От цифровых услуг к ранним решениям

Как ИИ меняет государственное управление

Цифровизация научила государство быстрее собирать данные и оказывать услуги. Но быстрый доступ к информации еще не означает принятия быстрого и своевременного решения. ИИ может сократить путь от сигнала о проблеме до действия: раньше заметить риск, сопоставить больше факторов и взять на себя часть рутинной работы. При этом речь идет не о внедрении автономного управления с использованием ИИ, а о новом распределении работы между технологией и человеком.

Антонина Бариева

Директор практики «Промышленность и технологии» Strategy Partners

За последние годы российские органы власти перевели услуги в электронный формат, создали государственные реестры и упростили обмен данными между ведомствами. Данных стало больше, получить их можно быстрее. Но наличие информации само по себе еще не гарантирует своевременного решения: сигнал о проблеме может находиться в одной системе, полномочия — в другом ведомстве, а порядок реагирования может быть и не закреплен вовсе.

Искусственный интеллект способен сократить этот разрыв. Его ценность для государства не ограничивается скоростью обработки данных. Он помогает учитывать больше факторов, сопоставлять данные из разных источников, выявлять неочевидные связи, раньше и зачастую своевременно замечать отклонения и готовить более обоснованную основу для выбора меры реагирования. Качество управления повышается не потому, что алгоритм принимает решение вместо человека, а потому, что руководитель раньше получает более полную картину о сложившейся ситуации и может быстрее спланировать меры и перейти к действию.

Масштаб внедрения ИИ-решений в России уже заметен. Так, к февралю 2026 года 55 российских регионов разместили на портале «Цифровой регион» около 350 ИИ-решений и более 430 сценариев их применения, тогда как в октябре 2025 года на портале было 150 практик из 26 регионов, как указано на сайте правительства России. То есть ИИ выходит за рамки отдельных экспериментов и постепенно становится рабочим инструментом регионов.

Но рост количества решений еще не означает нового качества управления. Главный вопрос теперь не в том, сколько ИИ-проектов запущено, а в том, помогают ли они государству раньше замечать проблему, принимать более обоснованные решения и быстрее переходить к действию? И что необходимо, чтобы отдельные успешные кейсы сложились в устойчивую систему?

Три изменения в управленческом цикле

Разница между цифровизацией и применением ИИ проявляется не в количестве систем, а в том, как меняется путь от информации к решению. Наиболее заметны три изменения: государство получает возможность раньше выявлять риск, лучше обосновывать принимаемые решения и передавать ИИ часть рутинной работы.

Раннее выявление сигналов о рисках

Обычная информационная система фиксирует уже известное событие: поступило обращение, нарушен срок, изменился показатель. ИИ может сопоставить множество слабых сигналов и заметить риск до того, как он превратится в проблему. Практическая ценность такого прогноза — не в самой вероятности, а в дополнительном времени для принятия обоснованного управленческого действия.

Например, в российской системе управления национальными проектами ИИ уже анализирует все мероприятия и показатели, выявляет связи между ними и прогнозирует риски невыполнения. По данным правительства, точность прогноза достигает 96%. Для выявления взаимосвязей система анализирует более 1 тыс. возможных вариантов в минуту, благодаря чему почти полмиллиона потенциальных связей можно проверить за один день — вручную такая работа заняла бы у 76 экспертов около четырех лет. Результаты анализа затем проверяют федеральные органы исполнительной власти: они подтверждают выводы системы, отклоняют их или направляют на дополнительную проверку. Об этом говорится на сайте Президентской академии.

Сам по себе прогноз еще не меняет ситуацию. Эффект или конечная ценность ИИ появляется только в том случае, если предупреждение приводит к корректировке плана, сроков или распределения ресурсов. Безусловно, точность модели — важный показатель, но главным результатом должно стать повышение качества управления, определяющееся тем, успело ли государство отреагировать до того, как риск реализовался.

Повышение обоснованности управленческих решений

Вторая возможность ИИ связана с увеличением количества и улучшением качества информации, на основе которой принимаются управленческие решения. Система с использованием ИИ может быстрее структурировать большие массивы данных, документов, обращений и экспертных позиций, выделять повторяющиеся темы и противоречия. Она не определяет, что важнее для общества, но помогает руководителю и экспертам увидеть больше аргументов и не упустить существенные сигналы.

Так, британский сервис Consult обработал более 50 тыс. ответов, поступивших в рамках работы Независимой комиссии по водному сектору. Система распределила материалы по темам примерно за два часа; вычисления обошлись в ₤240, а экспертная проверка заняла еще 22 часа. Результат совпал с данными одной или обеих экспертных групп почти в 83% случаев, тогда как данные двух групп специалистов совпали между собой в 55%. Эксперты сохранили детальный ручной анализ значимых позиций, но освободились от первичной сортировки десятков тысяч ответов.

Главный эффект здесь — не автоматизация политического решения, а возможность быстрее и качественнее собирать и разбирать доказательную базу. ИИ не заменил экспертов и руководителей, а снял с них первичную обработку и оставил людям задачи, где необходимы оценка, контекст и ответственность.

Автоматизация рутинных операций

Третье изменение происходит там, где задача уже понятна, правила заранее заданы, а результат можно проверить. ИИ может классифицировать документы, извлекать сведения, готовить проектные материалы и выполнять несколько последовательных операций. Сотруднику при этом передаются спорные случаи, исключения и итоговый результат для проверки.

Например, южнокорейская система e-RFP помогает государственным служащим готовить документацию для закупок и проверять ее соответствие требованиям. По данным ОЭСР, использование системы сократило время подготовки документов на 70%, а соответствие закупочным правилам достигло 99,9%. Сильная сторона такого сценария — четкая граница задачи: алгоритм выполняет проверяемую административную работу, но не определяет цели закупки и не принимает значимое решение за заказчика.

В результате ИИ берет на себя то, что машина способна делать быстрее: искать сигналы, разбирать большие массивы информации и выполнять типовые операции. За человеком остаются постановка цели, оценка последствий, определение допустимого риска и работа с нестандартными ситуациями. В отдельных процессах такое распределение ролей уже дает результат. Следующим же вопросом становится то, как можно организовать такое взаимодействие не в одном ведомстве, а в масштабе всей системы.

Три условия системного внедрения

Международный опыт показывает: отдельные удачные инструменты еще не создают новую модель управления. Для масштабирования государству нужны единая технологическая основа, понятная оценка результата и контроль, учитывающий цену возможной ошибки.

Общая технологическая основа

Япония развивает Government AI “Gennai” как общую государственную среду для работы служащих с ИИ. В 2026 финансовом году пилот рассчитан примерно на 180 тыс. сотрудников всех министерств и ведомств и должен продолжаться с мая 2026 года по март 2027 года. Японское Агентство цифрового развития прямо связывает внедрение не только с доступом к модели, но и с изменением рабочих процессов, обучением сотрудников, развитием организационной культуры и усилением контроля за использованием ИИ.

Преимущество такого подхода состоит в том, что каждому ведомству не нужно заново создавать необходимую инфраструктуру, правила безопасности и набор разрешенных инструментов. Это снижает стоимость и ускоряет запуск новых решений. Но общая платформа сама по себе не меняет работу ведомств автоматически. После появления технологической основы главным фактором становится способность ведомства выбрать правильную задачу и встроить ИИ в конкретный процесс.

Измерение реального эффекта

Второе условие — умение доказать, что решение действительно улучшает работу, а не просто удобно пользователям. По данным ОЭСР, ИИ применяется хотя бы в одной сфере государственного управления в 35 из 36 обследованных стран, но эффект отдельных кейсов измеряют только 10. Без такой оценки трудно понять, какие проекты стоит расширять, а какие остаются экспериментами без подтвержденной пользы.

В этом случае показателен британский опыт Microsoft 365 Copilot. В межведомственном эксперименте с участием 20 тыс. служащих пользователи оценили среднюю экономию времени в 26 минут в день. В отдельном исследовании Департамента труда и пенсий, где результаты пользователей сравнивали с группой сотрудников без Copilot, оценка составила 19 минут. Исследование также выявило положительное изменение воспринимаемого качества работы, хотя авторы отметили риск самоотбора более мотивированных пользователей.

Разница между 26 и 19 минутами не опровергает пользу инструмента. Она показывает, насколько результат зависит от метода оценки. Для руководителя важна не самая эффектная цифра, а результат, который можно повторить, проверить и связать с работой ведомства: с сокращением сроков и трудозатрат, уменьшением числа ошибок, повышением качества и объемом дополнительной проверки.

Контроль пропорционально риску

Третье условие — различать низкорисковые внутренние задачи и решения, влияющие на права граждан, выплаты, бюджет или доступ к услуге. В Канаде автоматизированные административные решения проходят обязательную оценку воздействия. Система получает один из четырех уровней — от минимального до очень высокого — с учетом последствий для прав, здоровья, экономических интересов, длительности и обратимости решения. От уровня зависят требования к проверке, участию человека и возможности оспорить результат.

Такой подход меняет сам принцип контроля. Строгость должна зависеть не от технической сложности решения, а от цены возможной ошибки. Простая модель, влияющая на выплату гражданину, может требовать более серьезной проверки, чем сложный инструмент для внутренней сортировки документов.

В совокупности эти практики формируют ясную рамку: общая среда снижает стоимость и сроки запуска, измерение показывает реальный эффект, а рискориентированный контроль задает допустимые границы автоматизации. Из этой рамки уже можно вывести модель, наиболее реалистичную для России.

Российская модель: общая основа, региональные приоритеты

Российские регионы различаются по структуре экономики, бюджету, данным, кадровым ресурсам и зрелости информационных систем. Промышленному субъекту важны надежность оборудования и производственная безопасность, аграрному — состояние посевов и прогноз урожайности, крупному городу — транспорт, медицина и управление обращениями. Федеральный центр не может в полной мере учесть эту специфику при выборе прикладных задач. Но создавать в каждом регионе собственную защищенную инфраструктуру, базовые сервисы, правила безопасности и типовые интеграции — дорого и долго.

Поэтому для России наиболее жизнеспособна та модель, в которой технологическая основа и общие требования создаются централизованно, а регионы и ведомства самостоятельно выбирают приоритетные задачи и меняют процессы под их решение. Федеральный уровень может отвечать за создание защищенной инфраструктуры, базовых ИИ-сервисов, единых требований к данным и безопасности, типовых подключений к государственным системам, методик оценки и реестра проверенных решений. Платформа «ГосТех» уже формирует общую облачную среду для разработки и эксплуатации федеральных и региональных государственных систем; эту логику можно последовательно распространять и на ИИ-решения.

Регион или ведомство отвечает за прикладную часть: выбирает управленческую задачу, определяет правовое основание, готовит данные, меняет порядок работы, обучает сотрудников и оценивает результат. Единая платформа не отменяет региональную специализацию. Напротив, она позволяет направить ограниченные ресурсы не на повторную сборку технологии, а на отраслевую экспертизу и перестройку конкретного процесса. При этом для каждого проекта также нужен конкретный владелец процесса — руководитель, который имеет полномочия менять регламент и отвечает за достигнутый эффект.

Масштабировать при этом нужно не отдельный алгоритм, а готовое комплексное решение для внедрения: модель, требования к данным, способы интеграции, изменения регламента, показатели результата, правила проверки и сценарии работы с исключениями. Один и тот же программный компонент может дать разный эффект в двух регионах, если он по-разному встроен в полномочия и ежедневную работу.

По мере роста числа проектов возникает и задача управления ими как единым портфелем. Москва реализовала более 130 проектов с использованием ИИ в разных сферах. Само количество не доказывает результативность, но показывает, что инициативы уже необходимо сравнивать по единым правилам: масштабировать решения с подтвержденным эффектом, дорабатывать ограниченно работающие и завершать те проекты, которые не улучшают процесс вовсе. Поэтому еще до запуска пилота важно определить, при каком результате проект будет масштабирован, доработан или остановлен. А зрелость региона проявляется не в способности запустить как можно больше пилотных проектов, а в умении быстро переводить удачные решения в повседневную практику и освобождать ресурсы от реализации неэффективных инициатив.

Каким станет государственное управление

Среди 36 стран, изученных ОЭСР в 2025 году, 31 страна использует ИИ во внутренних процессах органов власти, 27 — при оказании государственных услуг и только 13 — при подготовке государственной политики. Такая разница объясняется тем, что управленческие решения требуют более строгих правил работы с данными, прозрачности и контроля. В целом логика распространения ИИ не меняется, но растягивается во времени: государство осваивает ИИ сначала там, где результат легко проверить, и только потом там, где решение затрагивает права граждан и бюджет.

Среднесрочный горизонт: три — пять лет

В ближайшие годы ИИ-помощник станет привычной частью рабочего места госслужащего: он позволит проводить поиск по внутренним базам знаний, подготовить проектные и нормативные документы, разобрать и классифицировать обращения. А на смену разрозненным ведомственным экспериментам придут общие защищенные среды. Проактивных услуг станет больше, а отдельные системы начнут сопоставлять данные нескольких ведомств и самостоятельно выполнять простые цепочки действий по заранее установленным правилам.

Одновременно изменится критерий успешного внедрения. В центре внимания окажется не доступ к модели, а измеримый эффект: насколько сократился срок, повысилось качество, уменьшилось число ошибок и сколько времени сотрудники по-прежнему тратят на проверку результата. Роль служащего будет постепенно смещаться от первичной обработки информации к постановке задачи, оценке предложенного результата и работе с нестандартными ситуациями.

Долгосрочный горизонт

На более длинном горизонте государственное управление будет чаще начинаться не с обращения гражданина или уже произошедшей проблемы, а с автоматически зафиксированного события либо изменения сразу нескольких показателей. Система сможет раньше обнаружить отклонение, собрать сведения из нескольких источников и подготовить варианты действий. В результате часть межведомственных процессов станет запускаться не после заявления, а при появлении заранее определенного сигнала.

Это не означает переход к автономному государству. Цели, приоритеты, допустимый риск и решения, затрагивающие права граждан, останутся за человеком. Но управленец будет принимать решение в другой информационной среде: получать более ранний сигнал, видеть больше взаимосвязей и заранее оценивать возможные последствия типовых вариантов действий.

Для российских регионов главным различием станет не наличие собственной модели ИИ. Технологии будут постепенно стандартизироваться и становиться доступнее. Преимущество получат регионы, способные выбрать действительно значимую задачу, подготовить под нее данные, изменить порядок работы и быстро подтвердить или опровергнуть результат. Именно эта способность, а не число пилотов будет определять зрелость применения ИИ в государственном управлении.

От данных — к качеству решения

Цифровизация дала государству данные, цифровые каналы взаимодействия и вычислительную инфраструктуру. ИИ добавляет новое качество: способность раньше замечать сложные сигналы, быстрее собирать доказательную основу и выполнять стандартные участки процесса. Но эта возможность становится управленческим результатом только тогда, когда технология соединена с полномочиями, измененным порядком работы, измерением эффекта и понятной ролью человека.

Для России наиболее реалистична модель, при которой федеральный уровень формирует общую технологическую среду и единые правила, а регионы и ведомства выбирают приоритетные задачи с учетом своей специфики и перестраивают под них конкретные процессы. Такой подход позволяет не создавать одну и ту же дорогую инфраструктуру в каждом регионе и одновременно сохранять возможность решать действительно важные для территории задачи.

Цифровое государство отвечает быстрее, а зрелое ИИ-государство раньше замечает риски, лучше обосновывает решения и действует эффективнее и точнее.