Министерство труда Канзаса (Kansas Department of Labor) внедрило инструменты на основе искусственного интеллекта в процесс подачи заявлений на пособие по безработице. По словам секретаря ведомства Эмбер Шульц, главная задача технологической перестройки — разгрузить сотрудников колл-центра и ускорить обработку обращений от жителей штата.
Шульц возглавила агентство в период, когда нагрузка на службы занятости в США оставалась заметно выше докоронавирусного уровня. После пандемии 2020–2021 годов федеральные и региональные ведомства столкнулись с рекордным числом заявлений, и Канзас не стал исключением. Чтобы справиться с очередями, ведомство начало модернизацию внутренних систем.
Конкретных цифр по срокам обработки в публикации не приводится, однако Шульц описывает результат так: сотрудники получили возможность помогать большему числу людей за то же рабочий день. Под этим подразумевается, что часть рутинных операций — например, первичная классификация обращений и подтягивание данных из анкеты — теперь выполняет ИИ, а операторы подключаются на более сложных этапах.
Отдельно Шульц отмечает роль обучения персонала. По её словам, сотрудники ведомства прошли подготовку, чтобы работать с новыми инструментами и понимать логику их подсказок. Это важный момент: автоматизация в государственных сервисах часто буксует именно на стадии адаптации людей, а не самих алгоритмов.
Технологические изменения в Kansas Department of Labor укладываются в общий тренд американских штатов. В нескольких регионах местные департаменты труда экспериментируют с чат-ботами и системами машинного обучения для модерации заявок — прежде всего с целью отсеять мошенничество и ускорить выплаты добросовестным получателям.
Прямых упоминаний конкретных поставщиков ИИ-решений или сумм контрактов в исходном материале нет. Не называется и тип модели — генеративная это система, классификатор или комбинация готовых сервисов. Поэтому делать выводы о технической архитектуре проекта преждевременно.
Зато понятна управленческая логика. Шульц последовательно проводит линию на то, что технологии в государственном секторе — не самоцель, а средство сократить дистанцию между ведомством и человеком, который подаёт заявление. В американской традиции это называется client experience — опыт получателя услуги.
Отдельный пласт — риски. Когда государственные структуры передают часть решений алгоритмам, возникают вопросы о прозрачности, обжаловании и дискриминации. В материале они не обсуждаются, но для читателя, знакомого с темой, понятно: за каждым подобным внедрением в США следят и профильные контролёры, и супервайзеры, и суды.
На фоне продолжающегося обсуждения ИИ в госаппарате кейс Канзаса выглядит как пример осторожного, «административного» подхода — без громких анонсов, с акцентом на внутреннюю эффективность. Шульц фактически описывает не технологическую революцию, а обычную оптимизацию процессов с помощью новых инструментов.
