ИИ призывают на госслужбу
Минэкономразвития допустило использование нейросети для оценки инвестиционной привлекательности регионовВ поисках объективности
Власти могут подключить нейросети к оценке инвестиционной привлекательности российских регионов. Минэкономразвития допускает такую возможность, сообщили «Ведомости. Технологии и инновации» в пресс-службе министерства. Там уточнили, что речь идет об использовании искусственного интеллекта (ИИ) «в дополнение к действующим механизмам анализа данных и дальнейшей оценки».
Такой ответ чиновники дали на просьбу прокомментировать научную статью о применении нейросетей в этой области. Использование ИИ для оценки инвестпривлекательности субъектов позволило бы учитывать больше данных и исключить субъективность авторов, указали в своей работе специалисты Таганрогского института управления и экономики. Они перечислили и недостатки нынешних систем. Например, если автор рейтинга использует метод экспертных оценок, т. е. опрашивает специалистов и делает выводы на основе услышанных мнений, есть риск, что при оценке будут учтены и субъективные суждения. При «котловом» способе используют много различных данных, но факторы не ранжируют по значимости. Это тоже может плохо отразиться на итоговых баллах, ведь, допустим, дружелюбное к бизнесу законодательство бывает важнее количества природных ресурсов. Кроме того, есть риск, что рейтинговые агентства будут манипулировать данными в интересах каких-либо субъектов, указали ученые.
Официально инвестпривлекательность регионов сейчас оценивает Агентство стратегических инициатив (АСИ), напомнили в Минэкономразвития. АСИ ежегодно составляет национальный рейтинг инвестиционной привлекательности субъектов на основе порядка 70 параметров, уточнили в министерстве. Есть и списки частных компаний – например, их составляют «Эксперт РА» и Национальное рейтинговое агентство.
Каждая организация ставит оценки по своей методологии, а отчеты появляются с разным временным лагом и отличаются по структуре. Ожидаемо, не всегда похожи и результаты. Например, по итогам 2021 г. АСИ признало Тюменскую область третьим из самых инвестиционно привлекательных регионов, а специалисты «Эксперт РА» не только не включили субъект в топ-5 лидеров, но дали ему «середнячковую» категорию B-1 (после А-1, А-2 и А-3). Еще значительнее тогда разошлись взгляды насчет Тульской области: в рейтинге АСИ она на 4-м месте, а у «Эксперт РА» – почти в самом конце с оценкой B-3 (ниже только С). При этом аналитики обоих агентств отдали первые строчки Москве и Татарстану.
Разыскиваются достойные учителя
Проанализировав недостатки тех методик оценки инвестиционного климата регионов, которые используют сейчас, авторы вышеупомянутой научной статьи пришли к идее разработать инструментарий на основе нейросетевой технологии и факторного анализа, сказано в их работе. Если говорить упрощенно, речь об обучении ИИ в два этапа, пояснил «Ведомости. Технологии и инновации» автор исследования, аспирант кафедры экономики и финансов Таганрогского института управления и экономики Евгений Александров. Сначала нужно собрать информацию, отсеяв заведомо ложную, недостоверную или имеющую значительные отклонения, и сформировать базу данных. Затем последует уже непосредственно обучение искусственной нейронной сети, как именно их обрабатывать. Условно говоря, для этого нужно оцифровать опыт авторов оценок инвестпривлекательности.
«В это время мы делимся с машиной своими умозаключениями, логикой своих размышлений при принятии того или иного решения, а машина это понимает, запоминает и обучается принимать решения сама», – уточнил Александров.
По его мнению, основная проблема в создании нейросети для оценки инвестпривлекательности регионов как раз недостаток оцифрованного опыта, на котором можно ее обучить. «Единственными источниками информации, с которыми можно в минимально необходимой степени на данный момент работать, являются отчеты статистических агентств и частные экспертные оценки», – добавил специалист. А как раз от достаточного количества данных плюс их качества зависит точность оценок ИИ. «Если база данных содержит малое количество примеров или примеры не обладают достаточным качеством, не стоит ждать от искусственной нейронной сети серьезных результатов. Но стоит и упомянуть, что искусственная нейронная сеть может дообучаться со временем, повышая свою точность», – сказал Александров.
Вопрос доверия
Если говорить о сведениях, которые может анализировать уже обученный ИИ, их объем в открытых данных органов власти и государственных информационных системах непрерывно возрастает, заметила руководитель департамента общественных финансов Финансового университета при правительстве РФ Маргарита Васюнина. И с применением нейросетевых методов можно учесть большее количество параметров – безусловно, такие подходы стоит применять, добавил директор Института общественных наук РАНХиГС Павел Голосов. Действительно, для достоверной оценки важно обработать массивный объем данных, отражающих систему внутренних и внешних факторов, тенденций и рисков, влияющих на инвестиционные процессы, согласна Васюнина. «Бесспорно, технологии ИИ упрощают решение задачи, обеспечивая статистическую обоснованность оценки, исключение субъективизма, прозрачность, скорость и качество», – считает она.
Впрочем, доцент департамента экономики и управления Института экономики, управления и права МГПУ Ольга Карабанова готова поставить под сомнение объективность и нейросети, и экспертов. «Экспоненциальный рост информации, «управление» информационными потоками в определенных политических целях, засилье фейков в скором времени вынудят людей утратить доверие к экспертному мнению как к навязываемому и формирующему определенное сознание и определенные модели поведения. Но и искусственная генерация информации на основе баз данных тоже может быть потенциально сфальсифицирована», – отметила она. По мнению специалиста, стоит обсуждать участие ИИ в оценке, а не перепоручение ему задачи. Например, нейросеть может анализировать экспертные оценки и регистрировать вспышки эмоционально-образной аргументации и, наоборот, отмечать и поддерживать абстрактно-логическую аргументацию.
Как раз вопрос доверия, а не технической готовности подобных нейросетей может определить сроки их внедрения, считает руководитель направления Digital в коммуникационном агентстве КРОС Иван Минаев. По его мнению, многие люди будут противиться подобным инновациям и стараться отсрочить их использование. Плюс потребуется время на решение вопросов безопасности и расширения линейки отечественных решений в сфере ИИ, добавил специалист. Технически хорошая команда может построить и валидировать модели в сжатые сроки, отметил Голосов. По мнению Александрова, практического внедрения нейросетей в сфере оценки инвестпривлекательности регионов можно ожидать в следующем десятилетии, если темой заинтересуются власти или IT-корпорации.
Верным курсом
Российские власти уже заявили о курсе на использование ИИ в целом и в госуправлении в частности. Так, в ноябре 2022 г. президент России Владимир Путин призвал массово внедрить технологии ИИ во все отрасли в этом десятилетии. Он уточнил, что ИИ должен применяться и в органах власти – как федеральных, так и региональных. Тогда глава государства поручил правительству реализовать переход всей системы госвласти к модели управления на основе данных с применением платформенного подхода.
В конце прошлого года Минэк согласовал дорожную карту развития технологий ИИ до 2030 г. Согласно документу, на это выделят около 24,6 млрд руб., еще порядка 100 млрд вложит Сбербанк.
В январе 2023 г. соглашение о совместной работе по направлению подписали правительство России, Российский фонд прямых инвестиций, «Сбер» и АНО «Платформа НТИ».
С этого года органы власти будут отчитываться перед правительством о внедрении решений на основе ИИ, следует из дорожной карты. На проверку ИИ-зрелости ведомств правительство выделит 45 млн руб. до конца 2024 г., указано в документе.
Многие российские ведомства уже либо заявляли, что используют ИИ в своей работе, либо допускают внедрение таких технологий. Чуть больше года назад в Минюсте сообщали, что начали тестировать ИИ при регистрации правовых актов ведомства. В апреле этого года использование ИИ в работе над бюджетом допустили в Минфине. В июне о большом потенциале технологии для финансового рынка заявила председатель Банка России Эльвира Набиуллина. В июне же на Петербургском международном экономическом форуме председатель правления Сбербанка Герман Греф предложил разрешить ИИ принимать часть решений в вопросах госуправления, поскольку это позволит сократить коррупционные риски. «Искусственный интеллект не понимает, куда и зачем брать взятку, зачем положить это под стол, чтобы это отлежалось <...> это его сильная сторона», – пояснил он (цитата по ТАСС).
Сегодня практически в любой сфере есть пространство для применения ИИ – от анализа текста существующих законопроектов и поддержки формирования новых, ответов на обращения граждан до интеграции с системами поддержки принятия врачебных решений, управления транспортом и транспортной инфраструктурой, заметил Голосов.
Сейчас наиболее распространена практика обращения к интеллектуальным помощникам в работе с обращениями в госорганы, отметила Васюнина. Например, ИИ упрощает работу операторов контакт-центров, позволяя им сосредоточить внимание на нетиповых запросах. Отдельные ведомства применяют нейросети в сервисах по распознаванию документов, извлечению необходимой информации и формированию электронных архивов, первичной правовой экспертизе, добавила эксперт.
Перспективное направление цифровой трансформации госорганов – применение систем интеллектуальной поддержки принятия решений при управлении государственными активами, считает она. Васюнина привела в пример систему поддержки принятия решений в Федеральном казначействе, которая интегрирована в процесс инвестирования свободных остатков бюджетных денег и снижает риски вложений.
Еще один актуальный тренд – создание цифровых двойников городов или регионов на основе официальных данных с применением технологий ИИ, добавила Васюнина. Речь о модели со множеством экономических, демографических, социальных и прочих параметров. Эту концепцию можно использовать в том числе для того, чтобы спрогнозировать последствия управленческих решений и для оценки той же инвестиционной привлекательности регионов, считает эксперт.