ChatGPT получает Skills: зачем OpenAI упаковывает задачи в рабочие процедуры

Что OpenAI называет Skill

OpenAI описывает Skills in ChatGPT как переиспользуемые и распространяемые рабочие процессы, которые помогают ChatGPT выполнять конкретные задачи. Это не новая модель и не переименованный промпт. В документации речь идет о сценариях, которые можно создавать, устанавливать и применять в ChatGPT, а также использовать в Codex и API.

Вместе с репозиторием openai/skills и примерами файлов SKILL.md это дает более конкретную картину. ChatGPT смещается от универсального окна для диалога к системе, где отдельные рабочие задачи можно упаковывать, хранить и передавать как управляемые артефакты.

Для пользователя это может выглядеть как удобная настройка: один раз описать формат отчета, правила письма клиенту или порядок анализа документа, а затем позволить ChatGPT применять этот порядок при подходящей задаче. Для компании смысл шире. Skills превращают удачные подсказки и неформальные инструкции в объект управления. У него может быть владелец, права, история изменений и ограничения на установку или распространение.

В Help Center Skill описан как reusable, shareable workflow, то есть переиспользуемый и распространяемый рабочий процесс. Это не самостоятельный мини-ChatGPT и не сохраненная фраза для начала диалога. Skill может включать инструкции, примеры, дополнительные файлы и в некоторых случаях код. После установки ChatGPT может использовать один или несколько Skills, если они подходят к текущей задаче.

OpenAI Academy объясняет конструкцию через файл SKILL.md. В нем описываются шаги workflow, а рядом могут находиться шаблоны, примеры, бренд-гайды, справочники или другие ресурсы. В практическом смысле это попытка перенести знание команды из устных договоренностей, длинных сообщений и личных заметок в переносимый формат. Его проще обновлять, обсуждать и проверять, чем каждый раз заново объяснять модели одну и ту же процедуру.

Например, Skill может фиксировать порядок подготовки отчета, ревью документа или ответа клиенту: какие данные учитывать, что проверять, в каком формате выдавать результат и когда нужно передать задачу человеку. Это не означает, что OpenAI гарантирует наличие именно таких готовых навыков для всех пользователей. Такой вывод следует из самой конструкции: Skill предназначен для повторяемых задач, где важны шаги, правила и формат результата.

Из этого не следует делать преждевременный вывод о революции на рынке труда. Подтвержденные источники показывают продуктовую и документационную логику: Help Center, OpenAI Academy, GitHub-репозиторий и связанные артефакты. Они не доказывают массового внедрения Skills во всех компаниях и не дают статистики экономического эффекта. Корректнее говорить о заметном направлении: OpenAI пытается превратить повторяемые рабочие действия в процедуры, которые можно описывать, проверять и подключать к ChatGPT.

• Skill может включать инструкции, примеры, supporting files и код.
• SKILL.md в материалах Academy описывается как центральный файл для шагов workflow.
• Главная идея Skill: не разовый ответ, а повторяемая процедура для конкретной задачи.

Цитата в переводе

«Переиспользуемые и распространяемые рабочие процессы.»

Кому доступны Skills и где проходит граница rollout

По Help Center, Personal Skills имеют статус generally available для ChatGPT Business, Enterprise, Healthcare и Edu. Там же указана поддержка в Codex и API. Но доступность не означает одинаковую работу на всех поверхностях. OpenAI отдельно отмечает: Skills нужно добавлять отдельно на desktop и web/mobile, автоматической синхронизации между этими средами пока нет. Для организаций это операционная деталь, потому что сотрудники могут работать с ChatGPT из разных интерфейсов.

Для Enterprise и Edu действует отдельная административная логика. Сейчас Skills выключены по умолчанию, а администраторы могут включать их вручную. OpenAI также указывает планируемое включение по умолчанию с 23 июля 2026 года для Enterprise-workspaces, которые не выберут отказ от такого режима. Поэтому речь не о завершенном автоматическом включении для всех корпоративных пользователей, а об описанном rollout с возможностью администрирования.

Из этого следует практический вывод: компаниям придется решать не только, разрешать ли Skills, но и какие Skills можно создавать, кто их проверяет, кто устанавливает и кто отвечает за обновления. Это уже не уровень личной продуктивности, а governance, то есть управление правилами использования ИИ внутри организации.

Эта граница важна для любой команды, которая смотрит на Skills как на корпоративный инструмент. Если функция доступна в одном интерфейсе и не настроена в другом, пользовательский опыт будет различаться. Если администратор включает Skills без процесса ревью, компания получает не только новый удобный слой, но и новый источник управленческого риска.

• Personal Skills указаны как generally available для ChatGPT Business, Enterprise, Healthcare и Edu.
• Для Enterprise и Edu сейчас действует включение через администратора; default-on для части Enterprise-workspaces запланирован с 23 июля 2026 года при отсутствии opt out.
• Skills пока нужно добавлять отдельно на desktop и web/mobile.
• Rollout нужно отделять от фактического внедрения в конкретной компании.

Цитата в переводе

«Обычно доступны.»

Почему GitHub важен для этой истории

Вокруг Skills видны GitHub-артефакты OpenAI: репозиторий openai/skills, раздел issues и отдельные curated-файлы, включая пример SKILL.md. Это существенно не как доказательство полноценного маркетплейса навыков, а как сигнал о форме продукта. Skill мыслится не только как настройка в интерфейсе ChatGPT, но и как набор файлов, который можно хранить, читать, обсуждать и версионировать.

Для разработчиков такая логика привычна: изменения проходят review, обсуждаются в issues, имеют историю и владельцев. Новизна в том, что похожая файловая дисциплина может применяться к рабочим процедурам вне разработки. Маркетинговый бриф, стандарт клиентского ответа или порядок подготовки аналитической записки могут стать не личной памяткой, а формализованным workflow, подключаемым к ИИ-системе.

Здесь OpenAI соединяет ChatGPT с практиками управления знаниями. Пока навык существует только в голове опытного сотрудника, его трудно масштабировать: новые люди учатся через примеры, ошибки и объяснения. Когда процедура описана как Skill, ее можно обновлять, ограничивать, распространять и проверять на соответствие внутренним правилам.

Это не гарантирует качество результата, но меняет объект контроля. Управлять начинают не только доступом к модели, но и тем, какие процедуры она применяет. Для компаний это принципиальное отличие: один и тот же ChatGPT может вести себя по-разному в зависимости от подключенных Skills, а значит, сами Skills становятся частью инфраструктуры, которую нужно сопровождать.

GitHub-сигналы при этом нельзя переоценивать. Репозиторий, issues и curated SKILL.md не доказывают массовое внедрение Skills и не показывают зрелость экосистемы. Они показывают другое: OpenAI оформляет рабочие возможности как файловые артефакты, которые можно хранить и обсуждать вне обычного чата.

• openai/skills и связанные GitHub-страницы показывают файловую природу Skills.
• Curated SKILL.md демонстрирует, как workflow может быть описан в markdown-файле.
• Наличие GitHub-артефактов не равно доказательству массового внедрения или зрелого маркетплейса.
• Файловая форма делает Skills ближе к сопровождаемому рабочему процессу, а не к личной заметке пользователя.

Чем Skill отличается от промпта и Custom GPT

Обычный промпт живет в моменте. Пользователь формулирует задачу, добавляет контекст, уточняет формат и исправляет ответ. Если задача повторяется, цикл приходится запускать снова: копировать старую инструкцию, вспоминать требования, следить, чтобы значимые условия не потерялись. Skill нужен, чтобы вынести эту повторяемость в отдельный workflow.

Custom GPT в пользовательском смысле отвечает на вопрос: какой это помощник. Для какой роли, области или типа взаимодействия он собран. Skill ближе к вопросу: какую процедуру нужно выполнить. Он задает шаги, правила, файлы и формат результата, которые ChatGPT может применять при релевантной задаче. Это редакционное объяснение различия, основанное на описании Skills в Help Center и Academy.

Для рабочих ролей такое различие принципиально. Большая часть офисных задач не один творческий акт, а цепочка действий: собрать входные данные, проверить исключения, применить шаблон, сформулировать вывод и передать результат на проверку. Если эту цепочку можно описать как Skill, часть труда смещается от ручного повторения к проектированию и контролю процедуры.

Но это не автоматическая замена специалиста. Человеку по-прежнему нужно определять, корректна ли процедура и можно ли доверять результату. Skill может помочь не забыть шаги, выдержать формат и снизить разброс между исполнителями. Он не решает за организацию, какие данные допустимо использовать, где нужна юридическая проверка и какие исключения нельзя отдавать модели.

Такой подход меняет и культуру работы с ChatGPT. Удачная подсказка перестает быть личным лайфхаком сильного пользователя. Она становится кандидатом на оформление в процедуру: с названием, назначением, границами применения, владельцем и понятным способом обновления.

• Промпт: разовая инструкция; Skill: повторяемый workflow.
• Custom GPT описывает помощника, Skill описывает процедуру выполнения задачи.
• Профессиональный эффект корректнее описывать как перераспределение рутины и контроля, а не как исчезновение профессий.
• Skill полезен там, где есть повторяемость, проверяемый формат и понятные ограничения.

Цитата в переводе

«Всегда включены.»

Что меняется для компаний: от промпт-культуры к governance

Пока ИИ используется индивидуально, качество часто держится на личных привычках сильных пользователей. Один сотрудник умеет писать точные запросы, другой хранит удачные формулировки, третий каждый раз начинает с нуля. Для компании это слабая модель: знания существуют, но плохо передаются и почти не управляются. Skills предлагают другой контур. Рабочий сценарий можно оформить как объект с правами, владельцем и историей использования.

OpenAI прямо описывает административные возможности для Enterprise и Edu: разрешения на создание и использование, загрузку, распространение, публикацию и установку Skills. На странице администрирования могут отображаться Owner, Access, Users, Invocations за 30 дней, Created и Updated. Это язык корпоративного контроля: кто создал workflow, кто имеет доступ, кто им пользуется и когда он обновлялся.

Польза здесь не ограничивается удобством. Если команда продаж использует Skill для follow-up писем, в нем можно закрепить тональность, обязательные оговорки и условия, когда письмо нельзя отправлять без проверки. Если финансовая команда готовит регулярное резюме, Skill может хранить шаблон, порядок проверки чисел и стандартный блок рисков. Сам по себе Skill не делает процесс безопасным, зато дает место, где процесс можно описать и затем проверить.

Главный контраргумент: риск автоматизации плохой практики. Если в Skill попадут устаревшие правила, ошибочная методика или небезопасные действия, ChatGPT сможет воспроизводить их быстрее и стабильнее. OpenAI указывает, что загружаемые Skills могут включать инструкции, файлы и код; сканирование перед доступностью не заменяет собственного review, политики и professional judgment организации.

В корпоративной среде это превращает Skills в часть системы управления знаниями и рисками. Их нужно не только создавать, но и выводить из обращения, если процесс устарел. Нужно понимать, какие Skills являются персональными, какие используются всей командой, какие требуют утверждения юристов или безопасности, а какие вообще нельзя подключать из внешних источников.

На практике у Skills появляется жизненный цикл. Сначала команда выбирает повторяемую задачу, затем описывает шаги, добавляет шаблоны и примеры, тестирует результат, назначает владельца, открывает доступ нужным пользователям и отслеживает применение. Если такого цикла нет, Skill легко превращается в еще один неконтролируемый промпт, только с более устойчивым эффектом.

• Skills становятся объектом администрирования: create/use, upload, share, publish, install.
• Invocations за 30 дней показывает использование, но не доказывает качество результата.
• Сканирование OpenAI не заменяет внутреннюю проверку Skills.
• Компаниям нужен владелец Skill, правила обновления и процедура вывода устаревших сценариев из использования.

Что это значит для профессий

Skills интересны тем, что работают на уровне задач, а не профессий целиком. Юрист не только пишет договоры, маркетолог не только придумывает слоганы, аналитик не только строит графики. Работа состоит из повторяемых цепочек: собрать данные, применить правила, проверить исключения, оформить вывод. Skills целятся в такие цепочки, где процедуру можно заранее описать.

В доступных источниках нет доказательства, что Skills сами по себе массово уничтожают профессии. Зато есть основания говорить о смене требований к работе с ИИ. Более востребованными становятся люди, которые умеют формализовать процесс, подготовить шаблоны, определить зоны риска, настроить права и проверить результат. Внутри компаний это могут быть владельцы процессов, администраторы рабочих пространств, предметные эксперты и руководители команд.

Меняется и смысл фразы «уметь пользоваться ChatGPT». На раннем этапе она часто означала умение написать хороший запрос. В логике Skills компетенция становится более управленческой: нужно понимать, какие задачи повторяемы, какие данные можно давать модели, где нужен запрет, где достаточно шаблона, а где обязательно решение человека. Это не превращает всех сотрудников в программистов, но требует мыслить рабочими процессами.

Российский контекст нужно формулировать осторожно. В выбранных источниках нет подтвержденного запуска Skills для российского рынка и нет статистики использования этой функции российскими компаниями. Поэтому практический вывод для русскоязычной аудитории другой: даже без локальных данных логика Skills полезна как рамка для корпоративных ИИ-проектов.

Тем, кто строит собственные AI-workflows, придется отвечать на те же вопросы: кто владеет навыком, кто утверждает изменения, как хранится версия, какие действия запрещены и где человек обязан проверить результат. Эти вопросы не зависят от конкретного интерфейса. Они возникают каждый раз, когда компания пытается превратить ИИ из личного помощника в управляемый производственный инструмент.

Отсюда и более спокойный вывод о профессиях. Skills не отменяют экспертизу, но меняют место, где она применяется. Эксперт нужен не только для выполнения задачи руками, но и для описания правильной процедуры, проверки граничных случаев и решения, какие части работы допустимо делегировать модели. Для многих ролей это может стать новой частью профессиональной нормы.

• Skills воздействуют на повторяемые задачи внутри профессии, а не на профессию целиком.
• Новый спрос может смещаться к проектированию workflow, ревью результата и администрированию прав.
• Данных о запуске Skills в России в выбранных источниках нет.
• Ключевая компетенция: видеть процесс, риски, права доступа и точки обязательной человеческой проверки.

Ограничения: Skill не делает ChatGPT безошибочным сотрудником

Самое опасное заблуждение: представить Skill как кнопку, которая превращает ChatGPT в надежного профессионала. На деле Skill задает процедуру и контекст, но не гарантирует истинность фактов, юридическую корректность, финансовую точность или безопасность кода. Он может повысить повторяемость формата и снизить риск забытых требований, но не отменяет проверку.

Особого внимания требует блок Help Center о безопасности загружаемых Skills. OpenAI пишет о сканировании upload перед доступностью, но одновременно подчеркивает, что это не заменяет собственную проверку, политику и judgment. Для организации Skill из внешнего источника разумно воспринимать не как безобидный текст, а как конфигурацию, влияющую на поведение системы. Если внутри есть инструкции, файлы или код, последствия могут быть практическими.

Есть и продуктовые ограничения. Skills пока не синхронизируются автоматически между desktop и web/mobile. Для Enterprise и Edu действует отдельная административная модель. Планируемое включение по умолчанию для части Enterprise-workspaces с 23 июля 2026 года не означает, что все сотрудники сразу начнут пользоваться Skills одинаково. Это rollout, а не завершенное внедрение во всех средах.

Наконец, GitHub-артефакты показывают направление, но не дают метрик качества. Репозиторий, issues и curated-файлы сами по себе не доказывают экономический эффект, снижение ошибок или массовое принятие пользователями. Для таких выводов нужны данные реального использования в командах, а в выбранных источниках их нет.

Поэтому корректная позиция для компании выглядит так: Skill можно рассматривать как управляемую оболочку для повторяемой работы, но не как гарантию правильного решения. Чем выше цена ошибки, тем жестче должны быть review, ограничение доступа, журнал изменений и обязательный человеческий контроль.

• Skill повышает повторяемость процедуры, но не гарантирует правильность результата.
• Загружаемые Skills требуют внутреннего review, особенно если включают файлы или код.
• GitHub-сигналы не равны доказательству зрелой экосистемы или массового внедрения.
• Чем критичнее задача, тем меньше оснований полагаться только на автоматическое применение Skill.

Что это значит для разработчиков и экосистемы

Для разработчиков Skills важны потому, что рабочая способность становится упаковочной единицей. Раньше интеграция с ИИ часто сводилась к API-вызову: отправить запрос, получить ответ, встроить его в продукт. В логике Skills важен весь сценарий: когда применять инструкцию, какие файлы подключать, какой формат результата нужен, какие действия разрешены и где проходит граница между автоматикой и человеком.

GitHub дает для этого привычную инфраструктуру. Если Skill хранится как набор файлов, его можно ревьюить, сравнивать версии, обсуждать через issues и связывать с внутренними правилами. Это снижает зависимость от магии промпта и делает ИИ-практики ближе к сопровождаемому процессу.

Но качество такой экосистемы будет зависеть не от количества шаблонов, а от тестирования, прав доступа, обновлений и ясной ответственности. Десятки Skills без владельцев создадут шум и риск. Небольшое число хорошо описанных процедур с проверками может дать больше пользы, чем большая библиотека случайных инструкций.

Для продуктовых команд это отдельный слой дизайна. Нужно проектировать не только интерфейс и модельный вызов, но и правила выбора Skill, условия отключения, текст ошибок, передачу на человека и способ объяснить пользователю, что именно применялось. Чем больше ИИ берет на себя рабочих процедур, тем важнее становится наблюдаемость таких решений.

• Skill для разработчика: не только prompt, а сценарий применения модели.
• GitHub-подход позволяет версионировать и ревьюить рабочие процедуры.
• Сопровождение, тестирование и права доступа важнее простого накопления шаблонов.
• Экосистема Skills будет конкурировать качеством процессов, а не только количеством готовых файлов.

Что это означает на практике

Если смотреть на Skills не как на красивую функцию, а как на рабочий инструмент, начинать лучше с маленького набора задач. Подходят сценарии, где уже есть повторяемость, понятный результат и регулярная проверка человеком. Например, отчет, резюме встречи, письмо клиенту, первичное ревью документа или подготовка черновика внутренней справки.

Не стоит начинать с задач, где правила каждый раз меняются, входные данные неполные, а цена ошибки высока. В таких случаях Skill может создать ложное ощущение надежности. Сначала нужно описать процесс, определить ограничения и проверить, какие решения в принципе можно отдавать модели.

Администраторам Enterprise и Edu стоит заранее проверить настройки создания, загрузки, публикации, установки и использования Skills. Особенно это важно с учетом планируемого default-on rollout для части Enterprise-workspaces. Вопрос не только в том, включена ли функция. Вопрос в том, кто получает право превращать рабочую процедуру в объект, которым будут пользоваться другие сотрудники.

Разработчикам и техническим командам полезно хранить Skills там, где есть review, version history и issues. Это помогает сопровождать рабочие процедуры, а не полагаться на неформальные промпты в личных документах и чатах. Если Skill влияет на клиентские письма, финансовые документы или код, его нужно проверять как часть продукта.

Для профессий главный вывод не в том, что ИИ всех заменит. Повторяемые части работы становятся формализуемыми. Ценность смещается к проектированию workflow, проверке результата и пониманию ограничений модели. Чем лучше специалист умеет описывать свой процесс, тем проще ему использовать ИИ не как случайного собеседника, а как управляемый рабочий инструмент.

• Начинать лучше с нескольких повторяемых задач: отчет, резюме встречи, письмо клиенту, первичное ревью документа.
• У каждого Skill нужен владелец. Без владельца workflow быстро устареет, а ChatGPT будет уверенно воспроизводить старые правила.
• Администраторам Enterprise и Edu стоит заранее проверить, кто может создавать, загружать, публиковать, устанавливать и использовать Skills.
• Skills из внешних источников нужно проверять как конфигурацию, влияющую на поведение системы.
• Разработчикам полезно хранить Skills там, где есть review, version history и issues.
• Для профессий главный вывод: повторяемые части работы становятся формализуемыми, а человек отвечает за проектирование процесса и проверку результата.

Мини-чек-лист внедрения Skills в команде

Этот чек-лист можно использовать как короткую рамку перед созданием первого корпоративного Skill. Он не заменяет политику безопасности и юридическую проверку, но помогает не свести внедрение к копированию удачных промптов.

• Выберите задачу, которая повторяется регулярно и имеет понятный формат результата.
• Опишите шаги workflow так, чтобы их мог проверить другой специалист.
• Добавьте только те файлы, шаблоны и примеры, которые действительно нужны для выполнения задачи.
• Назначьте владельца Skill и порядок обновления.
• Проверьте, какие данные разрешено передавать модели в этом сценарии.
• Определите случаи, когда ChatGPT обязан передать задачу человеку.
• Проверьте Skill на тестовых примерах до распространения в команде.
• Настройте права создания, установки и использования.
• Отслеживайте применение, но не считайте число запусков доказательством качества.
• Пересматривайте Skill при изменении правил, шаблонов, продукта или законодательства.

Вывод

Skills в ChatGPT: небольшой по форме, но заметный по направлению шаг OpenAI. Компания выводит на поверхность идею, что рабочие задачи можно упаковывать как переносимые процедуры: с инструкциями, файлами, примерами, кодом, владельцами и правами. Для пользователей это способ меньше повторять один и тот же промпт. Для компаний это переход от личной промпт-культуры к управлению ИИ-процессами. Для разработчиков это новый слой артефактов между моделью и бизнес-задачей.

Границы при этом нужно держать ясно. Skills не доказывают массовую автоматизацию профессий, не отменяют проверку человеком и не превращают ChatGPT в безошибочного исполнителя. Они скорее показывают, куда OpenAI ведет продукт: от диалога к делегируемой работе, от индивидуального промптинга к управляемым workflow, от универсального помощника к системе task-specific capabilities.

Если этот слой приживется, конкурировать будут не только модели, но и качество описанных процессов вокруг них. У кого лучше ревью, понятнее права, точнее шаблоны и честнее ограничения, тот получит больше пользы от ИИ. У кого Skills станут свалкой непроверенных инструкций, тот просто ускорит воспроизведение старых ошибок.

Источники

• OpenAI Help Center: Skills in ChatGPT
• OpenAI Academy: Skills
• GitHub: openai/skills
• GitHub: issues в репозитории openai/skills
• GitHub: curated SKILL.md для ChatGPT apps
• OpenAI: Workforce Blueprint, October 2025
• OpenAI: Jobs in the Intelligence Age, September 2025

Частые вопросы

Что такое Skills в ChatGPT?

Это переиспользуемые рабочие процессы для конкретных задач. Skill может включать инструкции, примеры, дополнительные файлы и иногда код, чтобы ChatGPT применял заданную процедуру при подходящем запросе.

Skills заменяют обычные промпты?

Нет. Промпт обычно работает как разовая инструкция в конкретном диалоге, а Skill выносит повторяемую процедуру в отдельный управляемый workflow, который можно устанавливать, обновлять и применять снова.

Чем Skill отличается от Custom GPT?

Custom GPT описывает помощника: его роль, область и манеру взаимодействия. Skill описывает процедуру: какие шаги выполнить, какие файлы использовать, в каком формате вернуть результат и где нужны ограничения.

Кому доступны Skills?

По Help Center, Personal Skills указаны как generally available для ChatGPT Business, Enterprise, Healthcare и Edu. При этом для Enterprise и Edu есть отдельные административные условия, а Skills нужно добавлять отдельно на desktop и web/mobile.

Можно ли считать Skills доказательством массовой автоматизации профессий?

Нет. В выбранных источниках нет данных, что Skills сами по себе массово заменяют профессии. Корректнее говорить о формализации повторяемых задач и росте роли людей, которые проектируют workflow, проверяют результат и управляют правами.

Нужна ли проверка Skills перед использованием в компании?

Да. OpenAI описывает сканирование загружаемых Skills, но оно не заменяет внутренний review, политику безопасности и профессиональное суждение организации, особенно если Skill включает файлы или код.

Практический чек-лист

Мини-чек-лист внедрения Skills в команде

PDF для downloads/checklist.pdf: короткая памятка для команды перед созданием первого Skill. Ее можно распечатать или использовать как основу внутреннего review.

Выбор задачи

• Задача повторяется регулярно.
• У задачи есть понятный формат результата.
• Правила можно описать пошагово.
• Цена ошибки не требует полной ручной работы без участия модели.

Описание workflow

• Шаги понятны другому специалисту.
• Добавлены только необходимые шаблоны, примеры и файлы.
• Указаны ограничения и запреты.
• Определены случаи передачи задачи человеку.

Управление и безопасность

• Назначен владелец Skill.
• Определены права создания, установки и использования.
• Проведен внутренний review до распространения.
• Есть порядок обновления и вывода устаревшей версии из использования.

Проверка качества

• Skill протестирован на типовых примерах.
• Skill протестирован на граничных случаях.
• Число запусков не считается доказательством качества.
• Процедура пересматривается при изменении правил, шаблонов, продукта или законодательства.