ООН сотрудничает с Google, чтобы сделать глобальную статистику пригодной для ИИ-агентов
ООН совместно с Google строит статистическую платформу, готовую к работе с ИИ: после низкой точности моделей появятся поиск на естественном языке, provenance и доступ по MCP.
Организация Объединённых Наций работает с Google над тем, чтобы изменить способ поиска и использования своих статистических данных людьми и ИИ-системами. Новый UN System Data Commons заменяет старый портал UNData, добавляя поиск на естественном языке и прямой машинный доступ через Model Context Protocol, или MCP.
Проект отвечает на практическую проблему: универсальные ИИ-модели часто не могут корректно и последовательно извлекать базовые показатели развития. Тест UNICEF шести ведущих моделей показал среднюю точность 21,2 % на более чем 133 000 ответов, по словам Жоау Педру Азеведу, главного статистика UNICEF.
Для разработчиков ИИ и корпоративных data-команд эта инициатива примечательна тем, что она нацелена на слой ниже самой модели. Вместо того чтобы заставлять ИИ-систему опираться на обучающие данные или открытый веб-поиск, ООН создаёт структурированный источник, который агенты могут запрашивать, проверять и цитировать.
От UNData к UN System Data Commons
UN System Data Commons построен на открытой платформе Google Data Commons, запущенной в 2018 году для организации открытых наборов данных от разных поставщиков в единой рамке. Версия ООН объединяет статистику нескольких агентств ООН в одну поисковую среду.
Предыдущий портал UNData требовал от пользователей просматривать и искать данные через более традиционный интерфейс базы данных. Новая система позволяет задавать вопросы на естественном языке и находить статистику по участвующим агентствам. Она также фиксирует происхождение каждой статистики, позволяя пользователю — или ИИ-приложению — проследить ответ до его исходного источника ООН.
ООН сообщила, что 26 организаций взяли на себя обязательства по платформе, а данные почти 20 из них доступны на запуске. Цель — перенести на платформу 80 % статистических наборов данных системы ООН к 2027 году. Эти цифры описывают обязательства и цели, а не завершённую миграцию, и из имеющихся данных неясно, какая часть данных уже стандартизована между агентствами.
Google.org предоставила 2 миллиона долларов на развитие потенциала и техническую поддержку ядра инфраструктуры платформы. Команда Data Commons в Google сообщила TechCrunch, что система размещена в инстансе под управлением ООН и в будущем должна обслуживаться, эксплуатироваться и масштабироваться независимо самой ООН.
Почему бенчмарк ИИ важен
Партнёрство стало продолжением рабочего документа UNICEF, выявившего слабые места в доступе к данным о развитии с помощью ИИ. Тест охватывал GPT-4o и GPT-4o-mini от OpenAI, Claude Sonnet 4.5 и Haiku 4.5 от Anthropic, а также Gemini 2.5 Flash и Gemini 2.0 Flash от Google.
Азеведу сказал, что примерно три из пяти ответов не давали пригодного числа, часто потому, что модели уклонялись от ответа вместо того, чтобы отвечать. Когда те же вопросы повторно прогнали на тех же версиях моделей примерно через два дня, модели, которые выдали число в оба раза, возвращали одно и то же число только примерно в половине случаев.
К результатам следует относиться осторожно. UNICEF пока не опубликовал методологию, код или тестовые данные, а рабочий документ не проходил рецензирование. Поэтому выводы — это раннее предупреждение о надёжности ИИ-поиска, а не окончательный рейтинг протестированных моделей.
UNICEF также сообщил о резком росте трафика, приходящего от генеративных ИИ-помощников. По словам Азеведу, переходы из ответов ChatGPT на сайт UNICEF выросли на 67 % в годовом выражении в период с 1 января по 14 сентября. Такие переходы составляли 6,4 % всех сессий, а UNICEF оценивал, что ИИ-помощники обеспечивали примерно одну из десяти посещений в целом. Это агрегированные агентством показатели трафика, и они не показывают, доверяли ли посетители полученным ответам или действовали ли на их основе.
MCP превращает статистику в агентный рабочий процесс
Поддержка Model Context Protocol является центральной для предполагаемого использования платформы. MCP даёт ИИ-приложениям стандартный способ подключаться к внешним инструментам и источникам данных. В прошлом году Google добавила поддержку MCP в Data Commons, что позволило ИИ-агентам напрямую запрашивать статистику и получать её источники.
Это меняет рабочий процесс с простого ответа на вопрос на сбор данных. В демонстрации Google ИИ-система, подключённая к данным ООН через MCP, выявила статистику, связанную с влиянием программы President’s Emergency Plan for AIDS Relief в Африке. Она объединила такие показатели, как инфекции ВИЧ, смертность от СПИДа и ожидаемая продолжительность жизни, чтобы создать инфографику.
Для продуктовых команд важное различие — между получением одного проверенного значения и генерацией анализа на основе нескольких значений. Подключённая система может создавать панели, графики или текстовые отчёты, не заставляя пользователя вручную находить и объединять наборы данных. Однако качество результата по-прежнему зависит от того, выбирает ли агент подходящие показатели, понимает ли их определения и сохраняет ли различия по географии, периоду и методологии.
Демонстрация Google — это пример от поставщика, а не независимая оценка производительности в боевой среде. Доступ к авторитетным данным может уменьшить один источник ошибок, но не предотвращает неверную интерпретацию данных ИИ-моделью или необоснованный вывод.
Последствия для разработчиков и институтов
Проект ООН указывает на более контролируемую архитектуру для ИИ-приложений, отвечающих на вопросы о государственной политике, здравоохранении, развитии и экономике. Разработчики могут использовать управляемый источник данных с provenance вместо того, чтобы рассматривать языковую модель как саму базу данных. Это может упростить аудит ответов, обновление цифр и определение источника, стоящего за сгенерированным графиком.
Это также повышает требования к реализации. Полезный интерфейс для агента должен показывать не только число: он должен сохранять набор данных, издателя, определение, единицу измерения, географический охват и отчётный период. Без этого контекста технически верная статистика всё равно может быть использована неправильно. Поэтому решение ООН отслеживать происхождение источника столь же важно, как и её интерфейс на естественном языке.
Корпоративным покупателям не стоит воспринимать запуск как доказательство того, что ИИ-аналитика готова к публикации без надзора. Прэм Рамасвами из Google сказал, что человеческая проверка должна сохраняться, потому что модели могут неверно интерпретировать нюансы. Это предупреждение особенно важно для официальной статистики, где небольшие различия в определениях могут существенно изменить вывод.
Проект также даёт Google роль в инфраструктуре, используемой для доступа к данным государственного сектора, хотя заявленная конечная цель — система под управлением ООН и независимой эксплуатацией. Его долгосрочное значение будет зависеть от того, сможет ли ООН поддерживать единые схемы, графики обновлений, контроль доступа и качество источников в десятках агентств.
За чем следить дальше
Первым сигналом станет публикация UNICEF своей методологии, кода и данных. Этот материал должен прояснить, как бенчмарк определял точность, какие вопросы задавались и сохраняются ли заявленные различия между моделями при независимой проверке.
Второй — фактическое внедрение UN System Data Commons. Прогресс к цели 2027 года, число перенесённых наборов данных и согласованность метаданных между агентствами покажут, становится ли платформа рабочей инфраструктурой или остаётся демонстрационным слоем.
Разработчикам ИИ также стоит следить за MCP-интеграциями за пределами примеров Google, включая независимые инструменты, которые тестируют точность цитирования, актуальность обновлений и поведение агента, когда источники данных расходятся. Для институтов ключевой вопрос — можно ли надёжно аудировать сгенерированные результаты для исследований, анализа политики и публичной коммуникации.
Взгляд Creati.ai
Шаг ООН затрагивает мало замечаемую часть ИИ-стека: надёжный доступ к структурированной, авторитетной информации. Одних более сильных моделей, вероятно, недостаточно, чтобы решить проблему, выявленную тестом UNICEF, если сам путь извлечения данных остаётся неоднозначным или трудным для проверки.
Более трудным испытанием будет не демонстрация, а управление. Если ООН сможет сохранять единые определения, provenance и обновления, одновременно открывая свои данные агентам, платформа может стать практичной эталонной архитектурой для ИИ в государственном секторе. Если нет, MCP просто ускорит извлечение несогласованных данных и превращение их в отполированный, но вводящий в заблуждение анализ.
