DeepMind расширяет PlanAssist на 12 советов Англии: проверка заявок быстрее на 58%

Любой, кто хоть раз ждал разрешения на пристройку или переделку мансарды, знает, как медленно крутится это колесо. Проблема не в сложности: типовые заявки простые, но их очень много. Именно эту очередь Google DeepMind решила разгрузить с помощью Gemini.

Что произошло

DeepMind и правительство Великобритании расширяют PlanAssist, ИИ-инструмент для планировщиков муниципальных властей. К трём пилотным советам (Barnet, Camden и Dorset) добавятся ещё 12, итого будет 15. Дальше начнётся 12-месячная бета на живых заявках, а при успехе в 2027 году инструмент хотят открыть всем советам Англии.

Масштаб проблемы понятен из цифр: типовые заявки домовладельцев занимают до 70% рабочей нагрузки планировщиков. Они обычно легко одобряются, но съедают непропорционально много времени. Это бьёт и по цели правительства построить 1,5 млн домов к 2029 году.

Как это работает

PlanAssist делает то, что раньше делал человек вручную, в четыре шага:

1. Проверяет комплектность документов и чертежей: всё ли приложено, чтобы заявка вообще могла двигаться дальше.
2. Сверяет заявку с ограничениями вроде охраны деревьев и памятников, а также с местными и национальными нормами.
3. Смотрит, не поступали ли ранее возражения, например от соседей.
4. Готовит отчёт с цитатами и ссылками на источники, который офицер редактирует и только потом принимает решение.

Представьте заявку на заднюю пристройку. Раньше сотрудник открывал чертежи, искал нужные пункты политики, проверял карту ограничений и писал заключение. Теперь он получает готовый черновик и проверяет его, а не собирает с нуля.

Результаты пилота

С июня в трёх советах время работы офицера над задачами оценки в среднем упало на 58%. Больше 70% сгенерированных отчётов (например, о соответствии местным правилам или полноте документов) утвердили без правок. Цифры внутренние и пока из пилота, независимой проверки нет, так что к ним стоит относиться осторожно.

Ограничения

Пока это ранний этап. Бета только стартует, а в выборке три совета, поэтому масштабирование на сельские и городские районы покажет, насколько результат устойчив. В посте ничего не сказано о доле ошибок среди тех 30% отчётов, которые правили, и о том, как измеряется риск пропущенного нарушения. Важная деталь: каждое решение проверяет квалифицированный офицер, то есть ИИ не принимает решений сам.

Практический вывод

Для разработчиков и продактов, работающих с госсектором и регулируемыми процессами, это хороший образец архитектуры. Во-первых, ИИ берёт на себя подготовку, а не решение. Во-вторых, каждый вывод сопровождается цитатами, поэтому человеку быстро проверить его. В-третьих, метрика успеха измерима и понятна: время на задачу и доля отчётов без правок. Если вы строите ассистента для комплаенса, юристов, страховых или банковских заявок, берите ту же схему: валидация документов, сверка с правилами, черновик со ссылками и обязательное утверждение человеком.

Стоит следить и за тем, как проект поведёт себя на потоке живых заявок в 15 советах. Если цифры устоят, это один из самых убедительных публичных кейсов ИИ в государственных услугах.