Недавний закрытый круглый стол в парламенте, организованный компаниями HCLTech и The Entrepreneurs Network, собрал руководителей высшего звена из правительства Великобритании и широкого государственного сектора для обсуждения практических реалий цифровой трансформации и искусственного интеллекта.
Вступительные слова произнесли Сиан Томас (Sian Thomas), директор по данным и ИИ в DBIST, Дэвид Колдвелл (David Caldwell), заместитель директора по стратегии обслуживания и трансформации в DEFRA, и Пол Монтгомери (Paul Montgomery), вице-президент и руководитель направления государственных услуг, аэрокосмической и оборонной промышленности в Европе, HCLTech.
Беседа показала значительный интерес к ИИ наряду с четким пониманием того, что энтузиазм в отношении этой технологии иногда опережает системы, процессы и людей, необходимые для ее поддержки.
В сфере государственных услуг возможности на данном этапе весьма значительны. ИИ уже исследуется для решения административных задач, анализа документов, подготовки черновиков, операционных процессов и предоставления услуг. Тем не менее, применимость ИИ существенно различается в зависимости от вариантов использования. Вероятностная языковая модель может хорошо справляться с обобщением информации или помощью в составлении черновиков, в то время как служба, определяющая, имеет ли бизнес право на конкретную льготу, требует гораздо более высокой степени определенности.
Это различие заставляет уделять больше внимания пониманию проблемы до выбора технологии.
Начните с основ
Многие барьеры, обсуждавшиеся на круглом столе, существовали задолго до появления ИИ.
Государственные организации продолжают работать с фрагментированными системами, противоречивыми данными и процессами, которые частично зависят от бумажных носителей. Эти условия затрудняют даже прямую цифровую трансформацию и подрывают основы, на которые опирается ИИ.
На этом фоне надежные данные, инфраструктура и бизнес-архитектура имеют центральное значение для готовности к внедрению ИИ. Без них добавление интеллекта в существующие процессы рискует привести к созданию более быстрых версий тех же самых фундаментальных проблем.
Тот же принцип применим к проектированию процессов. Автоматизация неэффективного процесса просто позволяет неэффективности действовать в больших масштабах. Командам необходимо понять, как работает услуга сегодня, определить, где возникают трудности, и перестроить процесс, прежде чем определять, где именно ИИ добавляет ценность.
Эта работа менее заметна, чем запуск новой службы на базе ИИ, но она определяет качество всего последующего.
Экономика ИИ также требует внимания
Экономика ИИ также становится частью повестки дня трансформации.
Внедрение облачных технологий создало новую гибкость для организаций, за которой последовало растущее требование управлять потреблением и затратами. ИИ привносит аналогичную динамику. Стоимость инфраструктуры — это лишь один компонент; выбор модели, потребление токенов, разработка промптов и использование более мелких локальных моделей — все это влияет на экономику развертывания.
«Как управлять стоимостью ИИ? Речь идет не только о создании инфраструктуры, но и о потреблении», — отметил Монтгомери.
Для организаций государственного сектора это делает затраты важным фактором на этапе проектирования, до того как использование ИИ распространится на разные отделы и сценарии применения.
Это также смещает фокус обсуждения с выбора модели исключительно по техническим характеристикам. Наиболее подходящий подход зависит от требуемого результата, уровня точности, стоимости выполнения и средств контроля за его использованием.
Вовлекайте людей в трансформацию
Самой яркой темой всего обсуждения стал кадровый вопрос.
Внедрение ИИ изменяет роли, рабочие процессы и карьерные пути. Оно также поднимает вопросы о том, как развивается экспертиза, когда рутинные задачи начального уровня все чаще автоматизируются. Организациям по-прежнему нужны высококвалифицированные специалисты, которые понимают базовые системы достаточно хорошо, чтобы вмешаться, когда технология дает сбой или приводит к неожиданному результату.
«Темпы изменений — это часть проблемы», — сказал Монтгомери. «Существует огромный пробел в навыках, необходимых для того, чтобы задавать правильные вопросы и принимать правильные решения по мере развития технологий. Скорость изменений усугубляет все это».
Именно поэтому развитие навыков наиболее эффективно тогда, когда оно происходит непосредственно в ходе работы. Общее онлайн-обучение и централизованно публикуемые руководства имеют ограниченный эффект, когда сотрудники пытаются понять, как новые инструменты связаны с их повседневными обязанностями. Более эффективное внедрение достигается за счет прямой работы с оперативными командами, понимания их процессов и помощи в применении технологий к тем проблемам, с которыми они уже сталкиваются.
Обсуждение также выявило более широкие возможности. Многие государственные службы уже работают в условиях ограниченности штата, растущего объема дел и увеличивающегося объема информации. Повышение производительности за счет ИИ могло бы дать этим командам больше возможностей сосредоточиться на более ценной работе и улучшить качество услуг, предоставляемых гражданам.
Для этого помимо технологической стратегии необходима четкая кадровая стратегия.
Укрепляйте доверие с помощью фактов
Успешное внедрение в конечном итоге зависит от доказательств.
Инициативы в области ИИ требуют четких результатов, измеримой ценности и понимания того, где технология работает хорошо, а где человеческое суждение остается необходимым. Руководителям необходимо знать, повышает ли вариант использования производительность, качество обслуживания или рентабельность, вместо того чтобы полагаться на энтузиазм по поводу самой технологии.
Такая дисциплина также укрепляет доверие. Сотрудники с большей готовностью принимают ИИ, когда понимают, как он помогает им выполнять свою работу, в то время как гражданам нужна уверенность в том, что технология, используемая в государственных услугах, надежна и должным образом регулируется.
Следующий этап развития ИИ в государственном секторе будет зависеть от того, насколько успешно организации смогут объединить технологический прогресс с более надежным фундаментом, лучшими процессами, устойчивой экономикой и вовлечением персонала. В совокупности эти элементы создают условия для того, чтобы ИИ улучшал государственные услуги в больших масштабах.
