Штучний інтелект у страхуванні: правові межі алгоритмічного оцінювання ризику, ціноутворення та прийняття рішень щодо страхових виплат

Анотація

У статті досліджено правові межі використання штучного інтелекту під час оцінювання страхового ризику, ціноутворення та прийняття рішень щодо страхових виплат. Обґрунтовано, що правомірність використання систем штучного інтелекту в страхуванні не може оцінюватися виключно з позицій технологічної ефективності, економічної доцільності чи актуарної точності. У центрі правового аналізу мають перебувати законність обробки даних, заборона дискримінації, прозорість, пояснюваність, людський нагляд, можливість перегляду та оскарження рішень, а також відповідальність страховика за результат використання алгоритмічних інструментів.

Показано, що чинне українське законодавство не містить спеціального комплексного регулювання штучного інтелекту у страхуванні, однак це не означає відсутності правових меж його застосування. Такі межі випливають із норм цивільного, страхового, фінансового, інформаційного та споживчого законодавства, регуляторних підходів Національного банку України, секторальних орієнтирів Європейського органу зі страхування та недержавного пенсійного забезпечення (EIOPA), наглядових орієнтирів Міжнародної асоціації органів нагляду за страховою діяльністю (IAIS), правил Європейського Союзу щодо штучного інтелекту, а також із підходів до автоматизованого прийняття рішень, права на пояснення, дискримінації через ознаки-замінники (проксі-дискримінації) та несправедливої диференціації.

Сформульовано критерії розмежування правомірної актуарної диференціації та неприйнятних форм профілювання, непрямої і проксі-дискримінації.

Запропоновано ризик-орієнтований підхід: вимоги до прозорості, пояснюваності, людського контролю та перегляду рішення мають посилюватися залежно від його впливу на права клієнта.

Ключові слова: штучний інтелект; страхування; страхове ціноутворення; автоматизоване прийняття рішень; право на пояснення; захист персональних даних; захист прав споживачів; недискримінація; проксі-дискримінація; комплаєнс страховика.

Abstract (English)

Inna Bernaziuk. Artificial intelligence in insurance: legal limits of algorithmic risk assessment, pricing and insurance claims decision-making

The article examines the legal limits of using artificial intelligence in insurance risk assessment, pricing and decision-making on insurance claims. It argues that the lawfulness of AI use in insurance cannot be assessed solely in terms of technological efficiency, economic feasibility or actuarial accuracy. Legal scrutiny should focus on the lawfulness of data processing, non-discrimination, transparency, explainability, human oversight, the possibility of review and challenge, and the insurer’s responsibility for decisions made with the use of algorithmic systems.

The study shows that Ukrainian law does not yet provide a comprehensive special regime for the use of artificial intelligence in insurance. This, however, does not mean that such use falls outside existing legal constraints. Relevant requirements derive from civil, insurance, financial, data protection and consumer protection law, as well as from the regulatory approaches of the National Bank of Ukraine, the European Insurance and Occupational Pensions Authority (EIOPA), the International Association of Insurance Supervisors (IAIS), and European Union rules on artificial intelligence.

The article proposes criteria for distinguishing lawful actuarial differentiation from unacceptable profiling, indirect discrimination and proxy discrimination. Particular attention is paid to situations in which formally neutral variables reproduce the effects of protected or otherwise sensitive characteristics. It is argued that predictive accuracy alone cannot justify the use of a particular factor in insurance pricing or risk assessment.

The article also examines automated and semi-automated decision-making on insurance claims. Effective human oversight requires more than the formal involvement of an employee: the authorised person must be able to understand the relevant factors, verify the algorithmic output and depart from it where necessary. The use of an external AI provider does not relieve the insurer of responsibility towards the client for the decision made.

A risk-based approach is proposed under which requirements concerning documentation, testing, explainability, human oversight and review should become more stringent as the impact of an AI system on the rights and legitimate interests of the client increases.

Keywords: artificial intelligence; insurance; insurance pricing; automated decision-making; right to explanation; personal data protection; consumer protection; non-discrimination; proxy discrimination; insurer compliance.

Вступ

Системи, здатні аналізувати великі масиви даних, формувати рекомендації або висновки, прогнозувати збитковість, класифікувати страхувальників за ризиковими групами, визначати індивідуалізовану премію, підстави й розмір страхової виплати, стають складовою страхового процесу.

Предметом правової оцінки є межі використання ШІ під час оцінювання страхового ризику, ціноутворення та прийняття рішень щодо страхових виплат. У цих процесах технологічна точність може вступати у суперечність із вимогами недискримінації, добросовісності, захисту персональних даних та захисту прав споживача фінансової послуги.

На відміну від багатьох інших ринків, страхова діяльність за своєю природою побудована на правомірній диференціації ризику. Страховик повинен враховувати релевантні обставини, що впливають на ймовірність настання страхового випадку та розмір можливого збитку. Використання ШІ ускладнює таке розмежування, оскільки дає змогу враховувати ознаки, неочевидні для клієнта або юридично сумнівні. Тому необхідно визначити критерії розмежування допустимої актуарної диференціації та проксі-дискримінації чи іншої несправедливої диференціації.

Міжнародні секторальні документи виходять із того, що застосування штучного інтелекту у страхуванні повинно бути таким, що відповідає вимогам справедливості, прозорості, людського нагляду та належного управління ризиками. Національний банк України у дискусійному документі 2026 року констатує фрагментарність національної нормативної бази щодо використання штучного інтелекту у фінансовому секторі, але одночасно формулює орієнтири відповідального використання ШІ, включно з правом клієнта знати про істотну роль ШІ, отримувати пояснення, вимагати перегляду та оскарження автоматизованих рішень [35].

Постановка проблеми

Алгоритмічне оцінювання ризику спирається на значно ширші масиви даних, ніж традиційне страхове анкетування. Можуть використовуватися поведінкові, геолокаційні, цифрові та медичні дані, а також дані про споживчу активність. Тому необхідно визначати правову підставу обробки, дотримуватися принципів мінімізації та обмеження метою, а також перевіряти правомірність повторного використання й об’єднання даних.

Окремим ризиком є непряма дискримінація, зокрема спричинена використанням проксі-ознак. Проксі-дискримінація у цьому дослідженні розглядається не як самостійна законодавчо визначена форма дискримінації, а як механізм, через який формально нейтральні змінні можуть відтворювати вплив ознаки, за якою дискримінація заборонена. Правова оцінка не може зводитися до формального запитання, чи використовувала модель стать, вік, стан здоров’я, інвалідність або соціально чутливі фактори безпосередньо. Потрібно досліджувати, чи не працює модель через проксі-ознаки, що відтворюють той самий результат.

Якщо результат роботи моделі став істотною підставою для відмови у страхуванні, суттєвого підвищення страхової премії, зменшення страхової виплати або відмови у ній, саме посилання на алгоритмічний результат не дає змоги оцінити правомірність такого рішення. Для його змістовної перевірки мають бути встановлюваними основні фактичні та правові підстави, що визначили результат.

Виникає проблема людського нагляду та розподілу відповідальності. Використання програмного продукту або послуг зовнішнього постачальника не звільняє страховика від відповідальності перед клієнтом.

Аналіз останніх досліджень і публікацій

Українська наукова література вже містить кілька важливих для цього дослідження векторів.

Суміжні економічні дослідження розкривають використання ШІ в управлінні фінансовими ризиками, цифровізації страхових процесів, управлінні страховими компаніями та контролі їх фінансових ресурсів [12; 21; 22; 23].

У своїй праці О. О. Хорватова досліджує міжнародно-правові засади використання технологій штучного інтелекту у сфері страхування життя, акцентуючи увагу на необхідності балансу між інноваційністю, захистом прав людини та демократичними стандартами [1]. С. В. Волосович і М. В. Гуминська аналізують практичні напрями застосування штучного інтелекту на ринку страхових послуг, зокрема в андеррайтингу, врегулюванні вимог і персоналізованому ціноутворенні, звертаючи увагу на ризики упередженості та проблеми захисту даних [2]. Н. В. Приказюк і А. Р. Дорошенко зосереджуються на потенційному впливі штучного інтелекту на ринок страхування життя [3]. У працях О. Т. Прокопчука та співавторів, А. Ю. Полчанова і К. О. Галатюк, М. В. Пшеничної, Н. Євтушенко, Ю. Кривенко, Д. Стеценка значна увага приділяється цифровій трансформації страхового бізнесу, страховим технологіям (InsurTech), персоналізації страхових продуктів та підвищенню ефективності страхових процесів [4].

Окремий напрям становлять праці щодо автоматизованого прийняття рішень. А. Гачкевич вказує на зростання кількості ситуацій, у яких сучасним технологіям делегується функція вибору оптимального варіанта за заданих умов, а тому питання правового регулювання автоматизованого прийняття рішень в Україні набуває особливої актуальності [15]. А. Лабик розкриває право на пояснення алгоритмічних рішень як елемент системи цифрових прав людини, що має особливе значення там, де рішення справляє істотний вплив на права і свободи особи [14]. Загальні питання міжнародних і національних підходів до правового регулювання ШІ також досліджують Л. В. Товкун та М. Ю. Леонович [16].

Проблематика правових меж алгоритмічного ухвалення рішень досліджувалася також у попередніх працях авторки цієї статті. Було проаналізовано вплив штучного інтелекту на конституційно-правове регулювання, насамперед у частині права на приватність, захисту персональних даних та недопущення дискримінації [39]; виклики, які алгоритмічні системи створюють для гарантій, закріплених у Європейській конвенції з прав людини, зокрема щодо права на пояснення та ефективний перегляд автоматизованого рішення [40]; а також перехід від рекомендаційних (етичних) підходів до юридично зобов'язальної ризик-орієнтованої моделі, закріпленої Рамковою конвенцією Ради Європи про штучний інтелект, права людини, демократію та верховенство права [41]. Зазначені висновки сформульовано щодо публічно-правових відносин, у яких алгоритмічне рішення ухвалює суб'єкт владних повноважень. У страхуванні ж таке рішення ухвалює приватний суб'єкт у межах договірних відносин, а тому вимоги прозорості, пояснюваності, людського нагляду та перегляду потребують самостійного обґрунтування через страхове, фінансове, інформаційне та споживче законодавство.

Важливе значення мають секторальні документи EIOPA та IAIS. Звіт EIOPA 2021 року про принципи управління штучним інтелектом у страховому секторі Європи формулює базову етичну й управлінську основу: справедливість, недискримінація, прозорість, пояснюваність, людський нагляд, надійність і належне управління даними [6]. Висновок EIOPA 2025 року (Opinion) переносить цю дискусію в площину наглядової практики і пов’язує використання ШІ з вимогами до системи управління страховика, розподілу продуктів, операційної стійкості та ризик-менеджменту [17]. Прикладний документ IAIS 2025 року (Application Paper) додає глобальний вимір наглядових підходів до штучного інтелекту в страхуванні [8]. Дослідження Geneva Association 2020 і 2023 років поєднують перспективу відповідального використання штучного інтелекту з необхідністю збереження споживчого захисту та простору для інновацій [9]. Аналітичний документ OECD 2020 року дає ширший політико-правовий контекст для оцінки наслідків великих даних та штучного інтелекту у страховому секторі [7].

Сучасний етап дослідження алгоритмічного страхування представляє праця P. Marano та S. Li, які аналізують взаємодію AI Act із Solvency II та Insurance Distribution Directive щодо андеррайтингу, оцінювання ризику, управління страховими вимогами, корпоративного управління та відповідальності страховика [42]. Новітня українська правова доктрина також розвиває проблематику алгоритмічної дискримінації: А. Лабик акцентує на її латентному та переважно непрямому характері, використанні нейтральних проксі-змінних і складності виявлення причинного зв’язку між роботою алгоритму та несприятливим результатом [47].

Проблема алгоритмічної дискримінації досліджена у статті A. E. R. Prince та D. Schwarcz, в якій показано, що ризик проксі-дискримінації в епоху великих даних і штучного інтелекту є системним викликом для антидискримінаційних режимів [18]. Праця M. van Bekkum, F. Zuiderveen Borgesius та T. Heskes безпосередньо стосується предмета цієї статті, оскільки аналізує дискримінацію та несправедливу диференціацію в контексті андеррайтингу, що ґрунтується на великих масивах даних (data-intensive underwriting), та страхування, заснованого на поведінкових показниках (behaviour-based insurance) [19]. Дослідження, засноване на опитуванні населення Нідерландів, додатково показує, що соціальна оцінка справедливості страхових практик має самостійне значення й не зводиться лише до формально-юридичного питання законності [24].

Для українського ринку важливим є дискусійний документ НБУ 2026 року, який хоча і має консультативний характер, але є цінним тому, що вперше системно окреслює для учасників ринку фінансових послуг України, включно зі страховиками, принципи етичного та відповідального використання штучного інтелекту: законність, прозорість, ризик-орієнтованість, конфіденційність, недискримінацію, людський нагляд, права клієнтів на пояснення, перегляд та оскарження автоматизованих рішень [35]. Практичне значення людського контролю додатково підкреслює Голова НБУ, звертаючи увагу на ймовірнісну природу сучасних систем ШІ та критичне значення людської експертизи для виявлення помилкових результатів [36].

Водночас бракує комплексного правового дослідження алгоритмічного оцінювання страхового ризику, ціноутворення та рішень щодо страхових виплат з урахуванням цивільного, страхового, фінансового, інформаційного й антидискримінаційного регулювання.

Мета статті

Метою статті є визначення правових критеріїв використання ШІ під час оцінювання страхового ризику, ціноутворення та прийняття рішень щодо страхових виплат, а також формулювання пропозицій щодо регулювання і внутрішніх процедур страховиків.

1. Правова специфіка використання ШІ у страхуванні

Використання ШІ у страхуванні безпосередньо впливає на оцінювання та розподіл страхового ризику. Договір страхування є механізмом перерозподілу ризику, а діяльність страховика неможлива без оцінки й класифікації ризиків [25, гл. 67; 26, ст. 1]. Закон України «Про страхування» пов’язує страхову діяльність із актуарною функцією, аналізом та оцінкою ризиків, а також із системою управління страховика [26, ст. 1]. У сфері обов’язкового страхування цивільно-правової відповідальності власників наземних транспортних засобів загальні страхові засади доповнюються спеціальним законодавчим регулюванням [27]. Алгоритмізація ризикової класифікації безпосередньо впливає на умови страхування клієнта.

ШІ розширює обсяг доступних даних, виявляє неочевидні статистичні зв'язки та дає змогу автоматично застосовувати складні моделі до великої кількості осіб [6].

ШІ дає змогу точніше сегментувати ризики, виявляти шахрайство й аномалії, прискорювати врегулювання та індивідуалізувати страхові продукти [2]. Практичний масштаб використання нових моделей підтверджує дослідження EIOPA: 65 % опитаних страхових організацій уже використовують генеративний ШІ, а серед напрямів його застосування є андеррайтинг та управління страховими вимогами. Водночас переважають моделі, за яких ШІ доповнює, а не замінює людину [43].

Водночас його використання потребує перевірки обґрунтованості й недискримінаційності рішення, можливості пояснити його клієнтові та забезпечити реальний перегляд [14].

Секторальні європейські документи також передбачають, що для страхування важливими є справедливість, пояснюваність, якість вхідних даних, ризики надмірної цінової диференціації, виключення окремих груп та належне управління системами [6].

2. Правові засади використання ШІ у страхуванні

Правові межі використання ШІ страховиками випливають із цивільного, страхового, фінансового законодавства, законодавства про персональні дані та захист споживачів.

Цивільний кодекс України визначає загальні засади цивільних і договірних відносин, зокрема добросовісність, розумність і справедливість, а також обов’язковість договору для сторін [25, ст. 3, 629]. Норми глави 67 Кодексу регулюють договір страхування [25, гл. 67]. Тому використання алгоритмічної системи не змінює погодженого сторонами змісту договору і не може бути самостійною підставою для відступу від його умов.

Закон України «Про страхування» є центральним спеціальним актом. У його преамбулі зафіксовано, що закон спрямований на посилення захисту прав та законних інтересів клієнтів шляхом установлення вимог до системи управління, порядку укладення, обслуговування та виконання договорів, а також інформаційного забезпечення дій, що передують укладенню договору [26, преамбула]. Тобто використання штучного інтелекту страховиком має відповідати регуляторним вимогам до системи управління та взаємодії з клієнтом. Закон оперує категоріями андеррайтингового ризику, операційного ризику, актуарної функції, комплаєнсу, ризик-менеджменту та внутрішнього аудиту [26, ст. 1]. Ризики використання ШІ можуть бути інтегровані в систему управління страховика.

Закон України «Про фінансові послуги та фінансові компанії» доповнює зазначене регулювання, визначаючи державне регулювання діяльності з надання фінансових та супровідних послуг як діяльність, що здійснюється, зокрема, з метою захисту прав і законних інтересів клієнтів [28, ст. 1]. Використання страховиком зовнішнього алгоритмічного рішення або передача окремих процесів зовнішньому постачальнику не повинні призводити до перенесення відповідальності за рішення щодо клієнта на алгоритм чи постачальника технології [35].

Закон України «Про захист персональних даних» має для теми цього дослідження фундаментальне значення, оскільки безпосередньо поширюється на обробку персональних даних, яка здійснюється повністю або частково із застосуванням автоматизованих засобів [29, ст. 1]. Це положення дає нормативну опору для висновку, що алгоритмічне оцінювання ризику та алгоритмічне ціноутворення у страхуванні не можуть вважатися суто технічними процесами, вилученими з-під дії правових вимог до обробки даних.

До відносин за участю споживача застосовуються також положення чинного Закону України від 12 травня 1991 року № 1023-XII «Про захист прав споживачів» [38]. Додатковим орієнтиром подальшого розвитку споживчого регулювання є Закон України від 10 червня 2023 року № 3153-IX «Про захист прав споживачів», який на момент підготовки цієї статті ще не набрав чинності [30, розд. IX, п. 1]. У сфері страхування це особливо важливо для онлайн-продажу продуктів, попереднього профілювання, автоматизованих рекомендацій та цифрового врегулювання вимог. Закон України «Про електронну комерцію» додатково створює правову основу для електронних правочинів із застосуванням інформаційно-комунікаційних систем [31, ст. 1–2].

EIOPA у звіті 2021 року сформулювала принципи управління штучним інтелектом у європейському страховому секторі, включно зі справедливістю та недискримінацією, прозорістю і пояснюваністю, людським наглядом, належним управлінням даними, надійністю та оцінкою впливу систем ШІ [6]. Ці принципи адресовані страховому сектору, а не загалом цифровій економіці.

Висновок EIOPA 2025 року (Opinion) ще чіткіше пов’язує використання штучного інтелекту з уже чинною системою страхового регулювання ЄС, зокрема з Solvency II, Insurance Distribution Directive, DORA та делегованими регламентами [17]. Тобто ШІ не розглядається як автономна «позасистемна» технологія, а інтегрується в обов’язки страховика щодо належної системи управління, контролю ризиків і захисту клієнтів [17].

Окремого врахування потребує Регламент (ЄС) 2024/1689 (Акт про штучний інтелект), який установлює горизонтальний ризик-орієнтований режим використання ШІ. До переліку високоризикових віднесено, з урахуванням правил статті 6 Регламенту, системи ШІ, призначені для оцінювання ризику та ціноутворення щодо фізичних осіб у страхуванні життя та медичному страхуванні [37, ст. 6, дод. III, п. 5(c)].

Для таких систем стаття 86 Акта про ШІ передбачає право особи, щодо якої на підставі результату роботи високоризикової системи прийнято рішення з правовими або іншими істотними несприятливими наслідками, отримати чітке й змістовне пояснення ролі системи ШІ у прийнятті рішення та його основних елементів [37, ст. 86]. Для України ця конструкція є важливим орієнтиром конкретизації права клієнта на пояснення алгоритмічного рішення.

Водночас високоризиковий статус не охоплює всі способи використання ШІ у страхуванні. EIOPA у 2026 році звернула увагу на необхідність розмежування складних систем ШІ та усталених актуарних моделей і запропонувала виключити з класифікації як високоризикових самостійно застосовувані узагальнені лінійні (GLM) та узагальнені адитивні (GAM) моделі, що характеризуються високою пояснюваністю, детермінованістю і функціонують у межах усталених процедур людського нагляду та валідації [45]. Незалежно від класифікації за AI Act до таких моделей продовжують застосовуватися пруденційні, споживчі та правила захисту даних [45].

При цьому Регламент (ЄС) 2026/1744 переніс початок застосування вимог розділів 1–3 глави III AI Act щодо систем, віднесених до високоризикових за статтею 6(2) та додатком III, на 2 грудня 2027 року [46].

Прикладний документ IAIS 2025 року (Application Paper) має особливу вагу з огляду на наглядовий вимір. Він виходить із потреби пропорційного, ризик-орієнтованого підходу, а також підкреслює значення підзвітності, надійності, прозорості, справедливості, етичності та механізмів відновлення порушених прав [8].

НБУ у дискусійному документі 2026 року адаптує цю європейську та міжнародну логіку до українського фінансового сектора. Документ посилається на EU AI Act, DORA, GDPR, ISO/IEC 42001, ISO/IEC 27001, ISO/IEC 23894 та NIST AI Risk Management Framework [35]. Це особливо важливо для страхової сфери, оскільки дає вітчизняний регуляторний орієнтир: навіть до появи спеціального закону страховики не можуть посилатися на нормативну невизначеність як на підставу для безконтрольного впровадження алгоритмічних інструментів.

3. Алгоритмічне оцінювання ризику та ціноутворення

Оцінювання страхового ризику безпосередньо визначає можливість укладення договору, його умови та розмір страхової премії [25, гл. 67; 26, ст. 1].

Традиційно ризикова класифікація спиралася на порівняно обмежений набір відомостей: вік, характер об’єкта страхування, страховий досвід, попередню збитковість, технічні характеристики майна, стан здоров’я в межах, допустимих законом і практикою відповідного виду страхування тощо [7]. ШІ дає змогу враховувати десятки або сотні змінних, у тому числі таких, які клієнт не міг би самостійно ідентифікувати як фактори, що впливають на ціну договору [7].

Диференціація страхової премії залежно від ризику є правомірною. Проблема виникає тоді, коли критерії такої диференціації стають непрозорими, нерелевантними або дискримінаційними. Правова проблема полягає у визначенні межі між допустимою актуарною диференціацією та неправомірним профілюванням [24].

У матеріалах EIOPA окремо наголошено, що підвищена точність аналізу даних не скасовує ризиків упередженості моделі, несправедливої диференціації, непрозорості, неналежного управління даними та надмірної цінової сегментації [6]. У документі Geneva Association 2023 року це ж питання сформульовано через потребу одночасно захищати споживача і не блокувати інновацію, тобто зберігати нормативно виважений баланс між страховою ефективністю та правами особи [10].

Правові ризики можуть виникати вже на етапі формування набору даних. Якщо дані є зібраними без чіткої правової підстави, використовуються поза межами первісної мети, не є релевантними для страхового завдання або містять приховані неузгодженості, то навіть технічно точна модель відтворюватиме результат, що не відповідає вимогам закону [20].

Закон України «Про захист персональних даних» поширюється на обробку персональних даних із застосуванням автоматизованих засобів [29, ст. 1]. Суб’єкт персональних даних має право знати механізм автоматичної обробки персональних даних та право на захист від автоматизованого рішення, яке має для нього правові наслідки [29, ч. 2 ст. 8]. Отже, українське законодавство вже містить нормативну основу контролю автоматизованих рішень, хоча не конкретизує зміст належного пояснення та процедуру людського перегляду такого рішення.

Національний банк України у дискусійному документі 2026 року окремо наголошує, що використання систем ШІ має здійснюватися з дотриманням принципів мінімізації даних, цільового обмеження обробки, конфіденційності, цілісності та доступності інформації [35]. У цьому самому документі зазначено, що учасники ринку фінансових послуг повинні мати чіткі договірні умови з постачальниками рішень щодо меж використання даних, заборони несанкціонованого використання або навчання моделей, а також дотримання вимог інформаційної безпеки [35].

Для страхування це має особливе значення з огляду на таке.

Страхова діяльність за самою своєю природою передбачає збирання даних, чутливих для приватного життя особи: про здоров’я, майновий стан, стиль життя, пересування, сімейні обставини, поведінку під час експлуатації транспортного засобу тощо. Крім того, використання ширших масивів даних посилює ризик надмірного профілювання особи. Тому тут ризик розмивання меж мети обробки є особливо високим.

Не кожен технічно доступний набір даних є юридично допустимим для страхового ціноутворення або оцінювання ризику. Релевантність даних має оцінюватися не лише з позиції статистичної кореляції зі збитковістю, а й з позиції правової допустимості їх використання.

Праця M. van Bekkum, F. Zuiderveen Borgesius та T. Heskes пропонує для страхування доктринальну категорію «несправедлива диференціація» (unfair differentiation), яка не зводиться суто до класичної дискримінації або економічного розрізнення [19]. Автори показують, що андеррайтинг, що ґрунтується на великих масивах даних, і страхування, засноване на поведінкових індикаторах, можуть породжувати наслідки, які не завжди підпадають під юридично усталені форми забороненої дискримінації, але все ж є проблемними з погляду справедливості, доступності страхування та суспільної ролі страхової системи [19]. Тому несправедлива диференціація може слугувати аналітичною категорією для виявлення проблемних страхових практик, але сама по собі не є юридичною підставою висновку про їх неправомірність.

Якщо аналіз обмежити лише традиційним питанням «чи мала місце заборонена дискримінація», значна частина реальних ризиків випаде з поля зору. Наприклад, модель може встановлювати різко вищу премію для осіб, які проживають у певній місцевості, користуються певним типом мобільного пристрою або мають певні поведінкові закономірності. Формально ці ознаки не завжди є захищеними характеристиками. Однак їх використання може спричинити системне витіснення менш заможних або соціально вразливих осіб із доступного страхування [7].

Під час правової оцінки алгоритмічного ціноутворення слід перевіряти, зокрема: об’єктивно обґрунтований зв’язок використаного фактору зі страховим ризиком; правомірність мети та способу його використання; характер і масштаб несприятливого впливу на окремі групи клієнтів та, якщо такий вплив виникає, його об’єктивне і пропорційне обґрунтування; можливість змістовно пояснити роль відповідного фактору у формуванні результату; відповідність поведінки страховика вимогам добросовісності [10].

Отже, актуарна точність не є самодостатнім критерієм правомірності. Те, що фактор підвищує прогностичну точність моделі, ще не означає, що він придатний для правового використання в ціноутворенні.

Аналогічний підхід розвиває ACPR: у страхуванні існує структурна напруга між необхідною для самої страхової моделі диференціацією осіб за рівнем ризику та вимогою недискримінації. Саме невикористання захищеної ознаки не гарантує справедливості результату, оскільки система ШІ здатна відтворювати відповідну інформацію через корельовані змінні [44].

Однією із загроз для правового контролю за алгоритмічними рішеннями є проксі-дискримінація. A. E. R. Prince та D. Schwarcz доводять, що в епоху великих даних і штучного інтелекту саме вона становить одну з найбільш складних і водночас найменш очевидних форм дискримінаційного ефекту [18]. Її сутність полягає в тому, що система не використовує чутливу ознаку безпосередньо, але спирається на інші змінні, які є цінними для моделі саме тому, що вони корелюють із такою ознакою [18].

Страхування ґрунтується на статистичному розрізненні ризиків, а алгоритми машинного навчання здатні знаходити менш очевидні замінники чутливих характеристик; зовнішній спостерігач, а часто й сам страховик, може не бачити цього ефекту без спеціального тестування [18].

Виключення чутливої ознаки з набору даних не усуває ризику її опосередкованого відтворення через корельовані або проксі-змінні [18]. Формальний комплаєнс, який обмежується лише переліком «дозволених» і «заборонених» змінних у наборі даних, не є достатнім.

Внутрішній контроль страховика має охоплювати не лише перелік використаних змінних, а й вплив моделі на різні групи осіб [6].

Дослідження F. Zuiderveen Borgesius та співавторів присвячене сприйняттю справедливості алгоритмічних страхових практик [24]. Його результати показують, що коли респонденти вважають певну страхову практику несправедливою, вони схильні вважати її і неприйнятною; справедливішими сприймаються практики, на результат яких особа може бодай певною мірою вплинути; нелогічні для страхувальника характеристики викликають виразне відчуття несправедливості; негативно оцінюються й практики, за яких бідні сплачують більше [24].

У сфері фінансових послуг, а тим більше у сфері споживчого страхування, юридична оцінка не може ігнорувати питання, чи є логіка ціноутворення доступною для раціонального сприйняття клієнтом. Непрозора індивідуалізація ціноутворення може істотно обмежити здатність споживача оцінити умови страхового продукту [28, ст. 1; 35, с. 8–9, 12–13].

Страховик має бути спроможним пояснити основні фактори, що істотно вплинули на розмір премії; посилання на комерційну таємницю не може виключати можливість перевірки рішення. Для змістовного пояснення не обов’язково розкривати код або математичну структуру моделі в повному обсязі. Водночас технічна складність системи не повинна робити рішення, яке істотно впливає на клієнта, неперевірюваним [35].

4. Автоматизовані та напівавтоматизовані рішення щодо страхових виплат

У контексті страхових виплат будь-яке рішення страховика безпосередньо впливає на права клієнта: виплатити повністю, зменшити суму, відкласти розгляд, відмовити з мотивів непокриття, підозри у шахрайстві, порушення умов договору, неналежного повідомлення про подію тощо. Якщо істотну роль у такому рішенні починає відігравати модель штучного інтелекту, то питання вже не зводиться до організації бізнес-процесу. Воно переходить у площину забезпечення права особи на належний розгляд її вимоги, на зрозуміле мотивування, на перегляд і на ефективний засіб захисту [14].

За ступенем впливу на результат участь ШІ у врегулюванні страхових вимог може бути допоміжною, напівавтоматизованою або фактично автоматизованою. У першому випадку система виконує технічні чи аналітичні операції; у другому - формує рекомендацію для уповноваженої особи; у третьому - визначає результат, який працівник лише формально підтверджує.

Для правового аналізу варто розрізняти не лише терміни «автоматизоване» і «напівавтоматизоване» рішення, а й фактичну глибину впливу системи на результат. НБУ визначає автоматизоване прийняття рішень як прийняття рішень або формування рекомендацій із використанням алгоритмів без безпосередньої участі людини на кожному етапі, а напівавтоматизоване - як прийняття рішень або формування рекомендацій із використанням алгоритмів за безпосередньою участю людини на кожному етапі, за умови, що рішення не приймається виключно на підставі результатів роботи системи ШІ, а відповідальність покладається на уповноважену особу [35].

Практика страховиків наразі підтверджує переважання допоміжної моделі: EIOPA фіксує використання генеративного ШІ для вилучення та аналізу відомостей із рахунків, медичних документів та інших матеріалів страхової вимоги із збереженням human-in-the-loop [43]. Водночас застосування ШІ для виявлення шахрайства та управління страховими вимогами може породжувати дискримінаційний результат, хоча такі системи самі по собі не віднесені AI Act до спеціальної категорії високоризикових страхових систем [42].

Для цілей оцінки ефективності людського нагляду до фактично автоматизованих доцільно прирівнювати й рішення, за яких формально залучена уповноважена особа не має реальної можливості перевірити результат системи ШІ та відступити від нього.

У страхових відносинах вимога пояснюваності алгоритмічного рішення має особливе практичне значення. Якщо особі відмовляють у виплаті, зменшують її розмір або вважають її звернення підозрілим, без належного пояснення вона позбавлена можливості: зрозуміти фактичні й правові підстави; виявити помилковий або нерелевантний фактор; ефективно оскаржити рішення [14].

Рішення страховика щодо виплати, істотно сформоване системою штучного інтелекту, має відповідати вимогам мотивованості та перевірюваності.

Практика Верховного Суду у страхових спорах підтверджує необхідність юридичної перевірки підстав рішення страховика. У справі № 686/5660/23 Суд виходив із того, що недоліки внутрішніх процесів страховика, які перебувають поза контролем споживача, не можуть впливати на обсяг його прав [34]. У справі № 200/6829/19 визначення розміру страхової виплати залежало від юридичного тлумачення умов договору щодо пропорційної системи відповідальності [33], а у справі № 694/1482/21 Суд оцінював співвідношення страхової виплати з фактичним розміром шкоди [32]. Ці справи не стосувалися ШІ, однак підтверджують, що автоматизація розрахунку або оцінювання не усуває юридичної перевірки підстав рішення страховика.

Формальна участь працівника сама по собі не забезпечує належного людського нагляду. Якщо працівник страховика лише формально підтверджує результат системи, не розуміючи логіки моделі, не маючи доступу до пояснювальної інформації та не маючи інституційної можливості відхилити рекомендацію системи, така участь не становить ефективного людського нагляду.

Підходи EIOPA, IAIS та НБУ передбачають змістовний людський нагляд, можливість втручання і чіткий розподіл відповідальності [6]. Тому для страхових виплат ефективний людський нагляд повинен відповідати кільком критеріям: особа має належну компетентність; має доступ до факторів, що вплинули на результат; має повноваження відступити від алгоритмічного висновку; перегляд та його результат документуються [14].

5. Комплаєнс та внутрішній контроль під час використання ШІ

Ризики використання ШІ доцільно інтегрувати в чинну систему управління страховика - ризик-менеджмент, комплаєнс, внутрішній аудит, актуарну функцію та процедури захисту прав клієнтів [6; 8; 17; 26; 28; 35]. Це дає змогу встановлювати внутрішні правила використання ШІ без очікування спеціального законодавчого регулювання.

Незалежно від формальної класифікації системи за Актом про ШІ, для цілей внутрішнього контролю страховика підвищеної інтенсивності контролю мають потребувати системи, що істотно впливають на можливість укладення договору, розмір страхової премії, оцінювання страхового ризику чи страхову виплату; для систем із допоміжним або обмеженим впливом вимоги можуть бути пропорційно нижчими [35].

Юридична мета такої класифікації полягає в тому, що саме від неї має залежати інтенсивність перевірки моделі, обсяг документації, рівень людського нагляду, вимоги до пояснення, а також процедури перегляду й оскарження [8].

Використання системи ШІ має належно документуватися протягом її життєвого циклу. І EIOPA, і IAIS, і НБУ послідовно виходять із того, що використання ШІ без належної внутрішньої документації несумісне з вимогами підзвітності, належного управління та людського нагляду [6].

Для страхового сектору така документація повинна охоплювати щонайменше: мету і сферу застосування; дані та правові підстави їх обробки; основні фактори рішення; межі використання; результати тестування; порядок оновлення та припинення використання [6].

Моделі слід регулярно перевіряти на упередженість, проксі-дискримінацію та несправедливу диференціацію. Це має відбуватися не лише до запуску моделі, а й періодично після її впровадження, оскільки зміна набору даних, ринкового середовища чи поведінки користувачів може змінювати фактичний ефект алгоритму [6].

Перевірка має охоплювати проксі-ознаки та історичні упередження, негативний вплив на окремі групи, а також використання статистично значущих факторів без належного страхового або правового обґрунтування [24].

Оцінюванню підлягають також юридичні ризики використання моделі. Якщо модель систематично формує результат, який може бути кваліфікований як непряма дискримінація, несправедлива комерційна практика, необґрунтована відмова у послузі або непропорційне втручання в права особи, страховик повинен або модифікувати модель, або припинити її використання [35].

Для рішень, що істотно погіршують становище клієнта, доцільно передбачити щонайменше: обов’язкову участь уповноваженої особи страховика; документування того, яку роль відіграла система ШІ; фіксацію факторів, що мали вирішальне значення; повідомлення клієнта про істотну роль ШІ; змістовне пояснення основних підстав рішення; право клієнта подати запит на людський перегляд; внутрішню процедуру перегляду; належне документування процедури [14].

Перегляд має охоплювати внутрішнє отримання пояснення, людський перегляд і розгляд скарги, а також можливість звернення до регулятора та суду. Для цього страховик повинен зберігати документацію про роль ШІ та підстави рішення [35].

Для страховика це означає, що системи ШІ не повинні функціонувати як ізольований продукт ІТ-підрозділу або зовнішнього постачальника. Управління системами ШІ має охоплювати комплаєнс, ризик-менеджмент, актуарну функцію, юридичний супровід, захист персональних даних, внутрішній аудит і працівників, які приймають або переглядають рішення щодо клієнтів [26, ст. 1; 28, ст. 1; 35, с. 10–19].

6. Пропозиції до вдосконалення законодавства, регуляторних підходів і практики страховиків

НБУ доцільно розвинути положення дискусійного документа 2026 року в окремі методичні рекомендації для страховиків щодо використання ШІ у страхуванні. Такі рекомендації мають визначати категорії ШІ-систем підвищеного ризику, мінімальні вимоги до їх документування й тестування, порядок людського нагляду та розгляду скарг клієнтів.

Доцільним є включення ризиків, пов’язаних із використанням систем ШІ, до нормативних підходів щодо системи управління страховика; ризик-менеджменту; внутрішнього контролю; аутсорсингу; інформаційної безпеки [26, ст. 1; 28, ст. 1; 35, с. 10–19].

З огляду на фрагментарність чинної нормативної бази, яку констатує НБУ [35], доцільним видається насамперед розвиток загальних правил автоматизованого прийняття рішень у фінансовому секторі та їх узгодження із законодавством про захист персональних даних і європейським регулюванням, а не створення ізольованого правового режиму ШІ лише для страхування.

Доцільно конкретизувати для фінансового сектору передбачені законодавством гарантії щодо автоматизованих рішень, зокрема право клієнта бути поінформованим про істотну роль ШІ, отримати змістовне пояснення та людський перегляд рішення, а також оскаржити його [14].

Висновки

Регулювання використання штучного інтелекту у страхуванні недоцільно будувати як ізольований правовий режим, відокремлений від чинного страхового та фінансового законодавства. До алгоритмічного оцінювання ризику, ціноутворення та прийняття рішень щодо страхових виплат уже застосовуються норми цивільного і страхового законодавства, законодавства про фінансові послуги та захист персональних даних. Подальше регулювання доцільно спрямувати передусім на встановлення загальних правил автоматизованого прийняття рішень у фінансовому секторі. Обсяг вимог до конкретної системи ШІ має залежати від того, наскільки її використання впливає на права та законні інтереси клієнта.

Статистична здатність певного показника прогнозувати страховий ризик не означає, що його використання є правомірним. Необхідно перевіряти законність отримання та використання відповідних даних, зв’язок такого показника зі страховим ризиком, можливий несприятливий вплив на окремі групи клієнтів, а також можливість пояснити його значення для конкретного рішення.

Виключення захищеної або іншої чутливої ознаки з набору даних не усуває ризику дискримінації. Система ШІ може відтворювати відповідну ознаку через інші пов’язані з нею показники. Тому внутрішній контроль страховика має охоплювати не лише перелік використаних даних і змінних, а й фактичні результати роботи моделі та їх вплив на різні групи клієнтів. Таку перевірку доцільно проводити як до початку використання системи, так і надалі протягом її застосування.

Рішення про страхову виплату, її зменшення або відмову у виплаті, на яке суттєво вплинула система ШІ, повинно мати зрозумілі фактичні та правові підстави і підлягати реальному перегляду уповноваженою особою страховика. Формальна участь працівника не є достатньою, якщо він не може перевірити підстави алгоритмічного результату або прийняти інше рішення. Тому під час розмежування автоматизованих і напівавтоматизованих рішень слід враховувати не лише участь людини, а й її реальний вплив на остаточне рішення.

Використання ШІ, розробленого самим страховиком або зовнішнім постачальником, не звільняє страховика від відповідальності перед клієнтом за прийняте ним рішення. Технічна складність системи, комерційна таємниця або використання програмного продукту іншої особи не можуть унеможливлювати пояснення, перевірку та перегляд рішення. При цьому пояснення не потребує розкриття вихідного коду або повної математичної моделі. Воно має бути достатнім для розуміння основних факторів, які вплинули на рішення.

Для України доцільним є ризик-орієнтований підхід до регулювання використання ШІ у страхуванні, зокрема в межах повноважень Національного банку України. Посилені вимоги до документування, тестування, людського нагляду та перегляду рішень слід застосовувати насамперед до систем, які впливають на укладення договору страхування, розмір страхової премії, оцінювання страхового ризику або страхову виплату. На законодавчому рівні доцільно передбачити право клієнта знати про істотну роль ШІ у прийнятті рішення, отримати пояснення його основних підстав, вимагати перегляду рішення за участю людини та оскаржити його. Страховик, зі свого боку, повинен документувати роль системи ШІ у таких рішеннях.