Обратная связь, сгенерированная ИИ, ставит новые вопросы перед законодателями

В последние десятилетия государственный сектор всё активнее опирается на данные при принятии решений. Однако качество этих данных вызывает серьёзные опасения. Ещё в 2015 году в публикации для Governing отмечалось, что данные — жизненная сила государственного управления. Они необходимы для управления проектами, предотвращения мошенничества, оценки эффективности программ, ведения бухгалтерского учёта и эффективного предоставления услуг. Тем не менее, несмотря на растущую зависимость от данных, их качество зачастую оставляет желать лучшего: иногда данных просто нет, а зачастую они ошибочны.

Примеры проблем с данными в государственном секторе

Недавние проверки и публикации в прессе подтверждают, что ситуация не улучшилась. Рассмотрим несколько примеров:

• В конце прошлого года выяснилось, что Флорида и Техас направляли в Агентство по охране окружающей среды (EPA) неточные данные о состоянии свинцовых труб. Федеральное агентство не проверило эти сведения. В результате ошибки могут привести к тому, что штаты с наибольшими потребностями будут ждать финансирования дольше или получат меньше средств, чем положено. Например, из‑за одной ошибки при вводе данных в Хьюстоне EPA выделило Техасу почти $120 миллионов больше, чем следовало в финансовом году 2023.

Мнение экспертов о качестве данных

Некоторые эксперты опасаются, что качество данных в государственном секторе даже ухудшается. Марк Занди, главный экономист Moody’s Analytics, в подкасте «On the Evidence» от Mathematica выразил серьёзную озабоченность:

«Одна из моих главных проблем заключается в том, что качество данных, которые мы используем, начинает ухудшаться, поскольку многие из них основаны на опросах, а уровень отклика на опросы значительно снизился по всем направлениям. Есть опасения, связанные с конфиденциальностью и кибербезопасностью, но по какой‑то причине уровень отклика снизился, и это начинает в значительной степени влиять на данные».

Занди подчёркивает важность улучшения источников данных:

«Если бы я был королём на один день и мог выделить ресурсы на что‑то одно, это было бы именно это. Давайте сделаем наши источники данных более устойчивыми, лучшими, более полными и своевременными».

Проблема контекстуализации статистических данных

Нередко статистика используется без должного контекста, что делает её малополезной. Например, на одной из конференций спикер обоснованно жаловался на проблему насилия с применением оружия в США, заявив, что оружие — главная причина насилия. Однако она упустила важный нюанс, который придаёт цифрам иной смысл.

Согласно данным Pew Charitable Trusts:

• В 2023 году 58 % всех смертей, связанных с оружием в США, были самоубийствами (27 300 случаев).
• 38 % составили убийства (17 927 случаев).
• Остальные смерти, связанные с оружием, были связаны с действиями правоохранительных органов (604 случая), случайными инцидентами (463 случая) или имели неопределённые обстоятельства (434 случая).

Исторические примеры преувеличенной статистики

Иногда цифры, принимаемые без вопросов, оказываются совершенно нелогичными. Много лет назад газеты пестрели сообщениями о том, что ежегодно пропадает миллион детей. На молочных пакетах размещались предупреждения о регулярной пропаже детей.

Однако при ближайшем рассмотрении цифра в миллион показалась чрезмерно высокой. Журналисты из Denver Post выяснили, что:

• Около 95 % сообщений о пропавших детях касались сбежавших из дома.
• Большинство остальных случаев были связаны со спорами об опеке.

Эти репортажи получили Пулитцеровскую премию в 1986 году.

Выводы

Проблемы с качеством данных в государственном секторе остаются актуальными. Ошибки в данных могут привести к серьёзным последствиям, включая неправильное распределение финансирования и неэффективное принятие решений. Эксперты призывают уделять больше внимания улучшению источников данных, повышению их точности и своевременности. Кроме того, важно учитывать контекст при использовании статистических данных, чтобы избежать искажённого восприятия реальности.

Прокомментировать в Телеграм: https://t.me/n8nhow

Подписаться на канал обучения n8n: https://t.me/n8ncoaching