ПРАКТИКА ПРИМЕНЕНИЯ ТЕХНОЛОГИЙ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА В ДЕЯТЕЛЬНОСТИ ОРГАНОВ ГОСУДАРСТВЕННОЙ И МУНИЦИПАЛЬНОЙ ВЛАСТИ

Переход от нормативно-стратегического закрепления приоритетов искусственного интеллекта к их практическому воплощению в деятельности органов власти представляет собой ключевой этап цифровой трансформации государственного управления. Анализ существующих практик применения ИИ-технологий в федеральных ведомствах и субъектах Российской Федерации позволяет не только зафиксировать достигнутые результаты, но и оценить их стратегическое значение в контексте целей Национальной стратегии развития искусственного интеллекта до 2030 года и нацпроекта «Экономика данных и цифровая трансформация государства».

Принципиально важно, что, начиная уже с 2025 года российский государственный сектор демонстрирует переход от пилотного к системному масштабированию ИИ-решений. По данным аппарата вице-премьера Дмитрия Григоренко, Центр развития ИИ при Правительстве РФ, образованный постановлением от 9 июня 2025 года № 861, рассмотрел более 400 ИИ-решений субъектов Российской Федерации. Регионы наиболее активно применяют технологии ИИ в здравоохранении (25% от совокупного числа решений), государственном управлении (24%) и сфере безопасности (16%) [22]. Данные пропорции отражают устойчивую ведомственную специализацию при использовании ИИ и соответствуют приоритетам, установленным Указом Президента РФ от 10 октября 2019 года № 490 в редакции 2024 года.

В настоящем параграфе представлен сравнительный анализ конкретных практик внедрения ИИ в деятельность органов государственной и муниципальной власти, структурированный по сферам применения: налоговое администрирование, безопасность и видеоаналитика, оказание государственных услуг, региональное муниципальное управление. По каждому кейсу приводятся измеримые результаты и осуществляется их интерпретация в контексте стратегии ИИ в публичном управлении.

Федеральная налоговая служба (далее – ФНС России) по праву считается одним из наиболее технологически зрелых федеральных органов исполнительной власти в части внедрения ИИ. По оценке заместителя Министра экономического развития РФ Владислава Федулова, «ФНС – безусловный лидер с точки зрения уже внедрения искусственного интеллекта в рабочий процесс» среди всех государственных структур страны [21].

Системообразующим инструментом ИИ-трансформации ФНС является Автоматизированная система контроля «АСК НДС-2», дополненная в 2025 году функциональностью системы «АИС Налог-3» с интегрированными нейросетевыми модулями. Система в режиме реального времени обрабатывает транзакционные данные по всем зарегистрированным операциям, сопоставляет их с данными Единого государственного реестра юридических лиц (ЕГРЮЛ), Единого государственного реестра индивидуальных предпринимателей (ЕГРИП), реестра ЗАГС, онлайн-касс и выписок банков [61]. Алгоритмы машинного обучения позволяют автоматически рассчитывать налоговый потенциал налогоплательщика и вероятность использования схем незаконной налоговой оптимизации, включая анализ активности в социальных сетях и сравнение задекларированных доходов с фактическими признаками благосостояния.

Параллельно ФНС реализовала масштабный проект внедрения отечественной low-code-платформы Puzzle RPA с интегрированным модулем ИИ, архитектура которой рассчитана на обслуживание более 120 тысяч рабочих мест в налоговых органах по всей стране [14]. Технология роботизированной автоматизации процессов (RPA) в сочетании с ИИ-аналитикой позволяет перевести на автоматизированный режим операции документооборота, формирования аналитических отчетов и проверки налоговой отчетности. Помимо этого, ФНС активно тестирует применение ИИ в рамках налогового мониторинга: специально сформированная рабочая группа под руководством начальника Управления налогового мониторинга Марины Крашенинниковой разрабатывает алгоритмы интеллектуального анализа досудебных обжалований для автоматического формирования доказательной базы по схемам уклонения от налогов [8].

С точки зрения управленческого результата, практика ФНС демонстрирует несколько принципиальных эффектов. Во-первых, происходит существенное сокращение выездных налоговых проверок: ИИ-системы позволяют концентрировать контрольные ресурсы на потенциально нарушителях, а не проводить плановые проверки по всей базе. Во-вторых, по данным Министерства финансов РФ, поступления по статье НДФЛ в 2025 году составят 810,5 млрд рублей, а в 2026 году ожидается рост до 920,7 млрд рублей – во многом за счет внедрения цифровых технологий в области налогового администрирования [18]. В-третьих, цифровой помощник ФНС на базе ИИ позволяет налогоплательщикам оперативно получать ответы на сложные вопросы, снижая количество ошибок при уплате обязательных платежей [14].

Стратегический смысл опыта ФНС состоит в демонстрации зрелой модели «data-driven government» – государственного управления, основанного на данных. Функция ИИ здесь не сводится к автоматизации рутинных операций, а реализуется как интеллектуальный аналитический инструмент принятия управленческих решений, обеспечивающий систематическое снижение теневого сектора экономики. Данная модель полностью корреспондирует с целевым показателем Национальной стратегии развития ИИ о применении ИИ в ключевых сферах государственного управления и экономики.

Применение ИИ-технологий в сфере обеспечения безопасности охватывает как федеральные, так и региональные уровни публичного управления, формируя интегрированную вертикаль интеллектуального видеомониторинга. По данным Министерства цифрового развития, связи и массовых коммуникаций РФ, по состоянию на начало 2024 года каждая третья из более чем миллиона камер системы «Безопасный город», установленных в России, подключена к системе распознавания лиц [7]. Данный масштаб сам по себе является свидетельством системного применения ИИ-технологий в правоохранительной функции государства.

Наиболее показательным примером является Москва, располагающая одной из наиболее развитых в мире инфраструктур интеллектуального видеонаблюдения. По официальным данным столичного правительства, в городе установлено более 221 тысячи камер видеонаблюдения: на одну тысячу жителей приходится свыше 16 камер, по этому показателю Москва превосходит большинство мировых мегаполисов [20]. В техническом отношении система обеспечена алгоритмами компаний NtechLab, Tevian (FaceSDK), VisionLabs (Luna Platform) – все разработки отечественного производства. Система анализирует видеопотоки в режиме реального времени, обеспечивая сравнение с базами данных разыскиваемых лиц. По словам мэра Москвы Сергея Собянина, «качество распознавания лиц и машин достигло 99,8 процента, то есть практически 100 процентов распознавания» [19].

Результаты функционирования системы «Безопасный город» в Москве за десятилетний период были представлены главой Минцифры Максутом Шадаевым: «За 10 лет, которые прошли с момента развития системы «Безопасный город» в Москве, количество зарегистрированных преступлений уличной преступности уменьшилось в два раза, количество зарегистрированных угонов уменьшилось в 10 раз, а раскрываемость тех преступлений, которые продолжают фиксироваться, выросла в два раза» [7]. Приведенные цифры отражают совокупный управленческий эффект долгосрочного применения ИИ-аналитики в обеспечении правопорядка.

Особую аналитическую ценность представляют результаты применения видеоаналитики на базе ИИ в регионах России за 2025 год. По данным, опубликованным в «Коммерсанте» в декабре 2025 года со ссылкой на аппарат вице-премьера Дмитрия Григоренко: в Красноярском крае с начала года задержаны подозреваемые по 28 преступлениям и найдены три пропавших человека; в Пермском крае каждое третье правонарушение раскрывается с помощью ИИ; в Рязанской области раскрыто 60 преступлений и задержано 11 лиц, находившихся в розыске; в Омской области раскрыто 55 преступлений и пресечено более 500 административных правонарушений. Суммарно по всем регионам данная аналитика свидетельствует о переходе от единичных экспериментов к систематическому правоохранительному применению ИИ-видеоаналитики [22].

Принципиально значимым кейсом является опыт Красноярского края, где применение ИИ для анализа видеозаписей с городских камер сократило среднее время поиска пропавших и разыскиваемых людей с 20 дней до семи минут [57]. Данный показатель отражает качественный сдвиг эффективности государственного управления в сфере безопасности: речь идет о сокращении временного ресурса в 4000 раз, что принципиально меняет характер управленческого процесса – из реактивного (ретроспективного расследования) он превращается в оперативный (реального времени). Схожие результаты демонстрирует Новосибирская область, где в 2025 году с помощью систем видеоаналитики NtechLab удалось разыскать более 130 пропавших детей [16].

С точки зрения стратегии применения ИИ в государственном управлении опыт сферы безопасности демонстрирует успешную реализацию модели «компьютерного зрения» как наиболее зрелой ИИ-технологии в публичном секторе. Вместе с тем система порождает и управленческие вызовы, в частности, связанные с обеспечением защиты персональных данных, предотвращением ошибочных идентификаций (задержание Сергея Межуева в московском метро вследствие ошибки алгоритма является известным прецедентом [12]) и разграничением полномочий при использовании систем видеонаблюдения [2, c. 13]. Это свидетельствует о необходимости создания комплементарной нормативной базы, регулирующей применение ИИ в правоохранительной деятельности – задачи, частично решаемой в рамках Федерального закона от 31 июля 2020 года № 258-ФЗ «Об экспериментальных правовых режимах в сфере цифровых инноваций».

Важнейшим направлением применения ИИ в государственном управлении является преобразование процессов взаимодействия органов власти с гражданами и организациями. Ключевым проектом в данной сфере стало внедрение в декабре 2024 года на портале «Госуслуги» генеративного ИИ-ассистента «Макс», разработанного на основе отечественных больших языковых моделей [10]. Цифровой помощник обеспечивает пользователям возможность получить персонализированную информацию о государственных услугах, льготах, штрафах, пенсиях и иных вопросах взаимодействия с органами власти в форме диалога на естественном языке.

Стратегическое значение запуска «Макса» выходит за рамки технологического новшества: речь идет о переходе от «электронного правительства» в его классическом понимании (автоматизации предоставления услуг) к «интеллектуальному правительству», в котором ИИ выполняет функцию персонального навигатора для каждого гражданина в системе государственных услуг. Центр развития ИИ при Правительстве РФ оценивает экономический эффект от интеллектуальных агентов на «Госуслугах» в размере 15 млрд рублей в год [22]. Данная сумма складывается прежде всего из сокращения нагрузки на операторов call-центров, снижения количества ошибочно заполненных заявлений и уменьшения числа повторных обращений.

Параллельно Министерство цифрового развития в июле 2025 года подготовило проект постановления Правительства о проведении масштабного эксперимента по применению генеративного ИИ в государственном управлении. Согласно документу, нейросетевые модели предполагается использовать для проверки резюме кандидатов на государственную службу и составления тестовых заданий; анализа законопроектов на наличие ошибок; обработки типовых обращений граждан и подготовки ответов на них; генерации новостных лент для официальных сайтов органов власти; проверки достоверности информации [15]. Инициатива носит добровольный характер для федеральных и региональных органов исполнительной власти, однако ее нормативное оформление свидетельствует о переходе от эпизодического к институциональному применению генеративного ИИ в государственном управлении.

Реализация данного направления согласуется с приоритетами, обозначенными главой Минцифры Максутом Шадаевым на совещании Президента РФ с членами Правительства: ключевым вектором является создание «простых и понятных госуслуг», при которых пользователь задает вопросы и получает конкретные ответы, не будучи вынужден самостоятельно разбираться в нормативных тонкостях. В 2025 году Минцифры реализует пилотный проект с голосовыми помощниками «Яндекса» и «Сбера» в целях обеспечения возможности получения государственных услуг посредством голосового взаимодействия [12]. Это соответствует концепции «омниканального» государственного сервиса, при котором гражданин может обратиться в органы власти по любому удобному каналу.

Существенным элементом трансформации предоставления государственных услуг является и применение ИИ-технологий в работе многофункциональных центров (МФЦ). В Нижегородской области с 2024 года в МФЦ функционирует голосовой помощник для предварительной записи и уведомлений о готовности документов; за 2025 год колл-центр МФЦ обработал более 385,7 тысячи звонков [5], причем большую часть из них обработал голосовой помощник без переключения на оператора. Результатом стало существенное сокращение нагрузки на сотрудников МФЦ и сокращение времени ожидания для граждан. Нижегородская региональная сеть МФЦ была признана лучшей в России по итогам 2025 года, и среди факторов успеха в числе ключевых фигурирует именно внедрение ИИ-инструментов [17].

Региональный и муниципальный уровни государственного управления показывает особую активность в разработке и внедрении ИИ-решений, ориентированных на специфику территорий. В 2025 году Министерство цифрового развития РФ избрало Татарстан, Новосибирскую и Сахалинскую области пилотными регионами для отработки технологий «доверенного ИИ» на региональных информационных платформах [30]. В этих субъектах тестируются системы ИИ-распознавания изображений, голосовых обращений и анализа больших данных – с расчетом последующего тиражирования лучших практик по всей стране.

Нижегородская область является одним из наиболее показательных примеров системного внедрения ИИ в региональное управление. Министр цифрового развития и связи области Александр Синелобов на Всероссийском форуме «ИТ-диалог» в Санкт-Петербурге в ноябре 2025 года сообщил, что в государственном управлении региона используется более двадцати ИИ-решений [4]. В их числе – «Единый центр обработки и хранения видеоданных Нижегородской области», мониторящий заполняемость контейнеров для ТКО; нейросетевые системы обеспечения общественной безопасности; ИИ-инструменты обработки обращений граждан; а также системы анализа медицинских КТ- и МРТ-снимков. По итогам 2025 года Нижегородская область заняла седьмое место в Национальном рейтинге качества жизни Агентства стратегических инициатив, поднявшись на две позиции за год, что косвенно отражает управленческий эффект цифровой трансформации [6].

Принципиально иной подход к применению ИИ демонстрирует опыт платформы «Инфосфера», внедренной в Ханты-Мансийском автономном округе. Система обеспечивает интеллектуальный поиск по корпоративным документам и нормативной базе органов власти. Зафиксированные результаты: время поиска информации сократилось с 4–6 часов до 1–2 минут, время ответов на письма – с 2–4 часов до 10–15 минут, количество ошибок в документах снизилось на 70% [10]. Применяя формулу коэффициента сокращения времени управленческого процесса, предложенную ранее (Квремя = (Тдо – Тпосле) / Тдо), можно установить, что для поиска информации данный коэффициент составляет порядка 0,94–0,97, что соответствует исключительно высокому показателю эффективности применения ИИ.

Трендом 2025-2026 годов является рейтингование регионов и муниципалитетов по индикаторам цифровой зрелости с отдельным учетом показателей внедрения ИИ. В Нижегородской области Министерство цифрового развития и связи ежегодно публикует рейтинг цифровой трансформации муниципалитетов по одиннадцати группам показателей; в 2025 году лидерами стали Дзержинск, Выкса, Саров и Нижний Новгород. Рейтингование само по себе является управленческим инструментом, создающим стимулы для ускоренного внедрения ИИ на муниципальном уровне – механизм, нетипичный для традиционных моделей государственного управления.

В ноябре 2025 года вице-премьер Дмитрий Григоренко поручил федеральным ведомствам подготовить предложения по интеграции технологий ИИ в их информационные системы и направить инициативы по цифровизации в Аналитический центр при Правительстве до 19 ноября 2025 года; на следующем этапе центр должен был систематизировать полученные сведения и до 1 декабря представить их в Минцифры, Минэкономразвития и в аппарат Правительства [11]. Это свидетельствует об институционализации системного подхода к управлению ИИ-трансформацией государственных органов, при котором стратегическая координация осуществляется не отдельными ведомствами, а на уровне правительственного аппарата.

Отдельного рассмотрения заслуживает направление применения ИИ в задачах стратегического управления, традиционно относящихся к прерогативе высшего уровня государственного управления. В августе 2025 года стало известно о начале разработки по поручению Президента РФ самообучающейся цифровой системы стратегического планирования на базе ИИ для Совета безопасности России. Создаваемая Фондом «Кристалл роста» инновационная платформа предназначена для моделирования, прогнозирования и планирования экономических процессов в режиме реального времени, что позволит лицам, принимающим государственные решения, заблаговременно анализировать последствия управленческих шагов.

Применение ИИ в законотворческой деятельности также приобретает все более конкретное оформление. Согласно проекту постановления Минцифры о проведении эксперимента по генеративному ИИ в госуправлении (июль 2025 года), нейросетевые модели предполагается использовать в том числе для анализа законопроектов Государственной думы на предмет ошибок с целью экономии времени [15]. Данная функция ИИ имеет высокий управленческий потенциал: снижение нормотворческих ошибок на стадии законопроектной работы позволяет избегать дорогостоящих поправок и правоприменительных коллизий.

Параллельно в 2025 году в органах государственного управления активно тестируются корпоративные ИИ-ассистенты для работы с нормативно-правовыми базами и управленческой документацией. Практика применения интеллектуального поиска на основе ИИ (в частности, платформы типа TEAMLY) в государственных структурах фиксирует экономию рабочего времени специалистов до 87% при выполнении задач информационного поиска [10]. С управленческой точки зрения это означает высвобождение значительного ресурса государственных служащих для аналитических и коммуникативных задач при сохранении или повышении качества документооборота.

Обобщение рассмотренных практик позволяет выявить ряд системных закономерностей в применении ИИ органами государственной и муниципальной власти России в 2025–2026 годах.

Во-первых, наиболее зрелые результаты демонстрируют те сферы, где исторически сложилась развитая инфраструктура данных: налоговое администрирование (ФНС) и обеспечение безопасности (видеоаналитика). Это соответствует теоретическому положению об ИИ как технологии, чья эффективность прямо зависит от качества и объема доступных данных (data-driven approach). Данный вывод согласуется с позицией исследователей, которые трактуют ИИ в государственном управлении как «инструментальную технологию, обеспечивающую поддержку принятия управленческих решений» при сохранении ответственности человека [4, c. 13].

Во-вторых, существует принципиальное несоответствие между масштабом государственных инвестиций в ИИ и охватом организаций, реально его применяющих. По данным Минцифры, искусственный интеллект применяют лишь около 2% организаций в сфере государственного управления и социального обеспечения [9]. При этом государство создало около 500 региональных ИТ-систем с элементами ИИ, а федеральный проект «Искусственный интеллект» получил финансирование в объеме порядка 15,7 млрд рублей на 2024–2026 годы [13]. Данный «парадокс ИИ-инвестиций» свидетельствует о том, что проблема не технологическая, а организационно-управленческая: ИИ внедряется точечно, в отдельных проектах и ведомствах, но не становится частью архитектуры государственного управления в широком смысле.

В-третьих, лидерами ИИ-трансформации в региональном измерении являются субъекты с развитой цифровой инфраструктурой, активной позицией регионального руководства и наличием квалифицированных ИТ-кадров. Татарстан, Москва, Нижегородская область, Новосибирская область – субъекты, устойчиво присутствующие в числе лидеров рейтингов цифровизации, вместе с тем являются и регионами с наиболее зрелыми ИИ-практиками в государственном управлении. Тиражирование их опыта на менее цифровозрелые регионы через инструменты Центра развития ИИ при Правительстве РФ представляет одну из ключевых управленческих задач в рамках нацпроекта «Экономика данных».

В-четвертых, применение ИИ в государственном управлении порождает новые правовые и этические проблемы, требующие управленческого решения. Верховный суд России в 2026 году признал незаконным использование ИИ для предвыборной агитации, задав прецедент ограничений применения ИИ в политически чувствительных областях. Данное решение отражает более широкую тенденцию: ускоренное внедрение ИИ в практику органов власти опережает развитие регуляторной базы, что создает правовую неопределенность и риски злоупотреблений. Это подтверждает вывод, сформулированный Носиковым А.А., о необходимости разработки «таксономии ответственности» при применении ИИ-ориентированных государственных сервисов [3, c. 65].

В целом анализ практики применения ИИ в деятельности органов государственной и муниципальной власти России свидетельствует о том, что страна прошла фазу «пилотных экспериментов» и вступила в фазу системного масштабирования ИИ-решений, хотя их распределение по ведомствам и регионам остается неравномерным. Зафиксированные результаты – от сокращения времени поиска пропавших людей в 4000 раз до экономии 15 млрд рублей в год на интеллектуальных агентах «Госуслуг» – доказывают управленческую состоятельность технологий ИИ в публичном секторе. Вместе с тем преодоление организационных, кадровых и регуляторных барьеров остается необходимым условием превращения ИИ из точечного инструмента в системообразующий элемент государственного управления – задачи, решение которой определяет содержание третьей главы настоящего исследования.

Вывод

1. Основной управленческий эффект применения ИИ проявляется в повышении процессной эффективности государственного управления. Использование алгоритмов анализа данных и автоматизированной обработки информации позволяет существенно сокращать временные затраты на выполнение аналитических и административных операций.

2. Наибольший эффект применения ИИ наблюдается в сферах обработки больших массивов данных и управленческой аналитики – мониторинг реализации национальных проектов, анализ обращений граждан и обработку управленческой статистики.

3. Практика внедрения ИИ в органах власти несовершенна, поскольку многие решения реализуются в рамках отдельных проектов или экспериментальных инициатив и пока не образуют полностью интегрированной системы интеллектуального государственного управления.