Организация Объединенных Наций официально представила новую платформу под названием UN System Data Commons. Проект, реализуемый в партнерстве с Google, направлен на оптимизацию огромных массивов глобальной статистики ООН для более эффективного взаимодействия с современными системами искусственного интеллекта.
Особенности и возможности платформы
Новая система построена на базе открытой платформы Data Commons от компании Google. В отличие от предыдущего портала UNData, который требовал традиционного поиска по базе данных, UN System Data Commons позволяет пользователям находить статистические показатели с помощью запросов на естественном языке. Важной технической особенностью платформы стала поддержка протокола Model Context Protocol (MCP), который дает возможность нейросетям напрямую подключаться к внешним источникам структурированных данных.
В настоящий момент 26 структур ООН подтвердили свое участие в проекте, а данные почти 20 из них доступны уже на старте. Согласно планам организации, к 2027 году на платформу будет перенесено до 80% всех статистических наборов данных системы ООН. Шантану Мукерджи, исполняющий обязанности директора Статистического отдела ООН, отметил, что инициатива позволила вывести масштаб и гибкость работы с информацией на качественно новый уровень, одновременно подготовив данные к использованию в ИИ-инструментах.
Проблема точности ИИ и роль authoritative-данных
Переход на новую систему обусловлен стремлением решить проблему низкой надежности нейросетей при поиске достоверных фактов. Согласно рабочему исследованию UNICEF, анализ точности ответов шести крупных языковых моделей (GPT-4o, GPT-4o-mini от OpenAI; Claude Sonnet 4.5, Haiku 4.5 от Anthropic; Gemini 2.5 Flash, Gemini 2.0 Flash от Google) по вопросам глобальных индикаторов развития показал среднюю точность всего в 21,2%. В трех из пяти случаев модели не смогли предоставить конкретное число, часто избегая прямых ответов.
Жуан Педро Азеведу, главный статистик UNICEF, подчеркнул, что ИИ-помощники все чаще становятся источником ответов для пользователей. По данным ведомства, с 1 января по 14 сентября 2026 года количество переходов на сайт UNICEF через ссылки из ответов ChatGPT выросло на 67% по сравнению с аналогичным периодом прошлого года. В целом, на долю ИИ-помощников сейчас приходится около 10% всех визитов на сайт организации.
Техническая реализация и перспективы
Компания Google предоставила ООН 2 миллиона долларов в виде гранта для формирования технической инфраструктуры проекта. Прем Рамасвами, руководитель команды Google Data Commons, пояснил, что система размещена на стороне ООН, которая в будущем будет самостоятельно управлять платформой и масштабировать её ресурсы.
Архитектура решения предусматривает отслеживание происхождения каждого показателя. Это позволяет пользователям проверять данные, полученные через нейросеть, сопоставляя их с первоисточниками ООН. В демонстрационных целях Google показала, как ИИ через протокол MCP может собирать различные индикаторы для создания аналитических графиков и информационных панелей без необходимости ручного поиска данных.
Тем не менее разработчики предупреждают, что наличие достоверных данных не гарантирует безошибочность выводов нейросети. Как отметил Рамасвами, модели могут неправильно истолковывать нюансы статистики, поэтому человеку следует проводить обязательную проверку результатов перед их использованием или публикацией.
Особенности исследования надежности ИИ
Важно уточнить контекст тестирования, проведенного UNICEF: это рабочая документация, которая готовится для подачи в научный журнал и пока не прошла процедуру независимого рецензирования. Организация заявила о намерении опубликовать не только итоговую работу, но и всю методологию, программный код и наборы данных, использованные в процессе проверки моделей на 133 000 ответов.
Исследование выявило еще одну системную проблему: нестабильность результатов. Когда те же самые вопросы были повторно заданы тем же версиям моделей спустя два дня, выяснилось, что системы, предоставившие числовой ответ в обоих случаях, выдали идентичные значения лишь в половине ситуаций. Это подчеркивает непредсказуемость работы современных LLM даже при работе с фактической информацией.
Техническая реализация и экосистема
Программа Google Data Commons, на базе которой построена новая платформа, была запущена еще в 2018 году с целью организации разрозненных публичных данных в рамках общей структуры. Интеграция протокола Model Context Protocol (MCP) в этот проект произошла в прошлом году, что позволило ИИ-агентам напрямую запрашивать статистику вместе с ее источниками.
Процесс внедрения платформы в ООН строится на принципе «обучения тренеров» (train-the-trainer), что, по словам Према Рамасвами, уже привело к быстрому росту компетенций внутри команды ООН. Хотя Google предоставила начальное финансирование в размере 2 миллионов долларов и техническую поддержку, долгосрочная стратегия предполагает полную независимость ООН в вопросах эксплуатации и масштабирования системы.
Примеры практического применения
Помимо простого извлечения цифр, интеграция через MCP позволяет автоматизировать создание сложной аналитики. В качестве демонстрации Google показала, как ИИ может самостоятельно определять влияние Чрезвычайного плана президента США по борьбе со СПИДом (PEPFAR) в странах Африки. Система автоматически подобрала показатели по уровню инфицирования ВИЧ, смертности от СПИДа и ожидаемой продолжительности жизни, на основе которых сгенерировала готовые инфографики, диаграммы и текстовый отчет без ручного объединения разрозненных массивов данных пользователем.
«Поскольку модели могут неверно истолковывать нюансы, человек всегда должен проверять результаты, прежде чем цитировать их или публиковать», — напоминает Прем Рамасвами, подчеркивая важность человеческого контроля при работе с ИИ-аналитикой.
