30 мая в Москве с успехом прошел ежегодный TAdviser SummIT 2023. После пленарного заседания участники и гости могли выбрать для себя интересную тематическую секцию и принять участие в ее работе. Одной из самых многолюдных сессий была сессия «ИТ в госсекторе».

Интерес к этой теме понятен. Прямо на наших глазах создаются и активно развиваются цифровые регионы и ведомства. У каждой организации — свои программные инструменты, архитектурные и методологические решения, помогающие им решать столь амбициозные задачи.

Формируются лучшие практики внедрения цифровых технологий в интересах повышения эффективности госуправления, — отметил Александр Зорин, заместитель директора Центра подготовки руководителей и команд цифровой трансформации ВШГУ РАНХиГС, модератор.

Секцию посетили представители таких организаций, как Минцифры России, Аналитический Центр при Правительстве Российской Федерации, ФГБУ ИАЦ Судебного департамента, ФГАУ НИИ «Восход», ГБУ «Мосгоргеотрест», «Росатом», ФГБУ ФИПС, префектура Зеленоградского АО г. Москвы, «Промсвязьбанк», постпредство республики Дагестан при Президенте РФ, АНО «Институт искусственного интеллекта» и многих других.

Перепишем федеральные НПА всем миром

Гостем конференции стал Андрей Свинцов, заместитель председателя комитета Государственной Думы РФ по информационной политике, информационным технологиям и связи. Он отметил, что пока нам так и не удалось создать ту благоприятную ситуацию, в которой разработчики активно выводят на рынок востребованные инновационные программные продукты, а заказчики из числа госструктур и компаний с госучастием так же активно их внедряют.

Андрей Свинцов, заместитель председателя комитета Государственной Думы РФ по информационной политике, информационным технологиям и связи

Виновно в этом несовершенство основной законодательной базы в части импортозамещения и достижения импортонезависимости, то есть 44-ФЗ и 223-ФЗ, и особенности грантовой политики. Так, регламенты льготного кредитования и грантовой поддержки диктуют слишком жесткие требования к разработчикам в плане сроков выдачи готовой продукции. А для заказчиков главным препятствием стала конкурсная система выбора поставщика ИТ-продуктов: «Выиграла компания, которую я вообще не знаю. А вдруг она ничего не сделает? Как в таком режиме нам сделать необходимый рынок в части импортозамещения?»

По оценкам Андрея Свинцова, еще хуже обстоят дела с отечественным оборудованием, которое находится в ведении Минпромторга РФ:

Там к проблеме срыва сроков поставок продукции добавляется заоблачный ценник на российское оборудование». По его сведениям, порой стоимость в 4-5 раз выше, чем цена аналогичного оборудования, завезенного по схеме «серого» импорта. Понятно, что в России практически ничего не производится. Обычно это «сборная солянка» с элементами отечественного, например, в виде корпуса. Это смешно, — резюмировал состояние «все плохо» зампред комитета Госдумы РФ. — Но это один из тех факторов, которые не позволяют нам двигаться быстрыми темпами к импортозамещению.

И еще добавил остроты ситуации: «Не хотелось бы говорить слово «коррупция», но «румянец» [по-видимому — стыда — прим. автора] есть».

Ответ на вопрос «Что делать?» прозвучал ясно: всем участникам рынка нужно объединиться и создать механизм определения госзаказа без 44-ФЗ и 223-ФЗ. «Я как зампред комитета сформирую рабочую группу. Обращайтесь ко мне. Будем вместе продвигать этот вопрос», — призвал собравшихся в зале представителей ИТ-отрасли Андрей Свинцов. Чего именно стоит добиться разработчикам ПО, понятно: «Через некоторый общественный совет при Минцифре надо наделять определенные компании госзаказом, верить в то, что они все сделают, и всячески помогать им, в том числе, финансами, в том числе, грантами». В этой ситуации для него как депутата критически важен отклик от самой отрасли: «Мы буксуем. Все это прекрасно знают. Мы вместе с вами должны добиться корректировок в законодательстве и поправить тот элемент нашей косной бюрократической системы, который тормозит развитие».

Пермский край: создание единого аналитического пространства региона

Согласно распоряжению Правительства РФ №3102-р от 21 октября 2022 г., к 2024 году все государственные информационные системы будут переведены на единую цифровую платформу «ГосТех». Органы власти сегодня выстраивают свои проекты цифровизации с учетом этого требования, напомнил Олег Савинов, заместитель министра информационного развития и связи Пермского края. «Мы решили провести требуемые изменения через мероприятия по подготовке единого архитектурно-технологического решения», — рассказывает он. С этой целью на уровне края введена единая технологическая политика в части разработки микросервисов и прочих ИТ-решений, а также сформирован единый подход к описанию ИТ-архитектуры. Для этого выбран фреймворк для управления архитектурой предприятия TOGAF, включающий язык архитектурного моделирования ArchiMate.

Как говорит Олег Савинов, для получения стандартного описания TOGAF-архитектуры, сам фрейморк пришлось несколько доработать. В частности, выделено шесть уровней архитектуры вместо классических четырех.

Олег Савинов, заместитель министра информационного развития и связи Пермского края

Как известно, особого внимания требует работа с данными в части обеспечения их приемлемого качества. А для госструктуры краевого уровня особой головной болью является «первичка», поделился докладчик.

У нас в регионе работает 50 ГИС и свыше 150 различных информационных систем. Если фокусировать внимание только на критически важных данных, все равно их уже больше 5 Пб. Это огромная сложная задача — корректно объединять эти данные для того, чтобы потом проводить качественную аналитику, а потом еще и работать с «золотыми записями», — рассказал он о задаче, которую решают ИТ-специалисты региона.

Работа идет поэтапно: постепенно в единую систему добавляются новые отрасли (всего 18 отраслей и 83 проекта информатизации) с учетом возможности получения первичной информации из федеральных и региональных информационных систем. Затем эти данные нормализуются. После обработки аналитическими системами результаты выводятся на дашборды.

Мы ориентированы на интеграцию с различными системами, потому что это обеспечивает нас оперативными сведениями, — говорит Олег Савинов и добавляет, — мы сейчас только учимся плавать в этом огромном море ИТ-проектов.

Главный помощник в таком «плавании» — собственная АИС «Большие данные». По сути, она является некоторым набором BI-компонент, включая популярный open source инструмент Apache Superset, который региональные ИТ-специалисты оптимизировали и интегрировали с чат-ботом. Теперь ключевые дашборды отправляются непосредственно на мобильные телефоны руководителей края.

В системе реализованы разнообразные аналитические методы, включая как аналитику больших данных, так и решения прогнозирования. АИС «Большие данные» встраивается в различные ведомственные информационные системы таким образом, что ведомственные пользователи могут интегрироваться с системой даже с использованием данных в форматах Excel и CSV — они загружаются в хранилище АИС, где проходят нормализацию и оптимизацию. Именно хранилище АИС «Большие данные» формирует операционные и ситуационные данные посредством витрин данных и передает их на аналитическую обработку.

Важный аспект подхода к управлению данными на базе стандартизации — единый стандарт обработки данных. Он дает возможность создавать унифицированные сервисы. По оценкам Олега Савинова, сегодня в информационных системах реализовано свыше тысячи различных взаимодействий: среди них есть и адаптеры СМЭВ, и внутрирегиональные интеграционные механизмы.

За счет унификации и сервисного подхода мы можем один адаптер погрузить в разработку собственной системы или любой ведомственной. Разработали адаптер, скомпилировали код, он прошел некий упрощенный процесс CI/CD, автоматически опубликовался, применился в продакшене и начал работать, — рассказывает Олег Савинов. В результате удалось сократить в два раза срок разработки любого микросервиса, отмечает он: Особенно это касается микросервисов межведомственных коммуникаций.

За счет использования единой АИС «Большие данные» и Apache Superset удалось в три раза сократить сроки разработки любых аналитических сервисов.

С помощью достаточно простого инструмента Apache Superset наши специалисты могут своими силами создавать дашборды на SQL, — говорит Олег Савинов.

Фабрика данных для создания безопасной транспортной системы города

Инновационный центр «Безопасный транспорт», созданный в рамках ЦОДД (Центра организации дорожного движения) Москвы в 2017 году, изначально был ориентирован на аналитическую обработку Big Data и стал ключевым источником данных всего транспортного комплекса Москвы. По сути, все инновационные технологии и решения, которые внедряются в столице: интеллектуальные светофоры, умные информационные табло, решения фотовидеофиксации, датчики фиксации уровня шума и уровня вредных выбросов во дворах, популярные мобильные приложения «Московский транспорт» и «Велобайк» — рождаются в стенах этого инновационного центра. Ключевая идея развития сервисов и услуг центра находится в русле концепции Vision Zero (нулевая смертность на дорогах в ДТП), которая реализуется во многих странах мира.

Константин Зайцев, руководитель проектов центра внутреннего консалтинга «Реактор» (в составе инновационного центра «Безопасный транспорт»), говорит, что усилиями сотрудников Москва превращается не только в «Умный город», но и в Data-driven City, то есть город, управляемый данными. Это означает, что в хранилище больших данных инновационного центра хранятся всяческие данные: как ретроспективные, так и данные реального времени, а также данные предиктивной аналитики. На основе этих данных осуществляется аналитика и создаются разнообразные цифровые аналитические продукты. Причем данные собираются со всех подведомственных организаций дептранса Москвы и консолидируются в этом хранилище, проходят контроль качества, обрабатываются и передаются аналитическим системам.

Константин Зайцев, руководитель проектов центра внутреннего консалтинга, «Реактор»

В основе этого процесса лежит «фабрика данных» — единый инструмент доступа, анализа и визуализации показателей в контуре транспортного комплекса столицы. Он позволяет быстро принимать решения, основанные на очищенных больших данных из хранилища, которые формируют результат в виде дашбордов. Константин Зайцев описывает пример создания дашборда для решения конкретной текущей задачи дептранса: «Например, руководство хочет понять ситуацию с самокатами, то есть средствами индивидуальной мобильности (СИМ). Он видит на дашборде, что количество активных самокатов велико, в то время как количество поездок на них небольшое, и понимает, что самокаты имеют низкую утилизацию. Скорее всего, они свалены где-то кучей, и жители пользоваться ими не хотят. Очевидный вывод: в этом месте не хватает парковок для самокатов».

Для того чтобы упростить разработку готовых сервисов, данные в хранилище больших данных не только консолидируются. Здесь также производится некоторый расчет с формированием готовых параметров. На основе них формируется аналитика и механизм визуализации данных. Например, таким образом рассчитывается загруженность парковок или станций метро. Работает также продукт «Карта аварийности», с помощью которой проводится анализ каждого ДТП, произошедшего в столице. С помощью данного продукта сотрудники строят модели и пытаются предсказать места потенциальных ДТП, используют его данные для установки камер фотовидеофиксации.

Как рассказывает Константин Зайцев, к настоящему времени создано 10 дашбордов: «Пассажиропоток», «Парковочные сессии», «СИМ», «Загруженность», «Аварийность», «Биометрия», «Аэропорты», «Средние скорости», «Грузовой транспорт», «По пути». В работе еще четыре: «Такси», «Каршеринг», «Водный транспорт», MaaS. Он должны «выйти на службу» к концу года.

Следующий шаг в развитии продукта «Фабрика данных» — внедрение сценарного прогнозирования.

Руководитель сможет зайти в дашборд и внутри продукта смоделировать ситуацию. Скажем, как изменится аварийность, если в заданном месте поставить светофор? Или как изменится состояние на дорогах, если увеличить количество парковок? — поясняет Константин Зайцев.

Роботы эффективно выполняют задачи аудита

Деятельность Счетной палаты Российской Федерации, безусловно, представляет собой большой и сложный механизм работы с данными, который планомерно подвергается цифровизации.

Сегодня у нас более 600 информационных систем в объектах контроля, и в последние годы мы активно продвигаемся вперед в части информатизации бизнес-процессов наших инспекторов, — рассказывает Михаил Петров, директор департамента цифровой трансформации Счетной палаты Российской Федерации.

Речь идет о большой комплексной задаче цифровизации государственного аудита. Для ИТ-специалистов ведомства это означает, что необходимо построить всеобъемлющую экосистему сбора, структуризации и анализа финансово-экономических данных в масштабе Российской Федерации.

Михаил Петров, директор департамента цифровой трансформации Счетной палаты Российской Федерации

На этом пути уже создано большое количество информационных систем, в том числе, ИAC УВГА (информационно-аналитическая система удаленного проведения внешнего государственного аудита), облако Счетной палаты и интегрированная с ним автоматизированная информационная система «Единая проектная среда», которая обеспечивает предоставление Счетной палате данных от объектов контроля в реальном времени. Реализован также большой объем функционала, ориентированный на инспекторов Счетной палаты.

Они связаны с бизнес-процессами инспекторов таким образом, чтобы инспекторы использовали компьютер не в качестве печатной машинки, а в виде инструмента, позволяющего им экономить время в своих бизнес-процессах, — замечает Михаил Петров.

В числе такого функционала — ПО оценки рисков, которое реализует гибко настраиваемые механизмы расчета риск-факторов, позволяющие максимально адаптивно подойти к реализации моделей оценки рисков по объектам проверок Счетной палаты. Также здесь есть экспертная платформа для организации взаимодействия с внешними независимыми экспертами и модуль управления знаниями. Он предназначен для выявления, объединения и структурирования знаний, накопленных в ходе выполнения рабочих задач сотрудниками Счетной палаты.

Важнейшая часть информационной структуры Счетной палаты — система управления данными (СУД). «Для того чтобы работать с информационными системами ведомства, нужно понимать, откуда брать данные, что за данные попали в наше хранилище, и какого они качества», — подчеркивает Михаил Петров. Именно СУД является поставщиком данных в ведомственное озеро данных, и именно с ними на постоянной основе работают специально обученные специалисты — дата-стюарды.

Уровнем выше располагаются разнообразные аналитические инструменты, в первую очередь, это средства визуализации данных, с которыми работают практически все инспекторы (PolyAnalyst, FlyBI, Label Studio, JupyterLab и др.), и лоукод-инструменты. Они дают возможность продвинутым инспекторам создавать собственную аналитику на основе развитого аналитического инструментария, включая нейросетевые модели.

Цифровые решения в области государственного аудита, созданные в Счетной палате с помощью цифровых инструментов сбора, анализа и визуализации данных (дата-аналитики), собираются в единый реестр. Сейчас он содержит более 160 решений, 40 из которых являются тиражируемыми, то есть используются несколькими направлениями аудита. Эта активность учитывается при подсчете ежегодного рейтинга «Цифровая зрелость» для всех подразделений Счетной палаты.

Применение средств информатизации дает возможность, в числе прочего, перейти от выборочных проверок к сплошным. Для этого используется инструментарий программных роботов (RPA). В сочетании с BI-аналитикой этот подход позволят реализовать очень продвинутые решения, например, проверку бюджетных смет и росписей с помощью ПО PolyAnalyst и RPA-робота.

Это решение проверяет сроки доведения бюджетных средств до получателей — очень важный для экономики страны элемент финансового взаимодействия государства с получателями бюджетных средств, подчеркивает Роман Некрасов, главный специалист ФКУ ЦЭАИТ СП, занимающегося разработкой цифровых инструментов для Счетной палаты. Роботы RPA выкачивают из ГИИС «Электронный бюджет» электронные бюджеты контролируемых структур — очень большие объемы данных, сотни тысяч документов, которые затем передаются в BI-систему. С ней работают инспекторы, умеющие создавать с помощью механизмов лоукод собственные сценарии проверок.

Роман Некрасов, главный специалист, ФКУ ЦЭАИТ СП

Практически под любое нарушение мы можем создать свой сценарий проверки. В таком режиме буквально за пять минут они способны выявлять сотни нарушений сроков, — рассказывает Роман Некрасов. — Благодаря этим возможностям в текущем году уже выявлено на порядок больше нарушений, чем в прошлом году.

По его словам, объекты контроля со страхом восприняли информацию о том, что их проверяет машина, способная детально проанализировать за рабочий день десятки тысяч документов.

В качестве опережающего технологического развития Счетной палаты докладчик приводит ситуацию с Минфином России: «Наш инспектор с помощью умных аналитических систем каждый год выявляет в этом ведомстве ошибки с НПА. Финансисты не успевают вручную привести свой свод нормативно-правовых актов в соответствие с произошедшими корректировками». Еще один интересный пример использования умных алгоритмов для целей государственного аудита связан с контролем нарушений при госзакупках. В качестве исходных материалов использовалось более 150 тыс. госконтрактов с сайта госзакупок и из Единой информационной системы в сфере закупок (ЕИС). С текстами контрактов работали алгоритмы машинного обучения на базе языковых моделей BERT и семейства GPT.

Пожалуй, самой большой проблемой этого проекта стало формирование обучающей выборки — в сфере государственного аудита не существует готовых размеченных данных, которыми можно воспользоваться. Специалисты ФКУ ЦЭАИТ СП использовали для целей обучения часть выборки исходных материалов. Кроме того, разработчики прибегли к помощи инспекторов — их специфические знания о нарушениях в различных предметных областях были использованы в системе в качестве Natural Labels — некоторых маркеров, которые вносятся в исходные данные на начальном этапе работы системы.

Мы реализовали автоматизированную проверку нарушений в госконтрактах, связанных с неконкурентными закупками. И как только настроили машинный анализ, ошибки посыпались, как из мешка, — вспоминает Роман Некрасов.

RPA и языковые модели ИИ — это то будущее государственного аудита, которое уже начинает реализовываться в Счетной палате, уверены ИТ-специалисты ведомства.

Город как экосистема цифровых сервисов

В свежем рейтинге умных российских городов сразу три проекта информатизации заняли лидирующие позиции. Один из них — экосистема городских цифровых сервисов «Цифровой Санкт-Петербург», с гордостью сообщил Дмитрий Кузьмин, заместитель председателя комитета по информатизации и связи Санкт-Петербурга. Ключевые элементы этой экосистемы — ролевая модель и система метрик, которые позволяют эффективно связать все сервисы, реализующие взаимодействие граждан с городом. Все цифровые сервисы собраны в единый электронный каталог.

Дмитрий Кузьмин, заместитель председателя комитета по информатизации и связи Санкт-Петербурга

Еще один важный элемент экосистемы — интеграционная платформа.

Аккумулируя API на интеграционной платформе, мы заставляем данные из государственных информационных систем работать на благо жителей города, создавая легкие простые сервисы, — рассказывает Дмитрий Кузьмин и подчеркивает, что данный подход предлагается к переносу на единую цифровую платформу «Гостех» в рамках реализации регионального трека.

Проект будет завершен к концу нынешнего года.

Такие технологические амбиции объяснимы: архитектура экосистемы цифровых сервисов изначально была ориентирована на предоставление городским разработчикам (технологическим партнерам) доступа к городским данным, которые содержатся как в государственных информационных системах, так и в системах партнеров города. «Партнерская сеть, которую мы активно создаем, позволяет нам, в том числе, расширять наши возможности на всю страну. Через «Гостех» мы планируем тиражировать наш продукт на российские регионы», — говорит Дмитрий Кузьмин.

Регион, управляемый моделями

«Лоукод — это сегодня модный термин. Но у нас, в сфере образования, действительно все реализуется в стиле лоукод и основано на мета-моделях, — рассказывает Алексей Драгунов, директор регионального центра информационных технологий (РЦИТ) Псковской области.

С помощью моделей описываются сами информационные системы, взаимодействия между ними и структуры интерфейсов. В моделях хранятся как мастер-данные, так и описания структуры всей региональной информационной системы «Цифровое образование Псковской области» (РИС ЦОПО).

Алексей Драгунов, директор регионального центра информационных технологий Псковской области

Онлайн-конструктор позволяет быстро создавать элементы системы, модифицировать ее, и все это происходит с контролем версий ПО. Так, отдельный лоукод-компонент отвечает за взаимодействие с порталом госуслуг, другой — за поддержку СМЭВ 3, СМЭВ 4. «Мы первыми в России вывели на витрину данных электронные журналы», — отметил Алексей Драгунов.

Технологический стек изначально ориентировался на свободное ПО. «Наш регион — небогатый, и мы давно отказались от идеи использовать решения Oracle и им подобные», — поясняет Алексей Драгунов. Платформа работает на базе ОС «Альт Сервер». Для создания образовательной платформы региона используются свободные средства разработки (Java, PHP, C, JS, Go), свободные/российские СУБД Postgre SQL/Postgres Professional, Firebird/Red Database, MongoDB, Redis. Для визуализации данных и аналитики применяется продукт Apache Superset. Специальный программный модуль предназначен для того, чтобы формировать выборки и поддерживать взаимодействие с любыми сторонними системами.

Интеграционные возможности — важный элемент государственной системы регионального уровня. Образовательная платформа Псковской области обеспечивает взаимодействие с 35 подсистемами: дошкольное образование, школьное образование и т.д.

Мы интегрируемся со всеми федеральными системами, которые поддерживают такие возможности: информационными системами Рособрнадзора, Минцифры, Минпроса РФ, — отмечает Алексей Драгунов.

Докладчик подчеркивает, что подход, выбранный для цифровизации сферы образования Псковской области, существенно отличается от того, который часто встречается в регионах. Там данные по различным сегментам хранятся в разных базах данных, так что даже сведения ГИА (государственной итоговой аттестации) за 9 и 11 класс находятся далеко не в одном и том же месте.

У нас же изначально создавалась единая база, — объясняет Алексей Драгунов. — Каждый ребенок — один для всей системы: и для журналов, и для госуслуг.

Работа с этими данными реализуется через цифровые профили детей и педагогов, а также цифровые профили органа муниципального управления и образовательной организации.

Когда все данные гармонизированы за счет того, что есть общий сегмент, содержащий все сведения НСИ, у нас нет проблем, скажем, с обменом данными между детскими садами и школами. В других регионах это известная проблема — эти данные плохо «склеиваются, — говорит спикер.

Специалисты РЦИТ Псковской области первыми в России создали цифровой административный регламент (ЦАР). Например, сведения и справки, необходимые для аттестации педагогов, собираются автоматически из различных подсистем РИС ЦОПО, что позволяет детально учитывать все мероприятия, в которых участвовал педагог. Само заседание аттестационной комиссии также проводится в виртуальном формате, включая голосование за кандидатов. Аналогичным образом в системе аккумулируются все сведения о мероприятиях, в которых участвовал школьник (олимпиада, конкурс, конференция) или класс в целом (поездки, экскурсии, посещения музеев).

Как говорит Алексей Драгунов, эта цифровая активность региона лежит в русле создания управленческих механизмов в сфере образования, которым занимается Министерство просвещения РФ. Речь идет об управлении качеством образовательных процессов на основе данных. «У нас эти механизмы реализованы и работают в автоматическом режиме», — отмечает Алексей Драгунов. Более того, Псковский регион абсолютно бесплатно делится своими наработками с другими.

Цифровая трансформация в направлении цифрового двойника города

Опыт Москвы в области цифровизации городского управления, несомненно, представляет интерес для всех региональных и муниципальных информатизаторов. В первую очередь, в силу специфических особенностей жителей мегаполиса — высокой скорости жизни и плотности информационной среды, окружающей жителей, и особенностей реализации цифровых услуг в таких условиях.

По оценкам Дмитрия Онтоева, советника руководителя департамента информационных технологий Москвы, столичная территория города покрыта сетями LTE на 99,7%, а средняя скорость мобильного трафика составляет 35 Мбит/с. Неудивительно, что свыше 91% москвичей пользуется мобильными сервисами, и 73% горожан делают покупки в интернет-магазинах. Для жителей и гостей столицы создана одна из крупнейших в мире городских экосистем цифровых сервисов Mos.ru.

Это полноценная цифровая экосистема взаимодействия города и жителя, которая позволяет разрешить практически любую жизненную ситуацию онлайн — быстро, в любое удобное время, в любом месте и с любого устройства, — рассказывает Дмитрий Онтоев. — Городские сервисы дают жителям возможность помогать близким, заботиться о семье и доме, ухаживать за питомцами и получать всю необходимую информацию онлайн.

Собственно, так московское правительство понимает термин «Умный город» — тот, что помогает человеку в каждую минуту, круглосуточно.

Дмитрий Онтоев, советник руководителя департамента информационных технологий Москвы

Чтобы гражданам было легко пользоваться электронными услугами и сервисами, Москва разработала собственный уникальный идентификатор пользователя — Mos.ID. Это единая учетная запись, логин и пароль, которые можно использовать на портале mos.ru, а также в московских мобильных приложениях и порталах по взаимодействию жителей с городом.

Фактически, Mos.ID интегрирует всю информацию о жителе и помогает нам переходить к проактивному обслуживанию, — рассказывает Дмитрий Онтоев. — Если у вас возникает ситуация, для которой предусмотрены меры господдержки, мы можем оказать соответствующую услугу проактивно.

Еще одно существенное направление развития цифровых сервисов — создание суперсервисов. Сейчас их два: переезд по программе реновации и переезд в Москве. Суперсервис, помогающий людям в переезде по программе реновации, подразумевает предоставление большого комплекса услуг: от голосования по включению дома в программу реновации и выбора квартиры для переезда до записи к нотариусу и помощь в организации транспорта и работы грузчиков.

Город также предоставляет так называемые ценностные сервисы: благотворительный сервис на платформе mos.ru, интерфейсы обратной связи с правительством Москвы, возможность арендовать помещение для проведения культурного мероприятия и т.д. «Это все проявления того, как цифровая и физическая среда взаимопроникают друг в друга», — замечает Дмитрий Онтоев. В конечном итоге такое взаимопроникновение реализуется в виде цифрового двойника города.

Цифровой двойник — собственная разработка ДИТ Москвы — создан на основе 3D-модели города. По словам докладчика, для ее поддержки ежегодно собирается более 12 млн аэрофотоснимков. Модель имеет свыше 5 тыс. слоев данных, и каждую неделю добавляется еще по несколько слоев. Модель используется руководством города в своей повседневной работе. Например, на заседании градостроительной комиссии на 3D-карте отображаются соответствующие объекты. На этой карте можно увидеть, какую нагрузку на транспортную инфраструктуру создадут новые объекты, если они будут построены. Можно также увидеть, как они будут соотноситься с уже проложенными подземными коммуникациями.

В 2022 году цифровой двойник города получил новый функционал: динамические слои, проекции камер видеонаблюдения, механизмы искусственного интеллекта для улучшения качества изображений. Умные технологии компьютерного зрения находят широкое применение в различных организациях Москвы: от анализа медицинских снимков до контроля состояния мусорных контейнеров. Как рассказал Дмитрий Онтоев, сегодня один инспектор за день проверяет 70 дворов: он работает в своем кабинете со снимками с видеокамер, а не ходит по улицам пешком. Нейросетевой алгоритм действует самостоятельно и передает человеку только те снимки, в которых не смог разобраться. В результате весь контроль за дворами в Москве сегодня осуществляет всего 40 человек.

Город будет и дальше двигаться по этому пути — создавать новые технологические решения и внедрять их в практическую жизнь города, уверяет Дмитрий Онтоев. В числе новинок — недавно анонсированный портал Moshab. Он представляет собой аналог Githab, сервиса для работы с программным кодом. «Мы будем предлагать наш код сторонним разработчикам, чтобы они могли использовать его в своих проектах», — поясняет спикер.

Чистые данные

Органы власти и ведомства создают ИТ-системы, которые превращают их в организации, управляемые с помощью данных. Самый сложный вопрос при этом — доступность качественных исходных данных по различным разрезам деятельности организации и их использование для продвинутой аналитики, в том числе для ответов на сложные запросы в реальном времени.

Цифровое взаимодействие граждан и государства вышло на такой уровень, при котором критически важным элементом стало качество данных (в смысле актуальности и достоверности при использовании в юридически значимых ситуациях), информационная безопасность (недоступность для утечек и неправомерного использования), а также возможность комбинирования информационных структур персональных данных для использования в различных ведомственных, федеральных и региональных ИТ-системах.

Традиционный путь объединения таких систем, который связан с длинными и сложными проектами и, к тому же, не обеспечивает возможностей переиспользования получившейся конструкции, не подходит для задач этапа, говорит Денис Ишутинов, генеральный директор компании Clean Data. По мнению эксперта, имеющиеся сегодня возможности: обилие информационных систем различной направленности, отличная транспортная система передачи данных (СМЭВ 3, СМЭВ 4 и т.д.), витрины данных НСУД — дают возможность оперативно собирать любые конфигурации данных под требуемые задачи.

На настоящий момент витрин НСУД немного, но это только начало процесса, и он является приоритетным, — отмечает Денис Ишутинов. — Ведь обращение к витринам НСУД приближает нас к процессам реального времени. Фактически, мы можем работать с ними как с базой данных.

Денис Ишутинов, генеральный директор компании Clean Data

На этом пути необходимо решить две значительных проблемы. Одна связана с обеспечением точности сопоставления данных граждан при информационном объединении разрозненных систем. Вторая — с вопросами информационной безопасности данных. Поиск конкретного гражданина значительно осложняется отсутствием его единого идентификатора. Конечно, имеются разнообразные ведомственные идентификаторы, но, во-первых, они присутствуют не во всех витринах и, во-вторых, различаются правилами формирования описаний. Яркий пример — написание фамилии, даты или места рождения гражданина. Причем дата и место рождения — это единственные параметры, которые неизменны для каждого человека в течение всей его жизни, замечает Денис Ишутинов, но при этом правильно сопоставить в процессе поиска по базам данных фамилию «Артёмов» и «Артемов» для одного и того же гражданина невозможно.

Проблема решается с помощью механизмов нормализации и стандартизации данных из различных реестров и созданием системы мастер-данных (MDM). Такой продукт компания Clean Data уже вывела на рынок. «Алгоритм стандартизации и нормализации данных позволяет привести сведения из различных систем и реестров к единому виду, — рассказывает Денис Ишутинов. — Стандартизация приводит к фиксированию справочного значения». Набор таких справочных значений формирует нормализованный индекс, который позволяет осуществлять поиск нужных сведений и получать в ответ искомые юридически значимые данные.

Сегодня компания работает над созданием федеративной MDM-системы. Речь идет о том, что при появлении новых источников данных о гражданах или новых задач не нужно заново формировать с нуля объединенную структуру. Если сведения о человеке уже есть в MDM-системе, они используются как основные, и далее в обработку поступает его идентификатор из MDM. Если данных о человеке нет, они формируются как часть MDM. «Это ликвидирует условия для появления дублирующих данных, — подчеркивает Денис Ишутинов. — Более того, ведомствам придется хранить и накапливать только ту информацию, за которую они сами отвечают».

Таким образом, в результате формируется «золотая запись», содержащая все значимые идентификаторы конкретного человека. Очевидно, что к базе данных, содержащей такие сведения, предъявляются повышенные требования в части информационной безопасности.

В интересах ИБ разработчики из Clean Data используют технологию хеширования данных.

Замечательным свойством хеширования данных является невозможность обратного восстановления исходных данных по значению хеш-функции, — говорит Денис Ишутинов. — Таким образом, на выходе системы оказывается большая «емкость», которая содержит множество хешей и идентификаторов.

Если кто-то сможет ее заполучить незаконным способом, то все равно не сможет воспользоваться ее содержимым. Зато у легальных пользователей появляется масса новых полезных возможностей.

В частности, разрешается проблема связывания данных, находящих в разных системах. Такая проблема решается с помощью специального большого проекта ИТ-интеграции узкой направленности. В данном случае любая доступная витрина данных, содержащая сведения о нужном человеке, дает его идентификаторы, которые уточняются с помощью нормализованных идентификаторов MDM. Они, в свою очередь, помогают в любой другой витрине данных найти только те сведения, которые нужны по данному запросу.

Также легко решается задача оперативного обогащения данных новыми сведениями, отмечает Денис Ишутинов: расширенный список полей виртуально добавляется в MDM, проходит операции нормализации, стандартизации, хеширования. По хешам можно найти идентификаторы соответствующих людей, обнаруженных в витринах, и добавить нужные поля.

Методологии внедрения искусственного интеллекта

Объемы внедрений решений искусственного интеллекта (ИИ) в практику работы российских предприятий и организаций постоянно растут. По данным аналитиков консалтинговой компании Axenix, которая раньше входила в международную структуру Accenture, в 2023-2024 гг. в эту сферу будет вложено около 7 млрд руб., что в 20 (!) раз превышает сумму, потраченную на решения ИИ в прошлом году.

Мария Курдина, менеджер по продвинутой аналитике Applied Intelligence компании Axenix, говорит о специфических рисках, сопровождающих внедрения таких решений. «Задачи с использованием технологий искусственного интеллекта обладают меньшей управляемостью, чем традиционные, — отмечает она. — Здесь нужны другие специалисты и очень важен уровень их квалификации». Еще одна особенность таких проектов — высокая доля НИОКР, так как приходится работать с гипотезами.

Мария Курдина, менеджер по продвинутой аналитике Applied Intelligence, Axenix

Эти факторы диктуют специфический маршрут внедрений. В отличие от традиционного «водопада», основную долю работ составляет повторяющийся цикл: «формирование гипотезы — проверка гипотезы — работа над ошибками — коррекция гипотезы». «Ошибка при проверке гипотезы — это норма. Вот почему мы рекомендуем выходить на большие проекты ИИ только через этап пилотирования», — подчеркивает Мария Курдина.

Специально для госсектора компания Axenix предлагает набор проверенных решений, использующих различные механизмы искусственного интеллекта. В их числе:

1. Автоматизация обработки обращений граждан. Платформа применяет модели машинного обучения и осуществляет автоматическую классификацию обращений на основе их текстов. Она использует механизмы извлечения фактов из текстов обращений и обеспечивает автоматическую подготовку ответов.

2. Система автоматизированного контроля медицинских данных в документах, предоставляемых в страховую медицинскую организацию. Включает базу правил на основе внутренних распорядительных документов организации, инструменты синтаксического анализа текстов и ETL для обработки медицинских записей. Система контролирует, какие данные заполняет врач и подсказывает, какие документы нужно оформить.

3. Выявление идеальных кандидатов на управленческие должности. Сервис реализован в одной из крупных торговых сетей. В ходе пилотного проекта проверялась гипотеза о зависимости эффективности работы магазина от личности его генерального директора. Предложен паттерн характеристик сотрудников, которые способствуют достижению ключевых показателей. Реализован механизм выявления сотрудников с подходящими параметрами.

4. Контроль качества в металлопрокате. Технологии машинного зрения помогают автоматически обнаруживать дефекты при прокате алюминиевых пластин по их изображениям с функцией «остановка на дефекте».

В перерыве и по завершении саммита участники общались в неформальной обстановке, а также имели возможность ознакомиться с решениями и услугами ИТ-поставщиков на стендах, развернутых в холле мероприятия.

{hide} Российское государство на текущем этапе развития столкнулось с рядом серьезных вызовов: в технологической, экономической, оборонной области. Достойные ответы на эти вызовы предполагают активное использование передовых информационных технологий. О том, как «цифра» помогает решать государственные задачи, пойдет речь на TAdviser SummIT 2023 в рамках специальной секции «ИТ в госсекторе»: Актуальные задачи информатизации и цифровизации госсектора.

• Особенности госинформатизации в условиях геополитического конфликта: приоритеты, актуальные задачи, вызовы и возможности.
• ИТ-инфраструктура современного цифрового государства: архитектура, принципы функционирования, практическая реализация.
• Практическая реализация принципа «государство как услуга» для граждан и бизнеса.
• Современные подходы к ИТ-архитектуре и функциональным возможностям государственных, отраслевых, региональных и муниципальных информационных систем. Опыт успешных проектов.
• ИТ как инструмент повышения эффективности госуправления.
• Опыт цифровой трансформации отраслей промышленности. Адаптация с помощью ИТ к специфике текущего момента.
• Большие данные большого государства: принципы управления, опыт хранения и использования. Обмен данными между государством и бизнесом. Вопросы защиты персональных данных граждан.
• Цифровой регион: возможности, вызовы, учет региональной специфики.
• Типовые ИТ-решения для госуправления. Возможности и особенности тиражирования.
• Вызовы кадрового обеспечения российской ИТ-отрасли.
• Меры господдержки для создания импортонезависимой суверенной ИТ-отрасли РФ.
• Актуальные вопросы импортозамещения в крупных системах госинформатизщации. Опыт успешных проектов.

На специальной секции «ИТ в госсекторе» TAdviser SummIT 2023 предстоит большой разговор о том, как в условиях острого геополитического противостояния и соответствующих актуальных вызовов создается импортонезависимая отечественная отрасль ИТ.

{/hide}

Информация о партнерах конференции

Российская компания AXENIX (ранее Accenture) осуществляет деятельность под юридическим наименованием ООО «АксТим». AXENIX предоставляeт широкий спектр профессиональных услуг в области цифровых сервисов, облачных технологий и решений для обеспечения информационной безопасности. В офисах и центрах разработки в Москве, Твери, Ростове-на-Дону, Краснодаре, Санкт-Петербурге и Алматы работают около 2 000 сотрудников. Благодаря сочетанию уникальных знаний, опыта и компетенций более чем в 40 отраслях, предлагает услуги в области стратегии и бизнес-консалтинга, технологических решений и других операций, направленных на цифровизацию бизнеса. Подробнее на www.axenix.pro

Центр подготовки руководителей и команд цифровой трансформации ВШГУ РАНХиГС – ведущая образовательная организация в сфере цифровой трансформации. Ключевыми направлениями деятельности, помимо реализации образовательных программ, является карьерное развитие специалистов цифровой трансформации, мониторинг цифровой трансформации и ИИ-зрелости органов власти

https://cdto.ranepa.ru/