На четвертому році всесвітнього буму розвитку генеративного штучного інтелекту (далі – ШІ) ця стаття однозначно могла бути написана вже без нашої участі. Проте людина досі залишається важливим елементом у цьому творчому процесі.

Попри сю магію, яку ми спостерігаємо під час взаємодії зі штучним інтелектом, сучасні мовні моделі залишаються продуктом математики. Вони працюють із числовими представленнями токенів - ембедингами. Водночас у сфері штучного інтелекту існують різні підходи, методи та архітектури, які відрізняються не лише принципами побудови, а й математичними моделями та формулами, що лежать в основі їхньої роботи. Саме тому такі системи можуть по-різному обробляти однакові запити, мати різні сильні й слабкі сторони та припускатися помилок у результатах. ШІ може неточно інтерпретувати запит, спиратися на неповний контекст, хибно узагальнювати або генерувати правдоподібну, але некоректну інформацію.

Тому процес імплементації технології ШІ повинен бути виваженим, з чітким планом, розробкою методології, численними дослідженнями як на теоретичному, так і прикладному рівнях.

Саме відсутність такого плану впровадження ШІ і породила велику кількість непорозумінь, остраху та зауважень з боку суддів та представників судової системи.

Наріжним каменем стала ідея щодо передачі ШІ квазісудових повноважень щодо підготовки судових рішень в окремих категоріях судових справ. У своєму виступі «ШІ в національному судочинстві: еволюція правових позицій» суддя Касаційного адміністративного суду у складі Верховного Суду Ян Берназюк посилається на проєкт постанови Кабінету Міністрів України «Про реалізацію експериментального проєкту щодо розгляду окремих категорій справ про адміністративні правопорушення з використанням ШІ», згідно з яким Міністерство цифрової трансформації України пропонує провести дворічний експеримент, у межах якого модулі штучного інтелекту в системах Міністерства внутрішніх справ України та Єдиної судової інформаційно-телекомунікаційної системи здійснюватимуть автоматизований відбір і аналіз справ про адміністративні правопорушення у сфері безпеки дорожнього руху. Як стверджує доповідач, такі модулі формуватимуть проєкти судових рішень і передаватимуть їх судді для підписання або відхилення.

Не заперечуючи саму ідею, слід зауважити, що вказаний експеримент слід впроваджувати з дотриманням певної етапності.

Етапи впровадження технології

Загалом впровадження ШІ в судовій системі слід розділити на етапи, які зумовлені загальним підходом до виявлення спроможності технології виконувати завдання різного рівня складності.

Перший етап (дослідний)

На цьому етапі має відбуватися накопичення, верифікація даних та їх аналіз. За результатами такого дослідження буде сформовано якісний pipeline (отримання даних, оброблення, аналіз, перевірка, результат).

Умовно на цьому підетапі слід провести такі дослідження:

Обов’язковим підетапом має стати аналіз даних, що представлені в наборах даних. Перед тим як почати генерувати рішення, необхідно випрацювати чіткі механізми аналізу даних. Корисним побічним продуктом такої роботи мають стати високопродуктивні аналітичні системи.

На вказаному етапі можуть генеруватися проєкти рішень, проте це лише «альтернативні» рішення, засновані на розглянутих справах і, задля забезпечення принципу правової визначеності, вони мають бути доступними лише визначеному колу осіб (науковці, адміністратори, залучені суб’єкти).

Другий етап (асистивний)

Після того, як якість аналізу матеріалів справи та судових рішень досягне достатнього рівня, можна переходити до безпосереднього впровадження як асистивного інструменту.

Першочергово асистивна функція має допомагати суддям формувати вступну й описову частини рішення.

Наступним кроком має стати підготовка повноцінного проєкту рішення, але за умови, що результати попереднього етапу дозволять досягти мінімального розходження між проєктами рішень, які пропонував ШІ, та рішеннями, які за результатами розгляду були підготовлені суддями.

Третій етап (медіативний)

Після того, як на основі запропонованих ШІ судових рішень буде підготовлена значна кількість судових рішень, які не зазнавали особливих змін та не були скасовані (або залишені в силі), система може бути застосована на етапі подання позову. Таким чином, позивач або відповідач зможуть отримати певний прогноз щодо вирішення майбутнього спору. Це дозволить отримати такі корисні ефекти:

Етап 1: аналіз наявних рішень

Єдність судової практики є однією з фундаментальних передумов довіри до правосуддя, правової визначеності та реального утвердження принципу верховенства права. Коли в подібних правовідносинах суди застосовують узгоджені правові підходи, громадяни, бізнес, адвокати й органи влади отримують можливість передбачати юридичні наслідки своїх дій, а отже, покладатися на право як на стабільний і справедливий регулятор суспільних відносин. Саме тому єдність судової практики не є суто технічним аспектом діяльності судів, а виступає однією з ключових гарантій рівності перед законом і справедливого суду.

Цей підхід послідовно підтримується міжнародними інституціями. Венеційська комісія розглядає правову визначеність як невід’ємний складник верховенства права, а Європейський суд з прав людини у своїй практиці наголошує, що глибокі та тривалі розбіжності в національній судовій практиці можуть поставити під сумнів дотримання права на справедливий суд. ЄСПЛ виходить із того, що певні розбіжності в судових рішеннях можуть бути природним наслідком існування багаторівневої судової системи, однак держава повинна мати ефективні механізми подолання таких розбіжностей і забезпечення узгодженого правозастосування.

Особливо виразно це сформульовано у Висновку № 20 (2017) Консультативної ради європейських суддів про роль судів у забезпеченні єдності застосування закону. КРЄС підкреслює, що громадяни обґрунтовано очікують однакового ставлення до себе у подібних справах і мають право покладатися на попередні судові рішення, щоб передбачати юридичні наслідки своїх дій чи бездіяльності. Неодноразове ухвалення суперечливих рішень, навпаки, породжує стан юридичної невизначеності, знижує рівень довіри до судової системи та послаблює суспільне сприйняття справедливості.

Для України це питання має не лише теоретичне, а й безпосереднє практичне значення. На рівні національної судової системи Верховний Суд прямо наділений функцією забезпечення сталості та єдності судової практики, а Вища рада правосуддя неодноразово підкреслювала, що така функція є основоположною для існування передбачуваного, справедливого й авторитетного правосуддя. У цьому контексті єдність судової практики постає не як формальна одноманітність рішень, а як інституційна умова довіри до суду, рівності учасників процесу перед законом і впевненості суспільства в тому, що схожі справи не вирішуються принципово по-різному без належної правової причини.

Отже, єдність судової практики слід розглядати як одну з базових гарантій прав людини, складову правової визначеності та невід’ємний елемент верховенства права. Вона зміцнює довіру до судової влади, забезпечує передбачуваність правозастосування, сприяє якості правосуддя та водночас не заперечує розвитку права, якщо такий розвиток є мотивованим, послідовним і відкрито обґрунтованим у судовому рішенні.

Сучасні інструменти ШІ дозволяють аналізувати рішення суддів у частині:

Одним із популярних інструментів, який може бути використаний для аналізу судових рішень, є сервіс NotebookLM від компанії Google. Сервіс орієнтований на глибокі дослідження до 300 джерел інформації. Такими джерелами можуть бути прямі посилання на рішення судів в ЄДРСР, а також збірки таких рішень розміром до 1000 сторінок. За середньої кількості сторінок в одному рішенні до 10 будь-який дослідник може провести аналіз до 30 000 рішень, що дорівнює орієнтовній кількості рішень, ухвалених суддею упродовж усього періоду його роботи на посаді судді.

Складність аналізу полягає в підготовчому процесі, який потребує зведення цих рішень в один документ, а тому професійний підхід повинен базуватися не на використанні готових сервісів для ad hoc-досліджень, а на створенні повноцінного аналітичного інструментарію, який дозволить агрегувати дані ЄДРСР за певними критеріями, отримувати судові рішення та за наперед визначеними настановами (промптами) проводити дослідження судової практики.

Аналіз значних обсягів даних потребує зваженого підходу не лише щодо об’єкта дослідження, а й щодо фінансової складової такого дослідження. Для прикладу вартість вхідного запиту до моделі gpt-5.4 становить 5 доларів США, а вихідного — 22,5 долара США. Аналіз рішень передбачає значні витрати саме на вхідні токени, оскільки ми будемо передавати моделі значні обсяги матеріалу для дослідження. Водночас вихідні токени будуть споживатися в суттєво меншому розмірі, оскільки це вже буде агрегований результат.

Для порівняння, типове рішення у справі про адміністративне правопорушення за ст. 130 КУпАП (2,5 сторінки формату А4, 12-й шрифт, 1 030 слів) становить 2 644 токени ( https://platform.openai.com/tokenizer , https://reyestr.court.gov.ua/Review/97737993 ). У середньому за 3 долари США можна проаналізувати близько 350 рішень невеликого розміру.

Аналіз більш складних рішень, а також рішень апеляційних судів, коштуватиме дещо більше, але теж не критично, коли йдеться про якість послуг громадянам, які надає судова система. Так, аналіз звичайного рішення в цивільній справі (36 сторінок формату А4, 12-й шрифт, 15 394 слів) становитиме 38 974 токени. Тобто, за грубим розрахунком, за 3 долари США можна проаналізувати лише 25 рішень.

Варто також враховувати, що перед передачею для аналізу рішень потрібно кожне рішення збагатити додатковими метаданими: назви учасників, дата надходження справи до суду, дата виготовлення повного тексту рішення, версіоновані представлення норм права, які застосовані в рішенні тощо. Ці метадані дозволять точніше установити, чи дійсно мало місце відхилення від практики, чи таке відхилення зумовлено змінами законодавства або ж конкретними учасниками.

З метою оптимізації фінансових витрат доречно впровадити метод грубої сили (Brute-force search), який полягатиме у проведенні попереднього відбору найбільш релевантних рішень. Ще одним із методів може стати очищення рішень від шуму (видалення «шапки», вступної частини, технічної інформації про можливість оскарження, реквізитів сплати судового збору тощо).

Загалом попередня підготовка виглядатиме таким чином:

  1. Очищення тексту від технічного шуму.
  2. Нормалізація структури документа.
  3. Виокремлення метаданих окремо від основного тексту.
  4. Скорочення фрагментів, які не мають суттєвого значення для аналізу.
  5. Виокремлення релевантних змістових частин для аналізу замість передачі всього тексту (для суттєвої оптимізації витрат).
  6. Передача на поглиблений аналіз.

Значна частина цих операцій може виконуватися on-premise, тобто з використанням власних технічних потужностей судової системи, що суттєво скоротить витрати на аналіз. Це зазвичай забезпечується використанням нормалізації даних (переведення у формат Markdown), обробкою сутностей (regex/rule-based preprocessing з NLP-правилами), грубою фільтрацією релевантних рішень (vector search для семантичної близькості) тощо.

Проте кінцевий поглиблений аналіз варто доручати саме найновітнішим моделям, незважаючи на те, що вони завжди є комерційним продуктом сторонніх розробників. Адже питання якості аналізу не є тим процесом, на якому можна економити.

Після підготовки об’єкта дослідження потрібно підготувати промпт із зазначенням маркерів, на підставі яких ми будемо проводити аналіз сталості практики. Промпт для дослідження практики умовно можна поділити на три блоки:

Технічна реалізація відповіді виглядатиме у вигляді JSON-масиву, що дозволить доповнити дані щодо кожного рішення, а також побудувати відповідну інфографіку.

За результатами роботи аналітичних інструментів ми отримаємо не лише відповіді на запитання дослідника, звіти чи інфографіку, а й комплексний зріз та виявлення проблем, що є першим кроком для їх вирішення та ініціювання змін до законодавства.

Шлях впровадження для судової системи

З кожним днем інформаційний простір збагачується новинами про нові інструменти на основі штучного інтелекту та появу нових версій популярних моделей.

Провідні гравці ринку, такі як OpenAI, Anthropic і Google, давно відірвалися у цих перегонах. Спроби будь-яких державних інституцій створити власні національні моделі навряд чи увінчаються успіхом. Як повідомляють провідні світові медіа, OpenAI уклала угоду на 40% світового обсягу DRAM.

У жовтні 2025 року з’явилися повідомлення, що проєкт "Stargate" від OpenAI уклав угоду з Samsung та SK hynix, яка передбачає отримання до 900 000 пластин (wafers) DRAM на місяць, що становить майже 40% від світового обсягу виробництва. Через те, що виробники пам’яті (Samsung, SK Hynix, Micron) переорієнтували виробництво на HBM для ШІ, почався дефіцит звичайної DRAM-пам’яті, що спровокувало зростання цін на 50% і більше ( https://www.tomshardware.com/pc-components/storage/perfect-storm-of-demand-and-supply-driving-up-storage-costs , https://www.reuters.com/world/china/ai-frenzy-is-driving-new-global-supply-chain-crisis-2025-12-03 , https://www.bloomberg.com/news/articles/2026-02-15/rampant-ai-demand-for-memory-is-fueling-a-growing-chip-crisis ).

Ресурсні переваги видаються дріб’язком порівняно з технологічною перевагою флагманів ринку ШІ. Навіть механізми, які надавалися законодавством про авторське та патентне право, втрачають свою актуальність через динаміку появи нових технологій. За такого темпу захист технологій здійснюється на рівні комерційної таємниці, а класичне патентування втратило свій сенс.

Провідні компанії без остраху викладають у відкритий доступ власні попередні розробки (моделі), адже розуміють, що жоден конкурент не зможе наздогнати їх у розвитку та наблизитися до сучасних моделей. Так, компанія Google виклала такі моделі, як gemma на 27 мільярдів параметрів, OpenAI gptoss-120b на 120 мільярдів параметрів ( https://huggingface.co ).

Історично компанії інколи публікували інформацію про параметри їхніх комерційних моделей. Наприклад, попередня версія GPT-3 (поточна версія GPT 5.4) мала 175 млрд параметрів. Наразі компанії зазвичай не розкривають повну конфігурацію, проте її показники вже у рази вищі, ніж у їхніх старих моделей. Для прикладу, анонсована модель, яку Мінцифри планує взяти за основу для використання у певних проєктах, — gemma 3 на 12 мільярдів параметрів.

За такої ситуації впровадження ШІ в судовій системі потребує виваженого рішення. Обираючи шлях навчання власних моделей, судова система може втратити час та бути відкинутою далеко назад порівняно з користувачами, які обрали шлях найновітніших розробок. Починати винаходити велосипед у той час, коли інші готуються до гіперстрибка, може бути не найкращою ідеєю.

Безпекова концепція, яка зараз є одним з основних стримувальних чинників у використанні сучасних розробок, має бути переглянута у бік юридичного оформлення гарантій від постачальників послуг. Попередня комплексна система захисту інформації та її наступники у вигляді профілів безпеки та RMF (Risk Management Framework) не обмежують використання комерційних ШІ-систем, водночас вимагають професійного підходу до побудови інформаційної безпеки.

Українське правосуддя заслуговує на найновітніші технології та зовсім не має часу на сумнівні експерименти без стовідсоткових гарантій. Взаємодія судової системи зі штучним інтелектом має основуватися на тезі, яку ще у 2011 році озвучив лауреат Нобелівської премії з фізики Сол Перлмуттер: «Ставтеся до нього як до інструменту, який підтримує мислення, а не робить його за вас».