Skaitmenizacija ant popieriaus ir realybėje
Lietuva mėgsta save vadinti startuolių šalimi, pažangios e-valdžios pavyzdžiu, beveik Estijos broliu. Ir iš dalies tai tiesa – turime „Mano valstybę”, elektronines paslaugas, skaitmeninius parašus. Bet kai pradedi kasti giliau ir klausi, kaip konkrečiai valstybės institucijos naudoja dirbtinį intelektą, atsakymai tampa gerokai mažiau įspūdingi nei antraštės, kurias matome ministerijų pranešimuose spaudai.
Taip, kai kurios institucijos jau kažką daro. Bet „kažkas daro” ir „veiksmingai naudoja” – skirtingi dalykai.
Kas realiai veikia
Finansinių nusikaltimų tyrimo tarnyba (FNTT) ir Valstybinė mokesčių inspekcija (VMI) – turbūt ryškiausi pavyzdžiai, kur DI naudojimas turi apčiuopiamą prasmę. VMI jau kurį laiką taiko rizikos vertinimo algoritmus, kurie padeda identifikuoti mokesčių vengimo schemas. Tai nėra revoliucija, bet tai veikia. FNTT naudoja automatizuotą sandorių stebėjimą pinigų plovimo prevencijai – ir čia skaičiai kalba patys už save: žmonių rankos fiziškai neįstengtų peržiūrėti tokių duomenų kiekių.
Taip pat verta paminėti Registrų centrą, kuris eksperimentuoja su dokumentų atpažinimo sprendimais, ir kai kurias savivaldybes, bandančias diegti pokalbių robotus piliečių aptarnavimui. Vilniaus miesto savivaldybė yra viena aktyvesnių šiame lauke – nors ir čia rezultatai nevienodi.
Kur viskas stringa
Problema ne technologijose. Problema – institucijų kultūroje ir duomenų kokybėje. Lietuvos valstybės duomenų bazės dažnai yra fragmentuotos, nesuderintos tarpusavyje, o kai kurios vis dar gyvena tarsi 2005-ieji nesibaigė. Kaip nori treniruoti kokį nors naudingą modelį ant duomenų, kurių pusė – dublikatai, o kita pusė – nestruktūrizuoti PDF failai?
Dar viena tikra bėda – viešieji pirkimai. Institucija nori įsigyti DI sprendimą, pradeda pirkimo procedūrą, ir po pusantrų metų gauna kažką, kas jau yra pasenę arba neatitinka to, ko iš tikrųjų reikėjo. Sistema sukurta taip, kad inovacijos joje juda kaip medus žiemą.
Žmogiškasis faktorius irgi niekur nedingo. Dalis valstybės tarnautojų DI laiko grėsme savo darbo vietoms, kita dalis – tiesiog nežino, kaip su tuo dirbti. Mokymai vyksta, bet sporadiškai ir dažnai paviršutiniškai.
Strategijos ir realybė
Lietuva turi Nacionalinę dirbtinio intelekto strategiją. Turime dokumentą, turime tikslus, turime vizijas. Bet strategija be įgyvendinimo mechanizmų – tik gražiai suformatuotas PDF. Kol kas trūksta aiškios atsakomybės grandinės: kas konkrečiai atsako už tai, kad institucija X iki metų pabaigos įdiegs Y sprendimą? Niekas tikrai nežino.
Lyginant su Estija ar net Lenkija tam tikrose srityse, Lietuva atsilieka ne dėl to, kad neturėtų pinigų ar žmonių – o dėl to, kad trūksta drąsos eksperimentuoti ir leisti sau klysti viešai. Valstybinės institucijos bijo nesėkmių, nes nesėkmė – tai antraštė žiniasklaidoje. Tad geriau nieko nedaryt, nei rizikuoti.
Tarp to, kas yra, ir to, kas galėtų būti
Sąžiningai žiūrint, Lietuva nėra nei DI lyderė, nei visiškai atsilikusi. Ji yra kažkur per vidurį – su keliais tikrai veikiančiais sprendimais, krūva pilotinių projektų, kurie niekada netampa pilnaverčiais produktais, ir dideliu atotrūkiu tarp to, ką skelbia strateginiai dokumentai, ir to, ką jaučia eilinis pilietis bendraudamas su valstybe. Kol institucijos neišspręs duomenų kokybės problemų, nesugebės sulaužyti viešųjų pirkimų lėtumo ir nepradės vertinti eksperimentavimo kultūros – DI liks gražiu žodžiu prezentacijose, o ne įrankiu, kuris realiai keičia tai, kaip valstybė tarnauja žmonėms.