Готовность стран к цифровой трансформации и использованию технологий искусственного интеллекта: статистическое исследование

,

,

,

Введение . Цифровая трансформация экономической деятельности является в настоящее время катализатором развития современного общества, способствуя совершенствованию биз-нес-процессов, оптимизации использования ресурсов, повышению прозрачности и эффективности управления, а также производительности труда. В последние несколько лет технологии искусственного интеллекта (ИИ), такие как обработка естественного языка, компьютерное зрение, автоматизация процессов, предиктивная аналитика, синтез и распознавание голоса, становятся драйверами цифровой трансформации. Преимущества использования технологий искусственного интеллекта в планировании государственной политики и предоставлении государственных услуг заключаются в использовании больших объемов данных для определения потребностей населения, автоматизации сложных повторяющихся процедур, в улучшении обратной связи путем отслеживания социальных трендов и потребностей населения для создания персонифицированных государственных сервисов.

Однако существуют риски в области обеспечения гражданских прав, защиты персональных данных, прозрачности использованных алгоритмов, подотчетности, возможности объяснения полученных результатов, предотвращения потенциально несправедливых и ошибочных решений. Уровень цифровой трансформации стран и использование технологий ИИ будут уже в ближайшее время определять их технологический суверенитет и международное положение. В связи с этим сравнительное оценивание готовности стран к цифровой трансформации и использованию технологий ИИ является актуальной научной задачей.

Цель исследования – разработка методики статистического оценивания готовности стран к цифровой трансформации и использованию технологий искусственного интеллекта в интересах обоснования стратегических направлений развития цифровой среды.

Литературный обзор. Подходы к оценке уровня готовности стран к внедрению технологий искусственного интеллекта . Проблема готовности правительств к использованию технологий искусственного интеллекта, преимущества и риски его внедрения широко обсуждаются научной общественностью и бизнес-аналитиками. Анализ результатов научных и аналитических исследований позволяет выделить два основополагающих подхода к оцениванию готовности стран к цифровой трансформации и использованию технологий ИИ: качественный и количественный. Оба подхода применимы как к макро-, так и микроэкономическим уровням исследования.

Качественные подходы, как правило, основаны на исследовании отдельных кейсов цифровой трансформации и использования ИИ. Примером такого подхода является рамочная концептуальная стратегия оценки готовности правительств к управлению с использованием технологий ИИ (Governing with Artificial Intelligence: Are governments ready?..., 2024), основанная на анализе конкретных примеров применения ИИ в государственном управлении в различных странах, преимуществ и рисков его внедрения.

Кейс-стади-подход к выявлению факторов готовности стран к ИИ реализован также в отчете Всемирного телекоммуникационного союза (ITU)1. В результате анализа практик использования ИИ в разных странах выделены шесть групп факторов: доступность открытых данных, доступ к исследованиям; возможность анализа и использования в реальном времени больших данных, получаемых с использованием системы сенсоров, камер видеонаблюдения и т. п.; стандарты для взаимодействия организаций и информационных систем, обеспечивающие комплаенс субъектов взаимодействия и интероперабельность информационных систем; экосистема разработчиков систем ИИ, основанная на платформах, поддерживающих разработку с открытым кодом; использование пилотных проектов для отработки моделей ИИ по схеме: сбор данных, машинное обучение, получение и проверка результатов, коррекция моделей.

Примером доступности открытых данных, как фактора развития ИИ, является опыт Королевства Саудовская Аравия, которое создало платформу открытых данных, предоставляющую общественности наборы данных в области здравоохранения, образования, социальных услуг, транспорта и связи, сельского хозяйства и рыболовства. Данные транспортной системы крупных городов, такие как системы видеонаблюдения, информация о позиционировании транспортных средств, карты города и данные о работе светофоров, эффективно используются для оптимизации маршрутов транспортных средств, сокращения количества пробок и снижения уровня смертности в результате автомобильных аварий.

По результатам анализа литературных источников и экспертного опроса У. Aли с соавторами выделяют 5 факторов готовности государственного сектора к ИИ: готовность населения, наличие стратегии и сопутствующих программных и нормативно-правовых документов, готовность процессов государственного управления и бизнес-процессов, технологическая готовность, сотрудничество между организациями (Ali et al., 2024).

Существенное внимание также уделяется обеспечению безопасности использования ИИ. Основными функциями, которые должны выполнять институты безопасности, являются1: оценивание систем ИИ и мониторинг их непредсказуемости, разработка и оценивание национальных стандартов и методов сбора информации, управление фундаментальными исследованиями, проведение теоретических исследований и их активная апробация в управленческой практике, обеспечение обмена информацией между всеми участниками внедрения и использования систем ИИ, международная кооперация и обмен данными.

В работе С. Потапенко и его соавторов обозначены риски и проблемы применения цифровых технологий в государственном управлении, в частности, отсутствие «единого понимания содержания, перспектив и этапов реализации современных цифровых технологий» (Потапенко и др., 2024) и недопонимание институционального характера процессов цифровой трансформации, решение которых предлагается осуществлять, в основном, в правовом аспекте.

Подробный литературный обзор с целью выявления факторов, которые влияют на готовность организаций к внедрению ИИ, выполнен в работе (Ali, Khan, 2024). В результате анализа свыше 50 публикаций выделены 23 фактора готовности, которые сведены в несколько групп: поддержка внедрения ИИ со стороны топ-менеджмента, доступность ресурсов, инфраструктура организации, культура взаимодействия внутри организации, размер организации, квалификация сотрудников в сфере ИИ, возможности организаций по работе с большими данными, качество данных, совместимость внедряемых систем ИИ с действующими в организации информационными системами. Потенциально критическим фактором для внедрения систем ИИ назван бюджет организации.

Основу количественных подходов составляют статистические показатели, анализируемые на уровне стран, отдельных регионов внутри страны, отраслей экономики и организаций. Как правило, для снижения размерности пространства статистических показателей, измеряющих отдельные аспекты развития инфокоммуникационной инфраструктуры, использования облачных технологий, моделей ИИ и т. д., используются интегральные индексы, вычисляемые на основе первичных статистических показателей или вводимых дополнительных субиндексов, которые, в свою очередь, определяются как средневзвешенные значения нескольких первичных статистических показателей.

Наиболее известным в настоящее время является индекс готовности правительства к ИИ2. Методика расчета этого индекса основана на осреднении значений трех субиндексов, отражающих готовность государственных институтов и технологического сектора, а также доступность данных. Эти три субиндекса вычисляются на основе средних нормированных значений официальных статистических показателей, имеющихся в открытом доступе, и показателей, полученных в результате собственных кабинетных исследований. Страны ранжируются по субиндексам и интегральному индексу, результаты ранжировок позволяют сравнивать уровни готовности к ИИ.

Аналогичный подход использован в работе (Porcher, 2020). Автором предложены и рассчитаны показатели возможности и готовности к внедрению систем ИИ на уровне стран. Автор относит к показателям возможностей компетенции (skills), которые непосредственно связаны с образованием, исследованиями и разработкой, а также с существующими стартапами, патентами и приложениями в области ИИ. Для расчета показателей применены субшкалы глобального инновационного индекса (ГИИ)3 и данные Всемирной организации интеллектуальной собственности.

Использованы субиндекс онлайн-креативности (Online creativity), показатели относительного числа патентов и публикаций, характеризующие результативность инноваций при вычислении ГИИ. Показатели готовности включают в себя перечисленные показатели возможностей, а также субиндексы развития ИКТ (Information and communication technologies) и состояния бизнес-про-цессов (Business sophistication). Барьеры в сфере регулирования рынка труда, по мнению автора, затрудняют внедрение работодателями системы ИИ для замены работников. Использовался подход Всемирного банка к оцениванию качества регулирования как «способности правительств формулировать и реализовывать правильные политики для того, чтобы развивать и продвигать развитие частного сектора»1.

Индекс ИИ, определяемый Стэнфордским институтом искусственного интеллекта2, основан на комплексном качественно-количественном подходе, включающем контент-анализ публикаций и анализ статистической информации. Исследования выполнены по восьми предметным областям, определяющим условия развития технологий ИИ и их воздействия на экономику, общество и окружающую среду: исследования и разработки, техническая производительность, этика ИИ, экономическое развитие, образование, политика и управление, биоразнообразие, общественное мнение. В индекс 2023 г. включены такие показатели, как затраты на обучение, воздействие систем ИИ на окружающую среду, развитие образования в области ИИ в школах, тенденции общественного мнения в отношении ИИ, мировое законодательство в области ИИ. Исследование 2023 г. выполнено по данным для 127 стран.

В разработке Национального центра развития искусственного интеллекта при Правительстве Российской Федерации предлагается четыре методики для расчета «интеллектуальной зрелости приоритетных отраслей экономики и секторов социальной сферы Российской Федерации к использованию искусственного интеллекта», «интеллектуальной зрелости федеральных органов исполнительной власти», «интеллектуальной зрелости региональных органов исполнительной власти», «интеллектуальной зрелости системы местного самоуправления»3. Все методики основаны на вычислении интегрального индекса, выраженного в процентах, в состав которого входят как официальные статистические показатели, так и опросные. Первичные показатели нормируются и группируются с весовыми коэффициентами по субиндексам, отражающим различные аспекты готовности к использованию ИИ. Оценка осуществляется по 3-м группам показателей: текущий уровень использования ИИ в организациях и деловых процессах, воздействие от использования ИИ; факторы, влияющие на производство, использование и воздействие ИИ.

Статистические показатели, измеряющие различные аспекты цифровой экономики, представлены в сборнике «Цифровая экономика: 2024»4. Дескриптивный статистический анализ показателей, характеризующих использование цифровых технологий в отрасли строительства, использован в работе (Бабенчук и др., 2024) для подтверждения тезиса об отставании строительной отрасли от других отраслей в сфере применения современных информационных технологий.

В работах (Соколов и др., 2023; Максимова, Чжан, 2023) предложен и апробирован подход к использованию нормированных показателей, входящих в состав глобального инновационного ин-декса5, для построения интегрального показателя развития интеллектуального капитала и проведения межстрановых сравнений по субиндексам этого показателя. Аналогичный, с точки зрения общей методологии нормировки и свертки статистических показателей, подход обоснован в работах (Курочкина, Головкин, 2024; Головкин, 2024) для измерения ресурсного потенциала сферы ин-фокоммуникационных услуг и готовности регионов к его использованию.

По данным Росстата из раздела «Сведения об использовании цифровых технологий и производстве связанных с ними товаров и услуг (форма № 3-информ)»6 построены интегральные индикаторы и доказана продуктивность такого подхода для проведения сопоставлений региональных уровней цифровой зрелости, под которой понимается «многоаспектная количественная оценка ресурсного потенциала сферы облачных инфокоммуникационных услуг в российских регионах» (Курочкина, Головкин, 2024), технологическая «готовность российских регионов к использованию облачных услуг» (Головкин, 2024). Методологические принципы этих подходов использованы в настоящем исследовании.

Гипотеза исследования состояла в том, что между статистическими показателями, отражающими отдельные аспекты готовности стран к цифровой трансформации и внедрению систем искусственного интеллекта, и построенными на их основе интегральными субиндексами для измерения обобщенных характеристик готовности существуют взаимосвязи, которые могут быть описаны статистическими зависимостями, обусловленными взаимовлиянием измеряемых с использованием этих показателей явлений. Информация об этих взаимосвязях и описывающих их статистических закономерностях могут быть применены на уровне отдельных стран для определения стратегических направлений повышения готовности к цифровой трансформации и использованию технологий ИИ.

Материалы и методы исследования . В качестве основного источника информации использованы открытые данные, представленные в отчете об индексе готовности правительства к ИИ¹. Исходные данные включают в себя нормированные значения 39 статистических показателей для 193 стран. Нормировка осуществлялась таким образом, чтобы больший балл соответствовал тем значениям показателей, которые наиболее предпочтительны с точки зрения готовности стран к ИИ.

Для целей нашего исследования состав показателей, включенных в индекс готовности правительства к ИИ2, был изменен исходя из следующих соображений. Во-первых, из анализа были исключены те категориальные показатели, значения которых составляли 0; 50 и 100 баллов. Во-вторых, не рассматривались те показатели, ненулевые значения которых наблюдаются для небольшого количества стран. В-третьих, были изъяты показатели, значения которых мало вариабельны. Все показатели были объединены в три индекса: государственного регулирования, технологического сектора и инфраструктуры больших данных. Чем выше значение субиндекса, тем лучше страна готова к ИИ и цифровой трансформации. Значения каждого индекса определялись как средние из значений показателей, входящих в его состав. Ряд показателей представляют собой индексные значения, взятые из других релевантных исследований.

Индекс зрелости государственного регулирования (9 показателей) характеризует усилия страны по наращиванию цифрового потенциала. Иными словами, зрелость государственного регулирования для обеспечения развития технологий ИИ определяется как измеримая с помощью интегрального индекса категория, которая объединяет обеспечиваемые на уровне государства условия развития цифровых технологий. Эти условия описываются набором статистических показателей и сводных индексов, отражающих: обеспечение кибербезопасности, качество регулирования в сфере информационных технологий, существующие возможности правительства по использованию и развитию цифровых технологий (онлайн-отчетность компаний и онлайн-услуги, базовая ИТ-инфраструктура, государственное стимулирование инвестиций в передовые технологии), готовность государственных структур к развитию инновационной деятельности (эффективность правительства, способность правительства реагировать на изменения, данные о закупках)3.

Аналогично определяется индекс развития технологического сектора (11 показателей), характеризующий инновационный потенциал и человеческий капитал (навыки и знания людей), а также основные ресурсы для их совершенствования, и индекс развития инфраструктуры больших данных (8 показателей), который характеризует формирование инфокоммуникационной инфраструктуры, ее использование населением, доступность и полноту данных (рис. 1). Детальное описание первичных показателей приводится в Government AI Readiness Index 20234.

Для доказательства валидности построенных показателей (Handbook on Constructing Composite Indicators: Methodology and User Guide…, 2008) было проведено сравнение рассчитанных значений суммарного индекса готовности к цифровой трансформации и использованию ИИ со значениями глобального инновационного индекса5 (рис. 2). Логика сопоставления заключалась в том, что на сегодняшний день именно диффузия в экономику и общество цифровых технологий, в том числе технологий искусственного интеллекта, в существенной степени определяет инновационное развитие страны. Проведенное сравнение подтверждает возможность использования предлагаемых индексов для дальнейшего исследования.

Рисунок 1 ‒ Статистические показатели в составе индексов зрелости государственного регулирования, развития технологического сектора и инфраструктуры больших данных¹

Figure 1 – Statistical Indicators in the Indices of Government Regulation, Technology Sector and Big Data Infrastructure

20        30       40        50        60        70        80        90

Интегральный индекс готовности к ИИ

Рисунок 2 ‒ Взаимосвязь между значениями глобального инновационного индекса и интегрального индекса готовности стран к цифровой трансформации и внедрению технологий ИИ²

Figure 2 ‒ The Relationship between the Values of the Global Innovation Index and the Integrated Index of Digital and AI Readiness

Результаты исследования:

Взаимосвязь показателей стратегического регулирования в сфере искусственного интеллекта . Подтверждена гипотеза о положительной взаимосвязи между факторами наличия этики в сфере ИИ и стратегией ИИ. Для каждого из двух факторов определены три возможных значения признака, характеризующего степень выраженности фактора. Исходные данные для проверки гипотезы приведены в таблице 1. Цветом выделены сочетания значений признаков, которые значимо чаще или реже встречаются, чем этого можно было ожидать в случае независимости факторов. Только у одной страны мира – Швейцарии – сочетаются значения признаков «отсутствует стратегия ИИ» и «опубликован кодекс этики в сфере ИИ». Гипотеза о положительной взаимосвязи факторов подтверждена по критерию хи-квадрат (значение статистики хи-квадрат = 69,61; 4 степени свободы, p-значение = 2,74168E-14).

Таблица 1 – Исходные данные для анализа сопряженности признаков

«наличие стратегии развития ИИ» (0 – нет; 50 – анонсирована; 100 ‒ опубликована)

и «наличие кодекса этики в сфере ИИ» (0 – нет; 50 – анонсирована; 100 ‒ опубликована): наблюдаемые частоты значений признаков/ожидаемые

(в предположении о независимости признаков) частоты

Table 1 – Data for the Correspondence Analysis for the Attributes

“Presence of an AI Development Strategy” (0 – No; 50 – Announced; 100 – Published)

and “Presence of a Code of Ethics in the Field of AI” (0 – No; 50 – Announced;

100 – Published): the Observed Frequencies of Values/the Expected

(Under the Assumption of Independence of Attributes) Frequencies

Кодекс этики в сфере ИИ	Стратегия развития ИИ			Общий итог
	0	50	100
0	109            90	14              11	30          52	153
50	4               6	0                    1	7            4	11
100	1                   18	0              2	28             9	29
Общий итог	114	14	65	193

Взаимосвязь индексов зрелости государственного регулирования, развития технологического сектора, развития инфраструктуры больших данных и стратегии развития искусственного интеллекта . Построены парные регрессии для индексов: государственное регулирование – технологический сектор (рис. 3 а); государственное регулирование – инфраструктура больших данных (рис. 3 б); инфраструктура больших данных – технологический сектор (рис. 3 в). Подтверждена адекватность регрессионных моделей. Рисунки иллюстрируют тот факт, что в странах с высокими значениями индексов, как правило, опубликована стратегия развития ИИ, а в странах с низкими значениями индекса она обычно отсутствует, что подтверждается статистически достоверными различиями средних значений индексов для групп стран с опубликованной стратегией и отсутствием стратегии (р < 0,001).

10        20        30        40        50        60        70        80        90

Государственное регулирование

а)

га

а

га

га

ф

ф

ф

Государственное регулирование

б)

y = 6,1089e0,0271x R² = 0,8258

Инфраструктура больших данных

в)

Рисунок 3 ‒ Зависимость между индексами зрелости государственного регулирования, развития технологического сектора и инфраструктуры больших данных.

Обозначения: треугольник – стратегия ИИ опубликована; темный круг – стратегия ИИ анонсирована; окружность – нет стратегии ИИ

Figure 3 ‒ Relationship between the Government Regulation Maturity Index, the Technology Sector Development Index, the Big Data Infrastructure

Development Index. Legend: Triangle – AI Strategy Published;

Dark Circle – AI Strategy Announced; Circle – No AI Strategy

Влияние уровня доходов на готовность к цифровой трансформации и использованию искусственного интеллекта . В результате дисперсионного анализа выявлены статистически значимые (р < 0,001) отличия средних значений интегрального индекса готовности стран к цифровой трансформации и внедрению технологий ИИ и входящих в его состав субиндексов для групп стран с различным уровнем доходов (с низким, ниже среднего, выше среднего и высоким), определяемого по классификации Всемирного банка¹ (рис. 4). На рисунке соединены средние значения индекса для групп, прямоугольник соответствует значению среднего плюс-минус стандартная ошибка среднего, отрезки – 95 %-е доверительные для средних.

Уровень дохода

Рисунок 4 ‒ Средние значения интегрального индекса готовности стран к цифровой трансформации и внедрению технологий ИИ в зависимости от уровня доходов (LI – низкий, $1,145 и менее; LM – ниже среднего, $1,146‒$4,515; UM – выше среднего, $4,516‒$14,005; HI – высокий, более $14,005; указаны данные о валовом национальном доходе на душу населения в долларах США, определяемые по методологии Всемирного банка¹)

Figure 4 ‒ Average Values of the Integrated Index of Countries’ Readiness for Digital Transformation and Implementation of AI Technologies Depending on the Level of Income Groups (LI – Low Income, $1,145 or Less; LM – Lower-Middle, $1,146 to $4,515; UM – Upper-Middle, $4,516 to $14,005; HI – High Income, more than $14,005; the Data on Gross National Income per Capita in US Dollars, Determined according to the World Bank Methodology)

Оценка состояния готовности арабских стран к цифровой трансформации и использованию искусственного интеллекта . Готовность арабских стран к цифровой трансформации и использованию ИИ повторяет мировые тенденции. В частности, выявлена линейная зависимость между зрелостью государственного регулирования и развитием инфраструктуры больших данных (рис. 5).

Вариабельность значений анализируемых индексов для группы арабских стран выше мировой, что можно объяснить очень разным уровнем экономического развития этих стран. В данной группе есть страны:

• –    с высокими доходами (Бахрейн, Кувейт, Оман, Катар, Объединенные Арабские Эмираты);

• –    с доходами выше среднего (Алжир, Ирак, Ливия, Маврикий);

• –    ниже среднего (Коморские острова, Джибути, Египет, Иордания, Ливан, Марокко, Сенегал, Тунис);

• –    с низкими доходами (Сомали, Судан, Сирийская Арабская Республика, Йемен).

Для арабских стран можно считать справедливым вывод о зависимости готовности к цифровой трансформации от уровня доходов. В силу небольшого, со статистической точки зрения, количества стран в каждой группе по доходам статистическую достоверность удалось подтвердить только для различий средних значений индексов между группами стран с высокими и низкими доходами.

Сомали y = 0,8469x + 17,104 R² = 0,7192

Йемен

0          10         20         30         40         50         60         70         80

Государственное регулирование

Рисунок 5 ‒ Зависимость между индексами зрелости государственного регулирования и инфраструктуры больших данных (арабские страны). Обозначения: треугольник – стратегия ИИ опубликована; темный круг – стратегия ИИ анонсирована; окружность – нет стратегии ИИ

Figure 5 ‒ Relationship between the Government Regulation Maturity Index and the Big Data Infrastructure Development Index (Arab Countries). Legend: Triangle – AI Strategy Published; Dark Circle – AI Strategy Announced; Circle – No AI Strategy

Заключение . В большинстве публикаций индексы развития искусственного интеллекта и близкие по смыслу и содержанию индексы используются для составления рейтинга стран. В отличие от общепринятого подхода, выявление взаимосвязи между индексами предоставляет новые возможности для межстрановых сравнений. С одной стороны, общая закономерность позволяет спрогнозировать траекторию развития отдельной страны. С другой стороны, более детальный анализ состояния стран, которые выпадают из общей тенденции, дает возможность выявить ошибки и диспропорции инновационного технологического развития. Экспоненциальный характер регрессионных зависимостей (государственное регулирование – технологический сектор; инфраструктура больших данных – технологический сектор) можно объяснить следующими причинами. Трудно ожидать того, что в развитых странах отдача от усиления государственного регулирования процессов цифровой трансформации и сферы искусственного интеллекта выше, чем в странах с меньшим уровнем дохода. Скорее, нелинейный характер зависимости обусловлен тем, что в развитых странах государственное регулирование достигло оптимального уровня, при котором высокотехнологичный сектор продолжает ускоренно развиваться.

У стран с низким уровнем доходов существенное приращение регулирования проще, чем развитие высокотехнологичного сектора. Экспоненциальный характер взаимосвязи «инфраструктура больших данных – технологический сектор» требует дальнейшего исследования. В развитии процессов цифровой трансформации арабских стран не выявлено национальных особенностей, поэтому для обоснования государственной экономической политики можно использовать страны-аналоги и страны-ориентиры в мировом сообществе.