ШІ-асистент для підготовки відповідей на запити на публічну інформацію до Міністерства соціальної політики, сім'ї та єдності України

Abstract

Об’єкт дослідження – процес обробки та підготовки відповідей на запити щодо доступу до публічної інформації в органах виконавчої влади. Мета кваліфікаційної роботи – розробка та дослідження засобів автоматизованої генерації офіційних відповідей на запити громадян з використанням адаптованих LLM на основі підходу «людина в контурі» (Human-in-the-Loop), що забезпечує зменшення адміністративного навантаження на державних службовців. Методи дослідження – методи системного аналізу предметної області та нормативної бази, багатокритеріальної оптимізації для відбору моделей, методи обробки природної мови (NLP) для підготовки даних, метод квантованої низькорангової адаптації (QLoRA) для доналаштування нейромереж, методи порівняльного та експертного аналізу якості генерації. Результати роботи можуть бути використані при розробці GovTech та LegalTech рішень для автоматизації ділового листування в державному секторі; для цифрової трансформації процесів комунікації в Міністерстві соціальної політики, сім’ї та єдності України; як основа для створення безпечних локальних ШІ-асистентів для державного сектору, що працюють з чутливими даними без використання зовнішніх хмарних сервісів. Розробка та дослідження проводилися у хмарному середовищі Google Colab з використанням графічного прискорювача NVIDIA Tesla T4. Розробка програмного засобу проводилася мовою програмування Python із використанням бібліотек Unsloth та TRL.

The object of research is the process of processing and preparing responses to requests for access to public information within executive authorities. The purpose of the qualification work is the development and research of tools for the automated generation of official responses to citizen requests using adapted LLMs based on the «Human-in-the-Loop» approach, ensuring a reduction in the administrative burden on civil servants. Research methods – methods of system analysis of the domain and regulatory framework, multi-criteria optimization for model selection, Natural Language Processing (NLP) methods for data preparation, the Quantized Low-Rank Adaptation (QLoRA) method for fine-tuning neural networks, and methods of comparative and expert analysis of generation quality. The results of the work can be used in the development of GovTech and LegalTech solutions for automating official correspondence in the public sector; for the digital transformation of communication processes at the Ministry of Social Policy, Family and Unity of Ukraine; and as a basis for creating secure local AI assistants for the public sector that process sensitive data without relying on external cloud services. The development and research were conducted in the Google Colab cloud environment using an NVIDIA Tesla T4 graphics accelerator. The software tool was developed using the Python programming language with the Unsloth and TRL libraries.