Tyliai, bet nuosekliai
Apie dirbtinį intelektą viešajame sektoriuje kalbama daug, tačiau dažniausiai abstrakčiai – ateities vizijos, strateginiai planai, europiniai dokumentai. Realybė Lietuvoje yra kiek kuklesnė, bet ne mažiau įdomi. Kelios institucijos jau dabar naudoja konkrečius įrankius, kurie keičia kasdienį darbą – ne dramatiškai, bet apčiuopiamai.
Valstybinė mokesčių inspekcija ir rizikos vertinimas
VMI viena pirmųjų pradėjo taikyti mašininio mokymosi modelius mokesčių vengimo rizikai vertinti. Sistema analizuoja mokesčių mokėtojų elgsenos modelius ir išskiria tuos atvejus, kurie labiausiai tikėtinai slepia pajamas arba neteisingai deklaruoja PVM. Tai nereiškia, kad algoritmas pats priima sprendimus – jis tik nustato prioritetus inspektoriams. Žmogus vis tiek sprendžia, ar pradėti patikrinimą.
Rezultatai, anot pačios VMI, yra pastebimi: patikrinimų efektyvumas išaugo, nes resursai nukreipiami ten, kur tikimybė rasti pažeidimų yra didesnė. Tai gana pragmatiškas požiūris – ne technologijų diegimas dėl technologijų, o konkretus uždavinys su matuojamu rezultatu.
Registrų centras ir dokumentų apdorojimas
Registrų centras eksperimentuoja su natūralios kalbos apdorojimo sprendimais, skirtais automatizuoti dalį dokumentų tikrinimo procesų. Nekilnojamojo turto sandorių dokumentacija yra didelė, pasikartojanti ir reikalaujanti daug rankinio darbo. Automatizavus pirminį tikrinimą, darbuotojai gali koncentruotis į sudėtingesnius atvejus.
Čia verta paminėti ir platesnį kontekstą – Registrų centras yra viena technologiškai brandesnių Lietuvos valstybinių įstaigų, tad dirbtinio intelekto integracija čia atrodo kaip natūralus žingsnis, o ne staigus posūkis.
Sodra ir prognozavimo modeliai
Sodra naudoja duomenų analizės įrankius, kurie padeda prognozuoti neįgalumo išmokų poreikį ir aptikti galimas sukčiavimo schemas. Tai ne visiškai naujas reiškinys – statistiniai modeliai čia naudoti ir anksčiau. Tačiau modernesnių algoritmų taikymas leidžia dirbti su didesniais duomenų kiekiais ir pastebėti subtilesnius modelius.
Vienas iš jautriausių klausimų čia – duomenų privatumas. Sodra dirba su itin jautriais asmens duomenimis, todėl bet koks automatizavimas reikalauja papildomo atsargumo ir aiškių teisinių pagrindų.
Kur tai veda – ir ko dar trūksta
Lietuvos valstybinės institucijos nėra dirbtinio intelekto lyderės pasauliniu mastu, ir tai nėra blogai. Atsargus, laipsniškas diegimas su aiškiu tikslu – geriau nei skuboti eksperimentai su neaiškia nauda. Tačiau keletas dalykų vis dar kelia klausimų.
Pirma, skaidrumas. Piliečiai retai žino, kad jų duomenys analizuojami algoritmais. Antra, atskaitomybė. Kai algoritmas nustato rizikos profilį, kas atsako, jei jis klysta? Trečia, kompetencijos. Valstybės institucijoms sunku konkuruoti su privačiu sektoriumi dėl specialistų, o tai reiškia priklausomybę nuo išorinių tiekėjų – su visais iš to kylančiais pavojais.
Technologijos čia jau yra. Klausimas, ar institucijos pakankamai apgalvojo, ką daryti, kai jos suklysta.