VinFunPark
VinFunPark
ISSN 2617-4162 e-ISSN 2617-4170

Соціально-правові студії

Поточний випуск

Соціально-правові студії

Том 9, № 2, 2026

Соціально-правові студії

ISSN 2617-4162 

e-ISSN 2617-4170

Видавець: Львівський державний університет внутрішніх справ

Отримано 24.12.2025, Доопрацьовано 20.03.2026, Прийнято 27.05.2026 Опубліковано 01.06.2026
Стаття

Алгоритми штучного інтелекту у правничій діяльності: правові межі, соціально-правові наслідки та відповідальність


Анотація

Актуальність дослідження зумовлена стрімкою цифровізацією правничої діяльності та зростанням ролі алгоритмів штучного інтелекту у процесах ухвалення юридичних рішень, що породжує нові правові та етичні виклики. Метою роботи було вивчення перетину правових, етичних та інституційних аспектів застосування штучного інтелекту в правничій сфері, а також визначення меж допустимого використання алгоритмічних систем і підходів до розподілу відповідальності. У дослідженні використано системний, порівняльно-правовий, формальноюридичний методи, а також аналіз судової практики. Досліджено ризики автоматизованого ухвалення рішень: алгоритмічну упередженість, проблему «чорної скриньки», відтворення дискримінації та загрози незалежності судді. Ці ризики підтверджуються емпіричними дослідженнями у сфері алгоритмічного правосуддя та аналізом практики використання систем прогнозування ризиків у кримінальному судочинстві (наприклад, COMPAS у США). Проаналізовано регулювання ШІ на прикладі Закону ЄС про штучний інтелект і GDPR, а також підходи ЄСПЛ до забезпечення прозорості та процесуальних гарантій. Узагальнено підходи до розподілу відповідальності між розробниками, постачальниками, користувачами й державою та запропоновано модель алгоритмічної прозорості з людським контролем і правом сторін на поінформованість. Розглянуто міжнародний досвід США, Франції, Сінгапуру та Китаю, а також перспективи впровадження ШІ в Україні в межах ЄСІТС і систем аналізу судової практики. Особливу увагу приділено концепції розподіленої алгоритмічної відповідальності та застосуванню аналогії з відповідальністю за джерело підвищеної небезпеки до високоризикових систем ШІ. Запропоновано модель алгоритмічної прозорості з правом сторін на повідомлення про використання ШІ, алгоритмічну експертизу та обов’язком суду мотивувати врахування рекомендацій ШІ. Окреслено принцип «людської помилки» як гарантію збереження судового розсуду й незалежності судді. Результати дослідження можуть бути використані для вдосконалення національного законодавства у сфері цифрового правосуддя та впровадження стандартів алгоритмічної прозорості


Ключові слова: алгоритмічна відповідальність; етика, дискримінація; цифрове правосуддя; Закон ЄС про штучний інтелект; Загальний регламент про захист даних


Цитувати

Lukashchuk, Yu., & Tsmots, U. (2026). Artificial intelligence algorithms in legal practice: Legal boundaries, socio-legal implications and liability. Social and Legal Studios, 9(2), 67-78. https://doi.org/10.32518/sals2.2026.67
Використані джерела
  1. Angwin, J., Larson, J., Mattu, S., & Kirchner, L. (2016). Machine bias. ProPublica. Retrieved from https://www.propublica.org/ article/machine-bias-risk-assessments-in-criminal-sentencing.
  2. Baranov, O.A. (2023). Definition of the term “artificial intelligence”. Information and Law, 1(44), 32-49. doi: 10.37750/26166798.2023.1(44).287537.
  3. Barfield, W. (Ed.). (2020). The Cambridge handbook of the law of algorithms. Cambridge: Cambridge University Press.doi: 10.1017/9781108680844.
  4. Barocas, S., & Selbst, A.D. (2016). Big data’s disparate impact. California Law Review, 104(3), 671-732.
  5. Calo, R. (2015). Robotics and the lessons of cyberlaw. California Law Review, 103(3), 513-563.
  6. Cath, C., Wachter, S., Mittelstadt, B., Taddeo, M., & Floridi, L. (2018). Artificial intelligence and the “good society”. Science and Engineering Ethics, 24(2), 505-528. doi: 10.1007/s11948-017-9901-7.
  7. Citron, D.K. (2008). Technological due process. Washington University Law Review, 85(6), 1249-1313.
  8. Davenport, T.H., & Ronanki, R. (2018). Artificial intelligence for the real world. Harvard Business Review, 96(1), 108-116.
  9. Dressel, J., & Farid, H. (2018). The accuracy, fairness, and limits of predicting recidivism. Science Advances, 4(1), article number eaao5580. doi: 10.1126/sciadv.aao5580.
  10. Edwards, L. (2022). Regulating AI in Europe: Four problems and four solutions. Retrieved from https://www.adalovelaceinstitute. org/report/regulating-ai-in-europe/.
  11. European Commission High-Level Expert Group on AI. (2019). Ethics guidelines for trustworthy AI. Retrieved from https:// digital-strategy.ec.europa.eu/en/library/ethics-guidelines-trustworthy-ai.
  12. European Convention on Human Rights. (1950, November). Retrieved from https://www.echr.coe.int/en/web/echr/europeanconvention-on-human-rights.
  13. Floridi, L., et al. (2018). AI4People ‒ an ethical framework. Minds and Machines, 28(4), 689-707. doi: 10.1007/s11023-0189482-5.
  14. Goddard, K., Roudsari, A., & Wyatt, J. C. (2012). Automation bias in clinical decision support systems. Artificial Intelligence in Medicine, 57(3), 193-200. doi: 10.1016/j.artmed.2012.01.001.
  15. Hildebrandt, M. (2020). Law for computer scientists and other folk. Oxford: Oxford University Press. doi: 10.1093/ oso/9780198860877.001.0001.
  16. Judgment of the European Court of Human Rights in the Case No. 47143/06 “Zakharov v. Russia”. (2015, December). Retrieved from https://hudoc.echr.coe.int/eng?i=001-155159
  17. Judgment of the European Court of Human Rights in the Case No. 58170/13, 62322/14, 24960/15 “Big Brother Watch and Others v. the United Kingdom”. (2021, May). Retrieved from https://hudoc.echr.coe.int/eng?i=001-210077.
  18. Logg, J.M., Minson, J.A., & Moore, D.A. (2019). Algorithm appreciation. Organizational Behavior and Human Decision Processes, 151, 90-103. doi: 10.1016/j.obhdp.2018.12.005.
  19. McGinnis, J.O., & Pearce, R.G. (2014). The great disruption. Fordham Law Review, 82(6), 3041-3066.
  20. O’Neil, C. (2016). Weapons of math destruction: How big data increases inequality and threatens democracy. New York: Crown Publishers. doi: 10.5860/crl.78.3.403.
  21. OECD. (2020). OECD principles on AI. Retrieved from https://www.oecd.org/en/topics/ai-principles.html.
  22. Pagallo, U. (2013). The laws of robots. New York: Springer. doi: 10.1007/978-94-007-6564-1
  23. Parasuraman, R., & Manzey, D.H. (2010). Complacency and bias in automation. Human Factors, 52(3), 381-410. doi: 10.1177/0018720810376055.
  24. Parasuraman, R., & Riley, V. (1997). Humans and automation. Human Factors, 39(2), 230-253. doi: 10.1518/001872097778543886.
  25. Pasquale, F. (2015). The black box society. Cambridge: Harvard University Press.
  26. Raji, I.D., et al. (2020). Closing the AI accountability gap. arXiv. doi: 10.48550/arXiv.2001.00973. 
  27. Regulation of European Union No. 2016/679 “General Data Protection”. (2016, April). Retrieved from https://eur-lex.europa. eu/eli/reg/2016/679/oj.
  28. Regulation of European Union No. 2024/1689 “Artificial Intelligence Act”. (2024, June). Retrieved from https://eur-lex.europa.eu/eli/reg/2024/1689/oj.
  29. Remus, D., & Levy, F. (2017). Can robots be lawyers? Georgetown Journal of Legal Ethics, 30, 501-558.
  30. Sourdin, T. (2018). Judge v robot? University of New South Wales Law Journal, 41(4), 1114-1133.
  31. Susskind, R. (2019). Online courts and the future of justice. Oxford: Oxford University Press. doi: 10.1093/ oso/9780198838364.001.0001.
  32. Veale, M., & Borgesius, F.Z. (2021). Demystifying the AI Act. Computer Law Review International, 22(4), 97-112.
  33. Wachter, S., Mittelstadt, B., & Floridi, L. (2017a). Transparent AI. Science Robotics. doi: 10.1126/scirobotics.aan6080.
  34. Wachter, S., Mittelstadt, B., & Floridi, L. (2017b). Why a right to explanation does not exist in GDPR. International Data Privacy Law, 7(2), 76-99. doi: 10.1093/idpl/ipx005.
  35. Yeung, K., & Ulbricht, L. (2022). Understanding algorithmic regulation. Regulation & Governance, 16(1), 3-22. doi: 10.1111/ rego.12437.