Анализи
Нова среда: Модели на ИИ влизат в държаните администрации
Financial Tribune
Изкуственият интелект (ИИ) навлиза в ежедневието на хората с бързи темпове, особено с вече така известните чатботове (Bard, ChatGPT и др.), а това поражда въпроса за използването му в държавата. Способността на алгоритмите за ИИ да анализират голямо количество данни ги превръщат в перфектни кандидати за улесняване на голям брой задачи на държавната администрация.
Държави като Италия, САЩ и Австралия вече въведоха определени модели на ИИ в различни звена на администрацията си. С добиващата популярност на ИИ България също възнамерява да го интегрира в своите държавни институции. Министерството на електронното управление (МЕУ) засега разработва 3 стратегии на интеграция на ИИ: в образователната система, здравеопазването и социалната икономика.
Въвеждането на ИИ в Министерството на образованието предвижда интеграцията на „Високотехнологични оборудвани и свързани класни стаи“ (ВОСКС) в училищата. Тези „умни класни стаи“ ще послужат за по-бързото въвеждане на образователни иновации в обучението и преподаването в сферата на природните науки. Участието на ИИ в подобряването на учебния процес сред българските ученици е логично, имайки предвид дигиталните ВОСКС.
Министерството на здравеопазването е внесло проект за „Национална дигитална платформа за медицинска диагностика“. Този проект би използвал високият капацитет на ИИ при боравенето с големи количества данни.
Министерството на труда и социалната политика от своя страна планира въвеждането на „Платформа с адаптивно-аналитичен софтуер, с възможност за самообучение, обработка и анализ на данни на социалната и солидарна икономика”.
България планира да адаптира новите технологии по-подобен на повечето страни начин, улесняване на обработката на данни. Тези стратегии бяха споделени от министъра на електронното управление Александър Йоловски, отговаряйки на депутатски въпрос. България разполага с голям брой примери за подобен тип иновации, за да черпи опит.
Италианското министерство на труда и социалните политики стартира своя „чатбот“, за да предостави информация за програмата за гарантиран минимален доход. Министерството счете чатбота за успешен и по-късно разшири обхвата на услугата, за да комуникира с граждани.
В страна, която отдавна се бори с високия процент на укриване на данъци, новият инструмент предостави на националния отдел за данъчни измами рядко предимство в борбата им. Те можеха да автоматизират анализа на собствени бази данни, за да съпоставят декларациите за доходите на гражданите с други техни активи, като банкови сметки, дружества за управление на активи, застрахователни полици и имоти за удоволствие.
Алгоритмичният подход извършва кръстосани проверки на базите данни, за да сигнализира за потенциални измами, които хората в екипа да проследят. Този подход защитава личните данни на гражданите, докато не се появят доказателства, които да оправдаят по-внимателно разглеждане. Хората винаги преценяват кои случаи изискват по-нататъшно разследване - подход "човек в цикъла", изискван от законодателството. Това допринесе за значителното подобряване на процента на укриване на данъци в Италия, прекъсвайки порочния кръг между загубените данъчни приходи и намаляващите държавни услуги.
Друг пример, който директно би могъл да се съпостави с българските стратегии, е австралийското „Бързо, спешно, болестно и синдромно диагностициране в областта на общественото здраве“ (PHREDSS). PHREDSS следи симптомите на пациентите в болниците всеки ден. Необичайните модели биха могли да означават възникване на огнище на заболяване или проблем от значение за общественото здраве сред населението. PHREDSS е полезен и за наблюдение на въздействието на сезонни и известни епидемии от болести, като например сезонен грип или гастроентерит. Лекарите получават редовни доклади от PHREDSS, което им оставя повече време да се занимават с реалното лекуване на пациенти, а не часове четене и синтезиране на данни.
ИИ „асистентите“ ще навлизат все повече в държавите, особено след приемането на закона за регулация на ИИ от ЕС. Регулацията на новата технология ще позволи рамка за нови иновации, като обработката на данни ще бъде само част „бонусите“.
Място за иновации би било при анализа на трафика. Особено с високият процент на ПТП в страната. Министерството на енергетиката на САЩ е разработило Transportation State Estimation Capability (TranSEC). Той използва машинно обучение, за да анализира потока на трафика, дори и от непълни или оскъдни данни за трафика, за да предоставя оценки на движението на превозните средства в реално време на ниво улица. Подобни инструменти биха спомогнали на служителите на реда да намират силно рискови райони. Това би забързало времето за реакция и подгряването на пътните артерии.
Адаптация към новата среда неизбежна, като новите инструменти ще стават все по амбициозни във възможностите си. Стратегиите за въвеждане на новите технологии ще стават все по-наложителни. Това ще носи със себе си нуждите за нови квалификации и рискове за професиите засегнати от ИИ.
