Tehisintellekt avalikus sektoris: kaheksa kasutusjuhtu ja nõuded

Kus jookseb piir avalikus sektoris

Avalikus sektoris on AI küsimus tavaliselt valesti püstitatud. Küsitakse, millist mudelit kasutada, kuigi tegelik küsimus on, milliseid menetlustoiminguid saab teha ilma inimese otsuseta ja milliseid mitte. See piir ei tule tehnoloogiast, vaid haldusmenetlusest: otsus peab olema põhjendatud, isik peab saama sellest teada ja otsust peab saama vaidlustada.

Seetõttu ei ole avaliku sektori AI konsultatsioon kunagi ainult tehniline projekt. Selles peab olema keegi, kes loeb seadust, ja keegi, kes teab, kuidas praegune menetlus päriselt käib, sest see, mis on kirjas menetlusjuhendis, ja see, mida ametnik tegelikult teeb, erinevad tihti.

Kaheksa kasutusjuhtu ametiasutusele

1. Avalduste ja kirjade registreerimine

Iga päev tuleb postkasti kirju, mis tuleb registreerida, liigitada ja suunata õigele menetlejale. See on mehaaniline töö, mille puhul masin on kiirem ja järjekindlam: tuvastab dokumenditüübi, leiab vajalikud väljad (nimi, isikukood, kuupäev, soov), kontrollib, kas lisad on kaasas, ja pakub suunamist.

Kaks nõuet. Esimene: registreerimine peab jääma dokumendihaldussüsteemi, mitte uude kohta, kust keegi hiljem otsida ei oska. Teine: kui liigitus on ebakindel, peab dokument minema käsitsi lahendamisse, sest valesse menetlusse suunatud avaldus tähendab tähtaegade rikkumist.

2. Teabenõuetele ja korduvatele kirjadele vastamine

Suur osa kirjavahetusest on samad küsimused: kuidas taotleda, mis on tähtaeg, millist dokumenti on vaja, kus on vorm. Kui asutuse juhendid ja teenuste kirjeldused on ühes kohas korras, saab vastuse mustandi koostada automaatselt, viitega õigusaktile ja teenuselehele.

Viide on siin kogu mõte. Vastus, mis ütleb „vastavalt seadusele“ ilma paragrahvi ja lingita, ei aita kodanikku ja tekitab uue kirja. Vastus, mis viitab konkreetsele sättele avaliku teabe seaduses, lõpetab kirjavahetuse.

3. Juhendite ja õigusaktide siseotsing

Ametnik kulutab palju aega sellele, et leida, milline juhend kehtib ja kas seda on muudetud. Kui asutuse sisemised juhendid, õigusaktid ja varasemad otsused on indekseeritud, saab esitada küsimuse loomulikus keeles ja saada vastuse koos allikaga.

See on kõige ohutum AI kasutus avalikus sektoris, sest väljund ei ole otsus, vaid viide. Tingimus on, et vastus näitab allikat ja kuupäeva ning süsteem ei vasta, kui allikat ei leita. Kuidas selline teadmistebaas üles ehitada, on kirjas artiklis teadmistebaas chatbotile.

4. Taotluse täielikkuse kontroll

Toetuse, loa või hüvitise taotlus peab sisaldama nimekirja dokumente. Masin saab kontrollida, kas kõik on olemas, kas summad klapivad ja kas kuupäevad on loogilised, ning saata puuduste teate enne, kui menetlustähtaeg hakkab lõppema.

Piir on selge: täielikkuse kontroll ei ole sisuline otsus. See, kas taotlus vastab tingimustele, jääb inimesele. Praktikas on just see lõik see, mis säästab kõige rohkem aega, sest puuduv lisa selgub sageli alles menetluse keskel.

5. Kõnede kokkuvõte ja märksõnad

Paljudes asutustes salvestatakse klienditeeninduse kõnesid. Nende transkribeerimine ja kokkuvõte aitab juhtimisel näha, millised teemad kasvavad, ning menetlejal lugeda kõne sisu ilma salvestust kuulamata.

Siin tasub olla ettevaatlik: kõnesalvestus on isikuandmete töötlemine ja nõuab selget alust ning teavitust. Kui kokkuvõtet kasutatakse töötaja hindamiseks, on tegu hoopis teise olukorraga, kus tuleb arvestada töösuhte reeglitega. Kontrolli enne alustamist, mida asutuse teavituses on lubatud.

6. Hankepakkumiste võrdlustabel

Hindamiskomisjon kulutab päevi sellele, et lugeda pakkumisi ja kanda numbrid tabelisse. Masin saab koostada mustandi: leida pakkumusest nõutud näitajad, panna need tabelisse ja märkida kohad, kus nõutud andmeid ei ole.

Otsuse teeb komisjon ja põhjenduse kirjutab inimene. Ka siin kehtib sama reegel: kui pakkumuse tekst on mitmeti mõistetav, ei tohi süsteem otsustada, vaid peab selle välja tooma.

7. Avaandmete kirjeldamine ja avaldamine

Avaandmete väärtus sõltub kirjeldusest. Kui andmestikul puudub kirjeldus, uuendamise sagedus ja vea kontakt, ei kasuta seda keegi, ka mitte AI. Masin saab aidata koostada kirjelduse andmete põhjal ja kontrollida, et avaldatav andmestik on masinloetav.

See töö tasub end ära kahel viisil: ühelt poolt täidab see avaldamise kohustust, teiselt poolt paraneb asutuse enda otsing, sest sama andmestikku kasutavad hiljem ka sisemised teenused.

8. Tõlkimine ja mitmekeelne teenus

Eesti avalikus sektoris on igapäevane vajadus eesti-, vene- ja ingliskeelse teksti järele. Masintõlge on tänaseks piisav, et koostada mustand, ja inimene toimetab. Kokkuhoid on märgatav just lühikeste, korduvate tekstide puhul: teated, vormijuhendid, sagedased vastused.

Kriitiliste õigustekstide puhul jääb tõlkimine inimese tööks. Vale tõlge õiguslikus teates on sama kahjulik kui vale otsus.

Kust alustada: mõju ja vaev kõrvuti

Tähtsuse järjekord sõltub asutusest: kui menetluste maht on suur ja tähtajad ranged, alusta dokumendivoost ja teabenõuetest. Kõnede kokkuvõte on viimane, sest selle õiguslik ettevalmistus on kõige pikem ja kasu väikseim.

Mida tohib automaatselt, mida mitte

See tabel on projekti kõige kasulikum osa, sest ta vastab küsimusele, mille peale nõustaja ja IT osakond tihti eri keeles räägivad.

Õiguslik raamistik lühidalt

• Haldusmenetlus. Haldusmenetluse seadus nõuab, et otsus oleks põhjendatud ja isik saaks selle vaidlustada. See tähendab, et automaatne väljund peab olema seletatav ilma mudeli siseelu tundmata: millised faktid, milline norm, milline järeldus.
• Avalik teave ja avaandmed. Avaliku teabe seadus reguleerib juurdepääsu teabele ja avaandmete avaldamist. § 3¹ lg 4 nõuab avaandmete juures andmekirjeldust ja masinloetavat avatud vormingut, kui see on võimalik, ning dünaamiliste andmete puhul nende ajakohastamist (§ 3¹ lg 8³).
• Isikuandmed. Isikuandmete üldmääruse artikkel 22 piirab ainult automatiseeritud otsust, mis mõjutab inimest oluliselt. Andmekaitse Inspektsiooni juhend selgitab kohaldumist; mõjuhinnang (DPIA) on kohustuslik siis, kui töötlemine tõenäoliselt toob kaasa suure riski, näiteks ulatusliku profiilianalüüsi või eriliigiliste andmete korral (isikuandmete üldmääruse artikkel 35). Selle kohta on eraldi artikkel AI ja isikuandmed.
• Tehisintellekti määrus. Määrus (EL) 2024/1689 jõustus 1. augustil 2024. Avalik asutus on enamasti kasutuselevõtja, kelle kohustused on inimjärelevalve, kasutusotstarbele vastav kasutus, läbipaistvus ja kõrge riskiga süsteemide puhul põhiõiguste mõju hindamine. III lisa kõrge riskiga süsteemide nõuded, mis katavad muu hulgas olulistele avalikele teenustele ja hüvitistele juurdepääsu, kohalduvad 2. detsembrist 2027 (määrus (EL) 2026/1744). Ametlikud juhised ja ajakava on AI Act Service Deskis, kohustuste järjekord artiklis AI määrus ettevõttele.
• Andmevahetus. Kui süsteem vajab andmeid teisest asutusest, käib see X-tee kaudu. Päringu eesmärk ja maht tuleb andmete valdajaga kokku leppida enne, mitte pärast seda, kui prototüüp on valmis.

Kaks nädalat: kaart ja varju-prototüüp

1. Nädal 1: menetluse kaart

   Vali üks menetlus ja kirjuta see samm-sammult üles koos sellega, kes igal sammul otsustab. Märgi iga sammu juurde, kas seal on kaalutlusõigus. Tulemuseks on joonis, mille peal saab takistusteta arutada, kus masin võib tegutseda ja kus mitte.

2. Nädal 2: varju-prototüüp

   Ehita üks tükk tööle nii, et väljundit ei kasutata veel päris menetluses. Näiteks liigitab süsteem nädala kirjad ja inimene võrdleb oma liigitusega. Mõõda kokkulangevus. Alles siis, kui see number rahuldab, räägi avalikust kasutusest, teavitusest ja andmekaitsest.

Nii väldid tavalist viga: prototüüp valmib hästi, aga keegi ei oska öelda, kus see menetluses asub. Kui tahad enne otsust ühe piloodi mõõtmise loogikat, on see kirjas artiklis AI pilootprojekt.

Kui ostate selle sisse

Avaliku sektori hanke puhul on kolm küsimust, millele tarnija peab vastama kirjalikult, mitte presentatsioonis. Kuhu andmed lähevad ja kas need jäävad Euroopa Liitu? Mida süsteem logib ja kui kaua? Mida teeb süsteem siis, kui mudelit vahetatakse, kas vanad otsused jäävad tõendatavaks?

Kui neile ei ole vastust, ei ole tegu hankega, vaid katsega. Kasutusjuhtude ülevaates on näha, kuidas sama loogika töötab teistes valdkondades, ja AI konsultatsiooni mõte ongi teha see kaart enne, kui raha kulub.