Экспертам конкурса АСИ World AI&Data Challenge представили 21 практику внедрения цифровых решений в регионах

Завершается третий, финальный этап конкурса АСИ World AI&Data Challenge, во время которого 13 команд разработчиков и 14 команд регионов представили для голосования экспертного жюри 21 практику внедрения цифровых решений. Практики, показавшие лучший социально-экономический эффект при внедрении, будут распространяться в России и в других странах.

Успешно справились с внедрением цифровых решений и оказались в числе финалистов такие регионы, как: Тюменская, Свердловская, Новгородская, Курская, Белгородская, Челябинская, Ульяновская, Ростовская, Смоленская области, Ханты-Мансийский и Ненецкий Автономные округа, Приморский край, Татарстан, Москва.

«Командам регионов на третьем этапе важно не просто развернуть цифровое решение, но и начать его применять, правильно определить траекторию его промышленной эксплуатации и метрики, по которым оцениваются краткосрочные и долгосрочные эффекты. Помимо проектов, которые внедряют непосредственно региональные органы власти, собирая данные, определяя точности алгоритмов и готовя инфраструктуру, есть решение, которое уже сейчас используют тысячи людей. Сервис по распознаванию азбуки Брайля является массовым и для его использования достаточно иметь мобильный телефон с фотокамерой, чтобы распознать белые точки в один клик», – заявила директор центра цифрового развития АСИ Вера Адаева.

Цифровые решения, выбранные командами регионов для внедрения:

  • Анализ содержания загрязняющих веществ в водных объектах (Тюменская область)

  • Внедрение системы мониторинга и предсказания аварийности на дорогах (Новгородская, Свердловская области)

  • Интеллектуальный алгоритм автоматизированной обработки обращений граждан (Курская, Белгородская, Челябинская области, Приморский край, Татарстан, ХМАО)

  • Карта «Живые НКО» – карта социально-ориентированных некоммерческих организаций (Ростовская область)

  • Качественное изменение взаимодействия государства и человека (Ульяновская, Новгородская области, Татарстан (Иннополис), ХМАО)

  • Прогнозирование уровней воды в период весеннего половодья (Ненецкий Автономный округ, Новгородская область)

  • Разработка алгоритма увеличения туристического потока Останкинской телебашни на основе анализа предпочтений туристов (Москва)

  • Распознавание Азбуки Брайля (Россия и Узбекистан)

  • Расчет статистики посещений ООПТ туристами используя геоданные сотовых операторов (Новгородская, Смоленская области)

  • Сервис по выявлению факта развития сердечно-сосудистых заболеваний (инфаркт, инсульт) на основании оценки сердечно-сосудистого риска (Свердловская область)

Самой популярной среди регионов, внедряющих решения, оказалась задача по созданию интеллектуального алгоритма автоматизированной обработки обращений граждан. Разработки команд Infolabs, ЮНИИТ-Интерсвязь внедряют шесть регионов России.

Представители регионов уже отслеживают первые эффекты от внедрения решений. Например, в Белгородской области увеличилось количество пользователей региональной площадки для взаимодействия с населением, что позволяет лучше выстраивать диалог между всеми органами власти и населением региона. Несмотря на увеличивающийся поток сообщений от жителей, количество обслуживающего персонала системы остался прежним. Цифровое решение за счет автоматизации обработки обращений позволяет значительно ускорить работу операторов и сократить время на саму обработку сообщений граждан, не снижая точности.

«Правильная классификация входящих сообщений по категориям, темам и ответственным исполнителям упрощает работу как жителей региона, так и модераторов порталов и руководителей департаментов, осуществляющих контроль. Это позволило ускорить среднее время решения проблемы на девять дней. Количество решений, которые не уложились в 30-дневный срок, уменьшилось в два раза. Кроме того, проведенная оптимизация процессов обработки сообщений снижает нагрузку по первичной обработке с органов власти, платформа и выстроенные процессы полностью готовы к увеличивающемуся потоку входящих сообщений», – отметила замначальника управления департамента цифрового развития Белгородской области Ксения Уварова.

Еще одно решение, вызвавшее большой интерес у регионов, связано с качественным изменением взаимодействия государства и человека. Проекты команд разработчиков Dream Team и Игоря Шаталина внедрили четыре региона. Цифровое решение планируется использовать для оперативного реагирования и принятия управленческих решений губернаторами и правительствами регионов, а также отраслевыми министерствами и службами, отвечающие за улучшение качества жизни граждан в профильных отраслях.

Решение заключается в автоматизации и совершенствовании измерения качества жизни населения в муниципальных образованиях и повышении точности данной оценки, по итогам анализа которого можно сформировать действенный инструмент корректировки отраслевых государственных программ, управленческих решений и стимулирования муниципалитетов.

«Рейтинг формируется по 66 показателям, которые объединены в десять групп. Данная методика была представлена на конкурс в несколько усовершенствованном виде. Ключевым изменением стало дополнением статистических и опросных показателей результатами контент-анализа социальных сетей. В настоящее время уже подготовлено тестовое решение, способное проанализировать данные в соцсетях, а также отслеживать публикации в социальных сетях в разрезе различных направлений: здравоохранение, спорт, безработица, образование, социальная защита, строительство, безопасность, культура, экология и другие, и получать интегральный показатель по всем сферам не только в регионе, но и по каждому муниципальному образованию», – сообщил гендиректор Агентства технологического развития Ульяновской области Вадим Павлов.

По его словам, сформированный индекс качества жизни граждан по каждому муниципальному образованию позволяет выявить сферы, требующие особого внимания со стороны властей, использовать результаты оценки для принятия решений по улучшению ситуации.

В начале третьего этапа 24 региона начали внедрять решения, но до финала дошли не все по разным причинам: не успели подготовить необходимые обезличенные данные из внутренних систем для обучения моделей; у некоторых в принципе отсутствуют необходимые данные; регионы не успели развернуть техническое решение с учетом требований безопасности, предъявляемых к эксплуатации цифровых решений на закрытых данных; в регионе не была оперативно организована сбалансированная команда внедрения с участием как ИТ-специалистов, так и представителей отраслевых органов власти; не учли сроки, затрачиваемые на подписание соглашений по неразглашению данных с командами разработчиков; представленные регионами данные не подошли для формирования корректной модели алгоритма из-за ненормированной обучающей выборки.