Proceedings of the International scientific and practical conference ―Science and Society in Times of War‖ (June 5-7, 2026) / Publisher website: www.naukainfo.com. – Kharkiv, Ukraine, 2026. - 417 p.

28 цифровізації, зараз є нормою для провідних страхових компаній. Сьогодні алгоритм машинного навчання інтегрується практично в усі бізнес-процеси – від автоматизованого андеррайтингу та прецизійної оцінки ризиків, до оперативної обробки страхових випадків і розробки персоналізованих страхових продуктів. Це підтверджується аналітичними даними Beinsure Media, згідно з якими обсяг ринку генеративного ШІ у сфері страхуванні станом на 2023 рік становив 346,3 млн дол. США, а до 2032 року очікується зростання до понад 5,5 млрд дол. США [1]. Така зміна в способі прийнятті рішень відбувається не лише через нові технології, а й через зміну основних принципів прийняття рішень, оскільки прогностичні моделі, побудовані на великих базах даних (Big Data), відіграють все важливішу роль у страхуванні. Водночас, попри численні операційні переваги, активна експлуатація систем штучного інтелекту призводить до появи нових проблем правового регулювання та порушення етичних норм. Однією з найбільш дискусійних проблем стає алгоритмічна дискримінація клієнтів. Це пов‘язано з використанням систем автоматизованого прийняття рішень (Automated decision- making system). Автоматизовані системи формують об‘єктивно не рівні умови для страхування, базуючись на упереджених масивах даних або використовуючи непрямі дискримінаційні критерії, які часто залишаються прихованими від людського контролю. Через це виникає потреба у дослідженні природи виникнення алгоритмічної упередженості, аналізі її негативного впливу на права страхувальників та пошуку правового регулювання у цій сфері. Цифровізація страхового ринку та розвиток InsurTech спричинили перехід від класичних актуарних моделей до аналізу великих баз даних. Українські дослідники А.М.Соколова, О.В. Гасій, О.В. Тимошенко та Н.С. Педченко у своєму дослідженні зазначили, що цифровізації у страховому бізнесі не оминути, адже без структурних змін неможливо зберегти конкурентоспроможність [2]. Одним з центральних напрямків використання штучного інтелекту у цій галузі є андеррайтинг з інтенсивним використанням даних (data-intensive