ФОРМУВАННЯ СИСТЕМИ ЦИФРОВОГО МОНІТОРИНГУ СОЦІАЛЬНО-
ЕКОНОМІЧНИХ ПОКАЗНИКІВ ІЗ ЗАСТОСУВАННЯМ ШТУЧНОГО ІНТЕЛЕКТУ

Анна КРИМСЬКА

Чернівецький торговельно-економічний інститут ДТЕУ, м. Чернівці

https://orcid.org/0000-0001-6410-9476

DOI: http://doi.org/10.34025/2310-8185-2026-1.101.03

Ключові слова: інтелектуальні системи, машинне навчання, цифрові індикатори, прогнозні моделі, даноорієнтоване управління, державні реєстри, автоматизований аналіз, інформаційна інфраструктура.

---

Анотація

Актуальність дослідження. Актуальність зумовлена потребою переходу до управління на основі даних у країнах, що переживають глибоку структурну турбулентність, коли швидкість і складність соціально-економічних змін вимагають більш динамічних інструментів аналітики. В умовах воєнних дій в Україні традиційні методи збору й оброблення інформації вже не забезпечують належної оперативності, точності та здатності виявляти критичні ризики, що посилює значення штучного інтелекту як технологічного засобу для моніторингу, прогнозування і підтримки прийняття державних рішень на основі достовірних соціально-економічних індикаторів.

Метою статті є наукове обґрунтування засад формування інтегрованої інтелектуальної системи моніторингу, здатної здійснювати автоматизований аналіз багатовимірних показників, ідентифікувати ризики та підвищувати обґрунтованість державних рішень на основі технологій штучного інтелекту.

Методологія дослідження. Методологія дослідження базується на системному та порівняльному аналізі, узагальненні наукових підходів, контент-аналізі статистичних і нормативних джерел та структурно-логічному моделюванні інтегрованої моделі цифрового моніторингу.

Результати дослідження. У межах дослідження побудовано концептуальну модель цифрового моніторингу, що охоплює модулі збору даних (open data, державні реєстри), інтелектуальної аналітики та прогнозування, блоки ризик-ідентифікації, а також підсистему підтримки управлінських рішень. Доведено, що залучення штучного інтелекту підвищує точність прогнозних оцінок, скорочує часові лаги між подіями та реагуванням, а також забезпечує раннє виявлення структурних соціально-економічних дисбалансів. Модель демонструє здатність інтегрувати різнорідні джерела даних і формувати багаторівневий аналітичний контур, необхідний для оперативного управління у високоволатильних умовах. Водночас виявлено основні перешкоди практичного впровадження: низька якість і фрагментованість даних, обмеженість цифрової інфраструктури, дефіцит компетентностей у сфері ШІ та потреба у створенні етичних і регуляторних механізмів, узгоджених із вимогами Європейського регламенту про ШІ.

Практичне значення результатів. Отримані результати створюють наукову базу для розроблення національної системи цифрового моніторингу, здатної забезпечувати оперативне прогнозування, підвищувати ефективність державної політики, зміцнювати інституційну спроможність та прискорювати інтеграцію України до європейського цифрового простору.

Перспективи подальших досліджень. Подальший науковий розвиток має бути спрямований на вдосконалення методів оцінювання якості даних, формування етичних і безпекових механізмів застосування ШІ та адаптацію інтелектуальних моніторингових систем до секторальних потреб і функціональних особливостей державного управління.

---

Біографії авторів:

Анна КРИМСЬКА,

Чернівецький торговельно-економічний інститут ДТЕУ

к. т. н., доцент,

доцент кафедри менеджменту, маркетингу і логістики

---

Посилання:

Демківський, Є. (2025). Рівень впровадження штучного інтелекту в Україні становить 9,1% – звіт Microsoft. Межа. https://mezha.ua/en/news/ai-level-ukraine-microsoft-306222

Журавльова, І. В., & Дуга, С. Ю. (2025). Методичні засади оцінювання якості людського капіталу в умовах цифрової трансформації економіки. Інклюзивна економіка, 3(09), 61–69. https://doi.org/10.32782/inclusive_economics.9-8

Кльоба, В. (2025). Організаційно-економічний механізм інклюзивного розвитку ІТ-індустрії в Україні. Фінансово-кредитна діяльність: проблеми теорії і практики, 5(64), 366–383. https://doi.org/10.55643/fcaptp.5.64.2025.4844

Королюк, Ю. (2025). Штучний інтелект: Еволюціонер чи руйнатор цінностей публічного управління? Буковинський вісник державної служби місцевого самоврядування. http://buk-visnyk.cv.ua/news/3000/

Мирошниченко, В. В. (2025). Оптимізація управління соціально-економічними процесами на основі цифрових технологій. Вісник ДНДІСЕ Міністерства юстиції України. Економічні науки, 1(11), 25–33. https://doi.org/10.32782/2708-1834/2025-11.3

Остапенко, А. М. (2025). Розробка цифрових стратегій сталого розвитку громад з урахуванням інновінгу. Актуальні питання економічних наук, 16. https://doi.org/10.5281/zenodo.17490300

Про схвалення Концепції розвитку штучного інтелекту в Україні, Розпорядження Кабінету Міністрів України № 1556-р (2021) (Україна). https://zakon.rada.gov.ua/laws/show/1556-2020-р#Text

Сагайдак, М. П. (2025). Довіра як фактор цифрової інтелектуалізації системи соціального забезпечення в умовах інклюзивного економічного розвитку України. Європейський науковий журнал економічних та фінансових інновацій, 4(18), 314–327. https://www.journal.eae.com.ua/index.php/journal/article/view/626

Стратегія цифрового розвитку інноваційної діяльності України на період до 2030 року. (2024). WINWIN. Глобальна інноваційна стратегія України.https://winwin.gov.ua/

Як Україна розвиватиме ШІ до 2030 року – презентували драфт стратегії. (2025). Міністерство цифрової трансформації України. https://surl.lt/xqtrhx

Яловега, Л. В., Прийдак, Т. Б., & Лега, О. В. (2025). Інтеграція цифрових інструментів в освітній процес як чинник розвитку цифрової грамотності здобувачів вищої освіти. У MicroCAD-2025: Інформаційні технології: наука, техніка, технологія, освіта, здоров’я. (с. 1131). Національний технічний університет «Харківський політехнічний iнститут». https://repository.kpi.kharkov.ua/items/fb7db1d2-a808-4466-a120-e1ebe3c35d8a

Benoit, K. (2024). AI and data science for public policy. LSE Public Policy Review, 3(3), 1. https://doi.org/10.31389/lseppr.115

de Silva, G. H. B. A. (2025). Data-driven framework for aligning artificial intelligence with inclusive development in the global South. Sustainability, 17(21), 9360. https://doi.org/10.3390/su17219360

Dufitimana, E., Gahungu, P., Uwayezu, E., Mugisha, E., & Bizimana, J. P. (2025). Integrating machine learning and geospatial data for mapping socioeconomic vulnerability to urban natural hazard. ISPRS International Journal of Geo-Information, 14(4), 161. https://doi.org/10.3390/ijgi14040161

Furwa, U. E. (2025). AI-powered early warning systems for economic crisis prediction using outlier detection, time series forecasting, and machine learning algorithms. Global Economics Review, 10(2), 1–10. https://doi.org/10.31703/ger.2025(X-II).01

Gau, G., & Singh, M. (2024). Using machine learning to determine the efficacy of socio-economic indicators as predictors for flood risk in London. Revue Internationale de Géomatique, 33(1), 427–443. https://doi.org/10.32604/rig.2024.055752

Kovari, A. (2024). AI for decision support: balancing accuracy, transparency, and trust across sectors. Information, 15(11), 725. https://doi.org/10.3390/info15110725

Mensikovs, V., Simakhova, A., & Sipilova, V. (2024). Harnessing artificial intelligence for socio-economic development. European Journal of Sustainable Development, 13(3), 569. https://doi.org/10.14207/ejsd.2024.v13n3p569

Qu, Z., Yang, W., Allison, A., & Blackett, P. (2024). Economic indicator system for adaptive monitoring of compound climate change risks. Societal Impacts, 4, 100073. https://doi.org/10.1016/j.socimp.2024.100073

Tong, C., Jin, Y., Liang, B., Ye, Y., & Bao, H. (2024). A comprehensive framework for monitoring and providing early warning of resource and environmental carrying capacity within the Yangtze River Economic Belt based on big data. Land, 13(12), 1993. https://doi.org/10.3390/land13121993

Vdovichena, O., & Krymska, A. (2024). Development and challenges of implementation of artificial intelligence technologies in the sphere of digital management. У Фінансово-економічні, соціальні та правові аспекти розвитку регіонів: загрози та виклики (с. 226–230). Технодрук. https://surl.li/bzdamz

Wickramasinghe, L., & Jain, A. (2024). Utilizing socio-economic indicators and artificial neural networks to predict COVID-19 spread in Canadian health regions. Medical Research Archives, 12(11). https://doi.org/10.18103/mra.v12i11.6017