Как искусственный интеллект может улучшить проекты ГЧП

В последние годы развитие искусственного интеллекта (ИИ) находится в фокусе внимания не только крупного бизнеса, но и государства. Правительства разных стран, в том числе и российское, заинтересованы в его возможностях для использования в проектах государственного управления и планирования. В частности, в нашей стране реализуется федеральный проект «Искусственный интеллект», есть национальная стратегия развития ИИ до 2030 г. Их цель – развитие отечественного ИИ как такового, повышение кадрового обеспечения этой отрасли, развитие системы науки и образования. Мы, в свою очередь, хотели бы заострить внимание на возможностях, которые могла бы обеспечить особая система ИИ, разработанная для конкретной, но очень масштабной и важной в плане развития отечественной экономики задачи – реализации проектов государственно-частного партнерства (ГЧП).

Почему важны и сложны проекты ГЧП

Современный этап развития ГЧП в России начался в 2005 г. с принятием закона «О концессионных соглашениях». За прошедшее время руководство страны неоднократно подчеркивало, что именно этот способ реализации проектов является критически важным инструментом экономического развития страны. Именно он позволяет объединить ресурсы и возможности государства на федеральном и региональном уровнях с возможностями бизнеса. К 2024 г. в России было уже 3427 действующих соглашений о реализации ГЧП – проектов с общим размером инвестиций 4,8 трлн руб., из этой суммы 3,3 трлн руб. (69%) – внебюджетные средства. Эти соглашения обеспечили строительство важнейших инфраструктурных проектов: аэропортов, дорог, мостов, а также школ, больниц и т. д. Дальнейшие задачи по инфраструктурному строительству, в том числе заложенные в документах государственного стратегического планирования, в значительной степени связаны с реализацией проектов. В этой связи остро встает вопрос подготовки, запуска и масштабирования инфраструктурных проектов на принципах ГЧП.

Жизненный цикл инвестиционного проекта ГЧП включает множество стадий, начиная с определения параметров объекта, выбора организационно-правовой и финансовой структуры партнерства, проведения конкурсной или иной предусмотренной законом процедуры привлечения инвестора, переговоров и заключения контракта. Непосредственно соглашение о ГЧП является комплексным юридическим документом со множеством технических и финансовых приложений. Как правило, это тысячи страниц. От идеи проекта до подписания соглашения проходят годы, иногда более 10 лет. Столь долгий срок обусловлен не в последнюю очередь недостатком развитых и обособленных компетенций на стороне государственных органов, невозможностью принятия решений бюрократическим аппаратом в условиях отсутствия четких правил и алгоритмов, страх совершить ошибку. И это не попытка критики государственных служащих – это констатация объективной реальности. Представитель государства практически не имеет права на ошибку. Банк ВТБ, со своей стороны, ведет работу по подготовке региональных специалистов по теме ГЧП, но масштаб страны и разнообразие государственных задач этот процесс сильно затрудняют.

Еще больше усложняет ситуацию по подготовке проектов ГЧП отсутствие согласованных на федеральном уровне принципов структурирования и оценки проектов, а также их перечня на ближайшие годы.

Какие проблемы может решить ИИ

Серьезным подспорьем в решении всех этих проблем могла бы стать созданная по заказу правительства информационная система на основе ИИ, прошедшая валидацию, с закрепленной в законодательстве юридической силой вырабатываемых решений и рекомендаций по реализации проектов ГЧП. Точнее, сначала ИИ должен быть законодательно внедрен в плоскость экономического моделирования и формулирования юридически значимых условий партнерства, а вслед за тем должен появиться заказчик и исполнитель для создания такой системы.

Система, о которой мы говорим, должна содержать информацию по уже заключенным контрактам в сфере ГЧП. Каждый из 3500 действующих контрактов – это уникальный опыт, диджитализация и систематизация которого позволили бы создать электронный «конструктор» ГЧП-проектов высочайшей эффективности. Помимо того, система должна располагать качественной информацией о правилах, возможностях и ограничениях для реализации подобных проектов в нашей стране, о реализуемых государственных программах, в рамках которых рассматриваются такие проекты, а также по возможности иметь информацию о территориях (карты, градостроительные планы, данные различных реестров).

Используя этот гигантский опыт и материал, система сможет анализировать информацию одновременно в экономической, юридической, территориальной плоскостях и давать моментальные ответы на вопросы, над которыми сейчас участники бьются годами. Например, какую выгоду принесет этот проект региону, а какую – частному инвестору? Или как приоритизировать проекты, находящиеся на рассмотрении региональных властей? Или даже как оптимально реализовать проект. То есть нужно ли и как привлекать внешнее финансирование, какими программами можно было бы воспользоваться, каковы очередность действий, полезный опыт и ошибки, допущенные в аналогичных проектах предшественниками.

Внедрение ИИ в процесс обсуждения деталей соглашений на предпроектной стадии могло бы значительно ускорить саму процедуру переговоров. Дело в том, что зачастую они проходят на уровне комитетов и департаментов, не имеющих значительного опыта заключения подобных соглашений, что требует дальнейшего согласования деталей с лицами, принимающими решения. Это, в свою очень, сильно затягивает процесс и вызывает претензию к срокам проработки и заключения соглашений на федеральном уровне.

К разработке данной системы, безусловно, целесообразно было бы подключить основных участников рынка: банк ВТБ как первопроходца в области реализации ГЧП-проектов с развитой IТ-экспертизой, правительство, Министерство экономического развития, Министерство транспорта, Министерство строительства, а также региональные и муниципальные власти.

За что ответит ИИ

Безусловно, при разработке и внедрении этой системы возникает огромное количество вопросов. Прежде всего вопрос юридической ответственности. Где проходит граница ответственности между создателем алгоритма, лицами, подгружающими информацию в базу данных, лицами, определяющими приоритетность факторов для оценки эффективности проекта и выработки предложений по его реализации, а также многими другими участниками создания, модернизации и использования системы с применением ИИ? Компьютер или программа не являются лицом, которое может быть привлечено к ответственности за свои действия и предложения. Какие параметры задавать внутри системы? Может ли система предлагать варианты решения, которые будут менять макропараметры проектов, если сочтет это необходимым (а также, например, исходя из практики удорожания проектов в процессе реализации), или же она должна действовать четко в предложенных рамках? Все эти вопросы требуют тщательной проработки.

Но, с другой стороны, давайте представим, как мог бы измениться механизм принятия решений с внедрением подобной системы. Созданная система, с нашей точки зрения, должна получить определенный мандат на создание оптимальных экономических решений и проектов соглашений, а также рекомендаций, позиций и возражений в ходе согласования проекта документа о партнерстве и экономической модели проекта с частным партнером.

Возвращаясь к теме ответственности госслужащих, считаем, что система должна действовать как инструмент поддержки и достаточного обоснования принимаемых решений на всех уровнях государственного аппарата при подготовке и заключении соглашений. Выбор чиновника по поддержке того или иного проекта, а также способа его реализации и условий может быть аргументирован произведенными или верифицированными системой ИИ расчетами и логическими обоснованиями. Важны ссылки на релевантный исторический опыт реализации подобных проектов, которые являлись бы неотъемлемой частью электронного документооборота на стороне государства.

Алгоритм, тем более самообучаемый, лишен страха: если он способен сгенерировать оптимальное решение, он это делает. При этом важно, что ИИ не принимает решения, но генерирует и предлагает. Валидируют их люди. Тем не менее этот механизм призван снять лишнее напряжение в отрасли и сделать решения более профессиональными и рационально обоснованными. Применение ИИ в проектах государственно-частного партнерства, исключение фактора человеческих эмоций, алгоритмический расчет эффективности предлагаемых решений должны привести к позитивным изменениям для развития российской экономики в целом.

Авторы – Антон Лысенков (вице-президент, заместитель руководителя дирекции «Транспорт и инфраструктурное строительство», Банк ВТБ) и Илья Седов (управляющий директор, департамент финансирования инфраструктуры, ВТБ Инфраструктурный Холдинг)