Министерство финансов Российской Федерации положительно отметило практические решения Министерства финансов Липецкой области по применению искусственного интеллекта в государственном управлении и финансовой деятельности. Липецкая область стала одним из регионов-лидеров по разработке и внедрению ИИ-технологий в бюджетный процесс. 

"Практика внедрения ИИ в финансовой сфере: про опыт Министерства финансов Липецкой области нам рассказал Бочаров Илья Алексеевич, руководитель цифровой трансформации министерства финансов Липецкой области.

Продолжаем обмен лучшими практиками применения искусственного интеллекта в государственном управлении и финансовой деятельности.

В основе решений лежит гибридный подход к искусственному интеллекту, объединяющий:
• правила и нормативную логику (Rule-based);
• алгоритмы машинного обучения (ML);
• большие языковые модели (LLM).

Среди реализуемых проектов:

Интеллектуальный анализ межбюджетных трансфертов

Решение автоматически анализирует распоряжения Правительства Российской Федерации, извлекает сведения о межбюджетных трансфертах и формирует структурированные данные для последующей аналитики и дашбордов.

Система обеспечивает:
• автоматическую обработку сканов документов;
• поиск релевантных решений по регионам;
• извлечение ключевых сущностей (регион, мероприятие, сумма финансирования);
• существенное сокращение трудозатрат на анализ тысяч страниц нормативных документов.

Автоматизация классификации расходных обязательств

Для одной из наиболее трудоемких задач бюджетного процесса разработан трехуровневый механизм сопоставления кодов:

1. Правила и исторические справочники;
2. Модель машинного обучения CatBoost;
3. LLM-анализ в случаях неоднозначности.

По результатам тестирования точность модели достигла 80,4%, а при высокой уверенности решений — 98,6%. Уже сейчас около половины операций могут выполняться автоматически с последующей экспертной проверкой.

ИИ-ассистент анализа безвозмездных поступлений

Решение автоматизирует подготовку отчетности по поступлениям из федерального бюджета:

• выполняет поиск необходимых нормативных документов;
• извлекает данные из приложений;
• сопоставляет коды и классификаторы;
• определяет отраслевую принадлежность поступлений;
• формирует готовую отчетную форму для специалиста.

Особый интерес представляет то, что представленные решения не имеют жесткой привязки к региональным информационным системам. Основой являются нормативные документы, табличные данные, открытые федеральные источники и локальные справочники.

Это делает подобные подходы потенциально тиражируемыми и позволяет адаптировать их для использования в других субъектах Российской Федерации.

Благодарим коллег за готовность делиться практическим опытом."