют рекордно низкие 0,32%, тогда как стандарт в финансовом секторе — 1,32%.

Коммерция

Искусственный интеллект существенно улучшил механизмы рекомендаций в онлайн-магазинах и сервисах. Алгоритмы, основанные на машинном обучении, анализируют ваше поведение на сайте и сравнивают его с миллионами других пользователей. Все для того, чтобы определить, какой продукт вы купите с наибольшей вероятностью.
Механизм рекомендаций обеспечивает Amazon 35% продаж. Алгоритм Brain, используемый YouTube для рекомендации контента, позволил добиться того, что практически 70% видео, просматриваемых на сайте, люди нашли благодаря рекомендациям (а не по ссылкам или подпискам). WSJ сообщало о том, что использование искусственного интеллекта для рекомендаций является одним из факторов, повлиявших на 10-кратный рост аудитории за последние пять лет.
Алгоритм Yandex Data Factory способен предсказывать влияние промоакций на объем продаж товаров. Анализируя историю продаж, а также тип и ассортимент магазина, алгоритм дал 87% точных (с точностью до коробки) и 61% ультраточных (с точностью до упаковки) прогнозов.
Нейросети, анализирующие естественный язык, могут использоваться для создания чат-ботов, позволяющих клиентам получить необходимую информацию о продуктах компании. Это позволит сократить издержки на команды колл-центров. Подобный робот уже работает в приемной Правительства Москвы и обрабатывает около 5% запросов. Бот способен подсказать, в том числе, расположение ближайшего МФЦ и график отключения горячей воды.
На технологии нейронных сетей также основана Albert – маркетинговая платформа полного цикла, самостоятельно осуществляющая практически все операции. Использующая ее компания-производитель нижнего белья Cosabella в итоге расформировала собственный отдел маркетинга и полностью доверилась платформе.

Транспорт

Беспилотные автомобили – концепт, над которым работает большинство крупных концернов, а также технологические компании (Google, Uber, Яндекс и другие) и стартапы, в своей работе опирается на нейросети. Искусственный интеллект отвечает за распознавание окружающих объектов – будь то другой автомобиль, пешеход или иное препятствие.

Так видит наш мир нейросеть
Потенциал искусственного интеллекта в этой сфере не ограничивается автопилотом. Недавний опрос IBM показал: 74% топ-менеджеров автомобильной индустрии ожидают, что умные автомобили появятся на дорогах уже к 2025 году. Такие автомобили, интегрированные в Интернет вещей (см. наш предыдущий лонгрид), будут собирать информацию о предпочтениях пассажиров и автоматически регулировать температуру в салоне, громкость радио, положение сидений и другие параметры. Помимо пилотирования, система также будет информировать о возникающих проблемах (и даже попытается решить их сама) и ситуации на дороге.

Промышленность

Нейросеть, разработанная Марком Уоллером из Шанхайского Университета, специализируется на разработке синтетических молекул. Алгоритм составил шестистадийный синтез производного бензопирана сульфонамида (необходим при лечении Альцгеймера) всего за 5,4 секунды.
Инструменты Yandex Data Factory помогают при выплавке стали: использующийся для производства стали металлический лом зачастую неоднороден по составу. Чтобы сталь соответствовала стандартам, при ее выплавке всегда нужно учитывать специфику лома и вводить специальные добавки. Этим обычно занимаются специально обученные технологи. Но, поскольку на таких производствах собирается много информации о поступающем сырье, применяемых добавках и результате, эту информацию с большей эффективностью способна обработать нейросеть. По данным Яндекса, внедрение нейросетей позволяет на 5% сократить расходы дорогих ферросплавов.
Аналогичным образом нейросеть способна помочь в переработке стекла. Сейчас это нерентабельный, хотя и полезный, бизнес, нуждающийся в государственных субсидиях. Использование технологий машинного обучения позволит значительно сократить издержки.

Сельское хозяйство

Инженеры Microsoft совместно с учеными из ICRISAT применяют искусственный интеллект, чтобы определить оптимальное время посева в Индии. Приложение, использующее Microsoft Cortana Intelligence Suite, также следит за состоянием почвы и подбирает необходимые удобрения. Изначально в программе участвовало всего лишь 175 фермеров из 7 деревень. Они начали посев только после соответствующего SMS уведомления. В результате, они собрали урожая на 30-40% больше, чем обычно.

Развлечения и искусство

В прошлом году вышли и мгновенно стали популярными приложения, использующие нейросети для обработки фото и видео: MSQRD от белорусских разработчиков (в дальнейшем сервис выкупила Facebook), и российские Prisma и Mlvch. Другой сервис, Algorithmia, раскрашивает черно-белые фотографии.
Яндекс успешно экспериментирует с музыкой: нейронные сети компании уже записали два альбома: в стиле Nirvana и “Гражданской обороны”. А музыка, написанная нейросетью под композитора-классика Александра Скрябина, была исполнена камерным оркестром, что заставляет вновь задуматься над вопросом о том, сможет ли робот сочинить симфонию. Нейросеть, созданная сотрудниками Sony, вдохновлялась Бахом.

Японский алгоритм написал книгу “День, когда Компьютер написал роман”. Несмотря на то что с характерами героев и сюжетными линиями неопытному писателю помогали люди, компьютер проделал огромную работу – в итоге одна из его работ прошла отборочный этап престижной литературной премии. Нейросети также написали продолжения к Гарри Поттеру и Игре Престолов.
В 2015 году нейросеть AlphaGo, разработанная командой Google DeepMind, стала первой программой, победившей профессионального игрока в го. А в мае этого года программа обыграла сильнейшего игрока в го в мире, Кэ Цзэ. Это стало прорывом, поскольку долгое время считалось, что компьютеры не обладают интуицией, необходимой для игры в го.

Безопасность

Команда разработчиков из Технологического университета Сиднея представила дронов для патрулирования пляжей. Основной задачей дронов станет поиск акул в прибрежных водах и предупреждение людей на пляжах. Анализ видеоданных производят нейросети, что существенно отразилось на результатах: разработчики утверждают о вероятности обнаружения и идентификации акул до 90%, тогда как оператор, просматривающий видео с беспилотников, успешно распознает акул лишь в 20-30% случаев.
Австралия занимает второе место в мире после США по количеству случаев нападения акул на людей. В 2016 году в этой стране были зафиксированы 26 случаев нападения акул, два из которых закончились смертью людей.
В 2014 году Лаборатория Касперского сообщала, что их антивирус регистрирует 325 тыс. новых зараженных файлов ежедневно. В то же время, исследование компании Deep Instinct показало, что новые версии вирусов практически не отличаются от предыдущих – изменение составляет от 2% до 10%. Самообучающаяся модель, разработанная Deep Instinct, на основании этой информации способна с высокой точностью определять зараженные файлы.
Нейросети также способны искать определенные закономерности в том, как хранится информация в облачных сервисах, и сообщать об обнаруженных аномалиях, способных привести к бреши в безопасности.

Бонус: нейросети на страже нашего газона

В 2016 году 65-летний инженер NVIDIA Роберт Бонд столкнулся с проблемой: соседские кошки регулярно посещали его участок и оставляли следы своего присутствия, что раздражало его жену, работающую в саду. Бонд сразу отсек слишком недружелюбную идею соорудить ловушки для незваных гостей. Вместо этого он решил написать алгоритм, который бы автоматически включал садовые разбрызгиватели воды при приближении кошек.
Перед Робертом стояла задача идентификации кошек в поступающем с внешней камеры видеопотоке. Для этого он использовал систему, основанную на популярной нейросети Caffe. Каждый раз, когда камера наблюдала изменение в обстановке на участке, она делала семь снимков и передавала их нейросети. После этого нейросеть должна была определить, присутствует ли в кадре кошка, и, в случае утвердительного ответа, включить разбрызгиватели.

Изображение с камеры во дворе Бонда
До начала работы нейросеть прошла обучение: Бонд “скормил” ей 300 разных фотографий кошек. Анализируя эти фотографии, нейросеть училась распознавать животных. Но этого оказалось недостаточно: она корректно определяла кошек лишь в 30% случаев и приняла за кошку тень Бонда, в результате чего он сам оказался мокрым.
Нейросеть заработала лучше после дополнительного обучения на большем количестве фотографий. Однако Бонд предупреждает, что нейросеть можно натренировать слишком сильно, в случае чего у нее сложится нереалистичный стереотип – например, если все снимки, использующиеся для обучения, сняты с одного ракурса, то искусственный интеллект может не распознать ту же самую кошку с другого угла. Поэтому чрезвычайно важным является грамотный подбор обучающего ряда данных.
Через некоторое время кошки, обучившиеся не на фотографиях, но на собственной шкуре, перестали посещать участок Бонда.

Нейронные сети, технология середины прошлого века, сейчас меняет работу целых отраслей. Реакция общества неоднозначна: одних возможности нейросетей приводят в восторг, а других – заставляют усомниться в их пользе как специалистов.
Однако не везде, куда приходит машинное обучение, оно вытесняет людей. Если нейросеть ставит диагнозы лучше живого врача, это не значит, что в будущем нас будут лечить исключительно роботы. Вероятнее, врач будет работать вместе с нейросетью. Аналогично, суперкомпьютер IBM Deep Blue выиграл в шахматы у Гарри Каспарова еще в 1997 году, однако люди из шахмат никуда не делись, а именитые гроссмейстеры до сих пор попадают на обложки глянцевых журналов.
Кооперация с машинами принесет гораздо больше пользы, чем конфронтация. Поэтому мы собрали список материалов в открытом доступе, которые помогут вам продолжить знакомство с нейросетями:

Нарушение срока по договору оказания услуг

Часто приходится сталкиваться с неприятной ситуацией: договор на оказание услуг заключен, а исполнитель постоянно «кормит завтраками», игнорирует сроки. Хочется вернуть деньги и выбрать более надежного поставщика. Но если действовать в рамках закона, можно не только выиграть дело, но и остаться в плюсе.

1. Что является нарушением срока оказания услуг

2. Особые случаи

3. Если срок не нарушен, но услуга не будет оказана вовремя

4. Что потребитель может потребовать при нарушении сроков

5. Расчет и получение неустойки

6. Образцы претензий

Что является нарушением срока оказания услуг?

При заказе той или иной услуги заключается договор на ее оказание. В нем отражаются сроки выполнения. Но некоторые исполнители считают, что могут безнаказанно нарушать их.

Чтобы действовать в рамках закона, важно внимательно изучить подписанный документ. В нем часто отмечается, что исполнитель обязан оказывать услугу до момента, когда потребитель решит вернуть деньги.

Если в договоре отсутствует дата проведения работ, то доказывать факт нарушений не стоит. Обещания, сделанные на словах, не являются подтверждением невыполнения сроков договоренности.

Факт нарушения договора можно доказать, если из условий соглашения следует, что:

√ Услуга должна быть оказана в установленную документом дату;

√ Исполнитель обязан начать оказание услуги после заключения договора;

√ Исполнитель должен оказать услугу в течение установленного срока после некоторых событий (например, внесение потребителем предоплаты или полной стоимости услуги на протяжении недели);

√ Имеются иные условия совершения сделки.

Законодательно определено, что срок оказания услуги должен указываться в договоре. Документ может содержать конкретную дату начала работ или их окончания. При оказании услуг частями в момент, пока действует договор, предусматриваются отдельные промежуточные периоды. Данные положения содержатся в Законе о защите прав потребителей.

Особые случаи

Особенно внимательно нужно изучить условие, после выполнения которого услуга будет оказана. Например, в договоре может значиться, что срок начала работ зависит от внесения предоплаты. Это требование может быть замаскировано в тексте договора.

Бывает, что на словах стороны договариваются о необходимости внесения предоплаты для начала работы. А оставшуюся часть можно доплатить в момент оказания услуги, о чем исполнитель обязуется сказать потребителю.

Но в договоре при этом на видном месте жирным шрифтом выделяется срок оказания услуги в соответствии с устной договоренностью. А ниже может мелким шрифтом отмечаться, что приступает исполнитель к своим обязанностям только после полной оплаты по договору.

Таким образом исполнитель снимает с себя ответственность за возможный пропуск сроков. Ему легче контролировать ситуацию, когда имеется условие, на деле не выполненное потребителем. Получается, что юридически обстоятельства для оказания услуги не наступили. Поэтому потребовать ничего получатель услуги не вправе.

Заказчик становится заложником ситуации.

1. Его права по факту уже нарушены.

2. Невозможно понять, будет ли вообще оказываться услуга, вернут ли предоплату.

3. Для предъявления требований фактически нужно внести полную сумму оплаты услуги.

Если срок не нарушен, но услуга не будет оказана вовремя

Бывает так: договор на оказание услуги заключен. В нем отражены условия и сроки оказания услуги. Несмотря на то, что установленная дата еще не прошла, потребитель понимает, что вовремя услуга оказана не будет.

Развитие событий в такой ситуации обычно следующее:

√ Другие клиенты исполнителя, которые ранее заключали с ним договор, отмечают, что не получили результата;

√ Исполнитель игнорирует телефонные звонки;

√ Офис компании, где был подписан договор, закрыт, о переезде клиенту не было сообщено;

√ Запущен процесс признания банкротства фирмы, ее ликвидации;

√ Иные признаки, указывающие на несоответствие процедуры стандартной схеме.

Законодательно предусматривается, что, если клиент понимает, что услуга в срок не будет оказана, он имеет такие же полномочия, как и при пропуске срока исполнения заказа.

Ситуация имеет множество особенностей. Ведь доказать, что срок будет нарушен в будущем, сложно.

Догадки потребителя нельзя считать объективными фактами. Поэтому в таком случае лучше проконсультироваться с юристом.

Что потребитель может потребовать при нарушении сроков

При нарушении сроков оказания услуг данный факт можно расценивать как основание для расторжения договора. Потребитель получает большие возможности, если отмечается несоблюдение временного промежутка исполнителем. И это является хорошим правовым основанием с юридической точки зрения.

Клиент получает несколько преимуществ.

1. Он может ходатайствовать о расторжении договора и возврате полной суммы сразу же, как установленный срок истек.

2. Дополнительные доказательства и экспертиза не потребуются. Дело в судебном органе будет рассмотрено быстро, что дает возможность не останавливать производство для проведения специальной экспертизы.

3. Доказать факт нарушения сроков оказания услуг легко можно через суд. Подтверждение своей правоты потребуется собирать ответчику. Явным способом опровергнуть необоснованные обвинения будет только предоставление акта-приема передачи. В нем обязательно должна стоять дата оказания услуги, подпись получателя. Важно, чтобы максимальный срок оказания услуг был позднее этой даты.

4. При пропуске сроков сразу, с первого дня, начинает начисляться неустойка. В отличие от случаев, когда услуга была оказана с нарушениями.

Требования заказчика при неоказании услуги вовремя прописаны законодательно. Он вправе:

√ Перенести срок исполнения услуг по соглашению со второй стороной;

√ Назначить третьих лиц в качестве исполнителей, установив разумную цену, а также выполнить работу самостоятельно, после чего предоставить нарушителю сроков счет для компенсации понесенных расходов;

√ Уменьшить цену оказания услуг за счет нарушения сроков;

√ Расторгнуть договор на оказание услуг.

Лучше не переносить сроки оказания услуг. В противном случае может получиться, что исполнитель вновь нарушит условия договора, а работы так и не будут проведены. Он будет чувствовать себя правым, а заказчик потеряет рычаги давления до момента, пока срок повторно не будет нарушен.

Если заказчик все же хочет получить услугу, то стоит ждать ее оказания в рамках уже действующих сроков. Исполнитель будет понимать, что за каждый день начисляется неустойка. К тому же потребитель в любой момент может расторгнуть договор. Это будет стимулировать его на быструю работу, чтобы получить прибыль. Как показывает практика, при пропуске сроков исполнитель обычно вообще не оказывает услугу или допускает очень серьезную просрочку.

Финансовые вопросы также отражены на законодательном уровне. Заказчик, права которого нарушены, может потребовать:

√ Возмещение причиненных убытков;

√ Оплату неустойки за пропуск допустимых сроков;

√ Компенсацию морального вреда;

√ Оплату штрафа за нарушение удовлетворения требований в добровольной форме от всей суммы, присужденной судом.

Предъявлять требования к исполнителю нужно в соответствии с конкретной ситуацией. Если заказчик на 100% не уверен в правовых последствиях требований, лучше проконсультироваться с юристом для выбора условия.

Расчет и получение неустойки

Правовые отношения заказчика и исполнителя регулируются нормой, отраженной в пункте 5 статьи 25 закона «О защите прав потребителей».

Размер неустойки определяется законодательно. Она составляет 3% от стоимости оказания услуги. Начисление ее производится за каждый просроченный день. Сумма неустойки не может быть более стоимости оказания услуг, отдельного ее этапа.

Если цена работ увеличилась, расчет производится от новой стоимости услуг. При уменьшении ее размера 3% рассчитываются от суммы, указанной в договоре.

Неустойка будет начисляться до момента, когда услуги будут оказаны. За отправную точку можно брать начало или окончание работ. Если исполнитель отказывается от обязательств, расчет производится до даты отказа и предъявления требования о возврате средств.

Закон предписывает, что исполнитель должен погашать неустойку на добровольной основе. Но на деле такой исход практически исключен. Ведь в судебные органы с требованием взыскать неустойку обращаются только 2-3 человека из 10. Они и остаются в плюсе, получая деньги. Остальные же не добиваются справедливости.

Для получения неустойки нужно направить исполнителю требование о ее выплате. Не обязательно дождаться окончания периода просрочки. Потребовать ее можно в отношении текущего нарушения. Для этого необходимо:

√ Составить претензию с требованиями оплатить задолженность;

√ Передать ее исполнителю.

Документ может быть самостоятельным или использоваться в качестве дополнений к другим требованиям. Ориентироваться необходимо на статью 28 закона «О защите прав потребителей».

Образцы претензий

Чтобы правильно составить документ, можно использовать нижеприведенные образцы претензий по нарушению срока оказания услуг.

1. Возмещение расходов при оказании услуг третьим лицом
2. Уменьшение стоимости услуг.
3. Отказ от исполнения договора оказания услуг.
4. Выплата неустойки за нарушение сроков работ.

При внимательном изучении пунктов договора можно возместить убытки при пропуске сроков оказания услуг. Если самостоятельно это не удается, стоит обратиться за юридической помощью.

Андрей Иванов

► Информационно-аналитический обзор о развитии государственно-частного партнерства в Российской Федерации

► Рейтинг субъектов Российской Федерации по уровню развития сферы государственно-частного партнерства за 2019 год

► Реестр заключенных соглашений о ГЧП, МЧП

В настоящее время механизмы государственно-частного партнерства получают широкое распространение в Российской Федерации и включают в себя ряд форм сотрудничества, позволяющих государству и частному сектору извлекать взаимную выгоду в том числе:

  • Концессионные соглашения, заключаемые в соответствии с Федеральным законом от 21 июля 2005 г. № 115-ФЗ «О концессионных соглашениях».
  • Соглашения о государственно-частном партнерстве, соглашения о муниципально-частном партнерстве, заключаемые в соответствии с Федеральным законом от 13 июля 2015 г. № 224-ФЗ «О государственно-частном партнерстве, муниципально-частном партнерстве в Российской Федерации и внесении изменений в отдельные законодательные акты Российской Федерации».

Механизмы государственно-частного партнерства позволяют на благоприятных условиях привлекать частные инвестиции и компетенции для создания качественной общественной инфраструктуры и оказания различных услуг на базе создаваемого имущества в соответствии с установленными временными рамками и бюджетом.

События и документы