ИИ в госуправлении выходит из режима пилотов
Еще недавно разговор об искусственном интеллекте в госуправлении часто сводился к осторожным пилотам и общим словам о будущем. На сессии «ИИ в госуправлении: от экспериментов к системной трансформации», прошедшей 2 июня в Санкт-Петербурге в рамках форума «ИИ — будущее сегодня», тон изменился. Руководители цифровых ведомств говорили о том, сколько времени удалось сэкономить, сколько обращений обработать, сколько нарушений выявить и почему без данных, инфраструктуры и подготовленного заказчика даже самая умная модель остается красивой демонстрацией.
Модераторами сессии выступили Антон Паулич, исполнительный директор экспертного клуба «ИТ-Диалог», и Анастасия Ершова, директор по развитию проектов «Умный город» компании «Кодинг Тим».
Опыт участников показал, что единой модели внедрения ИИ в госуправлении нет. Москва и Санкт-Петербург развивают собственные платформы и городские сервисы. Югра и Якутия используют ИИ для управления большими территориями, природными рисками и отраслевыми задачами. Нижегородская и Липецкая области делают ставку на экосистему, обучение госслужащих и внутренние центры разработки. Красноярский край показывает кейсы контакт-центра и «Безопасного города», а Владимирская область — прагматичную модель с готовыми решениями, небольшими командами и сильным функциональным заказчиком.
Платформы вместо разрозненных экспериментов
Карина Орлова, заместитель председателя Комитета по информатизации и связи Санкт-Петербурга, представила подход города к внедрению ИИ через Центр развития ИИ. Его задача — собирать потребности органов власти и либо разрабатывать решение под конкретный процесс, либо помогать с выбором готового продукта.
Один из ключевых тезисов выступления — не каждую государственную задачу удобно решать тяжелой «коробкой». Такие продукты могут содержать лишние модули, требовать доработок и не всегда позволяют гибко масштабировать вычислительные ресурсы. В презентации приводилось показательное сравнение: собственная разработка Центра развития ИИ под конкретную задачу обошлась в полтора миллиона рублей, тогда как коробочное решение подрядчика с аналогичным функционалом оценивалось в 30 миллионов и требовало ежегодного продления.
Поэтому Петербург развивает внутреннюю ИИ-платформу «МИРА». Она используется для проверки ГОСТов, упомянутых в документах, обработки аудиозаписей, формирования протоколов встреч, разбиения стенограмм по спикерам и темам, а также подготовки проектов ответов на обращения граждан. При этом человек остается в контуре, так как ИИ может извлечь данные, определить категорию обращения и предложить текст ответа, но проверка и отправка остаются за ответственным сотрудником. Эффект уже можно измерить. При анализе административных регламентов время обработки сократилось с 8–12 до 2–3 часов, а число итераций исправлений — с 3–4 до 1–2.
Отдельный крупный блок петербургского опыта — городская видеоаналитика. В городе установлено более 115 тысяч камер видеонаблюдения, свыше 60 тыс. из них подключены к видеоаналитике. Система помогает обеспечивать безопасность города, выявлять нарушения в сфере ЖКХ, благоустройства, экологии, торговли, и другие. Одним из наглядных примеров успешной реализации является повышение уровня безопасности и эффективности использования детских и спортивных площадок. Благодаря системе видеоаналитики обеспечивается не только безопасность детей, но и сохранность и долговечность инвентаря, снижается риск травм, и экономятся бюджетные средства на ремонт и обслуживание инвентаря.
Если Санкт-Петербург показывает, как ИИ можно встроить внутрь городского аппарата и не зависеть от тяжелых коробочных решений, то Москва демонстрирует другой масштаб — когда искусственный интеллект становится частью повседневной цифровой инфраструктуры мегаполиса.
Дарья Шарова, начальник управления стратегии внедрения искусственного интеллекта ДИТ города Москвы, рассказала, что сегодня столица реализует более 130 проектов с использованием ИИ — от голосовых помощников на городских горячих линиях и анализа снимков лучевой диагностики до интеллектуальной транспортной системы, генеративного проектирования в Цифровом двойнике города и сервисов видеоаналитики.
Москва также развивает спецпроект ai.mos.ru, посвященный внедрению технологий ИИ в столице. На сайте можно узнать, какие ИИ-проекты уже реализуются в городе, а разработчики могут изучить примеры обезличенных наборов данных и подать заявку на доступ к ним для обучения алгоритмов. Проекты проходят экспертную оценку ДИТ Москвы и профильных городских ведомств.
В 2024 году город запустил собственную платформу для полного цикла разработки, тестирования и эксплуатации моделей ИИ. Среди недавних пользовательских сервисов спикер выделила цифрового ассистента «Москва», доступного в тестовом режиме пользователям mos.ru и приложения «Моя Москва». Он не только консультирует горожан, но и помогает получать отдельные услуги прямо в чате — например, передавать показания счетчиков, получать документы жилищного учета, просматривать и оплачивать счета за ЖКУ.
ИИ для больших территорий и отраслевых задач
Югра и Якутия рассмотрели еще одну сторону применения ИИ. Здесь нейросеть нужна не только для ускорения документооборота, но и для управления огромной территорией, природными рисками, медицинскими данными, промышленными процессами и даже языковым наследием.
Павел Ципорин, заместитель губернатора, директор ДИТ Ханты-Мансийского автономного округа — Югры, говорил о ней как о территории данных и технологий. Площадь округа превышает 50 млн га, в регионе живут более 1,7 млн человек, а в Центральном архиве медицинских изображений накоплено более 1 млн снимков. При таком масштабе ИИ становится инструментом управления территорией и большими массивами данных.
Один из самых сильных кейсов Югры — лесной контроль. В 2021–2025 годах ИИ использовался для защиты лесов и космического мониторинга всей территории округа. За это время количество нарушений снизилось более чем на 70%, а предотвращенный потенциальный ущерб превысил 123 млн рублей.
В здравоохранении Югра использует ИИ для анализа медицинских изображений. В этом кейсе важен не только технологический эффект, но и принцип применения, когда система помогает врачу быстрее обрабатывать снимки и видеть возможные отклонения. Но окончательное решение остается за специалистом.
Для госуправления в регионе развивается сервис «Инфосфера». Он распознает аудио и видео совещаний, формирует протоколы и краткие версии, помогает готовить справки, доклады, проекты нормативных актов и проверять деловую переписку. Подготовка протокола ВКС сократилась с 1,5–2 рабочих дней до 2 часов, а работа с типовым документом в ЭДО — с 2,5 часа до 15 минут.
Важный тема — тиражирование решений между регионами. Цифровой помощник «Вика» уже используется более чем в 20 регионах, а «Инфосфера» — более чем в 30. Но для такого масштаба нужны единые требования к качеству данных, безопасные контуры доступа, прозрачные правила использования «живых» данных и обратная связь от регионов.
Анатолий Семенов, заместитель председателя Правительства Республики Саха (Якутия), показал еще один тип регионального ИИ — связанный не только с госуправлением, но и с промышленностью, медициной, экологией, языком и культурным наследием. В Якутии развитие ИИ опирается на Лабораторию искусственного интеллекта РС(Я), созданную при участии правительства республики, Сбера и СВФУ.
Среди прикладных направлений — выявление особо крупных алмазов по видеопотоку с отвалообразователя АО «Алмазы Анабара», прогнозирование деградации многолетней мерзлоты на основе спутниковых данных и медицинские ИИ-сервисы. В здравоохранении регион, в частности, использует ИИ для обработки КТ-исследований легких и прогноза противомикробной резистентности. Здесь важен не только набор технологий, но и сама логика: ИИ применяется там, где региональная специфика требует работы с большими объемами данных, сложной территорией и отраслевыми рисками.
В госуправлении Якутия использует юрист-ассистент «Обращайся» на базе GigaChat Max. Он помогает муниципальным и государственным служащим готовить правовые документы и консультации, а масштаб проекта уже вышел за пределы региона: решение используют в 17 субъектах РФ. По данным презентации, сервисом пользуются 2345 человек, а скорость подготовки договоров, актов и отчетов выросла на 50%. Еще один кейс — WEB-Закупщик AI для Центра закупок Республики Саха: он ускоряет ответы на запросы, сокращает обращения в службу поддержки и помогает быстрее проходить дозакупочные процедуры.
Уникальный для Якутии блок — национальный код. Регион развивает цифровой двойник якутского языка, и уже сформированы 3 ГБ датасета и 20 часов аудио с аннотациями. ИИ применяется и для работы с культурным наследием: в цифровых сервисах Национальной библиотеки РС(Я) оцифровано 130 тыс. книг и 12 376 статей, а отдельный проект связан с поиском по рукописным архивам начиная с XVII века.
Красноярский край, по словам Николая Распопина, министра цифрового развития региона, делает акцент на переходе от точечных ИИ-проектов к комплексной трансформации. В 2025 году в крае провели аудит ИИ-инициатив, чтобы сформировать базу для дальнейшего развития.
Один из ключевых кейсов — единый контакт-центр 122. ИИ распознает речь, понимает запрос, формирует ответ и при необходимости переводит человека на оператора или в нужный сервис. Более 80% вызовов уже обрабатывается автоматическими сервисами, среднее ожидание ответа в 2025 году составляет не более 3 секунд, а с начала работы контакт-центра поступило более 4 млн вызовов.
Еще один блок — автоматизированная система «Безопасный город». В регионе используется более 10,5 тыс. камер, а в Красноярске реализуется пилот с министерством транспорта: 150 автобусов подключены к видеонаблюдению, интегрированному в «Безопасный город», и видеопотоки могут обрабатываться онлайн с помощью ИИ. Параллельно край развивает кадровую основу трансформации. Более 250 сотрудников уже прошли обучение внедрению ИИ, также проводится обучение промптингу и разрабатываются программы повышения квалификации.
Кадры, данные и песочницы
Как сделать так, чтобы ИИ-проекты не зависели только от энтузиазма отдельных команд? Здесь на первый план выходят кадры, данные и среда, в которой разработчики могут быстро проверять гипотезы на реальных задачах региона.
Александр Синелобов, министр цифрового развития и связи Нижегородской области, сместил фокус с отдельных ИИ-кейсов на создание региональной экосистемы. В области работает около 2 тыс. ИКТ-компаний, 40,3 тыс. ИКТ-специалистов и 3,5 тыс. ИКТ-предпринимателей и регион занимает первое место в рейтинге мер поддержки ИТ-компаний среди субъектов РФ по оценке РУССОФТ.
Важная часть нижегородской модели — подготовка кадров через ИТ-кампус «НЕЙМАРК» и АНО «Школа 21». Регион также создает ИИ-песочницу на базе выделенного сегмента инфраструктуры ЦОД правительства и деперсонализированных дата-сетов для обучения моделей. Разработчики получают GPU-мощности и данные, а регион — новые решения для автоматизации госуправления. Среди проектов, выросших из песочницы, — детектирование нарушений использования самокатов, подсчет людей на остановках, выявление курения и выгула собак в неположенных местах, контроль качества уборки снега на придомовых территориях.
Внедрение ИИ Нижегородская область начинает с самого государственного аппарата. В 2026 году регион планирует обучить базовым инструментам ИИ всех государственных и муниципальных служащих. Сейчас в региональных и муниципальных органах власти уже внедрены 24 ИИ-решения и 24 ИИ-сценария. Таким образом, регион показывает не один эффектный кейс, а попытку собрать полный контур: кадры, данные, инфраструктуру, разработчиков и практические задачи для госуправления.
Липецкая область в выступлении Надежды Калининой, заместителя министра цифрового развития и искусственного интеллекта региона, выглядела как пример управляемой ИИ-трансформации. В области действует Совет по искусственному интеллекту во главе с губернатором, а в каждом исполнительном органе есть заместители министров по ИИ.
Один из ключевых акцентов — подготовка людей и перестройка процессов. Для министерств формируются дорожные карты ИИ-трансформации, где отдельно описываются люди, процессы, данные и цифровые решения. Регион ставит задачу обучить ИИ-инструментам всех государственных и муниципальных служащих, провести инвентаризацию процессов и постепенно убирать лишнюю отчетность.
По словам спикера, министерства Липецкой области уже реализуют более 50 ИИ-решений. В регионе развивается собственный Центр ИИ, который создает решения на основе машинного зрения, транскрибации, LLM-сервисов и классических ML-моделей. Отдельный важный элемент — закрытый ИИ-контур для органов власти, необходимый для работы с персональными данными, контроля алгоритмов и защищенной аналитики.
Внутри этого контура развивается ИИ-ассистент госслужащего. У него уже более 2000 пользователей, он помогает отвечать на вопросы жителей, транскрибировать совещания и проводить лингвистическую экспертизу документов. Есть и прикладные эффекты: например, при распределении входящих поручений срок получения задачи исполнителем сократился с трех дней до одного, а в ЖКХ ИИ-бот анализирует проблемы, о которых жители пишут в домовых чатах.
Следующий шаг Липецкая область видит в переходе к ИИ-агентам. В 2026 году регион планирует запуск автономных ИИ-агентов, а заместители министров по ИИ уже обучаются созданию программных роботов на low-code-платформе n8n. Этот опыт важен тем, что показывает: зрелость ИИ в госуправлении начинается не только с моделей, но и с управленческой системы, данных, регламентов и готовности органов власти менять процессы.
Готовые решения и маленькие команды
Владимирская область добавила к дискуссии важную ноту прагматизма. Не у каждого региона есть бюджеты Москвы или собственная мощная ИИ-экосистема. Поэтому ценность имеют не только большие платформы, но и готовые решения, маленькие команды и тот самый функциональный заказчик, у которого «есть свет в глазах».
Александр Белоусов, министр цифрового развития Владимирской области, показал, как регион с ограниченными ресурсами может внедрять ИИ без больших платформ и крупных команд. По его словам, близость к Москве дает области и плюсы, и минусы. С одной стороны, регион привлекает инфраструктурные проекты и имеет хорошие условия для размещения ЦОДов. С другой — сталкивается с оттоком кадров и высокой конкуренцией за специалистов.
Поэтому Владимирская область делает ставку на максимально готовые решения и обмен опытом с другими регионами. Важным фактором становится не только технология, но и функциональный заказчик внутри ведомства или муниципалитета. Если такой заказчик действительно хочет решить проблему, проект имеет шанс выйти за пределы презентации.
Министр также упомянул применение ИИ в сфере льготного лекарственного обеспечения: регион анализировал, какие препараты, кому и в каких объемах выдаются. Еще один пример — собственный ситуационный центр губернатора, который, как и другие цифровые проекты региона, создавался небольшой командой. Этот опыт показывает, что системная трансформация не всегда начинается с больших платформ и крупных бюджетов. Иногда она начинается с точного выбора готового решения и команды, которая понимает, какую управленческую проблему нужно решить.
Не только алгоритмы
Несмотря на различия между регионами, в выступлениях постоянно повторялись одни и те же условия успеха. Первое — данные. Без качественных, доступных и юридически корректно подготовленных наборов данных ИИ остается красивой оболочкой. Поэтому регионы создают песочницы, национальные системы управления данными, обезличенные наборы для разработчиков и собственные базы знаний.
Второе — инфраструктура. ИИ требует вычислительных мощностей, защищенных контуров, интеграции с действующими государственными системами и понятной модели эксплуатации. Отсюда интерес к собственным платформам, ЦОДам, гибридной инфраструктуре и доступности мощностей на федеральном уровне.
Третье — люди. Обучать приходится не только ИТ-специалистов, но и сотрудников органов власти, муниципалитеты, функциональных заказчиков. Именно они должны понимать, какую задачу решает ИИ, где он помогает, а где рискованно подменяет управленческое решение.
На сессии было видно, что для регионов ИИ уже не тема на будущее, а рабочий инструмент для повседневных задач — от расшифровки совещаний и подготовки ответов на обращения до анализа медицинских снимков, контроля городской среды и работы с региональными данными. Но чем ближе ИИ подходит к реальным управленческим решениям, тем важнее становится все, что находится вокруг технологии. Нужны качественные данные, защищенный контур, обученные сотрудники и ясное понимание, кто отвечает за итоговое решение.
Опубликовано 03.06.2026
