ივანე ჯავახიშვილის სახელობის თბილისის სახელმწიფო უნივერსიტეტის პაატა გუგუშვილის სახელობის ეკონომიკის ინსტიტუტის რეცენზირებადი, ბეჭდურ-ელექტრონული, საერთაშორისო სამეცნიერო-ანალიტიკური ჟურნალი
ხელოვნური ინტელექტი, როგორც ეკონომიკური პოლიტიკის გატარების ინსტრუმენტების დამხმარე საშუალება
DOI: 10.52340/ekonomisti.2026.01.12
ანოტაცია. ნაშრომი ეძღვნება ხელოვნური ინტელექტის (AI) როლს თანამედროვე ეკონომიკური პოლიტიკის დაგეგმვისა და განხორციელების პროცესში. კვლევა განიხილავს, თუ როგორ ცვლის ხელოვნური ინტელექტი ტრადიციულ მმართველობით და ეკონომიკურ მექანიზმებს, განსაკუთრებით მონაცემებზე დაფუძნებული პოლიტიკის (Evidence-Based Policymaking) კონტექსტში. ნაშრომში გაანალიზებულია ეკონომიკური პოლიტიკის თეორიული საფუძვლები, საჯარო მმართველობის მოდელების ევოლუცია და AI-ის ინტეგრაციის მნიშვნელობა მაკრო და მიკროეკონომიკურ დონეებზე. განსაკუთრებული ყურადღება ეთმობა ხელოვნური ინტელექტის სამ ძირითად ფუნქციურ განზომილებას: ადმინისტრაციულ, ანალიტიკურ და სტრატეგიულ AI-ს, და მათ გავლენას ეკონომიკური გადაწყვეტილებების ხარისხზე, პროგნოზირებადობასა და ეფექტიანობაზე. ნაშრომში წარმოდგენილია AI-ის სამდონიანი კონცეპტუალური მოდელი (მონაცემთა ინფრასტრუქტურა, ანალიტიკური ალგორითმები და გადაწყვეტილების მხარდაჭერის სისტემები), რომელიც ეკონომიკური პოლიტიკის თანამედროვე ინსტრუმენტარიუმის საფუძვლად განიხილება. კვლევა ასახავს საქართველოს ეკონომიკური პოლიტიკისთვის ხელოვნური ინტელექტის ინტეგრაციის პოტენციალს და მის როლს ქვეყნის კონკურენტუნარიანობის ზრდაში.
საკვანძო სიტყვები: ეკონმიკური პოლიტიკის ინსტრუმენტები, ხელოვნური ინტელექტი, ანალიტიკური და სტრატეგიული AI, ეკონომიკური გადაწყვეტილებები.
შესავალი
ხელოვნური ინტელექტის განვითარების მიმდინარე მდგომარეობა საშუალებას გვაძლევს მისი ჩართულობა გავზარდოთ ეკონომიკური პოლიტიკის განხორციელების თითქმის ყველა მიმართულებით. თანამედროვე ტექნოლოგიების საშუალებით შეგროვებული და დამუშავებული ინფორმაცია ეკონომიკური პოლიტიკის გამტარებლებს აძლევს შესაძლებლობას გადაწყვეტილებები მიიღონ უფრო სწრაფად და ეფექტიანად. ამ მიმართულებით ხელოვნური ინტელექტის ინტეგრაცია წარმოადგენს მძლავრ ინსტრუმენტს, რომელიც ხელს უწყობს პროცესების ოპტიმიზაციასა და მმართველობითი სტაბილურობის უზრუნველყოფას. გლობალური ტენდენციები ნათლად მიუთითებს, რომ ხელოვნური ინტელექტი იქცა სახელმწიფოების კონკურენტუნარიანობის შენარჩუნების მნიშვნელოვან საფუძვლად, რაც უკავშირდება მისი გამოყენების ზრდას გლობალურ ეკონომიკაში, სისტემურ გარდაქმნებსა და ეკონომიკური პოლიტიკის ინსტრუმენტების ევოლუციურ განვითარებას (Russell & Norvig, 2021).
საქართველოს ეკონომიკური პოლიტიკა „ემყარება თავისუფალი ბაზრის პრინციპებს, სადაც ეკონომიკური ზრდის მამოძრავებელ ძალას და სამუშაო ადგილების შემქმნელს კერძო სექტორი წარმოადგენს“ (Government of Georgia, 2021, p. 6). ამასთანავე, საქართველოს ინოვაციებისა და ტექნოლოგიების სააგენტოს ხელშეწყობით ინოვაციური სტარტაპების რაოდენობა წლიდან წლამდე იზრდება. მათი ნაწილი განვითარების საწყის ეტაპზე ქვეყნის შიდა ბაზარზე ოპერირებს, ხოლო შემდგომში სრულად ან ნაწილობრივ ერთიანდება გლობალურ ბაზრებში, რაც საქართველოში შექმნილი სტარტაპების ზრდის პოტენციალისა და ხარისხის შეფასებისთვის პოზიტიურ გარემოს ქმნის. ინოვაციური სტარტაპების უმეტესობა აქტიურად იყენებს ხელოვნურ ინტელექტზე დაფუძნებულ პლატფორმებს ან თავად ქმნის ასეთ სისტემებს, რაც მათ მნიშვნელოვან კონკურენტულ უპირატესობას ანიჭებს იმ ტრადიციულ ტექნოლოგიურ კომპანიებთან შედარებით, რომლებმაც ვერ შეძლეს ახალ ტექნოლოგიურ გარემოსთან ადაპტირება და ნაწილობრივ ბაზრიდან გასვლის საფრთხის წინაშე დგანან. აღნიშნული ტენდენციები მიუთითებს, რომ ეკონომიკური ზრდის უზრუნველსაყოფად აუცილებელია ხელოვნურ ინტელექტზე დაფუძნებული სერვისების დანერგვა ყველა სექტორში, რაც ქვეყნის ეკონომიკური პოლიტიკის ეფექტიანი მართვის ერთ-ერთ უმნიშვნელოვანეს მიმართულებად შეიძლება განიხილებოდეს.
თანამედროვე ეკონომიკაში ეკონომიკური პოლიტიკის სტრატეგიების შემუშავებისა და განხორციელების პროცესში ერთ-ერთ მთავარ გამოწვევას წარმოადგენს ზუსტი მონაცემების სწრაფი შეგროვება და დამუშავება, რომელიც ოპერატიულად და მოქნილად უნდა განხორციელდეს. ამ მიზნის მიღწევისათვის ხელოვნურ ინტელექტზე დაფუძნებული ციფრული პლატფორმები ერთ-ერთ ყველაზე ეფექტიან საშუალებად გვევლინება. მათ შეუძლიათ ეკონომიკური პროცესების დინამიკის ახსნა, რთული სტატისტიკური მონაცემების ანალიზი და სტრატეგიული მნიშვნელობის ეკონომიკური ამოცანების გადაჭრის ოპტიმალური გზების განსაზღვრა, რაც სახელმწიფო ინსტიტუტებს პროცესების უფრო ეფექტიან მართვაში ეხმარება. დროისა და რესურსების ეკონომიის უზრუნველყოფით და ეფექტიანობის ზრდით, ხელოვნური ინტელექტი იქცევა იმ ინსტრუმენტად, რომელიც მიმდინარე და ახლო მომავალში ქვეყნის ეკონომიკური პოლიტიკის დაგეგმვის, მართვისა და ოპტიმალური განვითარების გზების პროგნოზირების მიმართულებით საბაზისო მნიშვნელობას იძენს (Provost & Fawcett, 2013; Russell & Norvig, 2021).
საქართველოსთვის, როგორც მცირე ზომის ეკონომიკის მქონე ქვეყნისთვის, ციფრული ეკონომიკის განვითარება — განსაკუთრებით ხელოვნური ინტელექტის მიმართულებით მეწარმეობის გაძლიერება — შეიძლება განიხილებოდეს გლობალურ ბაზარზე გასვლის ერთ-ერთ ყველაზე სწრაფ და ეფექტიან გზად. ეს პროცესი ქმნის ახალ და მნიშვნელოვნად ფართო შესაძლებლობებს გლობალური ბაზრის ათვისებისა და იქ მდგრადი პოზიციონირებისათვის. შესაბამისად, ქვეყნის ეკონომიკური პოლიტიკის ერთ-ერთ მნიშვნელოვან ამოცანად შეიძლება განისაზღვროს ისეთი მეწარმეების ხელშეწყობა და მხარდაჭერა საწყის ეტაპზე, რომლებიც მოქმედებენ ხელოვნური ინტელექტისა და ციფრული ტექნოლოგიების სფეროში, რათა მათ შეძლონ დროულად დამკვიდრება გლობალურ სტარტაპ ეკოსისტემაში და ადაპტაცია სწრაფად მზარდ და დინამიკურ გარემო პირობებთან (World Bank, 2021).
მთავრობის მიერ შექმნილი ციფრული სერვისები უზრუნველყოფს ბიზნესპროცესების ავტომატიზაციასა და საჯარო სერვისების ინტეგრირებულ მიწოდებას. „2020 წლიდან my.gov.ge პორტალზე დისტანციურად უკვე საჯარო რეესტრის 184 სერვისი გახდა ხელმისაწვდომი“ (Government of Georgia, 2021, p. 17). აღნიშნული პროგრესი მიუთითებს სამთავრობო სტრუქტურების მზადყოფნაზე, ხელი შეუწყონ ტექნოლოგიური ინოვაციების დანერგვას ქვეყნის ეკონომიკის სტრატეგიულ მიმართულებებში. არსებული ციფრული სერვისების განვითარება და მათი ახალ საფეხურზე გადაყვანა, ხელოვნურ ინტელექტზე დაფუძნებული ანალიტიკური სისტემების ინტეგრაციის გზით, ეკონომიკური პოლიტიკის განმახორციელებელ ინსტიტუტებს მისცემს ახალი თაობის ინსტრუმენტებს, რომლებიც უზრუნველყოფენ გადაწყვეტილებების უფრო მაღალ სიზუსტეს, ბიუროკრატიული ხარჯების შემცირებას და გამჭვირვალე, მოქნილ მონიტორინგისა და შეფასების მექანიზმებს. შედეგად, სახელმწიფო ინსტიტუტები შეძლებენ უფრო ეფექტიან მართვას და კერძო სექტორთან ოპტიმალურად ინტეგრირებულ თანამშრომლობას, რაც ხელს შეუწყობს ქვეყნის ეკონომიკური განვითარების ეფექტიანობას და საერთაშორისო ასპარეზზე ეროვნული ეკონომიკური და პოლიტიკური ინტერესების დაცვას.
ეკონომიკური პოლიტიკის თეორიული მნიშვნელობა
თანამედროვე ეკონომიკური პოლიტიკის თეორიული გააზრება გვიჩვენებს, რომ ეკონომიკური სისტემების ეფექტიანი მართვა დამოკიდებულია როგორც მაკროეკონომიკურ, ისე მიკროეკონომიკურ ბერკეტებზე, რომლებიც ერთობლივად ქმნიან ეკონომიკური პროცესების სტაბილური განვითარების საფუძველს. მაკროეკონომიკური პოლიტიკა მიმართულია ეკონომიკური ციკლების, ინფლაციური პროცესებისა და საბიუჯეტო ბალანსის მართვისკენ, რითაც უზრუნველყოფს სტრუქტურულ სტაბილურობასა და გრძელვადიან ეკონომიკურ მდგრადობას. მიკროეკონომიკური პოლიტიკა კი ფოკუსირდება კონკურენტული გარემოს განვითარებაზე, ბაზრის ეფექტიანობის ზრდასა და რესურსების ოპტიმალური განაწილების ხელშეწყობაზე, რაც ეკონომიკური ზრდის მდგრად მექანიზმებს აყალიბებს (Langdana, 2020; Tisdell & Hartley, 2008).
ეკონომიკური პოლიტიკის განხორციელების თეორიული მოდელების ევოლუცია მნიშვნელოვან როლს ასრულებს მმართველობითი პროცესების გააზრებაში. ტრადიციული უებერიანული მოდელი, რომელიც მკაცრ იერარქიასა და წესებზე დაფუძნებულ მმართველობას ეყრდნობოდა, თანდათან შეიცვალა ახალი საჯარო მენეჯმენტის (New Public Management) პრინციპებით, სადაც ყურადღება გამახვილდა შედეგებზე, ეფექტიანობასა და საჯარო სექტორის მოქნილობაზე. შემდგომში ჩამოყალიბებულმა საჯარო მმართველობის (Public Governance) მიდგომამ კიდევ უფრო გააფართოვა მმართველობის ჩარჩო, გადაიტანა აქცენტი მრავალაქტორულ, ქსელურ და კოორდინირებულ ურთიერთობებზე. თანამედროვე სახელმწიფოთა უმეტესობაში მოქმედი ჰიბრიდული მმართველობითი მოდელი სწორედ ამ სამი მიმართულების თანაარსებობის შედეგია, რაც ეკონომიკური პოლიტიკის განხორციელებას მეტად კომპლექსურ და მრავალგანზომილებიან პროცესად აქცევს (Pfiffner, 1998; Koppenjan & Koliba, 2013; Aristovnik et al., 2022).
ამგვარი თეორიული მრავალფეროვნება მკაფიოდ გვიჩვენებს, რომ ეკონომიკური პოლიტიკის ეფექტიანი განხორციელება აღარ შემოიფარგლება მხოლოდ კლასიკური ბიუროკრატიული მექანიზმებით. აუცილებელი ხდება ისეთი ინსტრუმენტების დანერგვა, რომლებიც გარდაქმნიან მონაცემთა დამუშავების, ანალიზისა და გადაწყვეტილების მიღების მეთოდებს. სწორედ ამ კონტექსტში განსაკუთრებულ მნიშვნელობას იძენს მტკიცებულებებზე დაფუძნებული პოლიტიკის (Evidence-Based Policymaking — EBPM) კონცეფცია, რომელიც ეფუძნება მაღალი ხარისხის მონაცემების, კვლევების, შეფასებებისა და პოლიტიკის ციკლში დაგროვილი გამოცდილების სისტემურ გამოყენებას. Sanderson (2002) აღნიშნავს, რომ EBPM წარმოადგენს პოლიტიკის ფორმირების ისეთ მიდგომას, რომელიც დაფუძნებულია არა ნორმატიულ მოსაზრებებზე, არამედ ემპირიულ მტკიცებულებებსა და სისტემურ სწავლაზე.
Nutley, Davies და Walter აღნიშნავენ, რომ მტკიცებულებებზე დაფუძნებული პოლიტიკის (EBPM) მთავარი გამოწვევა არ არის მტკიცებულებების რაოდენობა, არამედ მათი ეფექტიანი ინტეგრირების უნარი. კერძოდ, რამდენად შეძლებს სახელმწიფო კვლევითი, ადმინისტრაციული და სტატისტიკური მონაცემების სინთეზს გადაწყვეტილების მიღების პროცესში. Bogenschneider და Corbett EBPM-ს განიხილავენ როგორც თანამედროვე მმართველობის ახალ სტანდარტს, რომლის წარმატებით განხორციელებისთვის აუცილებელია ტექნოლოგიური და ინსტიტუციური გარემოს მზაობა, მათ შორის მონაცემთა ხელმისაწვდომობა, ანალიტიკური უნარები და გადაწყვეტილების მხარდაჭერის სისტემების არსებობა (Nutley et al., 2007; Bogenschneider & Corbett, 2021).
ამ კონტექსტში განსაკუთრებით თვალსაჩინო ხდება ის ტენდენცია, რომელიც თანამედროვე გლობალურ ტრანსფორმაციებში მკაფიოდ იკვეთება: ეკონომიკური პოლიტიკა სულ უფრო მეტად ეფუძნება მაღალი ხარისხის მონაცემებს, სწრაფ ანალიტიკას და სისტემურ პროგნოზირებას. შესაბამისად, ხელოვნური ინტელექტი გვევლინება ამ პროცესების ბუნებრივ გაგრძელებად და მათი გაძლიერების საშუალებად. AI უზრუნველყოფს მონაცემთა მასშტაბურ დამუშავებას, რთული ეკონომიკური ტენდენციების ინტერპრეტაციას და პოლიტიკის შედეგების სიმულაციურ მოდელირებას, რაც არსებითად ზრდის პოლიტიკის ეფექტიანობას, სიზუსტესა და პროგნოზირებადობას. შედეგად, ეკონომიკური პოლიტიკის თეორიული ფუნქციები: სტაბილურობა, ზრდა და ეფექტიანობა — ახალ, ტექნოლოგიურ ინტერპრეტაციას იძენს, ხოლო მაკრო და მიკროეკონომიკური მართვის მექანიზმები ინტეგრირდება „ინტელექტუალურ“ სისტემებთან (Russell & Norvig, 2021; Provost & Fawcett, 2013).
ხელოვნური ინტელექტის თეორიული საფუძვლები
თანამედროვე გლობალური ეკონომიკური დინამიკა ნათლად უსვამს ხაზს იმას, რომ ხელოვნური ინტელექტი (AI) აღარ წარმოადგენს მხოლოდ ტექნოლოგიურ მიღწევას ან პროგრამულ გადაწყვეტილებას, ის იქცა სისტემურ ძალად, რომელიც გარდაქმნის ეკონომიკურ, ინსტიტუციურ და მმართველობით პროცესებს. AI-ის თეორიული საფუძვლები ეფუძნება მის უნარს, დაამუშაოს დიდი მოცულობის მონაცემები მაღალი სისწრაფით, ამოიცნოს ნიმუშები, განახორციელოს პროგნოზირება და თვითსწავლება. აღნიშნული შესაძლებლობები რეალიზდება ისეთი ტექნოლოგიური მექანიზმების მეშვეობით, როგორიცაა მანქანური სწავლების ალგორითმები, ნეირონული ქსელები, ბუნებრივი ენის დამუშავება და ოპტიმიზაციის მოდელები (Russell & Norvig, 2021).
ამ შესაძლებლობებმა AI აქცია იმ ინსტრუმენტად, რომელიც არა მხოლოდ ამარტივებს კონკრეტულ ტექნიკურ ამოცანებს, არამედ საფუძვლიანად ცვლის გადაწყვეტილების მიღებისა და სტრატეგიული დაგეგმვის ფორმას. სწორედ ამიტომ, სახელმწიფო მმართველობისა და ეკონომიკური პოლიტიკის კონტექსტში, AI განიხილება როგორც კომპლექსური, ინტეგრირებული სისტემა, რომელსაც შეუძლია განსაზღვროს გადაწყვეტილებების ხარისხი, სიზუსტე და შედეგების პროგნოზირებადობა.
საჯარო მმართველობის საერთაშორისო ლიტერატურა გამოყოფს ხელოვნური ინტელექტის სამ ძირითად განზომილებას, რომლებიც განსაკუთრებულ მნიშვნელობას იძენენ პოლიტიკის ანალიზისა და განხორციელების პროცესში. პირველი განზომილებაა Administrative AI, რომელიც გულისხმობს პროცესების სრულ ან ნაწილობრივ ავტომატიზაციას, მათ შორის ლიცენზირების, რეგისტრაციის, საგადასახადო ადმინისტრირების, სახელმწიფო სერვისების მიწოდებისა და სხვა ბიუროკრატიული პროცესების ოპტიმიზაციას. ამ მიმართულებით ხელოვნური ინტელექტი ქმნის შესაძლებლობას, სახელმწიფო ინსტიტუტებმა მნიშვნელოვნად შეამცირონ დროითი და ფინანსური ხარჯები, აგრეთვე ადამიანურ ფაქტორზე დამოკიდებულება, რაც ზრდის ადმინისტრაციული ეფექტიანობის ხარისხს (Eubanks, 2018; Russell & Norvig, 2021).
მეორე განზომილებაა Analytical AI, რომელიც მოიცავს ეკონომიკური და სოციალურ-სტრუქტურული მონაცემების ანალიზს, პროგნოზირებასა და მოდელირებას. ხელოვნურ ინტელექტს შეუძლია დიდი მოცულობის მონაცემების სინთეზირება, რთული კორელაციების აღმოჩენა და ისეთი პროგნოზების ჩამოყალიბება, რომლებიც ხშირად სცდება კლასიკური სტატისტიკური მეთოდების შესაძლებლობებს. ეკონომიკური პოლიტიკისათვის ეს შესაძლებლობები განსაკუთრებულ მნიშვნელობას იძენს: სახელმწიფო ინსტიტუტებს ეძლევათ შესაძლებლობა გააანალიზონ ბაზრის ქცევის ტენდენციები, იდენტიფიცირონ პროგნოზირებადი რისკები, შეაფასონ სახელმწიფო პროგრამების ეფექტიანობა და განსაზღვრონ ეკონომიკური შოკების შესაძლო გავლენა. სწორედ ამ ანალიტიკური პოტენციალის გამო AI განიხილება როგორც რთული სისტემების მართვისა და „უხილავი“ რისკების გამოვლენის მნიშვნელოვანი ინსტრუმენტი (Provost & Fawcett, 2013; Russell & Norvig, 2021).
მესამე განზომილებაა Strategic AI, რომელიც დაკავშირებულია პოლიტიკის სიმულაციურ მოდელირებასთან და სხვადასხვა სცენარის გათვალისწინებით შესაძლო შედეგების პროგნოზირებასთან. Koppenjan და Koliba აღნიშნავენ, რომ თანამედროვე, ქსელურ და მრავალაქტორულ მმართველობაში სტრატეგიული გადაწყვეტილებების მიღება შეუძლებელია მრავალფეროვანი მონაცემების, ექსპერტული შეფასებებისა და ტექნოლოგიური ანალიტიკის ინტეგრაციის გარეშე. სწორედ ამ კონტექსტში ვლინდება AI-ის ძირითადი ღირებულება: იგი უზრუნველყოფს პოლიტიკის სიმულაციურ შეფასებას და რთული გადაწყვეტილებების წინასწარ ტესტირებას ვირტუალურ გარემოში, რაც მნიშვნელოვნად ამცირებს არაპროგნოზირებადი ან არასასურველი შედეგების რისკს (Koppenjan & Koliba, 2013; Russell & Norvig, 2021).
ხელოვნური ინტელექტის თეორიული საფუძვლები ასევე მოიცავს კომპლექსურობასთან და სისტემურ მმართველობასთან დაკავშირებულ მიდგომებს. AI ბუნებრივად ერგება ისეთ გარემოს, სადაც პრობლემები მრავალმხრივია, გადაწყვეტილებების მიღება მრავალაქტორულია, ხოლო შედეგები დამოკიდებულია რთულ უკუკავშირებზე. თანამედროვე საჯარო მმართველობის უახლესი მიდგომები ხაზს უსვამს, რომ სახელმწიფოები მოძრაობენ მონაცემებზე დაფუძნებული მმართველობის (data-driven governance) მიმართულებით, სადაც მონაცემთა ხარისხი, დამუშავების სისწრაფე და სხვადასხვა წყაროს ინტეგრაცია თავად ხდება მმართველობის ბირთვი (Ansell & Torfing, 2021; Bogenschneider & Corbett, 2021).
ამ კონტექსტში ხელოვნური ინტელექტი გვევლინება არა მხოლოდ ტექნოლოგიურ მხარდაჭერად, არამედ სტრუქტურული გარდაქმნის კატალიზატორად. მისი ინტეგრაცია ეკონომიკურ პოლიტიკაში ზრდის სახელმწიფოს ოპერატიულობას, აუმჯობესებს გადაწყვეტილების მიღების პროცედურებს და ქმნის ორგანიზაციულ გარემოს, სადაც პოლიტიკა ეფუძნება დინამიკურ, პროგნოზირებად და მეცნიერულად დასაბუთებულ პროცესებს. შედეგად, AI გარდაქმნის ეკონომიკური პოლიტიკის ბუნებას — გამოცდილებასა და სტატიკურ მონაცემებზე დაფუძნებული პროცესიდან იგი გარდაიქმნება რეალურ დროში ანალიტიკაზე, ალგორითმულ შეფასებებსა და მდგრად მოდელირებაზე დაფუძნებულ სისტემად (Russell & Norvig, 2021; Provost & Fawcett, 2013).
AI და ეკონომიკური პოლიტიკა: კონცეპტუალური მოდელი
ეკონომიკური პოლიტიკის ეფექტიანობის ზრდის თვალსაზრისით, მიმდინარე გამოწვევების პირობებში განსაკუთრებულ მნიშვნელობას იძენს ისეთი კონცეპტუალური მოდელის არსებობა, რომელიც გააერთიანებს ეკონომიკური თეორიის კლასიკურ საფუძვლებსა და თანამედროვე ტექნოლოგიურ შესაძლებლობებს. ხელოვნური ინტელექტის ინტეგრირება ეკონომიკურ მმართველობაში სწორედ ამ საჭიროებიდან გამომდინარეობს: AI ქმნის შესაძლებლობას, სახელმწიფომ უზრუნველყოს მონაცემთა მასშტაბური ნაკადების სისტემური დამუშავება და მიიღოს გადაწყვეტილებები, რომლებიც ეფუძნება არა მხოლოდ წარსულ გამოცდილებასა და ექსპერტულ ინტუიციას, არამედ მრავალშრიან, ანალიტიკურად გამყარებულ მონაცემთა ანალიზს (Bogenschneider & Corbett, 2021; Russell & Norvig, 2021).
AI-ის გამოყენების კონცეპტუალური მოდელი ეკონომიკურ პოლიტიკაში შეიძლება წარმოვიდგინოთ სამდონიან სტრუქტურად, რომელიც მოიცავს: 1. მონაცემთა ინფრასტრუქტურას, 2. ანალიტიკურ ალგორითმებს და 3. გადაწყვეტილების მხარდაჭერის ინტელექტუალურ სისტემებს.
I დონე — მონაცემთა ინფრასტრუქტურა (Data Layer)
ეკონომიკური პოლიტიკის ეფექტიანი განხორციელების საფუძველი, როგორც Bogenschneider და Corbett აღნიშნავენ, არის წვდომა მაღალი ხარისხის, დროულ და სანდო მონაცემებზე. ასეთი მონაცემთა წყაროები მოიცავს ადმინისტრაციულ რეესტრებს, ეროვნულ სტატისტიკას, სავაჭრო ნაკადების მონაცემებს, ფინანსურ ტრანზაქციებს, შრომითი ბაზრის ინდიკატორებს და სხვა საინფორმაციო არხებს, რომლებიც მმართველობით სისტემას საშუალებას აძლევს შექმნას ქვეყნის ეკონომიკური პროცესების მრავალგანზომილებიანი მოდელი და უზრუნველყოს მონაცემებზე დაფუძნებული გადაწყვეტილების მიღება (Bogenschneider & Corbett, 2021).
ხელოვნური ინტელექტი აღნიშნულ მონაცემთა ინფრასტრუქტურას არა მხოლოდ იყენებს, არამედ გარდაქმნის. AI-ს შეუძლია მონაცემთა გაწმენდა, სტრუქტურირება, კატეგორიზაცია და ინტეგრირება ისეთ მასშტაბებზე, რომლებიც ტრადიციული მეთოდებით პრაქტიკულად მიუწვდომელია. შესაბამისად, პირველ დონეზე AI უზრუნველყოფს ეკონომიკური პოლიტიკის ცენტრალური მიზნების — სიზუსტის, ეფექტიანობისა და პროგნოზირებადობის — მიღწევის აუცილებელ ტექნიკურ წინაპირობას (Provost & Fawcett, 2013; Russell & Norvig, 2021).
II დონე — ანალიტიკური ალგორითმები (Analytical Layer)
მეორე დონე მოიცავს მანქანური სწავლების მეთოდების, სტატისტიკური მოდელებისა და პროგნოზირების ალგორითმების ერთობლიობას, რომლებიც დიდი მოცულობის მონაცემებზე ოპერირებენ. Provost და Fawcett აღნიშნავენ, რომ ასეთი ანალიტიკური სისტემები ქმნიან შესაძლებლობას გამოავლინონ ისეთი დამოკიდებულებები და ნიმუშები, რომლებიც ადამიანური ან კლასიკური ეკონომეტრიკული მეთოდებისთვის განსაკუთრებით რთულად შესამჩნევია (Provost & Fawcett, 2013).
ეკონომიკური პოლიტიკისთვის ეს ნიშნავს:
- ბიზნეს ციკლების უკეთეს პროგნოზირებას;
- ინფლაციისა და მონეტარული დინამიკის წინასწარ შეფასებას;
- საგადასახადო შემოსავლების მოდელირებას;
- შრომითი ბაზრის ტენდენციების დროულ ამოცნობას;
- სოციალური პროგრამების შედეგიანობის ანალიზს;
- საგარეო სავაჭრო რისკების იდენტიფიკაციას.
ამ დონეზე AI იცვლის სახელმწიფოს გადაწყვეტილებების აღქმის მოდელს — ეკონომიკური გარემო აღარ განიხილება მხოლოდ სტატიკური რიცხვების ერთობლიობად, არამედ ის ასევე ხდება დინამიური სიმულაციური სისტემა, სადაც პროგნოზები და ანალიტიკური შეფასებები ქმნიან პოლიტიკის დიზაინის ფუნდამენტურ შემადგენლობას.
III დონე — გადაწყვეტილების მხარდაჭერის სისტემები (Decision Layer)
მესამე დონე წარმოადგენს ხელოვნური ინტელექტის ინტეგრაციის ყველაზე მაღალ ეტაპს, სადაც ალგორითმები ქმნიან პოლიტიკის სიმულაციურ მოდელებს და უზრუნველყოფენ გადაწყვეტილებების შეფასებას მათი რეალური განხორციელების გარეშე. Russell და Norvig აღნიშნავენ, რომ გადაწყვეტილების მხარდაჭერის სისტემები ქმნიან ე.წ. „policy sandbox“-ს, რომელიც წარმოადგენს უსაფრთხო გარემოს სხვადასხვა სცენარის ტესტირებისა და რისკების წინასწარი შეფასებისთვის (Russell & Norvig, 2021).
ეკონომიკური პოლიტიკისთვის ეს განსაკუთრებით ღირებულია:
- შესაძლებელი ხდება სხვადასხვა ფისკალური სცენარის გავლენის შეფასება ეკონომიკურ ზრდაზე;
- მონეტარული ცვლილებების სიმულაციური შედეგების შემოწმება;
- რეგულაციების ცვლილების გავლენის წინასწარ ანალიზი კონკრეტულ დარგებზე;
- გარე შოკების, ისეთის როგორიცაა: ეკონომიკური კრიზისები, გლობალური ინფლაცია, ენერგორესურსების ფასების ვარდნა/ზრდა — წინასწარი შეფასება;
- სოციალური და ეკონომიკური პროგრამების ეფექტიანობის მონიტორინგი.
ამ დონეზე ხელოვნური ინტელექტი იქცევა პოლიტიკის „ინტელექტუალურ თანადამგეგმავად“, რომელიც მნიშვნელოვნად ამცირებს გადაწყვეტილებების მიღების გაურკვევლობას და ზრდის ეკონომიკური მმართველობის მოქნილობასა და სტაბილურობას. Koppenjan და Koliba ხაზს უსვამენ, რომ რთულ მმართველობით სისტემებში ასეთი ინტელექტუალური მხარდაჭერა გარდაუვალი ხდება, ვინაიდან თანამედროვე სახელმწიფოები მოქმედებენ კომპლექსურ, მრავალქსელურ და მუდმივად ცვალებად გარემოში (Koppenjan & Koliba, 2013).
მოკლედ რომ შევაჯამოთ, AI-ის სამდონიანი მოდელი წარმოაჩენს მის სისტემურ მნიშვნელობას ეკონომიკურ მმართველობაში: მონაცემთა ინფრასტრუქტურა უზრუნველყოფს საფუძველს, ანალიტიკური ალგორითმები — ინტელექტუალურ შინაარსს, ხოლო გადაწყვეტილების მხარდაჭერის სისტემები — სტრატეგიულ სიღრმეს. შედეგად, ხელოვნური ინტელექტი აღარ არის მხოლოდ ტექნოლოგიური კომპონენტი, არამედ ხდება ეკონომიკური პოლიტიკის დიზაინის, განხორციელებისა და შეფასების ორგანული ნაწილი.
ასეთი სტრუქტურა სახელმწიფოს აძლევს შესაძლებლობას იმოქმედოს უფრო სწრაფად, ზუსტად და პროგნოზირებადად; გადაწყვეტილებები უნდა ემყარებოდეს არა მხოლოდ სტატისტიკურ წარსულს, არამედ ალგორითმულად გათვლილ მომავალ სცენარებს, რაც თანამედროვე ეკონომიკურ გარემოში კონკურენტუნარიანობის ერთ-ერთ მთავარ საფუძვლად იქცევა.
დასკვნა
ნაშრომის ფარგლებში ჩატარებული ანალიზი ცხადყოფს, რომ ხელოვნური ინტელექტი თანამედროვე ეკონომიკური პოლიტიკის განუყოფელ და სტრატეგიულ კომპონენტად ყალიბდება. ეკონომიკური პროცესების მზარდი სირთულე, მონაცემთა მოცულობის ზრდა და გლობალური არასტაბილურობა სახელმწიფოებს აიძულებს გადადგან ნაბიჯი ტრადიციული მმართველობითი მიდგომებიდან მონაცემებზე, ანალიტიკასა და პროგნოზირებაზე დაფუძნებული პოლიტიკისკენ. ამ ტრანსფორმაციაში ხელოვნური ინტელექტი ასრულებს არა მხოლოდ ტექნოლოგიური დამხმარის, არამედ სისტემური გარდაქმნის კატალიზატორის როლს.
კვლევამ აჩვენა, რომ AI-ის ინტეგრაცია ეკონომიკურ პოლიტიკაში ზრდის გადაწყვეტილებების სიზუსტეს, ამცირებს რისკებს და უზრუნველყოფს პოლიტიკის შედეგების წინასწარ შეფასების შესაძლებლობას. სამდონიანი კონცეპტუალური მოდელი ნათლად წარმოაჩენს, თუ როგორ ერთიანდება მონაცემთა ინფრასტრუქტურა, ანალიტიკური ალგორითმები და გადაწყვეტილების მხარდაჭერის სისტემები ერთიან ინტელექტუალურ მექანიზმად. საქართველოს მსგავსი მცირე და ღია ეკონომიკისთვის ხელოვნური ინტელექტი წარმოადგენს სწრაფი განვითარების, გლობალურ ბაზრებზე ინტეგრაციისა და ინოვაციური მეწარმეობის გაძლიერების მნიშვნელოვან ინსტრუმენტს. შესაბამისად, ეკონომიკური პოლიტიკის მომავალ ეფექტიანობას განსაზღვრავს სახელმწიფოს უნარი, დროულად და სისტემურად დანერგოს AI-ზე დაფუძნებული მმართველობითი და ანალიტიკური გადაწყვეტილებები.
გამოყენებული ლიტერატურა
Ansell, C., & Torfing, J. (2021). Public governance as co-creation. Cambridge University Press.
Aristovnik, A., et al. (2022). From Neo-Weberian to hybrid governance models. Administrative Sciences, 12(1), 26. https://doi.org/10.3390/admsci12010026
Bogenschneider, K., & Corbett, T. J. (2021). Evidence-based policymaking. Routledge.
Eubanks, V. (2018). Automating inequality: How high-tech tools profile, police, and punish the poor. St. Martin’s Press.
Government of Georgia. (2021). SME development strategy of Georgia 2021–2025.
Koppenjan, J., & Koliba, C. (2013). Transformations towards new public governance. International Review of Public Administration, 18(2), 1–11.
Langdana, F. K. (2020). Macroeconomic policy. Springer.
Nutley, S., Davies, H., & Walter, I. (2007). Using evidence: How research can inform public services. Policy Press.
Pfiffner, J. P. (1998). Traditional public administration versus the new public management. George Mason University.
Provost, F., & Fawcett, T. (2013). Data science for business. O’Reilly Media.
Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson.
Sanderson, I. (2002). Evaluation, policy learning and evidence-based policy making. Public Administration, 80(1), 1–22.
Tisdell, C., & Hartley, K. (2008). Microeconomic policy. Edward Elgar.
World Bank. (2021). World development report 2021: Data for better lives. World Bank.