Рынок ИИ в госуправлении: экономика, структура, кейсы (прогноз до 2035) Ч.1

Введение: логика исторических импульсов

Управлять государством всегда было сложно. Власть вечно ищет способы делать это успешнее, собирая эффективную систему из того, что есть под рукой – как конструктор.

Например, в середине XVII века Московское царство, территория которого стремительно расширялась, столкнулось с ключевым вызовом: как эффективно управлять огромными и разнородными ресурсами государства? Ответом стала первая в истории России масштабная систематизация данных – создание «Переписных книг». Эти своды стали прообразом централизованной базы данных, детально фиксируя экономико-демографические параметры страны для оптимизации фискальных денежных потоков и управления территориями.

Всего столетие спустя Петр I, преобразуя Московское царство в Империю, совершил следующий прорыв: он алгоритмизировал работу «госаппарата». «Генеральный регламент» и «Табель о рангах» ввели унифицированные процедуры и четкие организационные структуры, заменив локальную вариативность на общегосударственные стандарты. Это был переход от управления через персоналии к управлению на основе системного подхода.

Исторически, именно такие прорывы давали государствам стратегическое преимущество.

Сегодня мы находимся на пороге аналогичной по масштабу трансформации, движимой искусственным интеллектом. Если «Переписные книги» упорядочили данные, а реформы Петра – процессы, то ИИ объединяет оба эти начала.

Чтобы понять масштаб изменений, отбросим аналогии с цифровой революцией. Истинный прецедент – индустриализация 1930-х в СССР: мобилизация нации для строительства новой реальности.

Сегодня мы наблюдаем рождение схожей по масштабу парадигмы – «интеллектуальной индустриализации».

Ключевое отличие в том, что тогда побеждал тот, кто производил больше. Теперь побеждает тот, кто принимает лучшие решения быстрее.

От скорости и глубины интеграции ИИ в госуправление сегодня зависит экономическая конкурентоспособность, суверенитет и качество жизни граждан.

В этой статье мы разберем, как устроен мировой рынок ИИ для госуправления: его объем, структуру, ключевые проекты и главные вопросы XXI века.

Однако, прежде чем переходить к анализу рынка и анализу примеров использования ИИ, важно понять, в каком пространстве будет разворачиваться эта трансформация. Основным объектом применения ИИ в государственном управлении становятся города – именно там сходятся воедино транспортные потоки, социальные сервисы, инженерная инфраструктура и повседневная жизнь миллионов людей. И именно там проблемы управления достигают максимальной сложности.

I. Города будущего: полигон интеллектуального управления

В настоящее время более половины населения Земли проживает в городах с высокой плотностью населения и процесс урбанизации продолжает набирать обороты (подробнее см. Таблице 1).

Таблица 1. Структура глобального расселения, млрд чел.

В результате возникают новый пласт проблем: от управления стареющей инфраструктурой и расширения транспортных сетей, до обеспечения безопасности и устойчивого развития в условиях ограниченных ресурсов.

На фоне ключевых трендов, таких как: геополитическая напряженность, демографическое сжатие, усиления запроса на широко понимаемую безопасность, дефицит ресурсов, цивилизационная эволюция [2], государственное управление будущего должно стать более адаптивным, технологичным, комплексным [3].

Перечисленные вызовы обладают общей чертой: они требуют не просто увеличения финансирования, а принципиально иного подхода. Именно в этой точке ИИ становится инструментом стратегического управления. О масштабах этого сдвига говорят макроэкономические прогнозы применения ИИ к 2035 году по сравнению с базовым сценарием [4,5]:

• Рост реального ВВП: до +4%;
• Рост производительности госуправления: до +10%;
• Снижение безработицы: до -1,5 п.п.;

• Рост доходов домохозяйств: до +2%.

Чтобы понять, куда движется рынок искусственного интеллекта в государственном управлении и какие направления сегодня формируют его основу, необходимо разобрать его структуру – как в разрезе направлений применения, так и в разрезе реализованных проектов.

II. Экономика ИИ в глобальном государственном управлении: структура, кейсы и эффективность

Сегодня сложно найти страну, где бы не интегрировали искусственный интеллект в государственное управление. Однако единого пути «оцифровки» власти не существует. Где-то внедрение ИИ начинают с чат-ботов на портале госуслуг, где-то – с систем прогнозирования кибератак или оптимизации бюджетных потоков.

Объем мирового рынка технологий ИИ для госуправления в 2025 году превысил 100 млрд долл. и продолжает расти (см. Таблицу 2) со среднегодовым темпом (CAGR) 20%.

Таблица 2. Общий объем глобального рынка ИИ в госуправлении, млрд долл.

За этими цифрами стоит простой вопрос: какие именно задачи сегодня приносят наибольший эффект, а какие – остаются зоной экспериментов? Ответ на него критически важен для расстановки приоритетов. Разберем восемь ключевых направлений применения ИИ в госуправлении, опираясь на измеримые результаты реализованных кейсов (см. Таблицу 3).

Таблица 3. Структура глобального рынка по ключевым направлениям

Технологии ИИ перешли из стадии экспериментов в стадию активного внедрения, становясь стандартным инструментом для повышения эффективности государства.

Автором подготовлена глобальная структура применения ИИ в государственном управлении (см. График 1). Каждое направление будет рассмотрено подробнее ниже.

График 1. Структура применения ИИ в государственном управлении

Прогнозируемый высокий темп роста однозначно указывает на то, что данное направление будет оставаться в фокусе внимания правительств в течение следующего десятилетия (в Таблице 4 даны примеры использования ИИ в госуправлении по миру).

Проекты трека (1.) Городское планирование и (2.) «Умные города» сфокусированы на внедрении искусственного интеллекта в городскую среду для оптимизации как капитальных затрат (CAPEX), так и операционных расходов (OPEX).

(1) Городское планирование – это стратегическое, долгосрочное развитие территории и инфраструктуры с использованием ИИ-аналитики и моделирования по следующим направлениям применения ИИ:

1.1. Сценарное моделирование и стратегическое развитие, в котором анализируются риски и последствия градостроительных решений для снижения бюджетных рисков, привлечения инвесторов за счет обоснованности планов развития. Например, осуществляется моделирование демографических изменений, миграционных потоков, оценка последствий от реализации крупных инфраструктурных проектов.

1.2. Аналитическое планирование застройки и зонирования, при котором определяются оптимальные зоны для застройки, зонирование территорий и вектора развития общественных пространств, включая проектирование транспортно-пересадочных узлов (ТПУ) и магистралей. Например, анализ больших данных с камер, мобильных устройств и общественного транспорта для определения потоков людей, выявление неэффективно используемых территорий и оптимизации сети социальной инфраструктуры (школы, поликлиники).

Фокусируясь на операционной деятельности, управлении городским хозяйством и повышении эффективности существующей инфраструктуры направление (2) «Умный город» содержит следующие возможности применения ИИ:

2.1. Интеллектуальное управление трафиком через анализ потока транспорта в реальном времени с камер и датчиков для динамического переключения светофорных фаз (так называемые «умные» светофоры), перераспределения потоков и приоритизации общественного транспорта.

На практике, успех таких систем зависит не только от алгоритма, а и от качества синхронизации данных между департаментами транспорта, ЖКХ и МЧС.

2.2. Проактивное управление инфраструктурой посредством внедрения систем прогнозного технического обслуживания городской инфраструктуры с фокусом на эксплуатацию и техническое обслуживание. Например, анализ данных с датчиков вибрации, нагрузки и износа на мостах, водопроводах, теплосетях и ЛЭП для предсказания аварий до их возникновения ведет к сокращению затрат на экстренный аварийный ремонт, оптимизация графика и бюджета планового обслуживания, предотвращение косвенных убытков от простоев.

2.3. Ресурсосберегающие и экологические системы через развертывание интеллектуальных систем «умного» освещения и экологического мониторинга. Например, датчики присутствия и алгоритмы, регулирующие яркость фонарей в реальном времени, а также анализ данных с датчиков качества воздуха для идентификации источников загрязнения и оперативного принятия решений.

ИИ помогают прогнозировать вспышки заболеваний, персонифицировать медицинские рекомендации и оптимизировать работу социальных служб в треке (3) Общественное здравоохранение и социальные услуги.

Основными векторами являются:

3.1. Предиктивная (предсказательная) аналитика и эпидемиологическое моделирование для более эффективного предотвращения вспышек заболеваний.

Недостаточная скорость традиционных систем реагирования делает необходимым переход к интеллектуальному прогнозированию. Гибридные модели на основе генеративного ИИ и машинного обучения позволяют это сделать за счет обучения на разнородных данных в режиме, близком к реальному времени, обеспечивая более высокую скорость и точность моделирования по сравнению с классическими методами [11,12]. К задачам таких моделей относят: обнаружение вспышек, ретроспективный анализ хода эпидемии и моделирование эпидемиологических рисков, прогнозирование инфекционных заболеваний на основе анализа данных о перемещении людей, поисковых запросов, покупке лекарств и данных медучреждений, мониторинг биологических угроз (использование ИИ для анализа данных из открытых источников для раннего обнаружения потенциальных пандемий).

Важно отметить: существующие системы обнаружения и реагирования на чрезвычайные ситуации не адаптированы под специфику ИИ-угроз – пока нет четких процедур, ответственных органов, планов действий или «красных линий» [13].

3.2. Персонализированная медицина и превентивный подход через управление здоровьем популяции на основе цифровых двойников (сегментация населения по группам риска и автоматизированная рассылка персонализированных рекомендаций по диспансеризации, скринингам и изменению образа жизни, выработка комплексных показателей здоровья нации).

3.3. Оптимизация работы социальных служб и адресная помощь в целях повышения эффективности и адресности социальной поддержки (например, предиктивное выявление семей в социально опасном положении, автоматизация назначения пособий).

3.4. Оптимизация медицинской логистики и управления ресурсами для предсказательного обслуживания оборудования и динамического распределения ресурсов, предотвращая кризисы перегрузки в одних больницах и неэффективный простой мощностей в других. Например, оптимизация логистики донорской крови и органов (прогнозирование спроса на компоненты крови в разных больницах и построение оптимальных маршрутов доставки), умное управление запасами, оптимизация расписания и потоков пациентов, работы медицинских учреждений, триаж и первичная диагностика, автоматизация клинико-экспертной и документационной работы, интеллектуализация контроля качества медпомощи).

В данной статье общественное здравоохранение рассмотрено с точки зрения реализации государственных функций. Самостоятельная отрасль «Медицина и здравоохранение» рассмотрена в другой статье автора «Экономика искусственного интеллекта в здравоохранении. Оценка мирового рынка в 2024 г. с прогнозом до 2032 г.» [14].

Проекты в сфере (4) Административной эффективности и оперативной деятельности сфокусированы на внедрении ИИ во внутренние процессы государственных органов для повышения скорости, качества и прозрачности принятия решений, а также для сокращения бюрократической нагрузки и операционных издержек.

Проекты административной эффективности и оперативной деятельности можно разделить на несколько направлений:

4.1. Автоматизация рутинных операций и обработки данных направлена на снижение риска человеческих ошибок и повышение скорости выполнения стандартизированных, многократно повторяющихся процедур.

Ключевые направления применения: автоматизированный расчёт и начисление коммунальных платежей, государственных субсидий, пенсий, пособий и иных выплат, пакетная обработка заявлений и автоматизированная отчетность, включая автоматизированную валидацию поданных документов, например, налоговые декларации, справки, проверка документов на соответствие формальным требованиям, полноту и отсутствие противоречий, управление интеллектуальными реестровыми системами данных, которые обеспечивают автоматическое обновление, актуализацию и взаимную сверку записей в государственных реестрах (реестры недвижимости, транспортных средств, юридических лиц).

Например, в одной из стран ЕС, ежегодно через 377 госуслуг проходят около миллиарда операций. Из этих операций около 15% – это сложные, повторяющиеся процедуры, требующие принятия решений. 84% этих сложных процедур (примерно 120 млн) можно автоматизировать с помощью ИИ. Экономия всего одной минуты на каждой из таких операций сэкономит труд, эквивалентный 1200 человеко-годам в год [15].

4.2. Оптимизация и ускорение административных услуг в целях сокращения сроков и повышения удобства получения государственных и муниципальных услуг гражданами и бизнесом. Например, сквозная цифровизация разрешительных процедур (создание автоматизированных систем для выдачи разрешений на строительство, согласований и лицензий), интеллектуальные платформы взаимодействия (развитие Единого портала госуслуг с чат-ботами, содействие в оформлении документов, подача налоговой декларации), оптимизация распределения ресурсов (распределение гуманитарной помощи).

4.3. Интеллектуальная поддержка принятия решений и аналитика посредством анализа больших данных в части: предиктивного планирования бюджетов, управления рисками в разрешительной деятельности, выработке рекомендаций для принятия решений, синтезе программных документов.

4.4. Повышение прозрачности и противодействие коррупции для создания объективных, алгоритмизированных систем, которые минимизируют человеческий фактор и возможности для злоупотреблений.

Контроль и аудит госзакупок: ИИ-аналитика тендеров для выявления признаков сговора, завышения цен и нецелевого использования средств (Система электронных закупок), анализ конфликта интересов (автоматический мониторинг данных о доходах госслужащих и их связей с коммерческими структурами), детектирование мошеннических схем (выявление аномалий в финансовых потоках, отчетах и заявках на получение государственной поддержки), прозрачность закупок и конкурсов (обеспечение открытости и понятности процедур для всех участников, что изначально заложено в системах электронных закупок) являются примерами использования систем ИИ.

Известная проблема государственных закупок – это их неэффективность. Несмотря на огромный масштаб этого сектора (почти 12,7% ВВП стран ОЭСР), система работает с серьёзными сбоями: из-за нерационального использования средств ежегодно теряется от 10% до 25% стоимости контрактов. Это означает, что деньги, которые могли бы быть направлены на развитие инфраструктуры, здравоохранение или образование, расходуются впустую, подрывая доверие к институтам и снижая качество публичных услуг [16].

Решаемые государственным управлением задачи эволюционируют от простой автоматизации существующих процессов к созданию принципиально новой модели взаимодействия, где государство предугадывает потребности и действует на опережение. (5) Гос. услуги и вовлечение граждан – это цифровые административные и коммуникационные сервисы (получение услуг, общение с властью, участие в принятии решений) по следующим направлениям:

5.1. Полная сквозная автоматизация жизненных и бизнес-ситуаций. Современный подход к государственным услугам переходит от автоматизации отдельных процедур к комплексному обслуживанию ключевых событий в жизни граждан и бизнеса (рождение ребенка, открытие бизнеса, адаптация, потеря работы или выход на пенсию) с их пакетным, автоматическим и проактивным предоставлением.

5.2. Интеллектуальные коммуникационные платформы и чат-боты нового поколения, которые способны решать сложные, многошаговые задачи.

Эти решения станут реальностью в ближайшие 3–4 года. Сегодня большинство стран находятся только в начале этого пути, активно тестируя технологии и формируя необходимую цифровую инфраструктуру.

5.3. Проактивное предоставление услуг и пособий. Государственные (и муниципальные) органы находит граждан, имеющих право на поддержку (льготу, субсидии на ЖКУ, иные выплаты), но не обратившихся за ней, автоматически уведомляют граждан и оформляют субсидии.

5.4. Гибридное публичное участие и краудсорсинг решений с целью превращения общественных обсуждений и петиции из формальных процедур в инструмент сбора качественных идей и обратной связи, учета реального общественного запроса. Например, ИИ-модерация и кластеризация обращений (ИИ автоматически фильтрует спам и оскорбления, группирует тысячи комментариев и петиций по темам (например, «благоустройство парка», «ремонт дороги»), выделяя ключевые предложения и сводя их в единый аналитический отчет для чиновника), симулятор общественного мнения (перед запуском дорогостоящего проекта (стройка, изменение ПДД) ИИ моделирует его восприятие обществом на основе анализа соцсетей и медиа, помогая скорректировать коммуникационную стратегию).

Читайте в продолжении статьи:

• Решение тактических задач правопорядка
• Оборона и национальная безопасность
• Научные перспективные исследования
• Экономика ИИ в российском государственном управлении