ერთი მილიარდი ლარი შთამბეჭდავი ციფრია, თუმცა ის საქართველოს 2026 წლის 36.285 მილიარდი ლარის ოდენობის კონსოლიდირებული ბიუჯეტის დაახლოებით 2.8%-ს შეადგენს. ამიტომ კითხვა – შეუძლია თუ არა ხელოვნურ ინტელექტს ბიუჯეტისთვის მილიარდების დაზოგვა – უკვე ლეგიტიმურია. თუმცა პასუხი დამოკიდებულია იმაზე, თუ რას ვუწოდებთ დაზოგვას და როგორ ვიყენებთ AI-ს.
თუ სამინისტრო თანამშრომლებს ტექსტის შეჯამების ჩატბოტს დაუმატებს, მილიარდი არ დაიზოგება. მაგრამ თუ სახელმწიფო ერთ სისტემაში გააერთიანებს შესყიდვების ფასებსა და კონტრაქტებს, საგადასახადო რისკებს, სოციალური პროგრამების მონაცემებს, სამედიცინო ანაზღაურებებს, ინფრასტრუქტურის მდგომარეობასა და უწყებების სამუშაო პროცესებს, AI-ს შეუძლია გამოავლინოს ის, რასაც ფრაგმენტული ადმინისტრაცია ხშირად ვერ ხედავს: ზედმეტად მაღალი ფასი, საეჭვოდ მსგავსი შეთავაზებები, არასწორი ან ორმაგი გადახდა, დაუფარავი საგადასახადო რისკი, დაგვიანებული შეკეთება და ათასობით საათის განმეორებითი სამუშაო.
BTU-ს მკვლევრების შეფასებით, მილიარდიანი ეფექტი საქართველოსთვის შესაძლებელია მხოლოდ საშუალოვადიან პერიოდში, რამდენიმე მიმართულების ერთობლივი შედეგით. ეს არ იქნება მხოლოდ ხარჯის შემცირება. ნაწილი იქნება დაბალი შესყიდვის ფასი, ნაწილი – თაღლითობისა და შეცდომის თავიდან აცილება, ნაწილი – დამატებით ამოღებული კანონიერი გადასახადი, ხოლო ნაწილი – საჯარო სექტორის დრო, რომელიც უკეთეს მომსახურებაში უნდა გარდაიქმნას. ამ კატეგორიების ერთმანეთში არევა ეფექტს ხელოვნურად გაზრდის; მათი ცალ-ცალკე გაზომვა კი რეალურ ფისკალურ რეფორმას შექმნის.
ერთი სიტყვა, სამი განსხვავებული შედეგი
„დაზოგვა“ ხშირად ყველა დადებით შედეგს აერთიანებს, მაგრამ ბიუჯეტისთვის მათ განსხვავებული მნიშვნელობა აქვთ. პირველი არის პირდაპირი ეკონომია: სახელმწიფო იმავე საქონელს, მომსახურებას ან შედეგს ნაკლებ ფასად იღებს. მეორეა თავიდან აცილებული დანაკარგი: სისტემა აჩერებს ზედმეტ, არასწორ ან თაღლითურ გადახდას. მესამეა შემოსავლის ზრდა: რისკების უკეთესი ანალიზი ზრდის კანონიერად გადასახდელი გადასახადის ამოღებას.
არსებობს მეოთხე შედეგიც – პროდუქტიულობა. თუ მოხელე დოკუმენტის დამუშავებას ოთხი საათის ნაცვლად ერთ საათს ანდომებს, დრო ნამდვილად დაიზოგა, მაგრამ ეს თანხა ავტომატურად არ ბრუნდება ხაზინაში. ფისკალური ეფექტი მხოლოდ მაშინ ჩნდება, როდესაც თავისუფალი დრო ამცირებს ზეგანაკვეთურ სამუშაოს, ანაცვლებს გარე მომსახურებას, აჩერებს ახალი შტატის საჭიროებას ან აუმჯობესებს მომსახურების მოცულობას იმავე რესურსით.
ამიტომ პასუხისმგებლიანი შეფასება არ უნდა ამბობდეს, რომ AI-მ „დაზოგა“ 100 მილიონი მხოლოდ იმიტომ, რომ სამუშაო საათები ფულად გადაანგარიშდა. უნდა ჩანდეს, რამდენი იყო ნაღდი ეკონომია, რამდენი – თავიდან აცილებული ზარალი, რამდენი – დამატებითი შემოსავალი და რამდენი – გამოთავისუფლებული შესაძლებლობა.
ყველაზე დიდი სივრცე სახელმწიფო შესყიდვებშია
2025 წელს საქართველოს სახელმწიფო შესყიდვების სისტემაში გაფორმებული კონტრაქტების ღირებულებამ დაახლოებით 6.4 მილიარდი ლარი შეადგინა. ასეთ მასშტაბზე მცირე პროცენტიც დიდ თანხად იქცევა. თუ უკეთესი ბაზრის კვლევა, მოთხოვნის გაერთიანება, ფასების შედარება, საეჭვო პატერნების აღმოჩენა და კონტრაქტების შესრულების მონიტორინგი საშუალოდ 3%-იან ეფექტს გამოიღებს, წლიური შედეგი დაახლოებით 192 მილიონი ლარი იქნება; 5%-იანი ეფექტი – 320 მილიონი, ხოლო 7%-იანი – 448 მილიონი.
ეს პროცენტები გარანტირებული პროგნოზი არ არის. ისინი სცენარებია, რომლებიც აჩვენებს მასშტაბს. მსოფლიო ბანკის მიხედვით, ბანგლადეშის ელექტრონულმა შესყიდვებმა ქაღალდზე დაფუძნებულ სისტემასთან შედარებით შესყიდვის ხარჯები დაახლოებით 7%-ით შეამცირა. ეს იყო მთლიანად ციფრული რეფორმის და არა მხოლოდ AI-ის შედეგი. საქართველოს უკვე აქვს ელექტრონული შესყიდვების ძლიერი საფუძველი; შემდეგი ეტაპი შეიძლება იყოს მონაცემების ინტელექტუალური გამოყენება.
AI-ს შეუძლია შეადაროს ერთნაირი პროდუქტის ფასი სხვადასხვა უწყებაში, იპოვოს ტექნიკური პირობები, რომლებიც მხოლოდ ერთ მომწოდებელს ერგება, გამოავლინოს დაკავშირებული კომპანიების საეჭვო ქცევა, შეაფასოს დაბალი ფასით მოგებული კონტრაქტის შეუსრულებლობის რისკი და წინასწარ აჩვენოს, სად ჯობს შესყიდვების გაერთიანება. საბოლოო გადაწყვეტილება ადამიანს უნდა დარჩეს, მაგრამ აუდიტორის ყურადღება უნდა გადავიდეს შემთხვევითი შემოწმებიდან ყველაზე მაღალი რისკის ოპერაციებზე.
მეორე წყარო – გადასახადების უკეთესი ადმინისტრირება
2026 წლის ნაერთი ბიუჯეტის საგადასახადო შემოსავლების გეგმა 27.04 მილიარდი ლარია. ამ ბაზაზე რისკების ანალიზის მცირე გაუმჯობესებაც არსებით შედეგს ქმნის: 0.5%-ის ეკვივალენტი 135.2 მილიონი ლარია, 1% – 270.4 მილიონი, ხოლო 2% – 540.8 მილიონი.
ეს არ ნიშნავს გადასახადის განაკვეთის გაზრდას და არც ყველა ბიზნესის უფრო აგრესიულ შემოწმებას. პირიქით, კარგი ანალიტიკა ამცირებს კეთილსინდისიერი გადამხდელის ზედმეტ კონტროლს და რესურსს მიმართავს იმ დეკლარაციებისკენ, სადაც მონაცემებს შორის რეალური შეუსაბამობა ჩანს. საერთაშორისო გამოცდილებაში AI და მონაცემთა შეჯერება გამოიყენება ყალბი დეკლარაციების, არაბუნებრივი ტრანზაქციების, დღგ-ის თაღლითობისა და დაუფარავი შემოსავლის გამოსავლენად.
აქ მთავარი რისკი ცრუ სიგნალია. ალგორითმმა შეიძლება უჩვეულო, მაგრამ კანონიერი ბიზნესი საეჭვოდ ჩათვალოს. ამიტომ მოდელის შეტყობინება ვერ გახდება ჯარიმა ან სამართლებრივი დასკვნა; ის უნდა იყოს შემოწმების პრიორიტეტის განმსაზღვრელი, რომელსაც მტკიცებულება და ადამიანის გადაწყვეტილება მოსდევს.
ჯანდაცვა, სოციალური პროგრამები და ინფრასტრუქტურა
2026 წელს ჯანმრთელობისა და სოციალური დაცვის სამინისტროს დაფინანსება 9.6686 მილიარდ ლარს აღემატება. ამ თანხის დიდი ნაწილი მოქალაქეთა უფლებებსა და აუცილებელ დახმარებას უკავშირდება, ამიტომ მიზანი ბენეფიციარისთვის სარგებლის შემცირება ვერ იქნება. შესაძლებლობა არის არასწორი ანგარიშების, დუბლირებული მოთხოვნების, უჩვეულო სამედიცინო ბილინგის, პროგრამებს შორის შეუსაბამობისა და მომსახურების ფასების ანალიზი.
თუ ამ მასშტაბური დაფინანსების მხოლოდ 1%-ის უკეთ დაცვას ან უფრო ეფექტიან გამოყენებას შევძლებთ, სავარაუდო ეფექტი 96.7 მილიონ ლარს მიაღწევს, ხოლო 2%-ის შემთხვევაში – 193.4 მილიონს. თუმცა ეს მაჩვენებელი განსაკუთრებული სიფრთხილით უნდა განიმარტოს: ის მხოლოდ ილუსტრაციული სცენარია და არა მტკიცებულება იმისა, რომ ეს თანხა დღეს რეალურად იკარგება. ზუსტი საბაზისო მაჩვენებლების დადგენა მხოლოდ კონკრეტული პროგრამების დონეზე, სიღრმისეული აუდიტისა და პილოტური პროექტების მეშვეობით არის შესაძლებელი.
ინფრასტრუქტურაში AI-ის ღირებულება ხშირად არა იაფ კონტრაქტში, არამედ დროულ მოვლაშია. გზის, ხიდის, წყლის ქსელის ან საჯარო შენობის დაზიანების ადრეული აღმოჩენა შეიძლება გაცილებით იაფი იყოს, ვიდრე ავარიული აღდგენა. 2026 წლის ნაერთ ბიუჯეტში ინფრასტრუქტურის განვითარებისთვის 8 მილიარდ ლარზე მეტია გათვალისწინებული. ამ მასშტაბის 0.5%-ის შესაბამისი ეფექტი 40 მილიონი ლარია, 1%-ის – 80 მილიონი. აქაც ჯერ უნდა დამტკიცდეს, რომ პროგნოზულმა მოვლამ კონკრეტული კაპიტალური ან საოპერაციო ხარჯი რეალურად შეამცირა.
რამდენად რეალურია ერთი მილიარდი
BTU-ს კვლევითმა ჯგუფმა საჯარო მასშტაბების საჩვენებლად სამი ილუსტრაციული სცენარი გამოთვალა. ისინი არ წარმოადგენს ბიუჯეტის აუდიტს ან ოფიციალურ პროგნოზს და მიმართულებებს შორის შესაძლო გადაფარვის გამო პირდაპირ დაჯამებას სიფრთხილე სჭირდება.
კონსერვატიულ სცენარში შესყიდვებზე 3%-იანი ეფექტი, საგადასახადო შემოსავლებზე 0.5%-იანი დამატებითი შესაბამისობა, ჯანმრთელობისა და სოციალური ბიუჯეტის 1%-ის უკეთ დაცვა, ინფრასტრუქტურაზე 0.5%-იანი ეფექტი და 3.4 მილიარდლარიანი საჯარო სახელფასო ხარჯის 2%-ის ეკვივალენტი პროდუქტიულობა ჯამურად დაახლოებით 532 მილიონ ლარს უდრის.
ცენტრალურ სცენარში შესაბამისი მაჩვენებლებია 5%, 1%, 2%, 1% და 3%. მათემატიკური ჯამი დაახლოებით 966 მილიონი ლარია – პრაქტიკულად ერთი მილიარდის მასშტაბი. მაღალი სცენარი 7%, 2%, 3%, 2% და 5%-ით დაახლოებით 1.61 მილიარდს აღწევს, მაგრამ ის მნიშვნელოვნად უფრო რთულ ინსტიტუციურ ცვლილებასა და მკაცრ დამოუკიდებელ გადამოწმებას მოითხოვს.
ყველაზე მნიშვნელოვანი შეზღუდვა ისაა, რომ პროდუქტიულობის ეკვივალენტი ნაღდი დანაზოგი არ არის, საგადასახადო შემოსავალი კი ხარჯის ეკონომია არაა. ამიტომ საუკეთესო ფორმულირება ასეთია: AI-ზე დაფუძნებულმა საბიუჯეტო რეფორმამ შეიძლება რამდენიმე წელიწადში შექმნას მილიარდ ლარამდე ან მეტი წლიური ფისკალური და პროდუქტიულობის ეფექტი; ხაზინაში რეალურად დარჩენილი თანხა უფრო მცირე იქნება და ცალკე უნდა დაითვალოს.
რატომ ვერ გააკეთებს ამას ერთი დიდი სისტემა
მილიარდის დაპირებით შექმნილი ცენტრალური „სუპერ-AI“ მაღალი რისკის პროექტი იქნება. უწყებებს განსხვავებული მონაცემები, სამართლებრივი უფლებები და გადაწყვეტილების პროცესები აქვთ. შესყიდვის რისკის აღმოჩენა, სამედიცინო მოთხოვნის შემოწმება და სოციალური დახმარების გადაწყვეტილება ერთნაირ მოდელს ვერ დაეყრდნობა.
უფრო რეალისტურია საერთო მონაცემთა და მმართველობის სტანდარტი, რომელსაც რამდენიმე მიზნობრივი სისტემა ეყრდნობა. თითოეულ მათგანს უნდა ჰქონდეს მკაფიო მანდატი: რას კითხულობს, რა სიგნალს ქმნის, რისი გადაწყვეტა შეუძლია და სად არის ადამიანის სავალდებულო ჩარევა. AI აგენტი შეიძლება ამოწმებდეს კონტრაქტს, ადარებდეს ფასებს და ამზადებდეს რისკის დასაბუთებას, მაგრამ ვერ უნდა აჩერებდეს გადახდას ან ადამიანს დახმარებას ართმევდეს მხოლოდ გაუმჭვირვალე ქულის საფუძველზე.
BTU-ს შესაძლო როლი
BTU-ს როლი შეიძლება იყოს არა სახელმწიფო გადაწყვეტილებების მიღება, არამედ დამოუკიდებელი კვლევითი და საცდელი გარემოს შექმნა. უნივერსიტეტს შეუძლია ეკონომისტების, მონაცემთა მეცნიერების, კიბერუსაფრთხოების სპეციალისტების, იურისტებისა და საჯარო მმართველობის მკვლევრების გაერთიანება და ისეთი პილოტების აგება, რომლებიც რეალურ მონაცემებზე ამოწმებს სარგებელსა და რისკს.
პირველი მიმართულება შეიძლება იყოს საჯარო შესყიდვების ანონიმიზებული მონაცემების კვლევითი ლაბორატორია: ფასების შედარება, კონკურენციის მაჩვენებლები, კონტრაქტის ცვლილებები და შესრულების რისკები. მეორე – ქართული ენისთვის განკუთვნილი საჯარო დოკუმენტების AI-ანალიზი. ადმინისტრაციული ტექსტები, კანონები, ბიუჯეტის პროგრამები და სატენდერო პირობები ქართულად სწორად უნდა ესმოდეს სისტემას; უცხოენოვანი მოდელის უბრალო თარგმანი საკმარისი არ იქნება.
ამ კონტექსტში BTU-ს მიერ ქართული ენის AI-ისთვის სწავლება და ქართული ცოდნის ბანკის შექმნა მხოლოდ კულტურული პროექტი არ არის. ეს საბიუჯეტო ტექნოლოგიის ინფრასტრუქტურაცაა: თუ AI ვერ არჩევს ქართულ იურიდიულ ტერმინებს, უწყებების განსხვავებულ ფორმულირებებსა და ეკონომიკურ კონტექსტს, ის ვერ შეადარებს დოკუმენტებს სანდოდ და შეიძლება ძვირადღირებული შეცდომა დაუშვას.
BTU-ს ასევე შეუძლია შექმნას „ფისკალური AI-ის შეფასების პროტოკოლი“: პილოტამდე განისაზღვროს საბაზისო მაჩვენებელი, შემდეგ კი დამოუკიდებლად გაიზომოს სიზუსტე, ცრუ სიგნალები, დაზოგილი თანხა, დამატებითი შემოსავალი, სამუშაო დრო, მოქალაქეზე გავლენა და გასაჩივრებული გადაწყვეტილებები. ამგვარი კვლევითი არქიტექტურა ტექნოლოგიურ ენთუზიაზმს ანგარიშვალდებულ შედეგად გარდაქმნის.
საიდან უნდა დაიწყოს საქართველო
სწორი დასაწყისი არ არის ყველა უწყებისთვის გენერაციული AI-ის ლიცენზიის შეძენა. პირველ ეტაპზე საჭიროა სამი–ხუთი სფეროს არჩევა, სადაც მონაცემი საკმარისად ხარისხიანია, თანხა დიდია, გადაწყვეტილება განმეორებადია და შედეგი ექვსიდან თორმეტ თვეში იზომება.
შესყიდვებში პილოტმა შეიძლება შეადაროს რამდენიმე მაღალი მოცულობის კატეგორია და წინასწარ დააფიქსიროს საბაზრო ფასთან აცდენა. შემოსავლების სამსახურში სისტემა შეიძლება მხოლოდ აუდიტის პრიორიტეტს განსაზღვრავდეს. ჯანდაცვაში – ექიმის გადაწყვეტილების ნაცვლად ბილინგის შეუსაბამობას ეძებდეს. ინფრასტრუქტურაში – კონკრეტული გზების ან ხიდების მოვლის საჭიროებას პროგნოზირებდეს. ადმინისტრაციაში – დოკუმენტის მოძიებას, შედარებასა და პროექტის მომზადებას აჩქარებდეს.
ყოველ პილოტს უნდა ჰქონდეს საკონტროლო ჯგუფი ან ისტორიული შედარება. გამოქვეყნდეს არა მხოლოდ წარმატება, არამედ შეცდომებიც. თუ სისტემა 10 მილიონ ლარს ზოგავს, მაგრამ ათასობით მოქალაქეს უსამართლოდ აყოვნებს, ის ეფექტიანი ვერ იქნება. თუ მოდელი ბევრ საეჭვო შემთხვევას პოულობს, მაგრამ გამომძიებლები მათ ვერ ამუშავებენ, ტექნოლოგია მხოლოდ რიგს ზრდის.
დასკვნა
AI-ს შეუძლია საქართველოს ბიუჯეტისთვის მილიარდის მასშტაბის ეფექტის შექმნა, მაგრამ ეს შედეგი პროგრამული უზრუნველყოფის შეძენიდან არ იწყება. ის იწყება მონაცემის ხარისხით, მკაფიო მანდატით, პასუხისმგებელი უწყებით, ადამიანის საბოლოო კონტროლით და წინასწარ შეთანხმებული საზომებით.
რეალური შესაძლებლობა განსაკუთრებით დიდია, რადგან საქართველოს ბიუჯეტი საკმარისად დიდია იმისთვის, რომ მცირე პროცენტულმა გაუმჯობესებამ ასობით მილიონი შექმნას, ხოლო ქვეყანა საკმარისად მცირეა იმისთვის, რომ წარმატებული პილოტი შედარებით სწრაფად გავრცელდეს. მაგრამ ყველაზე სახიფათო იქნება მილიარდის წინასწარ გამოცხადება და შემდეგ ყველა დაზოგილი საათის, დაუშვებელი გადახდისა და დამატებითი გადასახადის ერთ რიცხვად გაერთიანება.
სწორი მიზანი უფრო მკაცრია: სახელმწიფომ უნდა იცოდეს, სად დაიზოგა ერთი ლარი, რატომ დაიზოგა, ვისზე იმოქმედა და შეიძლებოდა თუ არა იგივე შედეგის მიღება AI-ის გარეშე. მხოლოდ ამის შემდეგ გადაიქცევა ხელოვნური ინტელექტი ბიუჯეტის რეალურ ინსტრუმენტად და არა ძვირადღირებულ ტექნოლოგიურ დაპირებად.
წყაროები
- საქართველოს ფინანსთა სამინისტრო და საქართველოს პარლამენტი – 2026 წლის სახელმწიფო და ნაერთი ბიუჯეტის ძირითადი პარამეტრები.
- საქართველოს სახელმწიფო შესყიდვების სააგენტო – 2025 წლის საქმიანობისა და შესყიდვების მონაცემები.
- OECD – Governing with Artificial Intelligence, 2025.
- World Bank – ელექტრონული სახელმწიფო შესყიდვების შედეგები ბანგლადეშსა და სხვა ქვეყნებში.
- UK Government – საჯარო სექტორის AI Playbook, Algorithmic Transparency Recording Standard და თაღლითობის რისკის შეფასების პრაქტიკა.
- BTU-ს კვლევითი მასალები – AI აგენტური მენეჯმენტი, მანდატი, ანგარიშვალდებულება და ქართული ცოდნის ინფრასტრუქტურა.