Червяков Александр АлександровичТехнологии перестали быть ключевым ограничением для ИИ-решений. Главная проблема внедрения искусственного интеллекта в госуправлении — люди, их страхи и мотивация. В Федеральном казначействе научились преодолевать эти барьеры.
Александр Сергеевич Албычев, заместитель руководителя Федерального казначействаАлександр Александрович Червяков, начальник Управления развития информационных систем Федерального казначейства
Когда данные не переварить без ИИ
После десятилетия цифровизации объемы данных в системе государственного управления достигли такого уровня, что анализировать их вручную уже практически невозможно. Технологии визуализации и дашборды какое-то время помогали справляться с этой задачей, но данные растут так быстро, что извлекать из них информацию и знания с каждым днем все сложнее. Технологии больших данных и их анализа с помощью искусственного интеллекта — единственный инструмент, который сегодня дает такие возможности.
В Федеральном казначействе накоплено уже 10 Пбайт данных, и этот объем постоянно растет. Национальные проекты требуют непрерывного мониторинга, а эффективность каждой потраченной копейки стала вопросом государственной важности. Точечные эксперименты с технологиями уже не работают — нужны системные решения, которые повышают производительность труда, точность прогнозов и скорость принятия решений.
За последние два года мы прошли три эволюции применения ИИ в Федеральном казначействе: от простого машинного обучения до мультиагентных систем. Начали с простого: построили модель на классическом машинном обучении, которая предсказывала риски срыва контрольных точек национальных проектов. Затем появилась модель поиска связей между мероприятиями нацпроектов и показателями единого плана (указ Президента РФ от 7 мая 2024 года № 309 «О национальных целях развития Российской Федерации на период до 2030 года и на перспективу до 2036 года»). Модель на базе больших языковых моделей (LLM) позволила глубже анализировать связанность плана: выделять мероприятия, которые влияют сразу на несколько показателей, а значит, требуют повышенного контроля, а также выявлять мероприятия, не связанные с показателями единого плана, — такие, в свою очередь, требуют дополнительного обоснования целесообразности. Следом появились агенты, которые отслеживают новости о чрезвычайных происшествиях и их влияние на мероприятия нацпроектов, агенты, оценивающие риски реализации мероприятий во взаимосвязи друг с другом, и другие рисковые сценарии.
А затем мы совершили главный переход: от отдельных агентов к мультиагентной системе комплексного анализа рисков. Теперь все наши цифровые помощники работают вместе, на единый результат, а не каждый сам по себе. Всего же сейчас в активной апробации в Федеральном казначействе находится более 17 различных ИИ-моделей — от чат-бота, знающего нормативную базу и способного самостоятельно заводить заявки в службу поддержки, до мультиагентных систем. О каждой из них мы подробно писали в нескольких статьях журнала «Бюджет» в 2025 году.
Что тормозит внедрение ИИ
При масштабировании внедрения ИИ мы столкнулись с неожиданными системными ограничениями. На всех последних форумах более половины всех выступлений — про ИИ: эйфория, пилоты, демостенды... Где же реальные внедрения? Статистика неумолима: по данным Gartner и McKinsey, 90% пилотов генеративного ИИ умирают, так и не перейдя в промышленную эксплуатацию. В госсекторе этот процент еще выше — из-за жестких требований к безопасности, невозможности использовать облачные LLM и длительных согласований.
Красивые решения, которые показывают на форумах, на самом деле пылятся на полках. Почему так происходит? В госсекторе главные ограничения — не в моделях, не в качестве данных, не в «железе» и даже не в окупаемости как разнице между полученной полезностью и стоимостью инференса моделей (то есть стоимость получения ответа от модели), хотя это, безусловно, важные вопросы. Основная причина — в людях. Мы сами были близки к тому, чтобы пополнить эту статистику, пока не осознали три ключевых барьера.
Первая причина. Сотрудники не знают, что может ИИ
У руководителя, аудитора, экономиста уже есть известные, проверенные временем инструменты и собственные подходы к работе. Многие слышали про ИИ и даже пользовались умным поиском в браузере, но не представляют, как применить эту технологию для своих задач. Если они и создают пилоты совместно с ИТ-специалистами, то чаще для демонстрации руководству, а не для реальной работы. У таких прототипов фактически нет владельцев среди профильных экспертов.
Вторая причина. Высокий порог входа
Здесь речь снова не про «железо» и окупаемость. В федеральных органах исполнительной власти мало команд, которые одновременно разбираются и в ИИ, и в предметной области, и в изменениях процессов. Команд, которые могли бы быстро и эффективно прототипировать решение, внедрить его в промышленную эксплуатацию и масштабировать на всех сотрудников.
Третья причина. Страх и саботаж
Это ключевой барьер. Люди опасаются: успешный «цифровой ИИ-сотрудник» — угроза их рабочему месту. Отсюда саботаж, искажение оценок работы прототипа, нежелание обучать модель. Это не техническая проблема, а антропологический барьер. Успешный пилот убивается не ошибкой в модели, отсутствием мощностей или еще какими-то техническими ограничениями, а равнодушием или скрытым сопротивлением людей.
Осознав эти барьеры, мы не стали сворачивать программу ИИ-трансформации казначейства. Напротив, каждый из них мы превратили в дорожную карту. Ниже расскажем, как мы последовательно «закрыли» каждую из перечисленных проблем.
Сотрудников нельзя заменить, но можно научить
Итак, первый барьер — непонимание того, что ИИ в принципе может делать. Люди не просят этот инструмент, потому что не представляют его возможностей. Значит, нужно не внедрять сверху, а дать каждому сотруднику попробовать самому.
Силами нашего научно-образовательного центра (НОЦ) «Искусственный интеллект» РТУ МИРЭА было организовано масштабное обучение специалистов. Более 700 сотрудников Федерального казначейства и Минфина России прошли программы по освоению базовых и продвинутых навыков работы с технологиями искусственного интеллекта в
Для постоянной поддержки пользователей аппарата Правительства РФ создан отдельный канал в мессенджере «Макс», где выложена и постоянно обновляется библиотека типовых промптов на разные случаи: подготовка справки, поиск нестыковок в нормативных правовых актах, первичная проверка отчета и так далее. Любой сотрудник может взять готовый шаблон и адаптировать под свою задачу, не начиная с нуля.
Опыт показал: массовое обучение снимает страх перед «черным ящиком». После того как сотрудник сам написал промпт и получил полезный результат, он перестает испытывать страх и начинает доверять.
Песочница вместо приказа: безопасный доступ к ИИ
Второй барьер — высокий порог входа. Даже если сотрудник узнал о возможностях ИИ, он не может просто взять и попробовать: в госсекторе любое новое решение требует согласований, проверок безопасности, развертывания инфраструктуры, аккуратной работы со служебными документами, которые нельзя загружать в открытые облачные модели. Процесс занимает месяцы, а интерес угасает.
Мы пошли другим путем — создали песочницу. Это защищенная среда, где госслужащий может без долгих согласований с ИТ-подразделениями протестировать ИИ на своих реальных задачах. Песочница развернута внутри защищенного периметра ведомства, то есть данные не уходят вовне. Например, найти противоречия в двух договорах или проверить отчет на нестыковки. Песочница развернута в аппарате правительства, Министерстве финансов и Федеральном казначействе.
В этой среде мы развернули универсальные инструменты, которые решают разные задачи и помогают в повседневной деятельности сотрудников. В частности, «Агент Навигатор» на базе GigaChat от Сбербанка (доступен в аппарате правительства, Минфине и казначействе) и «Яндекс Нейроюрист» на базе YandexGPT (доступен в аппарате правительства). Они органически встроены в рабочие места пользователей, что делает их не внешней надстройкой, а привычным рабочим инструментом.
Кроме того, в этих инструментах заложена возможность быстрого прототипирования различных сценариев с многократным вызовом языковых моделей и пошаговой обработкой информации — то, что крайне плохо решается (или не решается вовсе) обычным промптом. Каждый такой навык — это законченная рутинная операция, в том числе многошаговая: подготовка справки, поиск нестыковок в реестрах, первичная проверка отчета.
Когда сотрудник в песочнице опробовал сценарий и убедился в его полезности, мы автоматизируем эту операцию уже в государственной информационной системе (ГИС). Это обеспечивает быстрый вход: от идеи до работающего функционала проходят недели, а не годы.
Из практики стало ясно: любой сотрудник может сам убедиться в полезности ИИ. Небольшими усилиями можно прототипировать даже сложные многошаговые операции. Функциональщику понятно, что именно делает ИИ, как его контролировать и где он может ошибиться.
Культурная трансформация госуправления
Третий барьер — страх и саботаж. Люди видят в ИИ угрозу своему рабочему месту. И это ключевая проблема, которую нельзя решить ни обучением, ни созданием песочницы. Пока сотрудник убежден, что его задача — соревноваться с ИИ, он будет тормозить внедрение, искажать результаты пилотирования или просто игнорировать новый инструмент.
Мы пошли другим путем: перестали требовать от людей отчетов «по ИИ» и начали менять саму логику оценки их работы. Владелец бизнес-процесса должен стать владельцем «цифрового ИИ-сотрудника». Он не конкурент ИИ, а его учитель и наставник.
Это означает, что KPI пересматриваются. Теперь их надо ставить не формально, а содержательно. Например: вместо «100% контрактов анализируются на нарушения с помощью ИИ» — «С помощью ИИ найдено на 30% больше нарушений, чем в прошлом году». Или: вместо «Скорость анализа резюме выросла в два раза благодаря ИИ» — «Количество молодых специалистов, уволившихся в течение первого года работы, снизилось на 50%».
Оценивать сотрудника нужно не по тому, как он отчитался о внедрении ИИ, а по тому, насколько эффективно его цифровые двойники управляют процессами, рисками, финансами. Мы убедились: когда люди перестают бояться и начинают учить ИИ, ситуация меняется кардинально. Технология перестает быть угрозой и становится инструментом, который повышает значимость самого сотрудника — ведь никто, кроме него, не знает тонкостей своего дела и не может научить ИИ принимать правильные решения. ИИ в госуправлении — это не просто ИТ-проект. Это проект культурной трансформации.
Технологии — просто инструмент, главное — люди
Подведем итог. За два года мы прошли путь от простого машинного обучения до мультиагентных систем. От точечных экспериментов в отдельных ГИС до комплексных решений, которые сводят данные разных информационных систем и моделей. Уже сейчас у нас в активной апробации 17 ИИ-моделей, а в перспективе — аккуратное движение к автономным агентам с единым интерфейсом взаимодействия через мессенджер «Макс».
Но главный вывод касается не технологий. Технологии перестали быть узким местом. Сегодня проблема не столько в том, как обучить модель или где взять вычислительные мощности, сколько в людях: их страхах, привычках и мотивации.
Каждый из барьеров оказался преодолим. Массовое обучение, песочница для безопасного прототипирования, пересмотр KPI — это работающие инструменты. А ключевой сдвиг — в установке: сотрудник не должен конкурировать с ИИ, он должен его учить. Технологии дают скорость и точность. Но успех — за людьми, которые готовы меняться и менять свои процессы. И это, пожалуй, самый ценный результат нашего двухлетнего опыта.
Поделиться:
