Legal.AI - Алексей Сидорин, КРОК - ИИ в Reg Tech

Transcript

1. ИИ в REG-TECH и LEGAL-TECH Опыт КРОК в автоматизации судов Сценарии использования машинного обучения в судебной практике Дорожная карта и проблематика ИИ в Reg-tech, Gov-tech и Legal-tech Алексей Сидорин Архитектор бизнес-решений
2. Выручка за 2018г. 30,3 млрд руб. ТОП 3 на рынке системной интеграции России (IDC, 2018) ТОП 3 лидеров рынка ИТ-услуг России (РА Эксперт, 2019) ТОП 10 крупнейших ИТ-компаний России (РА Эксперт, 2019) ТОП 5 крупнейших консалтинговых компаний России (РА Эксперт, 2019) >300 партнеров >2000 проектов в год >2100 сотрудников 40 российских 10 азиатских 30 open source 9 Центров решений и свыше 10 демонстрационных лабораторий, в том числе Центр виртуальной реальности Сертификат качества ГОСТ ISO 9001-2015, система качества действует более 15 лет О КОМПАНИИ
3. 3 МИНИСТЕРСТВО ВНУТРЕННИХ ДЕЛ ФЕДЕРАЛЬНЯ АНТИМОНОПОЛЬНАЯ СЛУЖБА МИНИСТЕРСТВО ФИНАНСОВ РФ ГЕНЕРАЛЬНАЯ ПРОКУРАТУРА РФ ВЫСШИЙ АРБИТРАЖНЫЙ СУД РФ ФЕДЕРАЛЬНАЯ СЛУЖБА ГОСУДАРСТВЕННОЙ СТАТИСТИКИ МИНИСТЕРСТВО ТРАНСПОРТА РФ МИНИСТЕРСТВО КУЛЬТУРЫ РФ
4. 4 МНОГО БОЛЬШЕ ЧЕМ САЙТ Центр обработки данных Обеспечивающие подсистемы Информационно- аналитическая подсистема Электронный архив дел Аудио- и видеофиксация Видеоконференц- связь Внутренний портал МГС и районных судов Москвы Электронное дело Межуровневое взаимодействие между судами Межведомственное взаимодействие Прикладные подсистемы
5. 5 САМОЕ СЛОЖНОЕ И ЦЕННОЕ – МЕЖВЕДОМСТВЕННЫЕ ИНТЕГРАЦИИ Прокуратура Москвы Управление Федерального казначейства по Москве Главное следственное управление Следственного комитета по Москве (включая отделы) Управление Федеральной налоговой службы по Москве Судебный департамент при Верховном суде РФ Московский городской суд 35 районных судов Москвы Управление Судебного департамента в Москве Управление Федеральной службы судебных приставов по Москве Управление Федеральной службы исполнения наказаний России по Москве (включая СИЗО) Департамент жилищно- коммунального хозяйства города Москвы ФГУП «Почта России» 438 судебных участков мировых судей Адвокаты и переводчики Граждане
6. 6 ИСКУСТВЕННЫЙ ИНТЕЛЛЕКТ В LEGAL Поддерживающие процессы Использование машинного обучения для повышения эффективности существующих процессов o NLP – распознавание текста o Авто-протоколирование o Поддержка инфраструктуры o Прогнозирование загрузки Добавленная ценность Создание новых возможностей и процессов за счет использования машинного обучения o Мониторинг внешних источников и СМИ o Виртуальные ассистенты o Распределение ресурсов Основная деятельность Использование искусственного интеллекта для основной деятельности … (суда например) o Самостоятельное вынесение решений по делам o Проведение проверок и аудитов o Квалификация правонарушений
7. Сейчас в интернете как минимум 7876 вакансий, где есть строчка «сканировать книги»
9. 9 Пример из практики: создание дополнительной ценности Решение задачи оценки позитивного/негативного контекста упоминания Есть система, которая собирает XXX из многочисленных источников в одно место XXX = Новости из СМИ XXX = Протоколы и постановления XXX = Документы XXX = Что-то текстовое и важное Выделение объектов из документов Определение семантики упоминания Переобучение негативный позитивные категория Машинное обучение Правила Требуется очень большой массив данных Это Supervised ML, значит нужно много ручной разметки Модель требует постоянного переобучения Иногда, это экономически не выгодно Требуется хорошо регламентированная область, либо хорошо изученная Интерпретируемый алгоритм Иногда, это может лучше решать задачу
10. 10 Единый язык данных Бракоразводные процессы Очень большая вариативность Невозможно прецедентное право Не получилось =( ИИ - помощник судьи Не принимает решений Предлагает вероятности на основании релевантной судебной практики КоАП Гл. 12 (ПДД) Легко На основании данных, ~98% доказана вина Результат 100% виновны Задача ИТ предоставить максимально полную поддержку принятия решения или достаточную. Учитывать ли общественный резонанс процесса?
11. 11 А ЧТО БЫ ХОТЕЛОСЬ?
12. 12 ДОРОЖНАЯ КАРТА СБОР И ИЗУЧЕНИЕ ДАННЫХ ОТЧЕТНОСТЬ И РЕКОМЕНДАЦИИ ОРГАНИЗАЦИОННЫЕ РЕШЕНИЯ ЧЕЛОВЕК ДЕЛАЕТ, ИИ СОВЕТУЕТ ИИ ДЕЛАЕТ, ЧЕЛОВЕК ВЕРИФИЦИРУЕТ Аудит полноты и достаточности существующих данных для реализации дорожной карты Формирование «карточек 360» на объекты (физ. лица, юр.лица, дела, процессы и т. д.) Продвинутая отчетность Автоматизированное распределение задач на команды на основе накопленных данных и организационной модели Подготовка предварительного решения и всей аналитики для повышения эффективности принятия решений Замена человека в принятии решений. Прозрачный неинвазивный контроль.
13. 13 ЧЕЛОВЕК ДЕЛАЕТ, AI СОВЕТУЕТ AI ДЕЛАЕТ, ЧЕЛОВЕК ВЕРИФИЦИРУЕТ ПЕРЕХОДНЫЙ ПЕРИОД Обучение модели ИИ Пилотирование механик участия ИИ СМЕЖНЫЕ ОБЛАСТИ Переобучение людей Культурная трансформация Внешние коммуникации Деятельность с прозрачными правилами и минимальным влиянием человеческого фактора
14. интегрируем будущее Алексей Сидорин Архитектор бизнес-решений
15. ДЛЯ ЭТОГО НУЖЕН НСУД ИЛИ АНАЛОГИ СТИХИЙНАЯ ИНТЕГРАЦИЯ ИНТЕГРАЦИОННАЯ ШИНА + НСИ • Интеграция между системами разрабатывается по мере необходимости • При появлении новой системы, она интегрируется с каждой из существующих • Все интеграции проходят через интеграционную шину • При появлении новой системы, разрабатывается только 1 интеграция • Добавляется еще одна система, в которой хранится сводная очищенная информация • Корпоративные системы могут обращаться к НСИ