Росимущество планирует создать системы искусственного интеллекта (ИИ), с помощью которых будет отвечать на запросы граждан, управлять госсобственностью и анализировать деятельность госкомпаний. Создание и запуск этих систем, а также сопутствующих баз данных, часть из которых станут общедоступными, обойдется почти в 1,4 млрд руб. Юридически значимые действия, с которыми часто связаны вопросы управления собственностью, ИИ доверят еще не скоро из-за высокой цены ошибки, уверены эксперты.
Росимущество предлагает создать систему на базе ИИ, которая сможет отвечать на запросы граждан, ведя с ними диалог в чатах и по телефону по вопросам учета и управления федеральным имуществом, следует из материалов, которые ведомство 6 августа направило в Минкомсвязь (есть у “Ъ”). Создание и запуск системы до 2024 года потребуют 202,5 млн из федерального бюджета, из них 90 млн руб.— уже в 2021 году, когда начнется работа над проектом. Для обработки обращений также будет создана база данных взаимодействия Росимущества с владельцами собственности и потребителями услуг ведомства. На ее создание уйдет еще 683 млн руб. из федерального бюджета.
130 миллиардов рублей могут достигнуть в 2020 году затраты федеральных госорганов на информатизацию и IT без учета оборудования (оценка TAdviser)
Также ИИ должен будет определять наиболее эффективные пути распоряжения федеральным имуществом и анализировать деятельность госкомпаний, сообщается в документе. Это должно увеличить доходы от распоряжения имуществом, дивидендов и приватизации. На создание систем в этих сферах уйдет 140 млн и 100 млн руб. до 2024 года соответственно. Для них также будут разработаны базы данных, на что уйдет еще 140 млн и 90 млн руб. соответственно. Помимо полных версий, доступных только разработчикам системы, они будут иметь и открытые версии с публичной информацией.
Таким образом, общие расходы на создание систем ИИ и баз данных для Росимущества достигнут почти 1,4 млрд руб.
В Росимуществе не ответили на запрос “Ъ”. В Минкомсвязи сообщили, что формируют паспорт федерального проекта «Искусственный интеллект» и для этого проводит инвентаризацию проектов по внедрению ИИ.
Создание рекомендательной системы по управлению имуществом на основе больших данных — длинный и сложный путь, результат которого непросто прогнозировать, отмечает управляющий директор Accenture Technology в России Мария Григорьева. Технологии для этого, по ее словам, находятся «в высокой степени зрелости», однако необходимо понять, насколько модель, которую можно построить с помощью машинного обучения, способна повысить эффективность управления активами и достаточно ли данных для обучения такой модели. Здесь необходима цифровая платформа, которая связала бы данные с системами партнеров и обеспечила прозрачность, поэтому может потребоваться не столько внедрение новых систем, сколько пересмотр устоявшихся бюрократических процессов, а возможно, даже и реорганизация госструктур, рассуждает она.
На первом этапе может быть серьезный результат, но отдача от дальнейшей оптимизации будет падать, так как скорость изменений здесь гораздо ниже, чем в бизнесе, полагает заместитель гендиректора Softline по работе с национальными проектами Андрей Шолохов.
Юридически значимые действия ИИ доверят еще не скоро в связи с высокой ценой ошибки, добавляет руководитель технологической практики KPMG в России и СНГ Николай Легкодимов.
При этом применение ИИ для определения приоритетных направлений экономической деятельности — задача более высокого класса, чем создание системы ответов гражданам, отмечает он. Последняя идея логична и своевременна, считает эксперт, так как большинство обращений в госорганы типовые, а вопросы и ответы на них кодифицированы.
Создание системы для ответов на запросы не представляет большой сложности и не отличается от уже широко применяющихся инструментов, например, в агрегаторах доставки еды, банках и других крупных сервисных компаниях, уверен господин Легкодимов. Директор по цифровым продуктам департамента налогов и права Deloitte в СНГ Дмитрий Беспалов добавляет: чем больше получено данных и уделено времени анализу и обучению системы, то есть разметке удачных и неудачных диалогов, тем выше вероятность удачного внедрения.
