Введение

Цифровая трансформация государственного управления в последние годы все отчетливее смещается от автоматизации административных процедур к управлению на основе данных. Данный переход означает не просто расширение объема электронных сервисов, а изменение самого основания принятия решений. Для государства ключевым ресурсом становится способность выявлять, структурировать, сопоставлять и интерпретировать массивы данных, возникающие в процессе исполнения публичных функций. Особенно значимым этот сдвиг является для сферы управления государственными активами, где качество решений зависит от полноты сведений об объектах, режиме их использования, стоимости, техническом состоянии, бюджетной отдаче, правовом статусе и возможностях вовлечения в хозяйственный оборот. Государственные активы образуют сложный и многоуровневый имущественный контур. В него входят объекты недвижимости, земельные ресурсы, имущественные комплексы, доли участия в капитале, имущество казны, движимые активы, инфраструктурные объекты, цифровые активы и иные формы публичной собственности. Каждая группа обладает собственной логикой учета, контроля и распоряжения. В традиционной модели управления такие объекты сопровождались большим количеством разрозненных данных, распределенных между ведомствами, уровнями власти и отдельными информационными системами. Это создавало ограничения для комплексной оценки активов, затрудняло прогнозирование и снижало оперативность управленческих действий. В результате государство часто действовало постфактум, реагируя на уже сложившиеся отклонения, а не предупреждая их.

Появление технологий больших данных и искусственного интеллекта открыло возможность качественно иного подхода. Под большими данными в данном исследовании понимаются значительные по объему, скорости обновления и разнообразию массивы информации, обработка которых требует специальных методов хранения, интеграции и анализа. Под искусственным интеллектом понимается совокупность алгоритмических решений, способных выполнять задачи, ранее требовавшие участия человека: выявлять закономерности, строить прогнозы, распознавать отклонения, ранжировать объекты по заданным критериям и поддерживать принятие решений. В сфере управления государственными активами это означает переход от статического реестрового учета к динамическому, аналитически насыщенному и предиктивному управлению имущественным портфелем.

Актуальность темы определяется несколькими обстоятельствами. Во-первых, государственные активы представляют собой один из важнейших ресурсов социально-экономического развития, а потому повышение эффективности управления ими влияет не только на доходы бюджета, но и на реализацию государственных программ, инвестиционную активность и устойчивость территориального развития. Во-вторых, именно в этой сфере особенно заметна проблема фрагментации данных: имущественная информация пересекается с бухгалтерскими, правовыми, кадастровыми, техническими, пространственными и отраслевыми сведениями. Без современных аналитических технологий подобный массив данных остается недостаточно управляемым. В-третьих, общественный запрос на прозрачность и подотчетность государственного сектора требует более объективных и проверяемых механизмов оценки имущественных решений.

Следует учитывать, что применение технологий больших данных и искусственного интеллекта в публичном секторе имеет двойственную природу. С одной стороны, они способны повысить скорость анализа, расширить горизонт прогнозирования, выявить ранее незаметные закономерности и усилить контроль за использованием активов. С другой стороны, алгоритмизация решений порождает новые риски: ошибки исходных данных, непрозрачность моделей, смещение результатов, зависимость от качества обучающих выборок, правовые ограничения на использование отдельных наборов данных и дефицит кадров, способных интерпретировать результаты аналитики. Поэтому вопрос состоит не только в том, могут ли эти технологии применяться в управлении государственными активами, но и в том, при каких институциональных условиях они действительно улучшают управление, а не усложняют его.

Научная новизна рассматриваемой темы заключается в необходимости соединить несколько исследовательских направлений, которые нередко анализируются обособленно. В отечественной литературе достаточно активно изучаются цифровизация государственного управления, вопросы правового регулирования искусственного интеллекта, аналитика больших данных и отдельные аспекты управления государственным имуществом. Вместе с тем недостаточно проработан вопрос о том, каким образом большие данные и искусственный интеллект меняют саму архитектуру публичного имущественного менеджмента. Недостаточно освещены и критерии оценки результативности таких технологий применительно к государственным активам.

Цель статьи состоит в определении возможностей, ограничений и перспектив применения технологий больших данных и искусственного интеллекта в управлении государственными активами. Для достижения этой цели решаются следующие задачи: уточняется сущность применения больших данных и искусственного интеллекта в публичном имущественном контуре; систематизируются научные подходы к проблеме; выделяются основные направления прикладного использования данных технологий; выявляются институциональные, правовые и организационные ограничения; формируется авторская таблица оценки функционального потенциала технологий; обосновываются перспективы формирования аналитически ориентированной модели управления государственными активами.

И. М. Кузнеченко рассматривает большие данные и искусственный интеллект как факторы трансформации системы государственного управления и подчеркивает, что их значение определяется не только технологическими возможностями, но и влиянием на управленческую логику принятия решений [9]. В. Е. Борисова связывает использование искусственного интеллекта в государственном управлении с ростом скорости обработки информации и повышением качества административных процедур [2], а В. Н. Сальников, А. С. Круглов и С. В. Чернова акцентируют внимание на общем потенциале искусственного интеллекта в модернизации публичного управления [16]. Л. В. Чхутиашвили и Н. В. Чхутиашвили показывают, что большие данные становятся самостоятельным ресурсом государственного управления, поскольку позволяют выявлять скрытые взаимосвязи в деятельности публичного сектора [21]. А. Ю. Долгов рассматривает политику в эпоху больших данных и искусственного интеллекта как новую стадию цифрового мира, в которой возрастает роль алгоритмически обрабатываемой информации [6]. А. С. Брычеев, анализируя применение искусственного интеллекта в органах государственной власти, указывает на сочетание серьезных перспектив и значимых институциональных вызовов [3].

Е. А. Кузьмин, Н. Е. Регир и Е. И. Денисевич подчеркивают, что применение искусственного интеллекта и больших данных непосредственно связано с повышением эффективности управленческих решений [11]. А. А. Халидов, И. И. Газиева и Н. В. Насуханова акцентируют роль математических методов искусственного интеллекта в оптимизации государственных процессов [20]. В. В. Сулимин и В. В. Шведов связывают использование искусственного интеллекта с повышением прозрачности и эффективности государственного управления [18]. М. С. Белова рассматривает нейросети и искусственный интеллект в контексте анализа больших данных в государственных информационных системах и подчеркивает прикладное значение алгоритмов при работе с масштабными массивами информации [1]. Д. В. Лукашенко показывает, что обработка больших данных и использование искусственного интеллекта в управленческих системах открывают новые горизонты цифровизации, но требуют организационной готовности к таким изменениям [12]. А. В. Мальгина, анализируя границы автоматизации в государственном управлении, делает важный вывод о том, что не все управленческие функции поддаются полной алгоритмизации [13].

Ф. Е. Караева и О. А. Рыкалина связывают формирование цифрового пространства экономической системы с изменением способов координации и движения информации [7]. Ф. Е. Караева и В. В. Калицкая рассматривают цифровизацию в контексте устойчивого развития и тем самым расширяют критерии оценки технологических решений за пределы их технической результативности [8]. Л. А. Мясникова, Е. В. Шлегель, А. В. Дроздова и другие авторы показывают, что цифровая реальность меняет сами практики взаимодействия между субъектами управления и объектами регулирования [15]. А. В. Минбалеев и Д. П. Осипов подробно рассматривают современное состояние и проблемы правового регулирования применения наборов данных для искусственного интеллекта, указывая на ключевое значение правового режима данных [14]. А. А. Халидов и С. И. Муцалов, исследуя большие данные и искусственный интеллект в юридической практике, показывают сочетание новых возможностей и существенных рисков алгоритмических решений [19]. И. М. Кузнеченко отдельно анализирует риски организации и реализации процесса принятия решений на основании аналитики больших данных и искусственного интеллекта, подчеркивая проблему ответственности и интерпретируемости результатов [10]. И. С. Веригин делает акцент на прикладном характере искусственного интеллекта и показывает, что ценность технологии определяется ее способностью решать конкретные задачи государства и бизнеса [4]. Д. А. Самойленко, исследуя применение искусственного интеллекта и больших данных в стратегическом управлении компанией, демонстрирует ценность предиктивной аналитики и сценарного моделирования, что имеет важное значение и для государственного сектора [17]. Л. Ю. Шарабаева связывает потенциал внедрения искусственного интеллекта в госуправление с возможностью выстраивания более рациональной системы распределения ресурсов и контроля [22]. В. Э. Дубровина, О. И. Дудина, Ю. В. Шарапов и Ю. В. Малькова показывают, что масштабные цифровые проекты государства требуют устойчивого финансового обеспечения и стратегической последовательности [5]. Совокупность рассмотренных работ позволяет сделать вывод о том, что в отечественной литературе уже сформировалась методологическая база для изучения искусственного интеллекта и больших данных в государственном управлении, однако их применение именно в сфере управления государственными активами пока нуждается в более предметной теоретической и прикладной разработке.

Результаты и обсуждения

Применение технологий больших данных и искусственного интеллекта в управлении государственными активами связано с изменением принципов обработки информации об объектах публичной собственности. В традиционной модели имущественное управление строилось вокруг реестрового учета, правовой фиксации, периодического контроля и дискретных решений о передаче, аренде, приватизации, списании либо ином способе использования активов. Эта модель сохраняет значение и сегодня, но в условиях роста массивов данных она уже не обеспечивает необходимой скорости и глубины анализа. Управление государственными активами все в большей степени требует выявления скрытых закономерностей, оценки поведения объектов во времени, прогнозирования рисков и поддержки решений на основе многопараметрических моделей. Наиболее важным свойством больших данных в рассматриваемой сфере выступает возможность объединения разнородной информации об одном и том же активе. Для государства принципиальное значение имеет не просто наличие записи об объекте, а совокупность сведений о его правовом статусе, кадастровых параметрах, балансовой стоимости, фактическом использовании, техническом состоянии, уровне затрат на содержание, степени износа, пространственном расположении, связях с государственными программами и бюджетной эффективностью. В реальной практике эти сведения нередко распределены между различными ведомствами и информационными контурами. Технологии больших данных позволяют не только накапливать подобные массивы, но и обеспечивать их сопоставление, очистку, агрегирование и анализ.

Искусственный интеллект, в свою очередь, усиливает ценность данных за счет способности извлекать из них новые управленчески значимые выводы. В контуре управления государственными активами речь идет о нескольких группах задач. Во-первых, это выявление аномалий в использовании имущества. Алгоритмы могут обнаруживать объекты, по которым расходные параметры не соответствуют типовым значениям, арендная доходность оказывается ниже ожидаемой, а сведения из разных источников содержат расхождения. Во-вторых, это прогнозирование. На основе массивов исторической информации возможно оценивать вероятность снижения ликвидности объекта, возникновения дополнительных затрат, изменения эффективности использования либо роста рисков, связанных с техническим состоянием. В-третьих, это поддержка управленческих решений. Искусственный интеллект способен ранжировать объекты по критериям приоритетности, формировать сценарии использования, подсказывать наиболее рациональные формы распоряжения активами и моделировать последствия альтернативных решений.

Важным направлением применения больших данных и искусственного интеллекта является инвентаризационно-аналитический контур. Для государства принципиально важно не только формально учитывать активы, но и понимать реальную полноту имущественной базы. Если данные о принадлежащих государству объектах распределены между несколькими системами, возникает риск неполной идентификации имущества, дублирования записей, некорректной оценки или ошибочного определения режима использования. Инструменты интеллектуальной аналитики позволяют сопоставлять данные из различных источников, находить несоответствия, выявлять незарегистрированные связи между объектами и формировать более полное представление о структуре государственного имущественного комплекса.

Следующее направление связано с мониторингом эффективности использования активов. Большие данные позволяют оценивать не отдельную сделку или разовый показатель, а динамику объекта в длительном периоде. Например, можно анализировать изменение доходности, частоту использования, состояние инфраструктуры, расходы на обслуживание, уровень загрузки объектов, наличие сезонных колебаний и другие параметры. Искусственный интеллект при этом может строить модели, выявляющие отклонения от ожидаемой траектории. В результате государство получает возможность перехода от эпизодического контроля к постоянному наблюдению за активами с акцентом на раннее предупреждение неэффективности.

Особую значимость данные технологии приобретают при работе с крупными имущественными массивами и территориально распределенными объектами. Традиционные методы контроля в таких условиях неизбежно сталкиваются с ограничениями: они слишком затратны, недостаточно оперативны и зависят от человеческого фактора. Инструменты больших данных и искусственного интеллекта позволяют масштабировать наблюдение без пропорционального роста административных затрат. Чем больше объектов находится в управленческом контуре, тем выше потенциальный эффект от интеллектуальной обработки информации. Однако эта зависимость действует только при условии достаточного качества исходных данных.

Проблема качества данных является ключевой. Искусственный интеллект не устраняет дефекты исходной информации, а в ряде случаев способен усиливать их воздействие. Если данные об объекте неполны, противоречивы или собираются по разным правилам, алгоритм выдает результат, который формально выглядит убедительно, но фактически не обладает высокой достоверностью. Для публичного управления это особенно чувствительно, поскольку решения затрагивают бюджетные средства, имущественные права, социальные функции объектов и вопросы законности. Следовательно, использование искусственного интеллекта в управлении государственными активами требует предварительной стандартизации данных, выстраивания единых классификаторов и институционального закрепления ответственности за качество исходной информации.

Не менее важным является правовой контур. Применение больших данных и искусственного интеллекта в государственном управлении связано с режимом доступа к сведениям, допустимостью объединения различных наборов данных, требованиями к защите информации, ответственностью за алгоритмические рекомендации и возможностью оспаривания решений, принятых с использованием аналитических моделей. В имущественной сфере данные часто содержат чувствительные элементы: финансовые параметры сделок, сведения об организациях, результаты оценки, пространственные характеристики объектов и иные признаки, имеющие значение для публичной безопасности и правовой определенности. Отсюда вытекает необходимость баланса между аналитической глубиной обработки и юридической устойчивостью цифровых решений.

Серьезное значение имеет и организационный аспект. Внедрение искусственного интеллекта в управление государственными активами не может сводиться к закупке программного обеспечения. Оно требует изменения управленческой культуры. Должностные лица должны понимать, что алгоритм не заменяет управленческую ответственность, а служит инструментом подготовки решений. Необходимо формировать компетенции в области интерпретации результатов, проверки качества моделей, постановки задач для аналитики и критической оценки рекомендаций искусственного интеллекта. Без этого существует риск либо формального использования алгоритмов, либо, напротив, необоснованного доверия к ним.

Отдельного рассмотрения заслуживает вопрос о том, как именно большие данные и искусственный интеллект меняют архитектуру управления государственными активами. В наиболее развитой модели они выполняют не вспомогательную, а системообразующую функцию. Данные из реестров, бухгалтерского учета, кадастровых систем, пространственного анализа, сенсорных устройств, отчетности организаций и цифровых торговых платформ собираются в едином аналитическом контуре. Затем искусственный интеллект используется для классификации объектов, прогнозирования изменений, оценки отклонений и формирования приоритетов управленческого воздействия. В такой системе управленческое решение становится не реакцией на событие, а результатом непрерывного мониторинга и сравнения альтернатив.

Для систематизации функционального потенциала технологий больших данных и искусственного интеллекта в сфере управления государственными активами представляется необходимым выделить основные прикладные направления их использования (таблица 1).

Таблица 1

Основные направления применения технологий больших данных и искусственного интеллекта в управлении государственными активами

Представленная таблица показывает, что наибольшая ценность больших данных и искусственного интеллекта в управлении государственными активами связана не с заменой отдельных работников или процедур, а с усилением информационной связности имущественной системы. В каждом из рассмотренных направлений технология дает эффект лишь тогда, когда позволяет объединить ранее разрозненные данные и превратить их в основание для решения конкретной управленческой задачи. Следовательно, главным ресурсом выступает не алгоритм сам по себе, а качественно организованная среда данных. Из таблицы также видно, что наиболее зрелыми и практически востребованными направлениями являются идентификация активов, мониторинг их использования и контроль отклонений. Именно здесь технологии больших данных и искусственного интеллекта относительно быстро дают измеримый эффект: снижают вероятность ошибок учета, ускоряют выявление проблемных объектов, сокращают время реакции государства на негативные изменения. Более сложными для внедрения остаются стратегическое управление портфелем и прогнозирование, поскольку они требуют длительных временных рядов, устойчивой межведомственной интеграции и высокой интерпретируемости моделей.

Особый интерес представляет тот факт, что практически во всех направлениях основным ограничением выступает не дефицит вычислительных средств, а институциональная и организационная незрелость среды применения. Это означает, что развитие искусственного интеллекта в сфере управления государственными активами должно сопровождаться стандартизацией данных, выравниванием процедур учета, усилением правового регулирования и подготовкой специалистов, способных работать на стыке имущественного управления и аналитики данных.

Следовательно, практическая перспектива состоит в постепенном переходе от использования отдельных интеллектуальных модулей к созданию единого аналитического контура управления государственными активами. Только в этом случае возможно достижение системного эффекта в виде повышения прозрачности, обоснованности и экономической результативности имущественной политики.

Заключение

Применение технологий больших данных и искусственного интеллекта в управлении государственными активами следует рассматривать как одно из наиболее перспективных направлений модернизации публичного сектора. Их значимость определяется не только ростом вычислительных возможностей, но и объективной усложненностью самого имущественного контура государства. Чем более разнообразным, масштабным и территориально распределенным является имущественный портфель, тем выше потребность в инструментах, способных связывать разрозненные данные, выявлять скрытые зависимости и поддерживать выработку решений на основе доказательной аналитики.

Проведенный анализ показывает, что наибольший потенциал данных технологий заключается в переходе от дискретного и реактивного управления к непрерывному мониторингу и предиктивной модели принятия решений. Для государства это означает возможность своевременно выявлять неэффективно используемые активы, точнее прогнозировать расходы, корректнее ранжировать объекты по приоритетам и формировать более рациональную имущественную политику. Вместе с тем сам по себе факт внедрения алгоритмов не гарантирует положительного эффекта. Результативность достигается только при наличии качественных данных, межведомственной интеграции, правовой определенности и кадровой готовности к работе с интеллектуальными аналитическими инструментами.

Особенно важно подчеркнуть, что искусственный интеллект в данной сфере не должен подменять государственное решение. Его функция состоит в углублении аналитической базы, повышении прозрачности вариантов и расширении способности аппарата управления работать с масштабными массивами информации. Следовательно, перспективная модель управления государственными активами должна строиться на сочетании алгоритмической обработки данных и ответственного экспертного суждения.

Стратегически применение больших данных и искусственного интеллекта в управлении государственными активами открывает путь к формированию нового типа публичного имущественного менеджмента – интегрированного, аналитически насыщенного и ориентированного на результат. В такой модели государство сможет не только точнее учитывать имущество, но и эффективнее использовать его как ресурс социально-экономического развития. Именно поэтому дальнейшее развитие должно быть связано с формированием единой цифровой архитектуры, в которой данные, алгоритмы и управленческие решения образуют целостную систему.