Технологии искусственного интеллекта для госуправления

Использование технологий искусственного интеллекта (ИИ) в настоящее время принято считать некоторым универсальным признаком качественной цифровой трансформации какой-либо услуги или процесса. Выход на рынок больших языковых моделей (large language model, LLM) зачастую преподносится как «серебряная пуля», которая решит множество абстрактно формулируемых проблем, но при этом и как «черный лебедь» — угрожающий некоторым ролям и специальностям существенным снижением востребованности (дизайнеры, иллюстраторы, маркетологи и пр.) и порождающий новые, несуществующие ранее специальности (prompt-инженер, ML-инженер и т.д.), для которых практически нет опытных специалистов.

В чем основное предназначение ИИ? Основываясь на моделировании отдельных элементов человеческого мышления, появляются алгоритмы, которые не программируются, а обучаются. И эти алгоритмы решают задачи, ранее считавшиеся исключительно прерогативой людей: распознавание образов, речи, генерация текста, программного кода или видео.

Вместе с тем большая часть алгоритмов с элементами ИИ является «черным ящиком»: детальное объяснение способа их функционирования и источника получаемого результата невозможно. Кроме того, как и человек, они могут допускать ошибки. Проектирование ИИ-моделей требует экспериментов и зачастую зависит от удачи проектировщика.

Все это приводит к тому, что в государственном управлении применение ИИ сталкивается с определенными организационными трудностями, ведь в условиях крайне формализованного взаимодействия государственного заказчика и исполнителя при необходимости безусловного достижения установленных в техническом задании показателей, проекты по ИИ несут значимые риски. Например, как выйти из ситуации, когда исходной обучающей выборки не хватило для создания модели, демонстрирующей заданную точность? Или как объяснить, что предсказанное ИИ моделью значение оказалось очень далеким от реальности? А внедрение ИИ одновременно с изменением технологического регламента процесса — практически невыполнимая задача, так как для обновленного процесса нет возможности создать исходную обучающую выборку.

С нашей точки зрения, для широкого применения ИИ в государственном управлении должны сложиться новые практики правоприменения, появиться методологическая поддержка со стороны профильных органов власти и научных организаций, которая позволит снять риск как с заказчика, так и с исполнителя работ. Работа в указанном направлении уже начата, необходимые положения для использования ИИ появляются в нормативных документах. Например, глоссарий, классификация и критерии систем ИИ, введенные ГОСТ Р 59895-2021, ГОСТ Р 59277-2020 и приказом Минэкономразвития России от 29 июня 2021 г. № 392 соответственно, позволяют качественно описать требования к системам ИИ в техническом задании на их создание и обосновать выполнение указанных требований в предоставляемой заказчику документации.Как перенести 300 Тбайт данных с решений IBM и Oracle на российские. Опыт РСХБ на TAdviser SummIT 31.1 т

Принимая во внимание изложенные опасения, мы склонны придерживаться консервативного принципа выбора задач для использования ИИ, при этом считаем, что основным критерием является цена ошибки — она должна быть намного меньше получаемых преимуществ, то есть:

• ошибку легко выявить и исправить;
• операцию легко повторить;
• ИИ реализует дополнительный контроль;
• ИИ реализует дополнительное удобство.

Мы выбрали для реализации (в том числе и с помощью наших партнеров) шесть вариантов использования технологий ИИ.

Диалоговый робот для контакт-центра

Вместе с нашим партнером, компанией BSS, мы уже успешно внедряем в контакт-центрах диалоговых голосовых роботов, которые за счет интеграции с внешними источниками информации и технологиям обработки естественного языка (Natural Language Processing, NLP) способны автоматизировать процесс обслуживания абонента колл-центра, практически полностью заменяя живого оператора. Робот может объяснить детали процесса или предоставить справочную информацию, принять заявку на услугу и информировать о ее статусе, сделать звонок с напоминанием или сообщить о готовности документов и др.

Так, в Минздраве Тульской области робот обрабатывает запросы записи и отмены записи на приём, оформляет вызовы врача на дом и принимает заявки на обратные звонки по вопросам оказания медицинской помощи. Благодаря интеграции с Региональной информационной системой здравоохранения Тульской области робот самостоятельно обращается в источники данных и по запросу предоставляет нужную информацию пациентам. Для оптимизации работы контакт-центра применяется речевая аналитика, позволяющая проводить глубинный анализ всех диалогов с пользователями, которые записываются к врачу с помощью голосового помощника, а также вносить оперативные изменения в работу контакт-центра на основе этих данных. В ЕКЦ Минздрава Мурманской области робот самостоятельно обрабатывает более 60% всех обращений граждан.

Нейро-ассистент пользователя

Работа в сложных автоматизированных системах описывается в большом объеме пользовательской документации, и мы помогаем клиентам ориентироваться в ней с помощью LLM и иных вариантов ИИ (дерево решений, decision tree). Благодаря нейро-ассистенту пользователь сможет не искать ответ на вопрос в документации самостоятельно, а получить в виде ответа на вопрос.

Доступный прямо из интерфейса автоматизированной системы робот-помощник, позволит минимизировать время на поиски ответа на типовые вопросы пользователя системы.

Извлечение данных из неструктурированных файлов

Следующий логический шаг, после распознавания текста, — извлечение данных из неструктурированных файлов. Например, из распознанного текста контракта можно выделять его реквизиты, условия исполнения, условия платежа. Такие извлекаемые данные могут быть использованы в бизнес-процессах, контрольных процедурах (например, сверка реквизитов с указанными в доверенностях, актах, счетах-фактурах) и для автоматизированного заполнения атрибутов справочников.

Цифровой эксперт по документации

Качественная подготовка отчетных документов, в том числе проверка на соответствие требованиям ГОСТ, требованиям внутренних регламентов и т.д., занимает у специалиста много времени. Переложив часть этой работы на алгоритмы искусственного интеллекта и лингвистического анализа текста, можно получить как значительную экономию трудозатрат, так и снижение числа возвратов документов на доработку. Настраиваемые правила позволяют проверить документ на соответствие требованиям юридической техники и чек-листам, выполнить поиск похожих и противоречащих фрагментов. Можно обеспечить проверку непротиворечивости глоссариев, актуальности ссылок на нормативные акты и точности их цитирования, и многое другое.

Предзаполнение полей электронных форм

Снижение объема ручного ввода информации — одна из ключевых задач для повышения производительности труда. Интеллектуальное автоматизированное предзаполнение форм, подсказки вариантов при вводе, использование ИИ для оперативного контроля корректности введенной информации — очень многообещающее направление развития. Например, пользователям наших систем часто приходится вводить реквизиты юридических и физических лиц, информацию об адресах. Использование технологий ИИ позволит обеспечить быстрое предложение максимально релевантных вариантов для заполнения: так, при вводе наименования юридического лица система сверится с ЕГРЮЛ и предложит вариант автозаполнения, исправит возможные ошибки, а при вводе данных физического лица — определит соответствие ФИО указанному полу лица и при расхождении предупредит о возможной ошибке.

Чат-боты для быстрой аналитики в мессенджерах

Использование чат-ботов, особенно для отечественных внутрикорпоративных мессенджеров, для получения оперативной аналитической информации полезно в ситуации, когда руководителю или ответственному сотруднику необходимо получить не очень сложную, но оперативную аналитику по определенным метрикам. В этом случае он может сформулировать для чат-бота запрос в свободной форме на естественном языке, а после получения ответа посредством дополнительных запросов — скорректировать полученную выборку, например, поменять местами колонки или расширить временной период для анализа.

Вывод

При системном и разумном подходе ИИ способен сделать государственное управление более эффективным и ориентированным на потребности граждан. Однако это требует аккуратности и взвешенности при выборе инструментов и сфер применения ИИ, а также учета не только преимуществ, но и рисков. Успех применения ИИ зависит от тщательного выбора задач, а в части государственного управления — и тщательной проработки соответствующей нормативно-правовой базы.