Роман Косов – Методические указания: интеграция искусственного интеллекта в деятельность государственного служащего (страница 7)
Граница между открытыми данными и государственной тайной прочерчена не только законом «О государственной тайне», но и ведомственными перечнями сведений, подлежащих засекречиванию. Чиновник, начинающий активно использовать ИИ, должен как минимум знать, где найти эти перечни для своего ведомства, и сверяться с ними перед тем, как загружать документы в любую внешнюю систему. Это звучит как бюрократическая банальность, но практика показывает: большинство сотрудников никогда не открывали эти перечни после первичного инструктажа при приёме на службу. ИИ-инструменты с их манящей простотой использования создают соблазн обойти скучные правила, и это соблазн, которому нельзя поддаваться.
Важно понимать и обратную сторону медали: избыточное засекречивание и параноидальный запрет на использование любых облачных сервисов так же вредны, как и легкомысленная открытость. Если чиновник не может воспользоваться даже самыми базовыми ИИ-инструментами для работы с рутинными, заведомо открытыми данными (например, для суммаризации публичного законодательства), цифровая трансформация просто не взлетит. Задача классификации — не запретить всё, а дать чёткую, понятную и практически применимую карту: вот с этими данными можно работать в публичных сервисах, вот с этими — только в ведомственном контуре, а вот эти вообще не должны попадать в поле зрения нейросети ни при каких обстоятельствах. Создание такой карты для своего ведомства — одна из первоочередных задач руководителя цифровой трансформации на местах.
3.3. Принципы работы в защищённых (air-gapped) средах: локальные LLM-модели без доступа в интернет
Словосочетание air-gapped environment, или «среда с воздушным зазором», звучит для не-айтишника как что-то из арсенала спецслужб. На самом деле, это просто компьютер или сервер, который физически не подключён к интернету и к любым другим сетям, из которых возможен выход вовне. Никакой магии: только изолированное «железо», на котором развёрнуты необходимые программные средства, включая, потенциально, и большие языковые модели.
Зачем это нужно госслужащему? Ответ прост: есть категории информации, для которых даже аттестованная облачная среда с выходом в интернет считается недостаточно защищённой. Это не обязательно сведения, составляющие государственную тайну (хотя для них изоляция обязательна). Это могут быть, например, критически чувствительные персональные данные, планы антитеррористической защищённости объектов, детальные схемы критической инфраструктуры, материалы предварительного расследования, которые ещё не переданы в суд. Для работы с такими данными использование облачного ИИ исключено по определению — и именно здесь на сцену выходят локальные, полностью изолированные решения.
Технологически это реализуется так: на физически защищённом сервере, размещённом в охраняемом помещении с контролем доступа, разворачивается LLM-модель — например, одна из открытых российских или международных моделей с открытым исходным кодом, способная работать без подключения к внешним API. Все данные загружаются на этот сервер через контролируемые процедуры (предварительная проверка носителей, запись в журнал, подтверждение полномочий). Модель обрабатывает данные, генерирует результат, и этот результат покидает изолированную среду опять же через контролируемую процедуру — ни один бит информации не утекает наружу, потому что физического канала для утечки не существует .
Звучит как идеальное решение, но у него есть цена. Первая цена — это производительность. Локальный сервер никогда не сравнится по вычислительной мощности с облачными кластерами, на которых работают коммерческие нейросети. Ответа на сложный запрос, который публичная нейросеть генерирует за секунды, локальная модель может «думать» минуты. Для оперативной работы в темпе приёма граждан это может оказаться критичным. Вторая цена — это сложность администрирования. Обновление моделей, установка патчей безопасности, добавление новых данных — всё это приходится делать вручную, с соблюдением всё тех же процедур физического доступа к изолированному серверу. Это накладывает дополнительные требования к квалификации обслуживающего персонала и к организации процессов.
Третья, и, пожалуй, самая недооценённая цена — это проблема «замыленного глаза». Когда чиновник работает с изолированной моделью, которая не сверяется с актуальной внешней информацией, он рискует получить ответ, основанный на устаревших или неполных данных. Публичная нейросеть, имеющая доступ к актуальной нормативной базе через интернет, сообщит о вступивших в силу вчера поправках. Изолированная модель будет добросовестно работать с версией закона двухмесячной давности, и никто ей об этом не скажет. Человеческий контроль в таких средах должен быть ещё строже, чем обычно, — и это нужно закладывать в регламенты работы.
Тем не менее, развитие air-gapped решений для госсектора — это не прихоть параноиков из ФСТЭК, а объективная необходимость. По мере того как ИИ проникает во всё более чувствительные области государственного управления, потребность в инструментах, гарантирующих абсолютную изоляцию данных, будет только расти. Уже сегодня существуют российские разработки, позволяющие развернуть полнофункциональный ИИ-ассистент на изолированном сервере за приемлемые деньги. Важно, чтобы руководители цифровой трансформации в ведомствах знали о существовании таких решений и начинали планировать их внедрение для наиболее критичных участков работы — не дожидаясь, пока гром грянет и утечка чувствительных данных через публичный сервис станет предметом разбирательства на самом высоком уровне.
3.4. Платформа «ГосТех» как экосистема: обзор встроенных ИИ-сервисов для типовых задач
Когда чиновник слышит аббревиатуру «ГосТех», в его сознании чаще всего всплывает что-то про импортозамещение, облака и обязательность перехода с 2024 года. Это верно, но это лишь малая часть картины. «ГосТех» — это не просто хостинг для государственных информационных систем, это экосистема, которая всё больше обрастает готовыми ИИ-сервисами, доступными для использования ведомствами без необходимости что-то разрабатывать с нуля .
Что это за сервисы? Прежде всего, это инструменты на базе больших языковых моделей, заточенные под типовые задачи госслужащего. Классификация и маршрутизация обращений граждан — чтобы письмо с жалобой на протекающую крышу попало не в общую очередь, а сразу в отдел ЖКХ того самого района, где эта крыша протекает, и к тому же с пометкой «срочно», если нейросеть распознала в тексте признаки аварийной ситуации. Генерация проектов ответов на типовые обращения — чтобы сотрудник не переписывал по двадцатому разу одно и то же, а проверял и при необходимости дорабатывал подготовленный машиной проект. Поиск по нормативной базе с пониманием смысла запроса, а не просто по ключевым словам — когда на вопрос «какие льготы положены многодетной семье при строительстве дома» система находит не только федеральные, но и региональные акты, и складывает из них внятную справку .
Дальше — больше. Чат-боты для внутреннего использования: помощник кадровика, который может ответить на вопрос о порядке начисления северных надбавок, не заставляя сотрудника рыться в трёх приказах и двух письмах Минтруда. Ассистент юриста, который подсвечивает возможные коррупциогенные факторы в проекте контракта. Системы анализа тональности для мониторинга социальных сетей — инструмент, который давно используют коммерческие компании, но который крайне полезен и для органов власти, чтобы не пропустить зарождающийся очаг социального напряжения.
Принципиально важно, что все эти сервисы разворачиваются в том самом защищённом контуре, о котором мы говорили выше. Это не публичные нейросети, доступные любому желающему. Это инструменты, аттестованные для работы с государственными данными, развёрнутые на российских дата-центрах, подчиняющиеся российскому законодательству и контролируемые уполномоченными органами . Чиновник, использующий такой сервис, может быть уверен: данные не утекут за рубеж и не будут использованы для дообучения моделей без санкции владельца данных.
Экосистемный подход «ГосТех» решает ещё одну важную проблему, о которой редко говорят вслух: проблему компетенций на местах. Когда региональное управление в условном небольшом субъекте Федерации хочет внедрить ИИ-сервис, но не имеет в штате ни data scientist, ни ML-инженера, ни даже толкового системного администратора, способного развернуть модель, — оно заказывает разработку у местного подрядчика, который, скорее всего, сам видит нейросети второй раз в жизни. Результат предсказуемо плачевен. «ГосТех» предлагает модель, при которой типовые, наиболее востребованные ИИ-сервисы предоставляются как готовая услуга, настроить которую можно без привлечения армии узких специалистов. Это не отменяет необходимости обучения сотрудников — об этом у нас будет отдельная глава — но радикально снижает входной порог.
Конечно, было бы наивно полагать, что экосистема «ГосТех» уже сегодня покрывает все потребности и работает без сбоев. Мы находимся в начале пути. Какие-то сервисы ещё пилотируются, какие-то существуют в виде прототипов, к каким-то ещё предстоит выработать единые стандарты. Но направление движения задано верно: вместо того чтобы каждое ведомство изобретало велосипед, создаётся общий парк транспортных средств, из которого можно выбрать подходящее под задачу. Дальше вопрос в том, чтобы этот парк пополнялся нужными моделями, а правила дорожного движения — единые стандарты и регламенты — были написаны понятным языком и доведены до каждого водителя.