ШІ в поліції: що він реально вміє і де ховаються головні ризики

Ще кілька років тому штучний інтелект у правоохоронній сфері асоціювався переважно з прогнозуванням злочинів: алгоритми аналізували статистику і намагалися вгадати, де та коли правопорушення стануть імовірнішими. Сьогодні акценти змістилися — ШІ дедалі частіше використовують як робочий інструмент для аналізу відео, пошуку зв'язків між даними та розпізнавання облич.

Показовим є досвід Великої Британії, де в червні 2026 року запрацював національний центр PoliceAI. Він покликаний розробляти і масштабувати системи штучного інтелекту для поліції Англії та Уельсу; на це передбачено 75 мільйонів фунтів протягом трьох років. Під час перших випробувань алгоритм допоміг скоротити аналіз 800 годин відео у справі про викрадення до приблизно трьох годин, а автоматизований переклад документів вивів на слід організованого злочинного угруповання.

У США компанія Flock Safety пішла далі. Її система OS Investigate отримує дані з мережі камер, що охоплює понад 6000 громад, і поєднує їх із поліцейськими справами, викликами 911 та комерційними базами. Журналісти, які отримали доступ до коду, з'ясували: пошук можна вести не лише за номером автомобіля, а й звичайною мовою — наприклад, шукати людей, чиї автівки часто з'являлися в певному районі. Один з експертів описав цю зміну так: раніше камера відповідала на питання «чи розшукується цей автомобіль?», а тепер алгоритм отримує завдання на кшталт «знайди людей, які відповідають певній моделі поведінки».

Однак саме тут виникає головна проблема. Сучасний ШІ не може передбачити, що конкретна людина скоїть злочин у визначений час, — він лише визначає статистичні закономірності. У лютому 2026 року дослідники Університету Південної Флориди разом із поліцією Сарасоти запустили пілотний проєкт AI-системи прогнозування злочинності, яка має допомагати планувати патрулі в реальному часі. Але алгоритм, навчений на історичній статистиці, може відтворювати упередження самої поліції: якщо район патрулювали частіше, там виявляли більше правопорушень, і система бачить «багато злочинів» там, де насправді була лише підвищена увага правоохоронців. Це створює замкнене коло, через яке попередні системи predictive policing уже зазнавали критики.

Водночас розпізнавання облич для пошуку вже розшукуваних людей працює на практиці. Лондонська поліція під час пілотного проєкту в Кройдоні за допомогою систем live facial recognition заарештувала понад 170 людей, зокрема у справах про викрадення та тяжкі сексуальні злочини. У серпні 2026 року аналогічну технологію почала використовувати поліція Західного Йоркширу. Проте навіть тут трапляються збої: мережа Sainsbury's тимчасово призупинила використання системи Facewatch після того, як технологія призвела до помилкового звинувачення покупця у крадіжці. Компанія заявила про людську помилку, а не про збій технології, але сам випадок показує: навіть система з точністю 99,98% за мільйонів перевірок дає тисячі хибних спрацювань.

Найбільший ризик — не сам алгоритм, а людина, яка без перевірки довіряє йому. Якщо система повідомляє про зв'язок автомобілів або небезпечність району, це не означає, що водії є спільниками, а кожен перехожий — загрозою. Сучасний підхід поступово зміщується від моделі «ШІ вирішує» до моделі «ШІ знаходить інформацію, а людина ухвалює рішення». Тож найреалістичніше майбутнє — не робокоп, а поліціянт, який отримує від ШІ підказки, де шукати і які дані зіставити. І саме від людини залежить, чи стане ця підказка корисним інструментом, чи автоматизованим звинуваченням.