Проблема
Канадский муниципалитет среднего размера, насчитывающий около 500 сотрудников и обслуживающий 180 000 жителей, столкнулся с накопленными задержками по разрешениям на строительство, ставшими значительной политической и экономической проблемой. Заявители на жилые и коммерческие разрешения ожидали обработки своих заявлений 8–12 недель — срок, откладывавший начало строительства, увеличивавший финансовые расходы для застройщиков и раздражавший домовладельцев, стремящихся завершить проекты по реконструкции.
Процесс выдачи разрешений был документоемким и полностью ручным. Три штатных сотрудника департамента разрешений на строительство были выделены для проверки этих пакетов: они проверяли, что все необходимые документы присутствуют, что чертежи соответствуют требованиям кодекса, что расчеты отступов и коэффициентов застройки участков верны и что заявления достаточно полны для передачи на техническую экспертизу.
Каждая ручная проверка полноты занимала 4–6 часов. Заявления с недостатками — около 65% всех поданных — возвращались заявителю с письменным списком недостатков. Заявители исправляли недостатки и повторно подавали, запуская новую проверку полноты. Некоторые заявления проходили этот цикл два или три раза до достижения полного пакета документов.
Объем заявлений вырос на 35% за четыре года по мере увеличения строительной активности в муниципалитете. Мощность персонала не увеличивалась соответственно. Трое сотрудников проверки разрешений работали в очереди, структурно превышавшей их пропускную способность.
Муниципалитет также имел измерение гражданского опыта. Заявители не имели систематического способа отследить состояние своего заявления. Баллы удовлетворенности граждан для департамента разрешений были самыми низкими среди всех муниципальных услуг в последнем ежегодном опросе.
Подход
Аудит (3 недели). Мы проанализировали три года данных по заявлениям на разрешения, изучили выборку из 40 пакетов заявлений по жилым, коммерческим и историческим категориям и провели время с каждым из трех сотрудников проверки разрешений, наблюдая их реальный процесс проверки.
Аудит количественно определил возможность: 68% суммарного времени персонала на стадии до технической проверки тратилось на проверку полноты документов и выявление недостатков — работу, следующей последовательной, документируемой логике. Если система ИИ могла выполнять этот шаг с необходимой точностью, три сотрудника освобождались для сосредоточения на 32% работы, действительно требующей человеческого суждения: необычные заявления, сложные условия участка, консультации с заявителями и координация с инженерами и инспекторами.
Мы также выявили, что 40-страничный контрольный список муниципального строительного кодекса, используемый для проверки полноты, применялся непоследовательно разными сотрудниками. Стандартизация и кодирование логики контрольного списка были предпосылкой для внедрения ИИ.
Стратегия (4 недели). Мы разработали систему с тремя компонентами:
- Извлечение и классификация документов ИИ — обработка поданных пакетов заявлений
- Автоматическая проверка контрольного списка — верификация извлеченной информации и генерация структурированных отчетов о недостатках
- Ассистент коммуникации с заявителями — обработка рутинных запросов заявителей о статусе заявления
Внедрение — Фаза 1 (2 месяца): Извлечение документов и проверка полноты. Мы развернули движок обработки документов ИИ, обученный на 2 400 исторических заявлениях муниципалитета. Движок был настроен на:
- Классификацию каждого документа в поданном пакете по типу (архитектурный чертеж, генплан, структурный расчет и т.д.)
- Извлечение ключевых полей данных из каждого типа документа (размеры, коэффициент застройки, расстояния отступов и т.д.)
- Сравнение извлеченных данных с требованиями контрольного списка для применимой категории разрешения
- Формирование структурированного отчета о полноте
В первый месяц развертывания оценки ИИ проходили теневую проверку сотрудниками разрешений. Точность выявления недостатков ИИ составляла 94% на первой неделе и улучшилась до 97% к шестой неделе.
Внедрение — Фаза 2 (2 месяца): Ассистент коммуникации с заявителями. ИИ-ассистент коммуникации был развернут для обработки запросов заявителей о статусе и рутинных вопросов о процессе через портал разрешений муниципалитета. Около 35% входящих запросов обрабатывалось ассистентом полностью без участия персонала.
Внедрение — Фаза 3 (1 месяц): Интеграция и оптимизация рабочего процесса. Третья фаза завершила интеграцию между системой ИИ, программным обеспечением управления разрешениями и порталом заявителей. Отслеживание статуса разрешений стало полностью доступным в реальном времени. Автоматические уведомления информировали заявителей об изменениях статуса, уведомлениях о недостатках и разрешениях без необходимости действий персонала.
Обучение и развитие (параллельно). Обучение для персонала разрешений сосредоточилось на работе с отчетами о полноте, сгенерированными ИИ, обработке неоднозначных случаев и использовании механизма обратной связи для отметки некорректных оценок.
Результаты
- Срок обработки снизился с 8–12 недель до 3 недель. Устранение ручной проверки полноты из стадии до технической экспертизы стало основным движущим фактором.
- Сокращение на 70% времени персонала на рутинные проверки полноты. Три сотрудника проверки разрешений сместились от затраты большей части своего времени на механическую проверку документов к сосредоточению на сложных заявлениях и консультациях с заявителями.
- Коэффициент полноты первой подачи улучшился с 35% до 58%. По мере того как заявители получали более конкретные уведомления о недостатках и использовали ИИ-ассистент коммуникации для прояснения требований перед подачей, качество входящих заявлений улучшилось.
- Балл удовлетворенности граждан для департамента разрешений улучшился на 40%. Основные факторы удовлетворенности, названные респондентами: более быстрые сроки обработки и видимость статуса в реальном времени.
- Объем звонков о статусе снизился на 62%. С доступностью статуса в реальном времени через портал и обработкой рутинных запросов ИИ-ассистентом департамент получал значительно меньше телефонных запросов о статусе заявлений.
Ключевые Выводы
1. Проверка документов — это узкое место в большинстве процессов выдачи разрешений, и её можно автоматизировать. Наш аудит показал, что 68% проверки документов вовсе не было профессиональным суждением — это была систематическая проверка контрольного списка, которую ИИ мог выполнять с высокой точностью. Выявление и автоматизация механического уровня освобождает мощности для уровня суждений.
2. Специфичность уведомлений о недостатках — это фактор гражданского опыта. Заявители, получающие расплывчатые уведомления о недостатках, расстроены и не уверены, как исправить проблему. Заявители, получающие конкретные уведомления о недостатках — со ссылками на контрольный список — могут эффективно исправить их. Способность системы ИИ генерировать конкретные уведомления сократила циклы повторных подач и улучшила удовлетворенность заявителей ещё до улучшения сроков обработки.
3. Коммуникационный пробел — это половина проблемы. Заявители, ожидающие 10 недель разрешения, легче принимают этот срок, если знают, где находится их заявление. Когда они не знают — они раздражаются. Возможность статуса в реальном времени и ассистент коммуникации были, по отзывам заявителей, так же важны для улучшения удовлетворенности, как и сокращенные сроки обработки.
Для муниципалитетов, стремящихся модернизировать обработку разрешений, ознакомьтесь с государственными ИИ-услугами Remolda, нашими возможностями обработки документов и нашими ИИ-чатбот решениями.