Есть вещи, которые работают медленно по определению. Федеральная разрешительная система в США – одна из них. Прежде чем построить дорогу, провести линию электропередач или возвести крупный объект инфраструктуры, необходимо пройти процедуру экологической оценки согласно Закону о национальной экологической политике (National Environmental Policy Act, NEPA). Это обязательный анализ воздействия проекта на окружающую среду, подготовка которого может занимать годы. Документы нередко вырастают до сотен страниц, а сам процесс давно стал символом бюрократической тягучести.
Именно на эту проблему обратили внимание OpenAI и Тихоокеанская северо-западная национальная лаборатория (Pacific Northwest National Laboratory, PNNL) – одна из крупнейших федеральных научных лабораторий США, работающая под управлением Министерства энергетики.
Что происходит с этими разрешениями
Процедура NEPA требует от организаций подготовки детальных отчётов: нужно описать проект, оценить его возможное влияние на природу, здоровье людей, местные сообщества, перечислить альтернативы и обосновать выбор. Это не просто формальность – закон существует с 1970 года и действительно помогает выявлять проблемы до начала строительства. Однако объём работы колоссальный, а специалистов, умеющих грамотно составлять такие документы, не так много.
Проще говоря: даже если проект технически готов, он может годами ждать экологического согласования. Для инфраструктуры – энергетики, транспорта, телекоммуникаций – это ощутимое торможение.
Идея: пусть ИИ-агент помогает писать черновики
OpenAI и PNNL решили проверить, может ли ИИ взять на себя часть этой работы – не заменить экспертов, а помочь им быстрее перейти к содержательному анализу, минуя рутинную часть составления документов.
Для этого они создали специальный инструмент оценки – DraftNEPABench. Это своего рода тест: он позволяет измерить, насколько хорошо ИИ-агенты справляются с задачей подготовки черновиков разделов NEPA-документации. Бенчмарк – это не продукт и не сервис, это методика проверки. Он нужен, чтобы понять, на что ИИ способен в этой конкретной области, и сравнивать различные подходы между собой.
Почему это важно? Без такого инструмента оценки невозможно ответить на вопрос: «А работает ли это вообще?» Прежде чем внедрять ИИ в федеральные процессы, необходимо уметь измерять результат, и DraftNEPABench как раз создан для этого.
Что показали первые результаты
По предварительным данным, использование ИИ-агентов на этапе подготовки черновиков способно сократить время составления NEPA-документации примерно на 15%. Звучит скромно, но в контексте процессов, которые тянутся месяцами и годами, это вполне ощутимо.
Важно понимать: речь идёт именно о черновиках. ИИ не принимает решений, не оценивает экологические риски самостоятельно и не подписывает документы. Он помогает быстрее сформировать первичную структуру текста, собрать нужные разделы, сократить время на рутинную «бумажную» часть, чтобы эксперты тратили своё время на то, что требует реального суждения.
Зачем национальная лаборатория занимается этим совместно с OpenAI
PNNL – не стартап и не консалтинговая фирма. Это исследовательская организация с многолетним опытом работы в интересах государства: энергетика, безопасность, науки об окружающей среде. Её участие в этом партнёрстве означает, что проект ориентирован не на коммерческое применение, а на реальное использование в государственных процессах.
OpenAI, в свою очередь, в последнее время активно движется в сторону взаимодействия с федеральными структурами. Это партнёрство – один из примеров того, как компания пытается найти применение своим технологиям в конкретных институциональных задачах, а не только в потребительских продуктах.
Совместная разработка бенчмарка – это тоже сигнал: чтобы ИИ начал реально использоваться в государственном управлении, нужны не просто инструменты, но и стандарты их оценки. DraftNEPABench – попытка заложить такой стандарт для одной из конкретных задач.
Что остаётся под вопросом
15% экономии времени – это результат на уровне черновиков и предварительного тестирования. Насколько эта цифра сохранится при реальном применении в разных типах проектов и разных ведомствах – пока неизвестно.
Также открытым остаётся вопрос доверия. Государственные структуры традиционно осторожны с автоматизацией процессов, которые несут юридическую и экологическую ответственность. Даже если ИИ помогает писать черновики, кто и как будет проверять их качество? Как убедиться, что автоматически сгенерированный текст не содержит ошибок, которые потом обернутся проблемами на стадии согласования?
Эти вопросы не делают проект бессмысленным – напротив, именно для их решения и нужен такой инструмент, как DraftNEPABench. Но они напоминают, что между «ИИ умеет писать черновики» и «ИИ встроен в федеральный разрешительный процесс» – ещё немалое расстояние.
Тем не менее сам факт появления такого партнёрства и такого бенчмарка говорит о том, что разговор о применении ИИ в государственном управлении постепенно переходит от теоретического к практическому. И это, пожалуй, самое интересное в этой истории.
