Как украинский искусственный интеллект ускоряет лицензирование в e-Permit: опыт Министерства экономики

В системе «єДозвіл» заработал новый «умный» модуль, анализирующий документы с помощью большой языковой модели (LLM). И это не просто аналитика, а полная предварительная проверка всех материалов, которая раньше была полностью ручной: правильность дипломов, последовательность данных, изменения в фамилии, актуальность справок, соответствие требованиям к образованию, срокам, именам, датам. ИИ не принимает решение, но готовит почву для него. Дает человеку то, на что уходит больше всего времени, — предварительную проверку с конкретными комментариями. ИИ делает это без предвзятости, в замкнутой среде — на украинских серверах, без передачи данных за границу.

Пилотный запуск касается ветеринарной лицензии. Но это только начало. На самом деле речь идет об архитектуре, которую можно масштабировать. О стеке, который умеет сочетать сканы документов и структурированную аналитику. А также о команде, которая смогла это реализовать в условиях жестких законодательных ограничений, нехватки данных и высокой ответственности. Что именно сделали и как это работает внутри — разбираемся далее.

Зачем пускать ИИ в разрешительную систему?

Лицензии — не та отрасль, где кто-то ждет технологических прорывов. Никто не обновляет разрешения с iPhone в руке, не мечтает о UX. Здесь все консервативно. Но именно поэтому она и стала идеальным полем для внедрения искусственного интеллекта.

Проблема проста. Чтобы получить лицензию, предприниматель обычно готовит заявку, прикрепляет документы, отправляет их через «Дію». Далее — заявление попадает в систему, где его вручную открывает чиновник и начинает перечитывать документы. Один за другим: диплом, удостоверение, справка, подпись, дата. Сравнивает, проверяет, сомневается. Если что-то не так — отказ, не всегда понятный для заявителя. Пока тот разбирается в причинах отклонения заявки — очередь уже сдвинулась. И так по кругу.

Ветеринарная лицензия — именно такой кейс. Сложная, многокомпонентная, с четкими требованиями к профессиональной квалификации. В заявке может быть несколько сотрудников — и каждый из них имеет пакет документов, который нужно вычитать, сверить, утвердить. До внедрения ИИ это делалось вручную. На одну даже идеально оформленную заявку нужно было потратить определенное время — на одного человека это минуты в идеальных условиях, без сбоев и отвлекающих факторов. А если людей в заявке много, или данные расходятся? А если сертификат утратил силу? А если фамилия изменилась, или диплом старый? Все это существенно замедляло процесс обработки данных.

Теперь все изменилось. Заявка подается через интерфейс в «Дії», далее документы автоматически попадают в систему «єДозвіл», где включается ИИ-модуль. Все материалы проходят полную проверку на логику, целостность, соответствие требованиям. Выявленные ошибки или несоответствия — подсвечиваются. Формируется рекомендация по решению. Чиновник открывает уже не «пустой стол», а результат аналитики, получая одну из двух рекомендаций: «рекомендовать выдачу лицензии» или «отклонить». В случае отклонения в ИИ-отчете указываются причины и несоответствия.

«В публичном секторе есть задачи, которые никто не хочет и не должен делать вручную, но они критически влияют на результат. ИИ-модуль берет на себя этот пласт работы и позволяет экспертам принимать решения быстрее и увереннее», — отметил заместитель Министра экономики, окружающей среды и сельского хозяйства Украины по вопросам цифрового развития, цифровых трансформаций и цифровизации Александр Цыборт.

Важно: модель не решает сама. Она дает ориентиры. Выделяет то, на что стоит обратить внимание. Окончательное решение всегда принимает человек.

Как работает система: от обработки документов до рекомендации

ИИ-модуль в «єДозвіл» — не просто очередная интеграция LLM, это спроектированная с нуля инфраструктура с четкой логикой, контролируемым пайплайном и полным отказом от зарубежных облачных сервисов и без использования зарубежных облачных сервисов. Когда пользователь подает заявку, система получает два потока данных: структуру заявки (она поступает в цифровом формате) и прикрепленные документы (чаще всего PDF или изображения). Здесь подключается первый модуль на основе Qwen 2.5 7B VL. Он извлекает текст из файлов: сканирует, распознает, разбивает на логические блоки. Работает как OCR, но гораздо гибче. В частности, он фиксирует несовпадения: если фамилия в дипломе не совпадает с данными в заявке, это несоответствие автоматически выносится в отдельную строку.

Qwen 2.5 7B VL — это мультимодальная модель с примерно 7 млрд параметров, способная работать одновременно с текстом и изображениями. Она умеет анализировать картинки, диаграммы, видео, определять объекты и их расположение, а также преобразовывать визуальные данные в структурированный формат. К тому же демонстрирует лучшие результаты среди небольших открытых моделей на бенчмарках по распознаванию текста.

Следующий шаг — обработка чистого текста. Здесь в игру вступает Gemma 3 27B — большая мультимодальная языковая модель от Google DeepMind с примерно 27 млрд параметров, способная работать с текстом и изображениями. Она имеет расширенное окно контекста, что позволяет обрабатывать даже очень длинные документы или большие наборы данных за один раз. Модель анализирует контекст, сверяет данные между собой, проверяет соответствие условиям. Например, достиг ли заявитель возраста, предусмотренного лицензионными условиями. Или указанный диплом действителен ли, и укладывается ли его дата в допустимые рамки. Модель работает не с фактами как таковыми, а с логикой: насколько полна заявка, какие поля вызывают сомнения, есть ли нестыковки.

Третий этап — формирование заключения. Модель не принимает решения. Она выводит объяснение: вот что обнаружено, вот почему это может быть критическим, вот рекомендация. Чиновник видит ее в собственном интерфейсе. Если все в порядке — одобряет. Если нет — возвращает заявителю или запускает ручную проверку.

«В системе работает комбинация моделей: Gemma 3 отвечает за анализ текста и формирование рекомендаций, а Qwen 2.5 — за распознавание приложенных документов. Именно сочетание нескольких моделей и дополнительная обработка файлов делают это решение уникальным. Благодаря этому можно сверять данные заявителя с поданными документами, проверять актуальность дипломов и даже подтверждать изменение фамилии, если в дипломе и свидетельстве о повышении квалификации они не совпадают», — объясняет Александр Акуленко, руководитель AI-направления MK-Consulting.

Все эти шаги связаны в единую систему, построенную на Dify — инструменте для управления агентами и модульной обработкой. Именно с помощью Dify происходит связь между Qwen и Gemma, здесь настроена очередность операций, логика проверок, шаблоны рекомендаций. Именно здесь заложено самое важное: гибкость обновления. Если завтра появится лучшая модель для работы с украинским языком — ее можно будет подключить без переписывания всей системы.

За разработку системы — от обновления процедур до технической логики и интеграции ИИ-модуля — отвечала команда Министерства экономики Украины. Интерфейс для бизнеса в «Дії» создала команда Минцифры. Саму ИИ-часть создала команда MK-Consulting. Координацию разработки осуществлял Офис эффективного регулирования BRDO, а финансирование обеспечил Европейский Союз в рамках проекта EU4DigitalUA, реализуемого организацией FIAP. Консультационную поддержку по подготовке нормативно-правовых актов оказывал проект EU4Business: SMEPIS.

Еще одна важная деталь — инфраструктура

Весь процесс работает в рамках украинского дата-центра компании De Novo, без каких-либо вызовов к сторонним API. В тестировании участвовал кластер с H100 и двумя A100, чтобы обеспечить эксперименты и стабильность. В продуктивном режиме используются две A100: одна обслуживает Gemma, другая — Qwen. Это позволяет системе выдерживать нагрузку, не снижая скорости обработки, которая составляет от 2 до 15 минут на заявку.

«Сочетание возможностей ускорителей NVIDIA A100 и H100 — классическое сочетание для мощных проектов. A100 хорошо подходит для стабильной работы больших моделей в производительном режиме, тогда как H100 дает возможность экспериментировать с новыми конфигурациями и масштабированием. Сочетание этих ресурсов позволяет выдерживать большие нагрузки и гарантировать качество сервиса. Но самое главное — все вычисления происходят в украинском облаке, что напрямую связано с цифровым суверенитетом: государство получает мощность мирового уровня без риска, связанного с вывозом данных за границу», — комментирует Геннадий Карпов, директор по технологиям De Novo.

Что обнаруживает ИИ и как это видит чиновник

Это, пожалуй, самое важное. Потому что модель — не самостоятельный эксперт и не закрытый инструмент, как во многих коммерческих сервисах. В государственной системе важно не только то, что модель что-то «думает», но и как именно она объясняет выводы. После прохождения полного цикла проверки чиновник видит на экране структурированный результат.

Перед ним — не просто кнопка «одобрить» или «отклонить», а контекст. Что проверено, в каком поле обнаружена ошибка, с чем именно она связана. Если в одном из дипломов указана фамилия, которая не совпадает с основной в заявке — это несоответствие отдельно выделено. Если возраст заявителя не соответствует минимально допустимому — поле будет выделено. Если подтверждение квалификации не актуально — об этом будет сообщено эксперту.

Формат ответа не является жестким шаблоном. Он построен так, чтобы оставлять пространство для служебного анализа. Модель не предписывает, а подсказывает. Она обозначает слабые места, объясняет логику и дает возможность служащему опираться на вычищенную, аккуратно разложенную по полочкам аналитику. Здесь нет ничего автоматического в решающем смысле. Каждое решение остается за человеком. Но благодаря новому модулю этот человек получает качественный инструмент — не заменитель, а цифровую лупу, которая уменьшает нагрузку, повышает точность и снижает риски.

Результат внедрения уже ощутим. Уменьшение повторных подач. Меньше возвратов из-за технических ошибок. Меньше вопросов от бизнеса: «А что не так в моей заявке?» Потому что теперь ответ становится очевидным — как для системы, так и для человека, работающего с ней.

Что будет дальше и почему эта история важна

Ветеринарная лицензия — лишь первый шаг на большом пути. Это, так сказать, эталонная реализация, на основе которой можно построить что-то большее. Сейчас команда готовит расширение на другие разрешительные процедуры. Логика масштабирования уже заложена: модульное построение, гибкая оркестрация, нейтральность к конкретной модели, наличие проверенной инфраструктуры. Все это позволяет строить государственную систему принятия решений нового поколения.

Параллельно с этим идет развитие самого ИИ. Проводятся эксперименты с дообучением моделей на украинских сканах (сейчас еще не все типы рукописных документов обрабатываются успешно). Изучаются мультимодальные подходы для будущих более сложных кейсов — когда в одной заявке могут быть текст, графика, таблицы, печати, произвольные форматы данных.

Идея не в том, чтобы сделать «бота для разрешений», а в новом типе государственного взаимодействия, где ИИ усиливает эксперта, уменьшает рутину и высвобождает время для действительно важных задач. Цифровое государство действует на глубинном уровне процесса и не нарушает при этом границы безопасности. Это именно то, что удалось реализовать в «єДозвіл» — открытые модели, локальная инфраструктура, гарантированная резидентность и суверенитет данных, прозрачная логика, полная юридическая совместимость.

Впрочем, это только начало. Как отметил один из участников проекта — мы не доказывали, что можем. Мы просто сделали.