В конце марта — начале апреля Минцифры, АНО «Цифровая экономика» и Аналитический центр при Правительстве РФ провели демо-дни: компании представили реальные ИИ-решения, чтобы на их основе сформировать отраслевые показатели эффективности.
Директор по развитию Modus Максим Иванов рассказал, как Modus BI работает в контуре Россельхознадзора. На базе отечественной BI-платформы реализованы автоматизированные рабочие места инспекторов для мониторинга накопленных данных при осуществлении контроля и надзора. В основе решения — единая модель, которая объединяет информационные системы самого Россельхознадзора и внешние государственные источники.
«Поверх этого массива работает аналитический слой с ИИ, который формирует инструменты для инспектора: статистические дашборды, автоматизированные рабочие места, цифровые сигналы о подозрительных операциях. На выходе — категоризированный список подозрительных операций, готовый для проверок и сигналы для надзорного реагирования. Весь контур аналитической системы реализован на платформе Modus BI и ModusETL, взаимодействует с ведомственным ИИ-решением, обеспечивая связь человека и машины», – подчеркнул Максим Иванов.
В этой среде аналитическая система решает не экспериментальную, а операционную задачу: переводит массив цифровых данных в управляемые сигналы для КНД.
«По данным Россельхознадзора, более 30 ИИ-моделей ежедневно обрабатывают около миллиона операций с потенциальными рисками, а в год – это 4,7 миллиардов электронных документов. ИИ анализирует весь поток, выделяет нарушения и передает инспектору готовое основание для действия. Надзор меняется — он становится цифровым, всеобъемлющим и максимально эффективным», — отметил Максим Иванов.
Ведомственный ИИ учитывает отраслевую специфику — выявляет как конкретные цифровые признаки нарушения законодательства, так и неочевидные подозрительные операции, которые потенциально имеют прямое отношение к надзору. Ключевыми ИИ-моделями являются:
- Несоответствие объема сырья объему выпущенной продукции
- Отсутствие сырья в производственной цепочке
- Несоответствие типа сырья типу продукции
- Изменение сроков годности продукции через производственный цикл
- Аномальное увеличение объема продукции по итогам инвентаризации.
Текущий фокус — животноводческая продукция, все этапы производства и перемещения которой фиксируются во ФГИС «ВетИС».
«Время анализа сократилось в 30 раз, а охват вырос в 5 тысяч раз: с 0,02% до 100%. Система выявляет несоответствия между сырьем и готовой продукцией, фиксирует пропуски в производственной цепочке, замечает манипуляции со сроками годности и аномальный рост объемов при инвентаризации», – подчеркнул директор по развитию Modus.
Как отметил Максим Иванов, переход к цифровому контролю дает три практических результата. Первый — полный охват: ИИ обрабатывает весь поток документов. Второй — автоматическая категоризация: система сама выделяет подозрительные операции, требующие реакции и снимает с инспектора ручной отбор. Третий — «работа 24/7», что для человека просто невозможно.
Отдельным блоком директор по развитию представил подход Modus к показателям эффективности ИИ-решений — именно этот вопрос был центральным на демо-днях. Компания предложила разделить ключевые показатели эффективности (КПЭ) на две группы. КПЭ результата — рост охвата данных, количество выявленных подозрительных операций и число случаев, когда цифровой сигнал стал основанием для проверки. КПЭ качества ИИ — точность выявления подозрительных операций, устойчивость моделей при росте объема данных и производительность.
«Показатели эффективности ИИ должны оценивать не техническую работу моделей, а их реальный вклад в результат надзора — полноту охвата, скорость реакции и практическую применимость для принятия мер», – заключил Максим Иванов.
Предложения Modus вошли в материалы сессии и могут лечь в основу национальных отраслевых стандартов оценки ИИ-решений в сфере АПК и государственного контроля.
