Студенты ГУАП внедрят ИИ в процесс обработки сообщений граждан

Студенты ГУАП разработали программный инструмент обработки сообщений граждан с использованием алгоритмов машинного обучения. С его помощью можно автоматически определить отраслевое направление поступивших в органы власти сообщений. Необходимость разработки обусловлена высоким запросом на качественную аналитику поступающих сообщений от граждан в условиях стремительно развивающихся государственных цифровых сервисов и новых информационных технологий, рассказал на презентации проекта заместитель председателя Комитета территориального развития (КТР) Санкт-Петербурга Василий Пирогов.

В процессе работы над проектом студенты протестировали нейросетевые модели, которые могут быстро классифицировать текст. В процессе обучения искусственного интеллекта использовались обезличенные архивные данные, рассказал один из разработчиков проекта Матвей Головкин. В качестве языка программирования был выбран Python. Принцип работы системы состоит в том, что пользователь может загрузить заранее подготовленный файл с набором сообщений, затем система с помощью нейросети обрабатывает сообщения и возвращает их с указанием отраслевых направлений.

С ноября 2025 г. разработанная модель в тестовом режиме была внедрена в работу аналитического центра СПб ГКУ «Центр содействия развитию институтов гражданского общества» (подведомственен КТР), который анализирует сообщения граждан, поступившие в исполнительные органы власти. Для обучения модели было использовано 140 297 обезличенных сообщений петербуржцев. По уровню достоверности распределения сообщений по отраслевым направлениям были определены три группы. Первая с высокой долей точности при обработке сообщений (более 75%). В нее вошли направления здравоохранение, транспорт и дороги. Во вторую группу попали направления – образование и благоустройство, здесь модель достоверно выявляла 65-75% сообщений. В третью группу вошли направления с достоверностью распределения менее 65%.

«Модель на этом этапе способна обеспечить обработку примерно 70% сообщений, однако остаются сложные примеры – сообщения, которые векторный поиск не может определить. Поэтому оставшиеся сообщения поступают для классификации в нейронную сеть. При этом примерно 5% сообщений отправляется экспертам на ручную проверку и обработку», – пояснил Головкин.  

По словам председателя КТР Дениса Царегородцева, это важный проект для Санкт-Петербурга. Он отметил, что качество аналитической работы влияет на обоснованность принятия управленческих решений. «Правительство города уделяет особое внимание развитию обратной связи с жителями города, которая позволяет нам, исполнительным органам государственной власти, оперативно принимать необходимые меры и качественно решать актуальные проблемы петербуржцев», – добавил Царегородцев. 

В перспективе запланирована интеграция модели в систему по тем направлениям, где она уже достигла высокой точности работы. «Проект позволит сократить время предобработки текстовых сообщений и их распределения по отраслям, что даст возможность проводить более качественную аналитическую работу», – заключил Василий Пирогов.