Центр информационных технологий Республики Коми внедрил технологии RPA и искусственного интеллекта, направленные на оптимизацию рутинных и высоконагруженных бизнес-процессов. Проект реализован как внутри учреждения, так и в органах исполнительной власти и государственных учреждениях Республики Коми. Гибридный подход RPA+ИИ позволил выйти за рамки классической автоматизации и решать задачи, требующие обработки неструктурированных данных: транскрибация видеопотоков, интеллектуальное распознавание и валидация документов, миграция данных между несовместимыми системами. О реализации проекта рассказывает Михаил Калинин, директор ГАУ РК «ЦИТ» и номинант на премию Data Award.

- Как вы пришли к реализации этого проекта? Какие проблемы пытались решить?

Центр информационных технологий — крупнейшая государственная ИТ-организация Республики Коми с обширным опытом в цифровизации стратегически важных отраслей экономики и реализации крупномасштабных проектов для государства. Мы создаем и развиваем удобные, понятные и безопасные ИТ-продукты для государства и жителей региона. У нас для этого есть все ресурсы: развитая техническая инфраструктура, высококвалифицированные специалисты, понимание современных технологий. Центр наделен функциями регионального оператора безопасности инфраструктуры электронного правительства, он отвечает за техническое обеспечение эксплуатации региональных информационных систем, а также техническую поддержку компьютерных систем органов исполнительной власти региона.

В ходе выполнения задач мы сталкиваемся с большими объемами информации: обрабатываем документы в рамках договорной и закупочной деятельности, осуществляем миграцию данных между несопряженными системами и осуществляем мониторинг регионального медиапространства. Кроме того, Центр информационных технологий также является разработчиком региональной системы мониторинга СМИ и социальных медиа «Диссонанс» — платформы для автоматизированного сбора, мониторинга и контент-анализа информационного поля Республики Коми. Интеграция RPA в экосистему «Диссонанс» стала логичным шагом развития.

- Какие требования предъявлялись к создаваемому решению?

Во-первых, высокая скорость выполнения. Обработка операций должна происходить максимально быстро, сохраняя точность и корректность данных. Во-вторых, масштабируемость: решение должно легко адаптироваться к увеличению объема задач и новым бизнес-процессам без существенного изменения архитектуры. В-третьих, поддерживаемость и адаптируемость. Архитектура должна быть модульной и хорошо задокументированной, обеспечивая простоту внесения изменений и поддержку бизнес-логики. Наконец, надежность и отказоустойчивость. Сценарии RPA должны функционировать стабильно, с минимальным количеством сбоев и простоев. Это достигается за счет механизмов обработки исключений, автоматического повторного выполнения операций и детального логирования действий.

- На каких технологиях построена система?

Технологическая основа проекта — отечественная платформа Sherpa RPA, выбранная за удобный визуальный конструктор сценариев, не требующий навыков программирования, развитую систему логирования, гибкий планировщик задач и поддержку работы в виртуальных средах. Помимо RPA, в проекте задействованы несколько ИИ-моделей для повышения качества распознавания речи, система «Диадок», «1С:Бухгалтерия государственного учреждения 2.0», а также собственная разработка учреждения — система «Диссонанс».

- С чем именно работаете?

В рамках проекта обрабатываются данные нескольких типов. Большую их часть, например, составляют данные систем электронного документооборота: карточки организационно-распорядительных документов, контрольных дел, договоров, счетов и актов. Обрабатываем видеопотоки с 11 региональных телевизионных каналов, проводим транскрибацию с применением нейросетевых моделей распознавания речи. Охватываем данные системы 1С:БГУ 2.0, а также архивы республиканских печатных изданий, собираемые с различных открытых ресурсов.

- Что архитектурно представляет собой созданное решение, из каких элементов состоит?

В основе лежит сервер оркестрации, который управляет очередями задач, расписанием запуска и распределением нагрузки между ботами. Исполняющие агенты (роботы) развернуты на отдельных виртуальных или физических машинах и выполняют сценарии в целевых информационных системах. В состав решения входят оркестратор, среда разработки сценариев, исполняющие боты.

- В чем вы видите особенность проекта?

В первую очередь, комплексный гибридный подход RPA+ИИ. В отличие от типичных RPA-внедрений, ограничивающихся имитацией действий пользователя, проект включает полноценную когнитивную автоматизацию: транскрибацию видеопотоков с помощью нейросетевых моделей, распознавание и валидацию документов с пониманием бизнес-логики. Это следующий уровень автоматизации для государственного сектора.

Кроме того, важна реализация на отечественной платформе. Выбор Sherpa RPA — российской платформы без иностранных зависимостей — показывает, что задачи цифрового суверенитета решаемы без потери функциональности. А сама платформа обеспечивает визуальный конструктор без необходимости программирования, что критично для государственных учреждений с ограниченными ИТ-ресурсами.

И можно отметить широкий спектр обрабатываемых данных под одной архитектурой. Проект объединяет разнородные источники — видеопотоки, PDF-документы, данные из нескольких учетных систем, архивы СМИ — в единую роботизированную экосистему. Это нетипичная задача для RPA-проектов в госсекторе.

- Какие результаты достигнуты?

У нас есть несколько уже реализованных кейсов с конкретными результатами. Первый из них — миграция данных между несопряженными системами электронного документооборота. В сжатые сроки необходимо было перенести более 17,5 тыс. документов — карточки ОРД и контрольных дел, а также вложения. Для этого были разработаны пять программных роботов, работавших последовательно, в том числе в ночное время. Задача выполнена в срок и с экономией бюджетных средств по сравнению с ручным трудом.

Второй кейс — транскрибация видеоконтента 11 региональных ТВ-каналов для нашей системы мониторинга СМИ «Диссонанс». До автоматизации сотрудник вручную ежедневно транскрибировал в среднем 30 роликов средней продолжительностью 20 минут, что занимало весь рабочий день. Разработанный робот самостоятельно получает видеоссылку, транскрибирует ее с применением нейросетей — конечно же, значительно быстрее человека — и сохраняет результаты в базу данных. Роботизация полностью высвободила сотрудника для других задач. Параллельно создан робот для автоматизированного сбора архивов республиканских печатных изданий. Автоматизированный мониторинг региональных СМИ и социальных медиа позволяет органам власти оперативнее реагировать на социально значимые события и информационные угрозы в регионе.

Третий кейс — интеллектуальная обработка первичной бухгалтерской документации. Робот не просто проверяет реквизиты входящих документов в системе «Диадок», но и распознает обязательные реквизиты, сверяет их с данными в 1С:БГУ, выявляет несоответствия и автоматически формирует содержательные комментарии ответственным сотрудникам. Это уже когнитивная автоматизация, выходящая за рамки классической RPA.

Четвертый кейс состоит в автоматизированном тестировании конфигурации 1С:БГУ. Разработанное нами решение проверяет работоспособность системы после обновлений.

Суммарный эффект — сокращение трудозатрат на рутинных операциях и снижение количества ошибок, связанных с человеческим фактором. А освобождение сотрудников от монотонного труда способствует их профессиональному развитию и повышению качества предоставляемых услуг.

- Пытались ли оценить это в финансовом выражении?

Финансовый эффект от внедрения роботизированной автоматизации процессов проявляется в разных аспектах и включает ряд конкретных выгод. Происходит сокращение операционных расходов – роботы выполняют рутинные задачи быстрее и точнее, чем сотрудники. Это снижает затраты на рабочую силу и позволяет перераспределять сотрудников на выполнение более сложных и творческих задач.

Достигает повышение производительности — автоматизация освобождает персонал от монотонной работы, увеличивая производительность труда. Сотрудники становятся более эффективными благодаря возможности сосредоточиться на стратегических задачах и инициативах, влияющих на развитие организации. Очевидна оптимизация бизнес-процессов – внедрение RPA выявляет узкие места и неэффективности в процессах, помогая оптимизировать работу подразделений и снизить расходы на управление процессами.

Например, ежегодный экономический эффект от внедрения RPA в процесс транскрибации видеопотока региональных телевизионных каналов составляет более 600 тыс. рублей, что эквивалентно полной замене затрат на оплату труда дополнительного сотрудника.

- Какова в целом роль этого проекта?

Мы управляем ИТ-инфраструктурой госучреждений всего региона, и построенное решение стало одним из ключевых инструментов цифровой трансформации. Проект показал, что российские платформы способны обеспечивать не только базовую автоматизацию, но и интеллектуальную обработку данных в государственном секторе. Использование роботизации позволило повысить операционную эффективность без увеличения штата, сократить операционные расходы и создать воспроизводимую модель для тиражирования на другие государственные учреждения региона.

- Каково значение проекта для отрасли?

Наш опыт демонстрирует реальную применимость гибридного подхода RPA+ИИ в государственном секторе России — с использованием отечественного ПО в условиях требований цифрового суверенитета. Публикация результатов наших проектов в научном журнале «ИТ Арктика» создает академическую базу для тиражирования подобных решений в других регионах. Разработанные роботы и методология могут быть воспроизведены в государственных учреждениях Республики Коми и других регионов России без значительных изменений архитектуры существующих ИТ-систем.

- Что планируете дальше, в качестве развития проекта?

Мы планируем развивать действующие программные роботы и масштабировать их применение на другие рутинные процессы. Продолжаем совершенствовать систему проверки бухгалтерских документов путем увеличения количества проверяемых атрибутов. В перспективе планируем автоматизировать процесс отклонения документов контрагентов, содержащих технические ошибки.

Мы активно совершенствуем технологии распознавания речи и создаем автоматизированного помощника для сбора открытых публикаций в сети Интернет. Наш робот проверяет наличие каждой публикации в нашей базе данных и автоматически добавляет новую запись, если публикация отсутствует. В случае обнаружения неизвестного источника данных система оперативно уведомляет администраторов, которые вносят необходимые изменения в настройки парсеров. Наша цель — повысить точность отбора нужной информации и исключить избыточный объем данных («шум»), обеспечивая наиболее релевантные выборки.