Искусственный интеллект в управлении государством: британский Extract экономит 255 часов на совет

Министерство жилищного строительства, местного самоуправления и территорий Великобритании (MHCLG) и Департамент науки, инноваций и технологий (DSIT) на саммите Google Cloud Summit London представили обновления по двум проектам. Первый, Extract, разработан самим министерством совместно с Incubator for AI (i.AI, внутренняя государственная команда прикладного ИИ). Второй, Augmented Planning Decisions (APD), прототип, который создают вместе с Google Cloud, Google DeepMind и компанией Faculty.

Что делает Extract и почему 255 часов имеют значение?

Extract автоматизирует обработку сложных градостроительных документов. Раньше чиновники вручную переносили данные из бумажных и PDF-заявок в цифровые формы. Теперь это делает модель Gemini, развёрнутая на Google Cloud.

По данным Google, средний муниципалитет экономит около 255 часов ручного труда. Инструмент уже доступен всем советам в Англии после серии пилотных испытаний.

Для работы с чувствительными государственными данными используется защищённая среда Google Cloud. По заявлению Google, это позволяет снижать риски вроде промпт-инъекций (prompt injection, когда злоумышленник пытается подменить инструкцию для модели через текст запроса) и сохранять суверенитет данных.

Что такое Augmented Planning Decisions?

APD, прототип инструмента для градостроительных инспекторов, который помогает навигировать по местным регламентам при рассмотрении заявок на строительство. Проект сейчас проходит альфа-тестирование в трёх муниципалитетах:

• Лондонский боро Барнет
• Совет графства Дорсет
• Лондонский боро Камден

Правительство планирует сделать APD доступным для советов по всей стране с 2027 года. Google подчёркивает: результаты на этом этапе ранние и экспериментальные. Если MHCLG решит масштабировать инструмент, Google Cloud готов обеспечить инфраструктуру для более чем 300 местных органов власти.

Ключевое отличие двух проектов: Extract создан внутренней командой правительства (MHCLG и i.AI), а APD разрабатывается совместно с Google Cloud, Google DeepMind и Faculty.

Что понадобится

Если вы хотите разобрать этот кейс для своих задач или контента:

• Доступ к описанию проектов Extract и APD на сайте Google Cloud (ссылка в конце статьи)
• Базовое понимание того, как работают большие языковые модели (модели, которые читают и генерируют текст на основе обучающих данных)
• 15 минут на чтение и разбор логики внедрения

Пошаговая инструкция: как использовать британский кейс в своей работе

1. Определите рутинную задачу. В британском кейсе это ручной перенос данных из бумажных документов в цифру. Найдите аналогичный процесс у себя: обработка заявок, классификация обращений, выжимка данных из PDF.

2. Оцените объём экономии. Британцы посчитали: 255 часов на совет. Замерьте, сколько часов тратит ваша команда на повторяющуюся обработку документов, прежде чем выбирать инструмент.

3. Выберите модель и среду. Британское правительство выбрало Gemini на Google Cloud. В России доступны YandexGPT и GigaChat для аналогичных задач с документами. Для локальных задач можно использовать открытые модели (опенсорс).

4. Начните с пилота на ограниченной выборке. Британцы тестировали Extract в нескольких советах, прежде чем раскатывать на всю Англию. Возьмите 50 типовых документов и проверьте точность извлечения.

5. Встройте проверку человеком. APD на этапе альфы работает с тремя муниципалитетами и проверяется специалистами. Не отдавайте финальное решение модели, пусть человек верифицирует результат.

6. Зафиксируйте метрики до и после. Часы, количество ошибок, скорость обработки. Без цифр невозможно понять, стоит ли масштабировать.

Извлеки из документа следующие поля:

- Адрес объекта
- Тип запрашиваемых работ
- Заявленные сроки
- Контактные данные заявителя
Верни результат в формате таблицы. Если поле отсутствует, укажи «не указано».

Что это даёт вам прямо сейчас?

Авторам Дзена и копирайтерам. Кейс Extract с конкретной цифрой (255 часов экономии на совет) можно использовать как аргумент в статьях про автоматизацию рутины. Это не лабораторный эксперимент, а рабочий инструмент, уже развёрнутый по всей Англии.

Маркетологам. Логика «пилот на трёх площадках, замер, раскатка на всех» применима к любому внедрению ИИ в бизнес-процессы. Используйте её при защите бюджетов на автоматизацию.

Предпринимателям в РФ и СНГ. Прямого доступа к Extract и APD в России нет, это внутренние инструменты британского правительства. Но подход воспроизводим: YandexGPT и GigaChat умеют извлекать данные из документов, а облачные платформы Yandex Cloud и SberCloud обеспечивают защищённую среду.

Британский опыт показывает: автоматизация государственной рутины работает не когда покупают дорогую технологию, а когда сначала считают часы, потом тестируют на малой выборке и только затем раскатывают.