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.
Полная версия статьи доступна подписчикам журнала «Бюджет»
Оформить подписку Войти
Поделиться:
