Как с помощью ИИ анализировать ТЗ на страну

Предвыборная программа — это ТЗ на страну. Обычно без владельца требований, архитектуры исполнения, бюджета и критериев приёмки.
Поэтому мы попробовали анализировать программы партий не как политические эссе и не вопросом к ИИ «кто лучше?», а как бизнес-аналитик анализирует набор требований.

В корпус вошли русскоязычные программы семи партий. Ручного кодирования не было: весь конвейер автоматический. Но «скормить PDF нейросети» — это не методология. Методология выглядела так.

1. Зафиксировать baseline
Сохранить исходники, версии и хеши. Отдельно обозначить жанр документа и язык. Иначе завтра партия заменит файл, а исследование станет невоспроизводимым.

2. Нормализовать данные
Удалить номера страниц, оглавления и артефакты PDF, разбить текст на предложения и присвоить каждому фрагменту стабильный ID. Это оказалось критично: грязное извлечение завышало число «предложений с цифрами» в несколько раз.

3. Построить онтологию
Мы разделили:
— диагноз проблемы;
— обещание-действие;
— желаемое состояние будущего;
— исполнителя;
— инструмент;
— срок;
— метрику и базу отсчёта;
— источник ресурсов;
— выгодоприобретателя и того, кто несёт цену;
— соответствие полномочиям парламента;
— позицию или молчание по спорному вопросу.

4. Сегментировать требования
ИИ выделял атомарные единицы обещаний и элементы образа будущего. Строгие единицы, понятные сами по себе, отделялись от контекстуальных, смысл которых наследуется из заголовка или предыдущего пункта. В основной расчёт шёл только строгий слой.

5. Кодировать quote-first
Любая оценка должна была иметь дословную цитату и ссылку на исходный segment ID. Использовались несколько семантических проходов, скептическая перепроверка и автоматический арбитраж. Нет устойчивого решения или совпадения цитаты — не «догадка», а код неопределённости.

6. Не строить магический рейтинг
Отдельно сравнивались качество разработки программы, образ будущего и публичная подотчётность. Сильная идеология не компенсирует отсутствие бюджета, а подробный список мер — отсутствие политической позиции.
Что получилось?

В строгом корпусе оказалось 960 обещаний и 199 элементов образа будущего. Полный пакет «действие + инструмент + срок + измеримый результат» встретился только один раз.

Доля обещаний, прямо относящихся к полномочиям парламента, составила от 5,7% до 30,3%: партии часто пишут программу правительства, а не план работы фракции.

По 14 спорным вопросам были построены 98 отдельных решений «партия × вопрос». Единственным всеобщим молчанием стал январь 2022 года.
Главный урок для аналитиков: ИИ полезен не как оракул, а как масштабируемый движок требований — extraction, classification, traceability, consistency checks и synthesis.

Качество даёт не «умная модель», а архитектура процесса: единицы анализа, справочник кодов, режим пропусков, доказательная трассировка, тесты и запрет на сверхвыводы.

А фактчекинг цифр, правовой анализ инструментов и проверка исполнения — уже отдельные контуры. Текстовый аудит не должен притворяться проверкой реальности.

Отчёт