Искусственный интеллект в полиции США: почему новые ИИ-платформы повторяют провалы PredPol

Журналист Business Insider побывал на конференции Международной ассоциации начальников полиции (IACP Technology Conference) в Форт-Уэрте, штат Техас, в мае 2025 года. Выставочный зал был заполнен стартапами, которые продают полиции камеры с распознаванием лиц, считыватели номерных знаков, платформы обнаружения выстрелов, дроны, чат-ботов для неэкстренных вызовов 911 и инструменты автоматического написания рапортов. Материал показывает, как искусственный интеллект полиция закупает массово, часто без федерального надзора и без проверки того, работает ли продукт так, как обещано.

Что понадобится

• 30 минут на чтение и разбор кейсов ниже
• Блокнот или заметки для фиксации рисков, применимых к вашей сфере (контент, маркетинг, работа с данными)
• Доступ к любой нейросети для проверки аналогий: ChatGPT, YandexGPT, GigaChat

Как устроена воронка продаж ИИ полиции: разбор по шагам

1. Соберите «зоопарк данных». Полицейские управления десятилетиями копили данные в разрозненных системах: журналы экстренных вызовов, базы условно-досрочного освобождения, архивы нательных камер. По словам Джейсона Труппи, бывшего спецагента ФБР и сооснователя компании ForceMetrics, все эти системы «по сути устарели». К 2019 году полиция Нью-Йорка (NYPD) собирала объём видео с нательных камер, эквивалентный двум годам записи, каждую неделю, по данным стенограммы слушаний Комитета по общественной безопасности 2019 года.

2. Предложите «единый мозг». Стартапы вроде ForceMetrics продают платформы класса RTCC (Real-Time Crime Center, центр преступлений реального времени, система, которая собирает потоки данных из камер, диспетчерских и сканеров номеров в одну панель). Платформа ForceMetrics называется Velocity и, согласно сайту компании, «превращает огромные объёмы данных общественной безопасности в понятные и применимые выводы с помощью ИИ».

3. Уберите человека-аналитика. Раньше RTCC управлялись живыми аналитиками, которые собирали цифровые данные, структурировали их и передавали патрульным. Теперь объём информации таков, что ни один отдел не справляется вручную. ИИ-платформы берут эту роль на себя: агрегируют, анализируют, выдают рекомендации автоматически.

4. Продайте «объективность». Главный аргумент продавцов: прошлые провалы случились из-за нехватки объективных данных в реальном времени. ИИ якобы закрывает этот пробел. Труппи формулирует выгоду так: чем больше данных в реальном времени получает офицер, тем меньше вероятность, что он пойдёт действовать «на кишках и стволах» (его выражение для ситуаций, когда люди гибнут).

5. Проверьте, что было раньше. CompStat (сокращение от computer comparison statistics, статистическое сравнение преступлений по районам и периодам) и PredPol (predictive policing, предиктивное полицейское патрулирование, система, которая пыталась предсказывать, где произойдёт преступление) были ранними экспериментами. Обе системы должны были снизить влияние субъективных решений через «непредвзятую статистику». Вместо этого они усилили те проблемы, которые обещали решить: алгоритмы направляли патрули в одни и те же районы, создавая петлю обратной связи. Труппи прямо говорит: «Мы вообще не используем слово на букву „п" (предиктивный), потому что оно провалилось».

6. Задайте вопрос про «чёрный ящик». Правозащитные организации и юристы предупреждают: приток непрозрачных алгоритмов (галлюцинация, когда ИИ уверенно выдумывает то, чего не было, здесь особенно опасна) подрывает прозрачность и подотчётность полиции в момент, когда доверие общества к ней и без того крайне низкое.

7. Зафиксируйте реакцию самих полицейских. Капитан полиции Брукхейвена (Джорджия) Абрем Аяна отметил в разговоре с журналистом: «Большая часть этого, рекламные уловки, которые не выполняют того, что обещают». Без федерального регулирования и отраслевых стандартов полицейские вынуждены верить компаниям на слово.

Что провалилось и почему это касается России?

CompStat и PredPol показали одну и ту же ошибку: алгоритм обучается на исторических данных, в которых уже заложена предвзятость (больше патрулей в определённых районах означает больше зафиксированных преступлений, что означает ещё больше патрулей). Это петля, а не объективность.

В России и СНГ искусственный интеллект полиция и другие силовые структуры тоже начинают тестировать: системы видеоаналитики в метро, распознавание лиц на массовых мероприятиях. Американские кейсы, разобранные выше, дают конкретный чек-лист вопросов, которые стоит задавать до внедрения, а не после скандала.

Что делать с этим прямо сейчас, по ролям

Автору Дзена. Тема «ИИ и правоохранительные органы» собирает стабильный интерес. Используйте разобранную выше воронку как шаблон для аналитического поста: «как продают ИИ тем, кто не разбирается в технологиях». Формат «провал и урок» работает сильнее, чем обзор возможностей.

Маркетологу. Если ваш продукт использует ИИ для скоринга клиентов или таргетинга, проверьте: нет ли в обучающих данных (training data, набор примеров, на которых модель училась) петли обратной связи, аналогичной PredPol. Алгоритм, обученный на прошлых конверсиях, может игнорировать новые сегменты.

Предпринимателю в РФ и СНГ. Перед покупкой любого ИИ-решения для безопасности, видеоаналитики, антифрода, требуйте от поставщика ответы на три вопроса из примера выше. Из доступных в РФ нейросетей для собственного анализа данных подойдут YandexGPT и GigaChat, но ни одна из них не заменяет аудит модели поставщика.

Конференция IACP в Форт-Уэрте показала не будущее полиции, а настоящее: ИИ-продукты уже продаются, уже внедряются и уже работают без внешней проверки. Три вопроса, которые стоит задать любому поставщику (на каких данных учили, кто отвечает за решение, можно ли объяснить логику), остаются лучшей защитой, пока регулирование не догнало технологию.