Технологии искусственного интеллекта в официальной статистике: возможности использования и риски

Статья посвящена исследованию возможностей и рисков использования генеративного искусственного интеллекта (Ген ИИ) в деятельности статистических служб. В условиях цифровизации и увеличения объемов данных Ген ИИ становится ключевым инструментом для автоматизации процессов сбора и обработки информации, оптимизации аналитики, а также повышения точности прогнозов. Однако внедрение этих технологий сопряжено с рядом значительных рисков, таких как утечка данных, киберугрозы, снижение доверия к официальной статистической информации и отсутствие единых стандартов оценки качества данных.
Цель исследования – на основе анализа использования в деятельности статистических служб технологий искусственного интеллекта выявить потенциальные риски применения Ген ИИ и предложить рекомендации для их минимизации. Результаты проведенного исследования показывают, что главные угрозы связаны с утечкой данных, возможным получением недостоверной информации, а также с кибератаками на модели Ген ИИ. В статье предлагаются стратегии управления рисками, включая разработку политики использования ИИ, повышение прозрачности алгоритмов и создание систем мониторинга безопасности.
Новизна работы заключается в комплексном анализе рисков Ген ИИ в деятельности статистических служб, что не получило ранее достаточного освещения в научной литературе. В отличие от предыдущих публикаций акцент сделан на институциональных аспектах и вопросах кибербезопасности, а также на необходимости разработки международных стандартов валидации данных и управления рисками

1. Chui M. et al. The State of AI in 2023: Generative AI’s Breakout Year. McKinsey & Company, 2023. URL: https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai-in-2023-generative-ais-breakout-year#/ (дата обращения 03.02.2025).

2. Velkoff V. Modernizing the U.S. Census Bureau’s Demographic Programs // International Journal of Population Data Science. 2024. Vol. 9. No. 5. doi: https://doi.org/10.23889/ijpds.v9i5.2913.

3. Lepage-Richer T., McKelvey F. States of Computing: On Government Organization and Artificial Intelligence in Canada // Big Data & Society. 2022. Vol. 9. Iss. 2. doi: https://doi.org/10.1177/20539517221123304.

4. Yang Y. et al. Machine Learning for Economic Forecasting: An Application to China's GDP Growth // Computation and Language. ArXiv. 2024. doi: https://doi.org/10.48550/arXiv.2407.03595.

5. UNECE. Large Language Models for Official Statistics. HLG-MOS White Paper. December 2023. URL: https://unece.org/sites/default/files/2023-12/HLGMOS%20LLM%20Paper_Preprint_1.pdf (дата обращения 12.02.2025).

6. UNECE. Use of Generative AI in Statistical Organizations: CES Survey Results. URL: https://unece.org/sites/default/files/2024-08/AI%20Survey%20results.pdf (дата обращения 12.02.2025).

7. Матраева Л.В., Васютина Е.С., Башина О.Э. Методологические проблемы развития информационно-аналитической инфраструктуры для оценки состояния и прогнозирования сферы искусственного интеллекта // Проблемы прогнозирования. 2024. № 1. С. 116–131. doi: https://doi.org/10.47711/0868-6351-202-116-131.

8. Elsner M., Atkinson G., Zahidi S. The Global Risks Report 2025. 20th edition. Cologny/Geneva: World Economic Forum, 2024. URL: https://www.weforum.org/publications/global-risks-report-2025/ (дата обращения 12.02.2025).

9. Shabsigh G., Boukherouaa E.B. Generative Artificial Intelligence in Finance // Fintech Notes. NOTE/2023/006. Washington, DC: IMF, 2023. URL: https://www.imf.org/en/Publications/fintech-notes/Issues/2023/08/18/Generative-Artificial-Intelligence-in-Finance-Risk-Considerations-537570.

10. Stanford University Human-Centered Artificial Intelligence. Artificial Intelligence Index Report 2024. URL: https://aiindex.stanford.edu/wp-content/uploads/2023/04/HAI_AI-Index-Report_2023.pdf (дата обращения 03.02.2025).

11. Zou A. et al. Universal and Transferable Adversarial Attacks on Aligned Language Models // Computation and Language. 2023. doi: doi.org/10.48550/arXiv.2307.15043.

12. Ozili P.K. Artificial Intelligence in Central Banking: Benefits and Risks of AI for Central Banks // Industrial Applications of Big Data, AI, and Blockchain. Hershey, PA: IGI Global Scientific Publishing, 2024. P. 70–82. doi: https://doi.org/10.4018/979-8-3693-1046-5.ch004.

13. Perry N. et al. Do Users Write More Insecure Code with AI Assistants? // Proc. of the 2023 ACM SIGSAC Conf. on Computer and Communications Security (CCS '23). Copenhagen Denmark, November 26–30, 2023. New York, USA: Association for Computing Machinery, 2023. P. 2785– 2799. doi: https://doi.org/10.1145/3576915.3623157.

14. Levendowski A. How Copyright Law Can Fix AI’s Implicit Bias Problem // Washington Law Review. 2018. Vol. 93. No. 2. P. 579–630. URL: https://digitalcommons.law.uw.edu/wlr/vol93/iss2/2.

15. Кочергин С.В. и др. Кибербезопасность смарт-сетей: сравнение подходов машинного обучения для обнаружения аномалий // Russian Technological Journal. 2024. Т. 12. № 6. С. 7–19. doi: https://doi.org/10.32362/2500-316X-2024-12-6-7-19.

16. Scherer M.U. Regulating Artificial Intelligence Systems: Risks, Challenges, Competencies, and Strategies // Harvard Journal of Law & Technology. 2016. Vol. 29. No. 2. doi: https://dx.doi.org/10.2139/ssrn.2609777.

17. Mannes A. Governance, Risk, and Artificial Intelligence // AI Magazine. 2020. Vol. 41. Iss. 1. P. 61–69. doi: https://doi.org/10.1609/aimag.v41i1.5200