Искусственный интеллект в оценке политики регионального развития: концептуальный анализ

Институт общественных наук Российской академии народного хозяйства и государственной службы при Президенте Российской Федерации, Москва, Россия, ,

,

Введение . В современной политической науке возрастающая сложность и динамизм внутриполитических процессов требуют пересмотра инструментов анализа и прогнозирования регионального развития (Tosun & Lang, 2017). Политика регионального развития (ПРР) как объект государственного управления характеризуется многоуровневостью, множественностью акторов с конфликтующими интересами, пространственной автокорреляцией и длительными временными лагами эффектов (Pike, Rodríguez-Pose & Tomaney, 2016). Традиционные методы оценки, опирающиеся на ограниченный набор индикаторов и линейные причинно-следственные модели, не справляются с выявлением латентных паттернов, нелинейных зависимостей и контрфактологических сценариев (Stone, 2012; Parkhurst, 2016).

Цель данной статьи – концептуализировать политику регионального развития как объект оценки, выявить системные ограничения существующих подходов и обосновать необходимость интеграции методов искусственного интеллекта (ИИ) и машинного обучения в оценочную практику. Для этого решаются следующие задачи: 1) построение сетевой модели ключевых понятий на стыке политологии, регионоведения и ИИ; 2) анализ эволюции теоретических моделей ПРР; 3) характеристика институционального дизайна российской ПРР; 4) выявление источников системной сложности, делающих традиционную оценку недостаточной.

Методы . Исследование опирается на комбинацию качественных и количественных методов. Сетевой анализ выполнен на основе корпуса из 65 диссертационных исследований по политическим наукам за 2014–2025 гг. и 20 научных статей из ведущих рецензируемых журналов, индексируемых в РИНЦ¹. Критериями отбора выступали: наличие термина в ключевых словах исследуемых статей, релевантность теме диссертации, частота употребления термина в тексте больше и равно десяти, теоретическая значимость терминологии. Для каждого понятия рассчитан вес узла, а для каждой пары понятий – вес связи. Построена визуализация графа с помощью алгоритмов программирования на языке Python. Динамика публикационной активности по ключевому слову «искусственный интеллект» в рубрике «Политика. Политические науки» за 2015– 2025 гг. получена из базы РИНЦ².

Теоретический анализ моделей ПРР (неоклассической, кейнсианской, инновационно-эволюционной, неоинституциональной) проведен с опорой на работы российских и иностранных авторов (Лексин & Швецов, 2012; Pike et al., 2016; Storper, 2013), а также российские стратегические документы. Институциональный дизайн российской ПРР изучен на основе Стратегии пространственного развития РФ на период до 2030 года с прогнозом до 2036 года (утверждена распоряжением Правительства РФ от 28.12.2024 № 4146-р)3 и Федерального закона от 21.12.2021 № 414-ФЗ4.

Результаты . Построенный граф (рис. 1) включает пять цветовых кластеров, связанных устойчивыми межкластерными мостами.

Кластер «Технологии и ИИ» (синий), центральными узлами которого являются ИИ, нейросетевые алгоритмы, Big Data (большие данные), цифровизация, алгократия, умное государство, цифровые платформы. Данный блок представляет собой совокупность технологических феноменов и инструментов, которые в современном политическом пространстве выступают не просто как внешние факторы, но как активные агенты трансформации политических процессов. Технологии здесь понимаются не как нейтральный инструмент, а как среда, формирующая новые политические практики и отношения.

Кластер «Политология» (красный), узлами которого являются государственное управление, политические коммуникации, политические институты, политические элиты, гражданское общество, политическая стабильность. Классические категории обретают новые смыслы в цифровую эпоху. Данный блок аккумулирует традиционный понятийный аппарат политической науки, который, однако, подвергается существенной трансформации под влиянием технологических изменений.

Зеленым цветомна данном графе обозначены узлы кластера «Региональная политика, а понятия, которые его представляют следующие: региональная политика, центр управления регионом (ЦУР), региональное развитие и др. Данный комплекс понятий представляется в виде сложной многоуровневой системы, которая включает различные измерения от институциональных до множественных акторов. Сравнительно недавно возникшие ЦУР связывают на данный момент технологии с региональным управлением.

Рис. 1 . Связь ключевых понятий¹

Fig. 1 . The Relationship between the Key Concepts

Такие понятия, как например информационная безопасность, которые обозначены на графе оранжевым цветом, представляют узлы кластера «Безопасность». Данный кластер связывает обеспечение цифровой трансформации с политической стабильностью в условиях возникновения новых угроз безопасности государству, обществу и целостному региональному развитию субъектов Российской Федерации. Необходимо учитывать безопасностный аспект при выработке и реализации процесса управления развитием территорий и проводить критический анализ возникающих вызовов и опасностей.

Кластер «Политические теории» (фиолетовый цвет) представляет собой теоретический фундамент исследования, который соединяет классическое политико-теоретическое наследие с новейшими концептуальными разработками, описывающими цифровую трансформацию политики. Узлы этого кластера включают в себя теорию элит, теорию принципала-агента, теорию политических сетей, теорию алгоритмической власти, концепцию киберсимулякров, неоинституционализм. Именно здесь происходит концептуализация эмпирически наблюдаемых феноменов.

Мост между технологиями и политологией проходит через такие понятия, как интернет-коммуникации и политические коммуникации, и образует одну из самых сильных связей в графе. Технологии перестают быть внешним фактором по отношению к политике и становятся ее имманентной составляющей. Политические коммуникации в значительной степени перемещаются в цифровую среду, государственное управление обретает умные формы, а гражданское общество получает новые инструменты взаимодействия с властью через цифровые платформы.

Мост между технологиями и регионами проходит через ключевые связующие понятия ИИ и ЦУР. Технологические инновации проникают в региональное управление прежде всего через создание ЦУР, которые становятся проводниками цифровой трансформации на местах. Региональное развитие все чаще осмысливается через призму цифровой трансформации, а региональная политика начинает опираться на анализ больших данных.

Тесные связи между понятиями формируются и через другие мосты. Следует отметить, что управление, основанное на данных, становится не просто теорией, а концептуальной рамкой

1 Все рисунки и таблицы в статье составлены автором.

для большинства исследований в области политики и политологии. Поэтому исследования в области политологии и других гуманитарных наук перестают быть предметом только этих наук и приобретают междисциплинарный характер. Однако автор отмечает нетривиальную специфику политических данных как предмета для анализа, так как они включают не только количественные измерения, но и качественные, и указывает на необходимость выработки специализированных эмпирических методов для работы с такими данными.

Возвращаясь к графу, можно отметить, что понятие «искусственный интеллект» стоит наравне с понятием «государственное управление», а частотность употребления в исследованиях даже превышает последнее. ИИ становится уже не просто понятием, а повседневным методом для исследования и анализа политических данных. Происходит технологическая трансформация государственного управления региональным развитием, в которой ИИ занимает роль ведущего инструмента, подчиненного квалифицированным экспертам и академическому сообществу.

Как отмечается российскими исследователями, современная цифровая трансформация политики формирует новую сервисную модель государства, где ИИ становится ключевым элементом властно-управленческой деятельности (Кочетков, 2023: 99). Авторы выделяют два основных направления: цифровой корпоративизм и цифровой этатизм, что непосредственно соотносится с присутствующим в графе понятием умное государство.

Также российские исследователи раскрывают проблему трансформации субъектности под влиянием нейросетевых алгоритмов (Володенков, 2022: 44). Исследователи вводят понятие «атипичной субъектности», связанной с самокоммуникацией ИИ-агентов, и «гибридной субъектности» цифровых кентавров, что позволяет концептуализировать присутствующее в графе понятие алгократия.

Другие авторы обосновывают формирование «цифровой элиты» (Понеделков, 2025: 225), критериями которой становятся принципы меритократии и «элиты знания», что коррелирует с присутствующим в нашем графе понятием «политические элиты» в его современной цифровой модификации.

На рис. 2 представлена динамика публикаций по ключевому слову ИИ в РИНЦ по тематике «Политика. Политические науки» с 2015 по 2025 год и распределение публикаций, используемых в работе по темам.

Рис. 2 . Динамика и распределение публикаций

Fig. 2 . Dynamics and Distribution of Publications

Помимо анализа состояния понятийных связей, граф позволяет сегодня реконструировать динамику формирования данной понятийной структуры, которую можно разделить на несколько этапов.

Этап 1 (2014–2017 гг.). Формирование предпосылок. На этом этапе понятия существовали относительно изолированно друг от друга. Например, технологические понятия разрабатывались преимущественно в технических и экономических науках. Политологические категории использовались в традиционном ключе, без связи с цифровой проблематикой. Региональная политика осмысливалась в категориях бюджетного федерализма и административного управления. Связи между кластерами были редки и слабы.

Этап 2 (2018–2020 гг.). Начало интеграции. Этот период характеризуется появлением первых устойчивых связей цифровизации с государственным управлением, интернет-коммуникации с политической коммуникацией, информационной и национальной безопасности. Начинается формирование новых гибридных понятий, таких как, например, электронное правительство, цифровая демократия.

Этап 3 (2021–2023 гг.). Активная интеграция. С 2022 г. начинается экспоненциальный рост числа публикаций в РИНЦ. Все чаще политология и региональная политика применяют ИИ как инструмент для анализа.

Этап 4 (2024–2025 гг.). Стабилизация и дифференциация. Современный этап характеризуется закреплением описанной на графе структуры, углублением связей внутри кластеров и формированием мостов между ними, а также появлением междисциплинарных исследований на стыках различных направлений.

Распределение диссертационных исследований по этапам согласуется с распределением статей в РИНЦ (см. таблицу 1), однако при выборке диссертаций особый акцент был на ранние годы для поиска предпосылок по применению технологий ИИ в оценке политики регионального развития. Обзор диссертаций ограничен 2023 г., т. к. фокус исследования был перемещен на статьи из ведущих рецензируемых журналов, индексируемых в РИНЦ.

Анализ литературы позволяет выделить четыре парадигмы, элементы которых присутствуют в современной российской практике. Пространственное неравенство регионов России возникает вследствие концентрации конкурентных преимуществ и проявляется не только в экономических показателях, но и в качестве человеческого капитала (Зубаревич, 2010: 8–29).

Неоклассическая парадигма исходит из саморегулирующейся силы рынка и исходит из того, что свободное движение факторов производства автоматически выравнивает уровень развития в различных регионах. Роль государства состоит в создании рыночной инфраструктуры. В России это проявилось в создании особых экономических зон (ОЭЗ). Однако рыночные силы в условиях пространственной инерции зачастую усугубляют диспропорции (концентрация в Москве и Санкт-Петербурге).

Таблица 1 . Распределение диссертаций по годам и этапам

Table 1 . Distribution of Dissertations by Year and Stage

Этап	Год и количество диссертаций
1	2014 г. – 12; 2015 г. – 17; 2016 г. – 3; 2017 г. – 6.
2	2018 г. – 5; 2019 г. – 5; 2020 г. – 4.
3	2021 г. – 4; 2022 г. – 3; 2023 г. – 6.

Кейнсианская (интервенционистская) модель отводит государству активную роль через прямые инвестиции в инфраструктуру и промышленность отстающих территорий, систему трансфертов (Лексин, Швецов, 2012).

Инновационно-эволюционная модель («новый регионализм») делает акцент на мобилизации эндогенного потенциала, такого как инновации, кластеры, университеты, сетевые взаимодействия. Примерами модели являются территории опережающего развития (ТОР) и концепция умной специализации (Foray, 2015; Калюжнова, 2020: 2460).

Неоинституциональная модель центральным звеном считает качество институтов как формальных, так и неформальных. Как показано в отечественном диссертационном исследовании экономический рост может быть реализован бюрократией только экстенсивными мерами при отсутствии структурных реформ1.

Современная российская ПРР представляет собой гибрид всех четырех парадигм, что порождает внутреннее напряжение между целями экономической эффективности и социальной справедливости. Успех региональной политики зависит от способности органов власти стратегически комбинировать инструменты разных моделей с учетом специфики каждого региона.

Институциональный дизайн российской ПРР . Правовой фундамент выстраивается на нескольких уровнях. Стратегия пространственного развития РФ на период до 2030 года с прогнозом до 2036 года вводит дифференцированный подход к территориям (геостратегические территории, Арктическая зона, новые субъекты), единый перечень опорных населенных пунктов, целевые показатели (отношение численности населения на территориях опорных пунктов к общей численности, транспортная подвижность, сокращение межрегиональной дифференциации по доходам).

Инструментарий ПРР эволюционировал от федеральных целевых программ (1990–2010-е) к национальным проектам (с 2018 г.), обеспечивающим жесткий вертикальный контроль через систему показателей и персональную ответственность глав регионов. Параллельно развиваются точечные инструменты – ТОР и ОЭЗ.

Системная сложность ПРР как вызов для оценки . Политика регионального развития сталкивается с тремя фундаментальными трудностями.

Множественность акторов, таких как федеральный центр, региональные элиты, крупные корпорации, население, с разными критериями успеха (от ВРП и налогов до социальной стабильности и реальных доходов). ПРР всегда является результатом компромисса, и оценка не может быть сведена к единому показателю (Moore, 2013).

Пространственная автокорреляция гласит о том, что экономические и социальные процессы не ограничены административными границами. Негативные переливы (отток человеческого капитала из периферии в столицы) могут сводить на нет локальные усилия. Оценка, сфокусированная только на показателях отдельного субъекта, упускает сетевые эффекты.

Проблема атрибуции и временные лаги говорят о том, что эффекты от структурных изменений проявляются через 5–15 лет. Отделить влияние конкретной политической меры от внешних факторов (ценовые шоки, пандемия, демографические волны) крайне сложно. Современные подходы требуют построения контрфактологических сценариев, что предполагает использование сложного методологического аппарата. Байесовские процедуры и методы ИИ позволяют интегрировать экспертные оценки и работать с субъективными данными, но требуют осторожной интерпретации (Стукал, 2024).

Обсуждение и заключение . Проведенный анализ выявляет кризис традиционной парадигмы оценки ПРР, основанной на редукционизме и линейных моделях. Существующие подходы:

• •    работают с ограниченным, заранее заданным набором показателей, не приспособлены для обработки больших разнородных массивов данных;

• •    не улавливают нелинейные взаимосвязи и скрытые траектории;

• •    рассматривают регионы как изолированные системы, игнорируя пространственные взаимодействия;

• •    не способны проводить контрфактологический анализ, необходимый для отделения эффекта политики от фоновых факторов.

Указанные ограничения носят не технический, а институционально-политический характер и сигнализируют об исчерпании парадигмы. Преодоление этого кризиса требует перехода к новой исследовательской логике, опирающейся на возможности ИИ и машинного обучения такие как кластеризация для типологизации регионов, методы каузального вывода (синтетический контроль), обработка естественного языка для анализа медиа-дискурса, анализ временных рядов для прогнозирования.

Интеграция ИИ в инструментарий оценки ПРР является закономерным ответом на вызовы растущей сложности. Это переход от интуитивно-экспертного и редукционистского управления к управлению, основанному на данных. Такой методологический синтез политологии и ИИ расширяет познавательные возможности политической науки в цифровую эпоху и создает основу для предиктивной и доказательной региональной политики.