Как использовать искусственный интеллект для экономического развития?

Роль лидеров экономического развития, возможно, становится еще более сложной, чем когда-либо. Эта работа очень обширна: от поддержки экономического роста и устойчивости до содействия созданию рабочих мест и трансформации рынка труда. Расходы на экономический рост могут достигать триллионов долларов - например, страны ОЭСР тратят на экономические цели в среднем 3,9 процента своего ВВП. Однако во многих странах мира процентные ставки выросли, что ограничивает бюджетную гибкость правительств. Кроме того, мировая экономика все еще не оправилась от последствий пандемии COVID-19, которая нанесла урон мировому экономическому производству.

В то же время новые формы данных и новые способы их обработки влияют как на бизнес, так и на общество, включая правительство. Например, один только генеративный ИИ может принести от 2,6 до 4,4 триллиона долларов стоимости в разных отраслях. Однако для получения этой стоимости потребуются новые идеи и подходы. В этой статье мы рассмотрим некоторые основные возможности, которые открывает ИИ, проблемы, которые могут встать на этом пути, и то, как некоторые организации решают их.

ИИ может преобразовать множество секторов и функций, но пять областей экономического развития могут извлечь особую выгоду из технологий ИИ.

Глобально конкурентоспособные цепочки добавленной стоимости. Лидеров экономического развития часто просят определить области, в которых их страна или регион могут стать конкурентоспособными на мировом уровне. Для этого они оценивают потенциальный вклад секторов в устойчивый, инклюзивный и жизнеспособный рост и могут первыми заметить потенциальные новые возможности. Аналитические модели, позволяющие в режиме реального времени анализировать рынки, выявлять зарождающиеся экономические тенденции и определять области, готовые к росту, дают лидерам доступ к новым мощным возможностям.

Например, один из городов Восточной Азии использовал аналитические модели для выявления неиспользуемых областей экономической конкурентоспособности в сфере производства напитков и автозапчастей - областей, примыкающих к тем, в которых он уже имел значительный потенциал. Сосредоточившись на этих секторах и воспользовавшись существующими талантами, инфраструктурой и цепочками поставок в соответствующих областях, город за шесть лет увеличил ВВП на душу населения на 8500 долларов.

Программы привлечения инвестиций и поддержки торговли. Многие лидеры экономического развития уделяют особое внимание привлечению иностранных инвестиций и увеличению экспорта. ИИ может помочь руководителям отобрать компании, которые могут способствовать местному экономическому развитию, понять, куда компании могут направить свои инвестиции, оценить результаты инвестиций и определить бюджет для усилий правительства по привлечению бизнеса.

Американская организация REDI Cincinnati-REDI расшифровывается как regional economic development initiative - использует предиктивную аналитику для выявления растущих компаний, которые, вероятно, сделают инвестиции в будущем. Модель, объединяющая бизнес-аналитику и анализ данных в режиме реального времени, использует такие данные, как активность в сфере слияний и поглощений и отчеты о прибылях, чтобы проактивно нацеливать компании на привлечение и расширение. К настоящему времени REDI Cincinnati помогла привлечь более 6 миллиардов долларов в виде капиталовложений.

Программы "Будущее работы". Агентства по трудоустройству могут использовать ИИ для выявления важных долгосрочных изменений на рынке труда и обеспечения критических переходов. Аналитические модели могут выявить профессии, которые рискуют быть вытесненными такими силами, как автоматизация и глобальные макроэкономические тенденции. Они также могут рекомендовать смежные, более устойчивые профессии, на которые работники могут переквалифицироваться.

Министерство труда и пенсий Великобритании использует аналитику трудовых ресурсов для оценки спроса на работников различных профессий. Это позволяет соискателям лучше ориентироваться в меняющемся трудовом ландшафте. Кроме того, это позволяет государственным учреждениям предлагать больше программ обучения по быстрорастущим специальностям, таким как социальный уход и информационно-коммуникационные технологии (ИКТ).

Экономическое "прогнозирование" и предсказание. Министерствам финансов и экономики и центральным банкам больше не придется определять кризис через несколько месяцев после его начала. Вместо этого руководители могут использовать технологии искусственного интеллекта для обнаружения ранних признаков потрясений, что позволит им быстрее скорректировать курс и направить экономику в русло различных экономических циклов.

Например, ОЭСР прогнозирует еженедельный рост ВВП, используя данные из 46 стран по различным секторам экономики. Модель использует машинное обучение для выявления корреляций между частотой поиска таких терминов, как "безработица", "инвестиции", "кризис", "рецессия", и изменениями в различных компонентах ВВП. Предоставляя показатели экономической активности в режиме реального времени, OECD Weekly Tracker позволяет легко оценить быстро меняющиеся данные, например, в случае экономического кризиса.

Преобразование государственных служб с помощью геоинформационных систем и пространственных данных. Правительственные организации все чаще используют пространственные данные и спутниковые снимки для повышения эффективности предоставления государственных услуг, повышения оперативности реагирования на стихийные бедствия и содействия развитию более умных, устойчивых и готовых к будущему городов. Учитывая размер и детализацию этих наборов данных, для получения метрик практически в режиме реального времени могут потребоваться сложные модели искусственного интеллекта.

В Казахстане для выявления и развития инфраструктуры в сельских поселениях используется статистическая модель, сочетающая географические, демографические и экономические данные с аналитическими методами. В рамках этой модели было проанализировано более 6 293 населенных пунктов, из которых было отобрано 3 500 с наибольшим потенциалом развития, в которых проживает 90 % сельского населения. В результате государственные руководители смогут более эффективно и точно обеспечивать сельские районы необходимыми услугами и инфраструктурой.

При внедрении искусственного интеллекта лидерам экономического развития следует обратить внимание на три ключевые проблемы: защита нужных данных, привлечение талантов и завоевание общественного доверия.

Данные

Отсутствие данных может затруднить лидерам экономического развития точное прогнозирование макроэкономических тенденций, сравнение влияния инвестиций в разных регионах и подготовку рабочей силы к меняющемуся рынку труда. Кроме того, существует разрыв между богатыми и бедными странами, качеством, доступностью и стоимостью данных. Например, в странах Африки к югу от Сахары регистрируется менее половины всех рождений, последняя перепись населения в Афганистане была проведена в 1979 году, а около миллиарда человек во всем мире не имеют официального удостоверения личности.

В среде, богатой данными, бывает сложно выделить нужные. Аналитические модели хороши лишь настолько, насколько хороши данные, на которых они основаны, а работа с неинтегрированными или разрозненными данными может затянуть проекты и увеличить расходы. Низкокачественные данные могут быть несовместимы с использованием методов анализа, основанных на искусственном интеллекте. По данным одного из глобальных исследований, 45% разработчиков согласились с тем, что государственные данные являются чистыми и точными, то есть более половины разработчиков считали, что работают с противоречивыми или неточными данными. Менее 35% считали, что данные хорошо документированы.

Доступ к данным - еще одна проблема, на которую ссылаются эксперты. Аналитические модели обычно требуют больших массивов данных для точного прогнозирования, но бюрократия, расхождения в политических программах и ограничительные нормы могут помешать организациям обмениваться соответствующими данными.

Таланты

Организации государственного сектора испытывают трудности с привлечением талантливых сотрудников. В Великобритании 51% организаций государственного сектора сообщают, что им трудно заполнить вакансии, по сравнению с 38% компаний частного сектора. Еще сложнее набрать молодых, квадифицированных в области технологий сотрудников. Например, в правительстве США на каждого сотрудника в возрасте 30 лет и моложе приходится более четырех ИТ-специалистов в возрасте 60 лет и старше.

Руководители государственных органов, с которыми мы беседовали, подчеркнули, что конкуренция за таланты с частным сектором еще больше ограничивает их возможности по найму технических специалистов. Например, в настоящее время вакансий, требующих знания языка Python, столько же, сколько специалистов, владеющих этим языком программирования, а на каждую вакансию, требующую навыков работы с данными, приходится 0,9 специалиста по анализу данных. Одним из результатов этого является повышение зарплатных ожиданий, которые многим государственным организациям трудно удовлетворить.

Доверие

Государственные организации, стремящиеся к прозрачности принятия решений, могут столкнуться с трудностями при использовании ИИ. О современных методах машинного обучения иногда говорят, что они работают как "черный ящик", выдавая результаты, которые нельзя легко объяснить. Это может подорвать доверие к результатам модели, а также объяснить, почему многие люди с опаской относятся к ИИ. Опрос, проведенный компанией Ipsos среди примерно 22 800 взрослых людей в 31 стране, показал, что примерно половина респондентов заявили, что испытывают нервозность по поводу продуктов и услуг, в которых используется ИИ.

Одно из потенциальных преимуществ использования методов машинного обучения для анализа больших объемов данных заключается в том, что они позволяют получить контринтуитивные выводы, на которые не способен подход, основанный на человеческих гипотезах. Например, алгоритм может определить, что страна имеет большие нереализованные возможности для производства водяных насосов. Но будет сложно обосновать эту идею перед инвесторами и налогоплательщиками, если сами руководители правительства не могут понять, как алгоритм пришел к такому выводу. Некоторые из тех, с кем мы беседовали, также сомневались в том, что ИИ сможет понять культурный контекст, в котором принимаются решения по экономическому развитию.

Несколько должностных лиц государственного сектора рассказали нам, что их организации запускают пилотные проекты по ИИ, а затем наблюдают замедление прогресса. Отсутствие динамики вызывает разочарование, что приводит к сокращению ресурсов и дальнейшим задержкам. Например, по официальным оценкам, в Европейском союзе только 38% примеров использования ИИ в государственном секторе достигли стадии внедрения, а большинство все еще находятся в разработке или на стадии эксперимента.

Государственные организации могут воспользоваться следующими семью стратегиями, которые помогут им ускорить внедрение технологий искусственного интеллекта.

1. Использование искусственного интеллекта и других передовых технологий для преодоления сложности

Новые технологии сложны, а сложность может пугать. Однако сочетание искусственного интеллекта и других инструментов с информационными панелями может помочь лицам, принимающим решения, сосредоточиться на наиболее важных приоритетах и показателях. Модели также могут использоваться для эффективного синтеза информации.

2. Убедитесь, что дорожная карта сценариев использования основана на основных потребностях

Руководители государственных организаций могут отдать предпочтение быстрым результатам, когда начинают работать с ИИ. Учитывая важность поддержания энтузиазма сотрудников на протяжении всего периода развития новых технических возможностей, это вполне логично. Однако организациям все равно необходимо создавать ценности с помощью инструментов ИИ, тогда можно понять, какие шаги необходимо предпринять руководителям для достижения своих целей, что позволит организациям не вкладывать ресурсы в ненужные модели и функции.

3. Обеспечить беспрепятственный доступ к данным с помощью грамотного использования данных частных поставщиков и более эффективного управления обменом данными

Многие лидеры отметили, что статистические агентства могут играть важную роль в обеспечении доступа к данным. Хорошее статистическое управление может использовать свою независимость и технические возможности для публикации достоверных данных, которые могут быть использованы для создания надежных моделей. Действуя в соответствии с местными нормами конфиденциальности и безопасности, такое управление может также сотрудничать с государственными организациями для сбора полезных данных, необходимых для принятия решений.

Обеспечьте правильные источники данных. Если государственные данные недоступны, можно использовать другие опубликованные источники данных - также в соответствии с нормативными требованиями. Рассмотрим следующие примеры:

• Геолокация и спутниковые данные. В докладе Глобального института McKinsey (MGI) "Pixels of Progress: Гранулированный взгляд на человеческое развитие во всем мире", разбивает мир на 40 000 микрорегионов, используя ночные спутниковые снимки и другие данные. MGI обнаружила, что рост ВВП страны объясняет лишь около 20 процентов роста в данном микрорегионе, и выделила истории успеха, которые могли остаться незамеченными, например Мапуса, Индия, где ВВП на душу населения увеличился в три раза за последние 20 лет. Pixels of Progress: Подробный взгляд на развитие человеческого потенциала в разных странах мира
• Данные телекоммуникаций. Всемирный банк использовал данные о мобильных услугах, включая продолжительность звонков, сеть контактов и частоту пополнения счета, для выявления самых бедных домохозяйств в Афганистане. Этот подход сработал примерно так же, как и более дорогостоящие методы сбора данных, такие как выезды на места для подсчета электроприборов.
• Данные о платежах. Операции с кредитными и дебетовыми картами представляют собой особенно интересное сочетание высокочастотных и геопространственных данных. Великобритания регулярно публикует изменения в расходах по кредитным и дебетовым картам в различных категориях, таких как основные потребительские товары и дискреционные расходы. Этот набор данных является частью более широкого набора показателей, который начали собирать во время пандемии COVID-19, чтобы отслеживать экономические и социальные последствия пандемии и темпы восстановления. В него входят данные о еженедельных операциях в магазинах Pret A Manger, создании и ликвидации компаний, увольнениях, авиарейсах, ценах в супермаркетах, трафике, запасах товаров в магазинах и операциях по налогу на добавленную стоимость.

Обеспечьте доступ к данным для всего правительства с помощью надежного управления данными. Обеспечив доступность и совместимость наборов данных, а также то, что система управления данными позволяет организациям внутри правительства страны обмениваться данными, правительства могут сыграть решающую роль в укреплении потенциала команд, разрабатывающих аналитические модели. Это очень важно, поскольку модели могут требовать объединения множества наборов данных, принадлежащих разным организациям.

Например, сайт открытых данных правительства США Data.gov предлагает доступ к почти 300 000 наборов данных; заявленная цель сайта - "информировать общественность и политиков о принимаемых решениях, стимулировать инновации и экономическую активность, выполнять задачи агентств и укреплять основы открытого и прозрачного правительства".

4. Поймите, что доверие зарабатывается медленно, а теряется быстро

Руководителям следует рассмотреть возможность использования моделей ИИ и аналитики данных, чтобы продемонстрировать, что эти инструменты играют решающую роль в повышении квалификации работников и стимулировании сотрудничества, а не являются средством замещения человеческого вклада.

Используйте искусственный интеллект для улучшения работы человеческих экспертов, а не для их замены. Это может быть особенно важно в сфере экономического развития, где решения часто не бывают однозначными. Например, решение о том, сколько правительство должно предложить субсидий для привлечения новой гигафабрики по производству электромобилей (EV), не обязательно сводится к набору алгоритмических правил. Руководители должны понимать, какие модели ИИ могут и не могут способствовать процессу принятия решений правительством.

В гипотетическом примере новой гигафабрики EV инструмент искусственного интеллекта может оценить количество рабочих мест, созданных заводом, его влияние на ВВП и вклад в экспорт. Однако аналитические модели не могут объяснить, какова может быть роль правительств в определении промышленной политики или как ценить личную мобильность по сравнению с общественным транспортом.

Швейцарская модель Anticipate иллюстрирует потенциал сотрудничества между экспертами и ИИ. Это приложение собирает, классифицирует и анализирует данные из различных источников, включая сети на местах и новостные статьи. Оно использует прогнозы опытных экспертов для уточнения своих прогнозов.

Убедитесь, что результаты можно объяснить. Лицам, принимающим решения, возможно, стоит подумать о том, чтобы вложить средства в обучение других людей преимуществам и ограничениям моделей ИИ. Например, правительство Шотландии и компания Mind Foundry помогают нетехническим пользователям ИИ понять, как различные факторы могут повлиять на результаты модели. Цель состоит в том, чтобы побудить экспертов сотрудничать с инструментами ИИ, а не использовать ИИ для замены человеческих суждений.

Обеспечьте прозрачную политику в отношении данных (например, конфиденциальность данных) и контроль предвзятости данных, чтобы учесть озабоченность высшего руководства государства. В Великобритании разработан стандарт записи прозрачности алгоритмов, определяющий, как государственные органы могут публиковать информацию о своих алгоритмах, включая обоснование их использования, механизмы человеческого надзора, технические характеристики, потенциальные риски и меры по их снижению, а также оценки воздействия. Это может снизить риск неправильного использования алгоритмов государственными организациями, способствовать распространению передового опыта и повысить доверие к использованию этих инструментов.

Разрабатывайте решения своими силами или сотрудничайте с отечественными организациями. Поскольку некоторые модели требуют доступа к конфиденциальным данным, правительства по понятным причинам не решаются делиться ими с внешними организациями. Лидеры иногда опасаются, что их данные и инновации могут быть утечены зарубежными компаниями, у которых меньше активов и людей на местах, которые могут быть привлечены к ответственности. Они также могут скептически относиться к способности иностранных экспертов создавать инструменты, учитывающие местные ценности и особенности. Наши интервью с представителями органов экономического развития говорят о том, что одним из способов повышения доверия может стать партнерство с местными организациями.

Базирующаяся в Абу-Даби компания G42, занимающаяся разработкой искусственного интеллекта, создала коалицию фирм Абу-Даби для разработки Jais, модели арабского языка. В группу вошли правительственные учреждения, академические институты, государственные компании и местные банки - все они поделились данными, которые использовались для создания модели.

5. Налаживать партнерство, наставничество, программы ротации и привлекать внешних провайдеров для накопления и расширения опыта.

Организации могут внедрять программы наставничества, связываться с внешними поставщиками услуг для получения доступа к макроэкономическим моделям и налаживать партнерские отношения с другими учреждениями для ускорения достижения положительных результатов.

Партнерство. Большинство организаций, которые мы изучили, имеют скромные команды по ИИ и аналитике. Партнерские отношения могут сыграть важную роль в получении огромной пользы при ограниченных ресурсах. Например, Оксфордский университет, Vivid Economics (компания McKinsey) и Экономическая комиссия ООН для Африки сотрудничали для определения возможностей "зеленой" экономики в Демократической Республике Конго. Они обнаружили, что особенно выгодными могут быть инвестиции в коммунальную возобновляемую энергетику, линии электропередач, мини- и микросети, а также в адаптацию к климату.

Программы ротации. Программы ротации могут помочь привлечь талантливых специалистов по обработке данных из частных компаний на несколько месяцев в государственные структуры, где они могут тренировать младших членов команды. Федеральное правительство США, например, позволяет работникам ИТ и кибербезопасности временно работать в других ведомствах. Это позволяет опытным специалистам создавать необходимые технические возможности в менее развитых агентствах.

Программы наставничества. Программы наставничества также могут позволить опытным лидерам экономического развития укрепить потенциал людей в новых организациях. Некоторые британские агентства наставляют аналитические организации в развивающихся странах, помогая командам, испытывающим нехватку ресурсов, изучать новые языки кодирования и внедрять передовые методы определения объема проекта, обеспечения качества, управления проектами и т. д.

Внешние поставщики. В частности, команды, не обладающие достаточными ресурсами, могут сосредоточиться на предоставлении специализированной информации лицам, принимающим решения, а не изобретать велосипед. Макроэкономические модели и другие инструменты можно покупать и настраивать, а не создавать с нуля.

6. Объединение ресурсов путем создания центров передового опыта (ЦПО)

Центры передового опыта, ориентированные на конкретные области знаний, используются некоторыми организациями и правительствами для создания цифровых платформ и других инструментов, позволяющих сократить дублирование и упростить доступ к данным.

ЦПО могут помочь привлечь талантливых специалистов и реализовать масштабные проекты. Правительства могут создавать ЦПО для наставничества, воспитания и направления талантливых специалистов в наиболее актуальные программы. Они также могут использовать ИС для создания общих платформ, чтобы улучшить электронные услуги и помочь преодолеть замкнутость в правительстве. Например, Государственная цифровая служба Великобритании, состоящая из 750 менеджеров по продуктам, инженеров-программистов и других специалистов, создала цифровые платформы, которые сегодня используют более 1900 организаций государственного сектора.

Централизация инструментов и процессов поможет организациям сэкономить время и деньги. Руководителям следует подумать о том, какие инструменты ИИ можно использовать совместно, а не дублировать. Например, министерству экономики и министерству финансов правительства может понадобиться доступ к макроэкономическим прогнозам, но это вовсе не означает, что нужно создавать две платформы на основе ИИ. Устранение избыточности может принести значительную экономию. Исследование ОЭСР показало, что централизация государственных закупок в одной стране может значительно сократить расходы.

Руководителям следует подумать о том, где инструменты ИИ можно использовать совместно, а не дублировать..... Устранение избыточности может принести значительную экономию.

7. Создать сильное ценностное предложение для привлечения, удержания и развития разнообразных талантов

Компенсация - не единственный рычаг, который организации могут использовать для привлечения лучших талантов, поскольку гибкость становится все более важной для потенциальных сотрудников. А те, кто делает больший акцент на найме, основанном на профессиональных навыках, могут расширить кадровый резерв.

Учитывайте компенсацию, но не ограничивайтесь ею. По оценкам, правительства тратят на ИТ-услуги 209 миллиардов долларов в год. За последние десятилетия многие правительства передали свои цифровые и искусственные технологии на аутсорсинг, отчасти из-за проблем с привлечением талантливых специалистов. Компенсация является одним из факторов, способствующих этому, поскольку размер оплаты труда в государственном секторе может не успевать за рыночным спросом на специалистов по анализу данных и других профессионалов. Однако компенсация - это лишь один из нескольких рычагов, которые государственные организации могут использовать для привлечения и удержания талантов.

Опрос государственных служащих США, проведенный компанией McKinsey, показал, что сотрудники, желающие остаться в своей организации, ценят значимую работу и гибкость рабочего места. В то же время те, кто хочет уйти, отмечают, что их отпугивают ограниченные возможности для развития карьеры и занятия руководящих должностей.

Рассмотрите альтернативные кадровые резервы. Команды, занимающиеся разработкой искусственного интеллекта и аналитикой, могут быстрее расширяться, если они нанимают разнообразные кадры, включая легальных мигрантов и квалифицированных кандидатов без университетских дипломов.

Создайте команду с разнообразным профилем. В успешные команды могут входить экономисты, эксперты по предметным областям, менеджеры проектов, специалисты по коммуникациям, а также специалисты по изучению данных.

После нескольких лет борьбы с одним кризисом за другим, включая пандемию COVID-19 и растущую инфляцию, лидеры экономического развития все чаще полагаются на ИИ и другие передовые технологии для привлечения инвестиций, переквалификации работников и поддержки экономического роста. Недавние потрясения подчеркнули как преимущества принятия решений на основе данных, так и проблемы, с которыми могут столкнуться руководители при получении своевременных данных. Укрепление потенциала организации в области искусственного интеллекта требует новых лидерских качеств, а также смелости и решительности, отличных от простого реагирования на кризисы в данный момент. Речь может идти не о крупных, смелых действиях с ближайшими последствиями, а о последовательных, небольших шагах, совокупный эффект которых может быть полностью понят только спустя годы. Приверженность экономическому развитию с помощью ИИ, возможно, не попадет в заголовки газет, но она может предотвратить новые кризисы.