Последнее время в информационном пространстве всё чаще поднимается вопрос по внедрению ИИ в сфере государственной власти. Мы можем рассмотреть примеры применения ИИ в различных ветвях власти (законодательной, исполнительной и судебной).
Как известно, законодательная власть осуществляет подготовку и принятие решений по вопросам составления и передачи на рассмотрение контролирующим органам законодательных актов и прочих проектов по организации той или иной группы общества. Здесь ИИ помогает профессионалам в обработке больших объемов информации, разработке законодательных актов на этапе проекта. Также нейросети анализируют обращения граждан и изучают общественное мнение по тому или иному вопросу, чтобы понять, что нужно гражданам. ИИ помогает облегчить труд стенографистов, переводит записи заседаний в удобную для восприятия форму.
При этом были выявлены проблемы, возникающие при внедрении ИИ:
• сложно проследить процесс логических выводов нейросети, из которых было бы возможно узнать, как она пришла к данному решению;
• есть вероятность неправильного вынесения решения, так как нейросеть может основываться на историческом опыте человечества, который не во все времена отличался справедливостью ко всем без исключений группам населения;
• нейросеть лишена эмоционального восприятия общечеловеческих проблем и возможности сопереживания;
• нейросеть не несёт ответственности за последствия ошибочного принятия решений в рассматриваемых вопросах;
• угроза кибербезопасности и возможное нарушение чистоты контекстного поля, в котором ИИ принимает решение.
Исполнительная власть осуществляет претворение и контроль за исполнением решений, принятых в органах законодательной власти. В структурах исполнительной власти уже существуют области, которые уже сегодня находятся полностью или частично в ведении ИИ:
• прогнозирование и стратегическое планирование (составление бюджета, анализ статей доходов и расходов, оптимизация);
• взаимодействие с гражданами и предоставление государственных услуг, чат-боты и виртуальные помощники;
• проактивные услуги, персонализация предложений и информации;
• управление городскими и региональными хозяйствами.
Суды являются неотъемлемой частью цивилизованного общества. Судебные органы, осуществляют вынесение решения по экономическим, политическим и моральным аспектам человеческой жизни. И судебная ветвь власти не осталась в стороне от прогресса. ИИ используется при анализе аналогичных дел судопроизводства и прогнозе вердикта судьи; досудебном анализе и автоматизации стандартных процессов при рассмотрении незначительных дел (судья-человек рассматривает лишь апелляцию); при работе с цифровыми доказательствами, проверке корреспонденции и электронных документов; проверке на соблюдение процедур и выявление судебных ошибок, отклонений от стандартной практики. Есть примеры применения ИИ для заключения судебно-медицинских экспертиз и криминалистов. Обсуждается доступ ИИ к правосудию и юридическая помощь.
Из обсуждаемых проблем внедрения ИИ в судопроизводство выделяют:
• невозможность со стороны ИИ объяснить логику выносимых решений, что не исключает несправедливость судопроизводства;
• закрепление предвзятости, основанной на историческом опыте;
• ИИ не считается субъектом права, а потому окончательное решение всегда за человеком.
Краткий анализ показывает, что использование нейросетей поспособствует высокой эффективности работы законодательных, исполнительных и судебных органов власти, но необходим взвешенный контроль со стороны специалистов в области искусственного интеллекта, чтобы система оставалась сбалансированной. Использовать даже самые совершенные нейросети можно лишь для аккуратных прогнозов и анализа большого объема данных, но никак не для вынесения полноправных решений.
Рассмотрим возможное применение искусственного интеллекта в сфере управления и организации на примере МГТУ им. Н.Э. Баумана.
МГТУ им. Баумана как «Умный Университет-Конструктор»
Здесь ИИ не просто инструмент, а новая инфраструктура, меняющая саму парадигму образования и исследований.
- Учебная работа.
Студенты ставят перед нейросетью цель-вызов. Нейросеть собирает данные по материалам курса, проводит моделирование, оценивает недостаток знаний, говорит, что нужно изучить для полноты понимания картины и выделяет слабые места в модели. Получается цифровой образовательный модуль или платформа со встроенным ИИ.
2. Научная работа.
Нейросеть создает универсальный цифровой полигон для моделирования. Любой студент или преподаватель может загрузить свою научную гипотезу и получить результаты, возможности оптимизации и анализ на достоверность на основе имеющегося опыта мировой науки. Также полигон будет оснащен алгоритмами рекомендаций пользователей с похожими интересами и проблемами.
3. Административная часть.
Искусственный интеллект сможет не просто следить за успеваемостью студентов, но и оценивать академические возможности и риски. Например, студент А плохо знает математику, возможно, с вероятностью в 70%, он пойдет на пересдачу по некоторой дисциплине кафедры ФН-12. Или наоборот – студент Б хорошо разбирается в робототехнике, его можно попробовать стажировать в робототехнический гигант Х. Оптимизация ресурсов и экономия времени деканатов и проректоров.
Студенческое сообщество: ИИ как партнер по проектам и карьере.
ИИ становится привычным орудием в руках студента.
1. Проекты:
Создается платформа, где студенты формулируют свои интересы, наподобие форума. ИИ генерирует или дополняет высказанное студентами для создания проектов на стыке дисциплин. Для этого в самом университете можно организовать клуб, в котором его члены будут обсуждать подобные вопросы, а также иметь доступ к менторской поддержке опытных в похожей сфере преподавателей.
2. Карьера и трудоустройство:
Студенты проходят на некоторой платформе собеседование в виде решения реальных инженерных задач от крупных корпораций. Нейросеть оценивает правильность ответа, стиль мышления, подход к решению проблем, креативность, составляя характеристику интеллектуальных способностей студента.
3. Репетиторство:
Создание персонального ИИ-помощника, который сможет на основании вопросов студента выдать четко сформулированное, грамотное и понятное решение, а также объяснить студенту его ошибки и непонятые им моменты в материале. Необходим анализ хода мыслей студента, расстановка брейкпоинтов, по которым будет видно, где решение зашло в тупик. Прибавим к этому возможность со стороны ИИ генерации подобных упражнений для тренировки навыков. Этого можно добиться составлением грамотной цифровой платформы со встроенной нейросетью и возможностью обратной связи.
Попробуем в целом представить, на какие конкретно промежутки времени можно разделить создание такого рода организации.
Фаза 1: Фундамент. Создание Центра компетенций по вопросам ИИ в инженерном образовании на базе МГТУ им. Н.Э. Баумана. Создание цифровой четкой структуры научных данных, образовательного контента, административного управления. Запуск пилотов таких, как ИИ-помощник в плане репетиторства по ключевым предметам или рекрутинга для широко специализированных кафедр.
Фаза 2: Интеграция. Расширение охвата цифровой платформы для симуляции, обсуждения научных идей и рассмотрения вопросов по трудоустройству в крупные корпорации. Обучение профессорско-преподава тельского состава обхождению действиям в этой среде.
Фаза 3: Трансформация. Полный переход на модель «университета-конструктора» для магистратуры и аспирантуры. Превращение платформы в платный аналог для других вузов не только в России, но и за рубежом. Создание на базе МГТУ им. Баумана глобального научного интернет-сообщества, где лучшие умы получают доступ к самым продвинутым технологиям, ИИ-симуляторам для решения грандиозных инженерных задач.
Всегда присутствует ряд рисков при работе с нейросетью. Неизвестно, кто несет ответственность за решения, принятые нейросетью. Неизвестно, как именно, по каким соображениям и логическим цепочкам ИИ пришел к выводу, что тот или иной студент подходит или не подходит для вакансии. В качестве репетитора ИИ иногда тоже бывает ненадежен, он может брать информацию из недостоверных источников. И примеры на этом не заканчиваются.
В МГТУ им. Н.Э. Баумана интеграция ИИ не что иное, как способ добавить респектабельности на рынке технических вузов мирового уровня, если помнить о славной истории этого вуза и о том смелом взгляде, которым он смотрит в будущее. Также это неплохой толчок профессиональным навыкам студентов, ценный жизненный опыт. Пространство для карьерного, академического и личностного роста.
Литература и источники:
1. Артюхина М.М. Искусственный интеллект в государственном управлении: партнерство или симбиоз? Управленческие науки / Management Sciences. 2025;15(3):90-97. https://doi.org/10.26794/2304-022X-2025-15-3-90-97 (Дата обращения: 25.10.2025)
2. Бочарников И.В. Развитие современных глобализационных процессов: перспективы, проблемы и риски. В сборнике: Современная Россия в мировом политическом процессе: глобальное и региональное измерение. Материалы международной научно-практической конференции. Под общей редакцией А.Я. Касюка, И.К. Харичкина. 2019. С. 171–182.
3. Информационная аналитика и информационно-аналитические технологии в контексте социального управления /Под ред. В.Н. Ремарчука, И.В. Бочарникова. Москва, 2025.
4. Комлев Е.Ю., Бирюков И.А. Правовые основы применения технологий искусственного интеллекта в государственном и муниципальном управлении: современное состояние и перспективы развития // ЗАКОН И ПРАВО 2024, № 5, С. 81–85 // https://cyberleninka.ru/article/n/pravovye-osnovy-primeneniya-tehnologiyiskusstvennogo-intellekta-v-gosudarstvennom-i-munitsipalnom-upravleniisovremennoe/viewer (Дата обращения: 27.10.2025)
5. Нуриев Б.Д. Искусственный интеллект в системе государственного управления России и стран Европейского союза: сравнительно-правовой анализ. Часть I // Вестник Российского университета дружбы народов. Серия: Государственное и муниципальное управление. – 2025. – Т. 12. – № 3. – C. 404–416. // https://journals.rudn.ru/ public-administration/article/view/46835/25735 (дата обращения 24.10.2025)
6. Ремарчук В.Н. Информационно-аналитическая деятельность: проблемы и перспективы. В сборнике: Информационная аналитика и информационно-аналитические технологии в контексте социального управления. Москва, 2023. С. 16–25.
7. Сильченко Р.Н. Актуальность применения технологий искусственного интеллекта в нормотворческом процессе // Проблемы экономики и юридической практики 2019, № 2, с. 122–125 // https://cyberleninka.ru/article/n/aktualnost-primeneniyatehnologiy-iskusstvennogo-intellekta-v-normotvorcheskom-protsesse (Дата обращения:
26.10.2025)
8. Чертыковцев Ю.В., Чуракова Е.Н. Перспективы использования Искусственного Интеллекта в Российском судопроизводстве // Право и государство: теория и практика. 2024. № 4 (232). С. 269–272. http://doi.org/10.47643/1815-1337_2024_4_269. // https://cyberleninka.ru/article/n/perspektivy-ispolzovaniya-iskusstvennogo-intellekta-vrossiyskom-sudoproizvodstve (Дата обращения: 24.10.2025).
9. Шалдунова Т.Н. Духовно-нравственные традиции культуры России. В сборнике: Научный поиск в современном мире: традиции и инновации. Материалы XII Международной научно-практической конференции преподавателей высших учебных заведений. 2020. С. 57–60.
Ильинов С.С., Сахаров А.А., Зарубин Д.А. студенты группы РЛ2‐33 МГТУ им. Н.Э. Баумана / Аналитические технологии в социальной сфере: теория и практика: Сб. статей / Кафедра «Информационная аналитика и политические технологии» МГТУ имени Н.Э. Баумана; Научно-исследовательский центр проблем национальной безопасности / под общ. ред. И.В. Бочарникова, В.Н. Ремарчука. – М.: Изд-во НИЦ «Национальная безопасность», (Вып. 19), 2025. – С.33-38.