GuIA: новый способ находить ответы, не зная, что именно искать.
Сколько раз мы заходили на портал поддержки, зная о своей проблеме, но не зная точно, какие слова ввести в поисковую строку? Это...
Un новый отчет от Институт Алана Тьюринга из Соединенного Королевства, показывает, что до 41% времени, затрачиваемого на выполнение задач в государственном секторе, можно оптимизировать или улучшить с помощью генеративного ИИ. Эта доля варьируется в зависимости от сферы деятельности: 49% в образовании, 33% в здравоохранении и выше среди сотрудников, выполняющих административные задачи (47%), чем среди сотрудников, оказывающих услуги гражданам (38%).
Цель состоит в том, чтобы выявить реальные возможности для стратегического и эффективного внедрения этой технологии, которая уже трансформирует государственное управление. Данная работа representa Это инновационный вклад в карту возможностей ИИ в государственном секторе, открывающий возможности для размышлений о том, как мы можем применить эти знания в нашем контексте.
Оптимизация не означает замену или устранение
В докладе не предполагается, что генеративный ИИ должен исключить функции или заменить людей. Напротив, в нём подчёркивается необходимость разработки надёжных стратегий внедрения, обеспечивающих ответственную и выгодную интеграцию технологии. Когда речь идёт об оптимизации или поддержке задач государственных служащих, подразумевается оптимизация повторяющихся или административных процессов, повышение качества или операционной эффективности, а также высвобождение времени государственных служащих для решения задач с более высокой добавленной стоимостью.
Методология
Исследование основано на данных Обследования использования времени в государственном секторе. Методология заключается в анализе конкретных задач, выполняемых государственными служащими. Эти задачи сравниваются с текущими возможностями генеративного искусственного интеллекта, чтобы определить, какие из них можно автоматизировать или ассистировать. Также было рассчитано среднее время, затрачиваемое на каждую задачу, для оценки общего потенциала оптимизации.
Дополнительная информация
Хашем Ю., Брайт Дж., Чакраборти С., Онслоу К., Фрэнсис Дж., Полетав А., Эснаашари С. (2025). Картирование потенциала: генеративный ИИ и работа в государственном секторе. Использование данных об использовании времени для выявления возможностей внедрения ИИ в государственном секторе Великобритании.Институт Алана Тьюринга.
Иллюстрация: «Политики» Джонни Лайтхэндса, Тьюринг Коммонс, Под лицензией CC BY-SA 4.0