Минфин резко ускорил рассмотрение бюджетных заявок за счет ИИ-агентов: время обработки сократилось с дней и недель до приблизительно одной минуты. Об этом рассказала первый замминистра финансов Ирина Окладникова, выступая 11 ноября 2025 года на профильном форуме. Речь идет о внедрении решений «Яндекса» и «Сбера», которые уже работают в основных бюджетных контурах — от анализа расходных заявок до прогноза доходов.
В 2024 году совместно со «Сбером» в министерстве был запущен ИИ-агент на базе языковой модели GigaChat для анализа «расходной» части бюджета. Его функции включают формирование корректных запросов, проверку семантического соответствия целей заявки госпрограммам и нацпроектам, а также автоматическую сортировку по направлениям финансирования. За счет этого нагрузка на специалистов была снижена до 70%. С момента внедрения прошло чуть более полутора лет, и система успела пройти как режим пилота, так и эксплуатацию в периоды пиковых нагрузок.
Ранее рассмотрение одной заявки даже у опытного сотрудника занимало 3–4 часа. В сезон активной корректировки федерального бюджета ведомство получало по 400–450 таких обращений ежедневно, что превращалось в очередь длиной до недели. Теперь алгоритм справляется с анализом за чуть более чем минуту, после чего человек проводит финальную проверку. По словам Окладниковой, уже в прошлом году уровень позитивных оценок от сотрудников достиг 84%. В текущем году ведомство расширяет круг задач для агента и готовит новую оценку эффективности.
На «доходной» стороне Минфин работает с ИИ-решениями «Яндекса». Алгоритмы прошли апробацию на данных по НДС и части неналоговых платежей. Расхождение между оценкой системы и выводами экспертов-аналитиков составило около 1,5% — для прогностических задач такого класса это считается сильным результатом. Эти наработки позволяют ускорить подготовку сценариев доходов и снизить чувствительность к человеческому фактору.
Планы на 2026 год предполагают запуск ИИ-агентов для оценки заявок о дополнительной потребности, а также для проверки обоснований бюджетных ассигнований в части закупок. Речь идет о стандартных расходах на содержание госорганов, типовых закупках и субсидиях. По сути, система должна взять на себя повторяющиеся процедуры, не влияющие на устойчивость и безопасность финансовых процессов, оставив людям контроль, исключения и разбор нетиповых кейсов.
Ведомство рассчитывает постепенно передать искусственному интеллекту весь спектр рутинных операций, которые можно формализовать. Для этого требуется завершить укрупнение и нормализацию ведомственных баз данных, унифицировать справочники и довести алгоритмы до промышленной готовности. Прозрачное происхождение данных, единые метрики качества и связность между реестрами — ключевые условия масштабирования.
Как изменился процесс обработки заявок на практике. Заявка от получателя бюджетных средств поступает в единый входной поток; ИИ-агент автоматически парсит содержимое, соотносит цели с действующими госпрограммами и нацпроектами, проверяет кодировку расходов, сроки и соответствие лимитам. Далее формируется заключение с обоснованием: на что ссылается система, где обнаружены несоответствия, какие документы стоит приложить дополнительно. Человек-куратор получает уже структурированный пакет и принимает решение. Такой «человек в контуре» снижает операционные риски и ускоряет прохождение цепочки согласований.
Какие метрики Минфин может использовать для дальнейшей оценки. Помимо времени обработки и доли автоматизации, логично отслеживать:
- точность семантического сопоставления заявок с паспортами программ;
- процент возвратов на доработку и причины отказов;
- нагрузку на экспертов по сложным кейсам;
- стабильность модели при пиковых потоках;
- объяснимость решений (доля выводов, сопровожденных понятными аргументами);
- безопасность и соблюдение регламентов доступа к данным.
Риски и меры контроля. Основные вызовы связаны с качеством исходных данных, риском «галлюцинаций» моделей, информационной безопасностью и соблюдением нормативов. Для их снятия внедряются несколько уровней валидации: техническая проверка данных на входе, правила блокировки подозрительных сценариев, ограничение контекста для модели, а также обязательная ручная верификация в критичных точках. Дополнительно формируются журналы событий и трассировка решений для последующих аудитов.
Влияние на сотрудников. Агент не «заменяет» профильную экспертизу, а перераспределяет функции: специалисты меньше времени тратят на монотонные сверки и больше — на оценку рисков, планирование и контроль исполнения. Это повышает качество обратной связи заявителям: система сразу выделяет, какие сведения недостают, и указывает на точные несоответствия с нормативной базой. В результате цикл «заявка — доработка — повтор» сокращается.
Экономический эффект. Ключевой выигрыш — высвобождение человеко-часов. Если раньше в пиковые периоды сотни заявок мультиплицировались в тысячи часов труда, теперь на каждый пакет уходит минуты алгоритмического времени и считанные десятки минут на проверку. Это ускоряет каскадные процессы формирования бюджета, снижает вероятность срывов сроков и повышает прозрачность для участников.
Технологические особенности. Использование языковой модели GigaChat в связке с профильными справочниками и регламентами позволяет учесть российскую терминологию и правовые конструкции. На стороне доходов подключенные модели строят кратко- и среднесрочные прогнозы с учетом сезонности и регуляторных изменений. Важным преимуществом стала способность систем «понимать» смысловые формулировки заявок, а не только формальные коды.
План дальнейшего масштабирования. После отработки типовых сценариев ведомство может распространить практику на:
- анализ обоснованности межбюджетных трансфертов;
- мониторинг исполнения контрактов и раннее выявление рисков;
- автоматическое сопоставление результатов с целевыми индикаторами госпрограмм;
- поддержку казначейских процедур, не влияющих напрямую на платежи;
- формирование пояснительных записок и аналитических справок на основе данных.
Правовые и этические аспекты. Для устойчивого эффекта необходимы регламенты ответственности: кто принимает финальное решение, как фиксируются основания отказа, как обеспечивается недискриминационный подход к заявителям. Принцип «человек принимает решение, ИИ готовит обоснование» сохраняется как базовый. Одновременно требуется обучение сотрудников работе с подсказками ИИ, чтобы выводы интерпретировались корректно.
Что это меняет для заявителей. Время ожидания ответа сокращается с недель до одного-двух рабочих дней с учетом человеческой верификации, а в простых случаях — до нескольких минут. Возвраты на доработку становятся предсказуемыми: в уведомлении указываются конкретные пункты, противоречащие нормам или паспорту программы, и предлагается перечень недостающих материалов. Это упрощает коммуникацию и повышает качество следующих обращений.
Синергия расходной и доходной частей. Когда оценка заявок и прогноз доходов увязаны едиными моделями и справочниками, снижается рассогласование между планами и реальными возможностями бюджета. В результате быстрее выстраиваются приоритеты, а корректировки становятся тактически выверенными. Точность в 1,5% по доходам — хороший задел для сценарного планирования.
Итог. Минфин за полтора года показал, что ИИ-агенты способны радикально ускорить и стандартизировать бюджетные процессы без потери контроля. Следующий шаг — промышленная интеграция в смежные контуры, расширение набора задач и доведение качества данных до уровня, при котором максимально возможная часть рутинных операций будет автоматизирована, а решения останутся прозрачными и проверяемыми. Такой подход укрепляет дисциплину исполнения бюджета и повышает управляемость финансовой системы в целом.
Комментарии