Innovatsiooniprojekti ideekavand1 AVALIKU SEKTORI INNOVATSIOONIVÕIMEKUSE TÕSTMINE

Ideekavandit täites palume tutvuda riigikantselei veebilehel toodud soovituste ja juhistega projekti esitajale.

Innovatsiooniprojekti nimi Tuleviku ehitamis- ja planeerimiskeskkonna tsentraalse orkestreerimis- ja kvaliteedikontrolli katseprojekt 2027–2028

Innovatsiooniprojekti

fookusvaldkond

☐ Droonitehnoloogiate valdkond

☒ Tehisintellekti lahenduste valdkond

Innovatsiooniprojekti panus

valitsuse tegevuskava

prioriteetidesse

☐ Riigi kriisikindluse suurendamine

☐ Majanduse kasvule kaasa aitamine

☒ Riigi tõhus juhtimine

Innovatsiooniprojekti esitajad (tulevased RK partnerid)

(asutus/asutused)2

Maa- ja Ruumiamet (MaRu) kui e-ehituse infosüsteemi tulevikulahenduste sisu tellija ning Keskkonnaministeeriumi Infotehnoloogiakeskus (KeMIT) kui MaRu infosüsteemide arenduste

hankija ja tehniline haldaja.

Projektijuht või ideekavandi esitaja kontaktisik (nimi, asutus, e–posti

aadress ja telefon)

Kristjan Kaiklem, KeMIT arendus- ja andmekaitsenõunik (e-post: [email protected]).

Partneri kontaktisik: Henri Pook, MaRu innovatsioonijuht (e-post: [email protected])

Innovatsiooniprojekti kestus

(kuudes)

19 kuud

Ajaarvestust alustame üldjuhul partnerluslepingu sõlmimisest.

Innovatsiooniprojekti kogumaksumus

(sh käibemaks, kui on abikõlblik)

Kogumaksumus: 823 000 eurot

Partner 1: KeMIT, 823 000 eurot Partner 2: MaRu, 0 eurot

Käibemaks ☒ jääb kulu tegija kanda (käibemaks abikõlblik)

☐ saab küsida riigilt tagasi (käibemaks ei ole abikõlblik)

Vastav info täita iga partneri kohta (kopeeri ridu ning kirjuta partneri nimi juurde)

1 Juhul kui ideekavand on mõeldud asutusesiseseks kasutamiseks, siis lisage vastav alus ideekavandi päisesse. 2 Partner EL struktuurivahendite mõttes, kes viib ise läbi innovatsiooniprojekti elluviimisega seotud hanked, sõlmib lepingud ning vastutab aruandluse eest.

1. Probleemikirjeldus (max 2 lk) Kirjeldage lahendamist vajavat probleemi, selle olulisust ning keda see probleem puudutab.

• Selgitage, miks on probleem aktuaalne.

• Hinnake probleemi mõju (nt rahaline kokkuhoid, keskkonna- või sotsiaalne kasu).Kirjeldage probleemi tausta. Mida on probleemi lahendamiseks Eestis juba tehtud või mis on tegemisel?

Tooge välja relevantsed teiste riikide kogemused probleemi lahendamisel.

Probleemi taust E-ehituse platvorm koondab ehitamise (sh ka raudtee- ja maanteerajatised, purglad, varjendid, jne) ja planeerimise ning tulevikus ka maaparandussüsteemidega seotud andmed ja menetlused. Platvorm

koosneb enam kui 30 omavahel seotud komponendist, sisaldab ligikaudu 70 miljonit dokumenti ning seda arendavad neli välist partnerit.Peamine probleem ei ole üksikute komponentide koodikvaliteet, vaid tehnoloogilise võimekuse

puudumine, mis võimaldaks hinnata muudatuste mõju kogu platvormile enne nende jõudmist tootmiskeskkonda. Platvormi lähtekood, andmebaasid, liidesed, konfiguratsioonid ja kasutusõigused on tihedalt seotud, kuid nende sõltuvustest puudub terviklik ja automaatselt ajakohastuv ülevaade.

Seetõttu võib ühe partneri tehtud muudatus põhjustada ootamatu tõrke teises süsteemiosas. Ka süsteemi seire on killustunud. Logid, tehnilised mõõdikud, kasutajate tegevus, juurutuste ajalugu ja kasutajatoe pöördumised paiknevad eri süsteemides. Tõrke korral on seetõttu keeruline kiiresti

tuvastada, kas probleemi põhjustas tarkvaraviga, andmeskeemi muudatus, liidese- või ligipääsuõiguse probleem või kasutajale ebaselge lahendus. Probleem mõjutab e-ehituse kasutajaid, kohalikke omavalitsusi, riigiasutusi, ehitus - ja

planeerimisvaldkonna ettevõtteid, arenduspartnereid ning platvormi haldajat. Süsteemi tõrked võivad põhjustada teenusekatkestusi, pikendada menetlusi, suurendada kasutajatoe koormust ning tekitada andmete käideldavuse, tervikluse või konf identsiaalsusega seotud riske. Probleem on aktuaalne, sest platvormi ulatus ja seotus teiste info süsteemidega kasvab. Samal ajal karmistuvad töökindluse, küberturbe ja auditeeritavuse nõuded. EITSi ja NIS2 nõuete täitmiseks ei piisa üksnes perioodilistest käsitsi tehtavatest kontrollidest; vaja on järjepidevat võimekust hinnata

muudatuste mõju ja tehniliste kontrollide täitmist kogu arendus- ja käitustsükli jooksul. Eestis kasutatakse automatiseeritud testimist, koodianalüüsi, pideva integratsiooni ja juurutamise lahendusi, monitooringut ning turbekontrolle. Need vahendid lahendavad üksikuid ülesandeid , kuid ei

anna platvormiülest tervikvaadet ega võimalda hinnata eri partnerite muudatuste koostoimet kogu süsteemi kontekstis.

Mida lahendatakse – seoses AI võimalustega

Kuna on asutud eraldi disainima keskkonna testplatvormina uuendatud e-ehitust, vaadatakse üle ka

platvormi arendamise ja vigade tuvastamisega seotud probleemistik , ning AI-põhiselt koodi professionaalne arendamine, teenuse monitoorimine ning kliendi tehnilise probleemi automaatne lahendamine on võimalused, mida saaks ja tuleks katsetada, kas need teevad infosüsteemi

arendusprotsessid soodsamateks, kiiremateks ning automaatseteks.

Avalikus sektoris puudub süsteemne ja terviklik AI-arendamise ja AI-põhise arenduse

hankimise metoodika ja kogemus. Samuti ei ole teadaolevalt rakendatud AI-põhist seiresüsteemi ja kasutusele pole võetud keskset tsentraalset orkestreerimisprotsessi. Ilma sellise tervikuta aga ei saa AI-arendused olla eriti efektiivsed ega kokkuhoiuga – pigem vastupidi: kui

infosüsteemi arendamisel realiseerida ilma standardita ja spetsiaalsete nõuete dokumentatsiooni ja kontrollita AI-põhist arendust, on tulemus väga suure tõenäosusega negatiivne. Ehk siis, ainus võimalus oleks täna omaenda eksperimenteerimise kogemuste pealt õppida ning edasi anda teistele.

Eksperimentaalne fookus: Me ei tea täna, kas ja kuidas alluvad välised arendusf irmad AI-põhisele tsentraalsele kontrollile ning kas praegused AI-mudelid suudavad reaalsetes kriisiolukordades ja pärandsüsteemide "andmebaaside rägastikus" teha õigeid ja turvalisi otsuseid ilma inimest eksitamata.

See teadmatus loob vajaduse unikaalse katsekeskkonna järele, kus ja kuidas panna suur, pärandandmete ja ristviidetega platvorm tööle nii, et arendus, käitamine, intsidentide diagnoos, vastavus ja kvaliteedikontroll alluksid ühele kesksele, masinloetavale ja auditeeritavale AI-

orkestreerimise kihile.

Peamine innovatsiooniline väljakutse ja aktuaalne probleem seisneb kaasaegse, avalikule sektorile

sobiliku AI-põhise arenduse ja käitamise tsentraalse orkestreerimisprotsessi ja juhtimismudeli puudumises. Kuna puudub testitud ja tõendatud praktika, on infosüsteemi haldamine ja riskide maandamine kriitilises seisus:

• Teadmatus koodikvaliteedi tsentraalses juhtimises: MaRu arendajad ja IT arhitektid kasutavad igapäevaselt erinevaid digitaalseid tööriistu. Kuna puudub ühtne keskne haldus, luuakse koodi erinevate arendusloogikate alusel, mis tekitab tõsiseid tõrkeid

süsteemiintegratsioonis, kui nelja erineva välise arendusf irma tarnitavat koo di püütakse liita tervikuks. Tõeline innovatsiooniline probleem on see, et meil puudub teadmine, kuidas panna välised arenduspartnerid ja asutusesisesed rollid alluma ühtsele masinloetavale ja AI-juhitud

kvaliteedikontrollile otse arendusprotsessis.

• Eksperimentaalne risk andmebaaside ristviidete rägastikus: Infosüsteem koosneb enam kui 30 aktiivsest komponendist ja mikroteenusest, kuhu on koondunud tihedalt põimunud

funktsionaalsused. Mastaapsed andmekogud on seotud keerukate, pärandina saadud andmebaaside vaheliste otseühendustega, kus muudatus ühes andmeskeemis võib ootamatult katkestada andmevahetuse teises süsteemi osas. Kuna tarkvara komponentide ja

ligipääsuõiguste käsitsi kontrollimine on vigaderohke , vajab riik katseprojekti tõestamaks, kas autonoomne AI-kiht on üldse suuteline sellises läbipõimunud keskkonnas reaalajas tagama ja valideerima platvormi täielikku vastavust küberturbe standarditele (EITS/NIS2) otseselt

arenduse käigus.

• Reaktiivse seire ja kasutajakogemuse lahususe uurimuslik ainulaadsus: Praegune seire toimib tagantjärele reageerimise põhimõttel. Logide analüüs mastaapsete andmemahtude (~70M dokumenti) juures on aeglane ning tehniline monitooring on täielikult lahutatud tegelikust

kasutajakogemusest (UX). Tõrke tekkimisel ei suudeta operatiivselt tuvastada, kas tegemist on puhta süsteemivea või ebaselge kasutajaliidese loogikaga. Avalikus sektoris puudub pretsedent, kuidas siduda reaalajaline kasutajakäitumise telemeetria automaatse AI-põhise

veatuvastuse ja koodiloomega, muutes selle probleemi lahendamise puhtalt uurimuslikuks eksperimenteerimiseks.

Kuhu ollakse sellega mujal maailmas jõutud? Probleemi üksikosad on maailmas AI-ga juba osaliselt

lahendatud (nt ka Eestis testib Nortal Ai-põhist tarkvara arendusprotsessi, kuid mitte konkreetse

infosüsteemiga seotult), kuid nende kokkupanek avaliku sektori suure pärandplatvormi keskseks,

auditeeritavaks ja turvaliseks juhtimismudeliks on endiselt avatud uurimis - ja katseprobleem. Iseäranis

uudne on selles veel ka testimine, kuidas saaks kasutajal tekkinud tehnilise tõrke automaatselt, st ilma

kasutaja poolse kuhugi probleemist kirjutamiseta, tuvastada ning lahendusprotsessi suunata. Selliselt

saaksime aru, kas Eesti avaliku sektori infosüsteemide tänast kroonilist rahapuudust ja tehnoloogilist

vananemist saaks hakata korvama „iseuuenevad“ süsteemid – positiivse tulemuse korral võib

kokkuhoid olla miljonites eurodes aastas säästetud maksumaksja raha.

2. Projekti eesmärk

Sõnastage konkreetne, selge ning mõõdetav eesmärki, mille saavutamist või mitte saavutamist on võimalik hinnata.

• Kirjeldage, kuidas plaanite projekti eesmärgi saavutamist mõõta.

Mida saavutatakse: Infosüsteem hakkab ennast ise hooldama ja arendama ning arvesse võtma ja auutomaatselt lahendama iga kliendil tekkinud tehnilist tõrget. Me loome e-ehituse platvormile

autonoomse, iseparaneva ja keskse orkestreeringuga infosüsteemi tarkvarakihi (cybernetic/autonomous orchestration layer), mida ei ole Eesti e-riigi arhitektuuris varem loodud ja testitud. Projekti eesmärk on eksperimentaalselt tõestada, et tehisintellektipõhine orkestreerimine

suudab avaliku sektori IT arendus- ja hoolduskulusid radikaalselt kärpida ja liikuda reaktiivselt vigade lappimiselt proaktiivsele, iseparanevale mudelile(sidudes arenduse, reaalaja monitooringu ja kasutajatoe ühtseks autonoomseks tagasisideahelaks). Edu korral muudaks see kogu tänase e-riigi

arendamise arhitektuurset paradigmat.

Projektil on 2 alleesmärki:

- Täiesti uue, skaleeritava ning loodava arhitektuuri näol korduskasutatava AI-

referentsarhitektuuri testplatvormi loomine e-ehitusele, mis annab kogemuse järgmistele

riiklikele infosüsteemidele, kuidas tervikuna võiks tulevikus AI-arendusprotsesside orkestreerimist teha, vastavaid hankeid läbi viia ning mis võitu see annaks.

- Loome ja testime süsteemi, mis mitte lihtsalt ei teavita tarkvaraveast, vaid suudab kognitiivselt

analüüsida kasutaja tõrke konteksti, luua semantilise seose koodibaasiga, genereerida paranduspileti koos vajaliku andmestikuga ja suunata selle orkestreeritud tsüklisse – tegemist on täiesti uue tehnoloogilise lahenduse loomisega. Selle suuna mõju on tuleviku infosüsteemi

klienditeeninduse töökorralduse täielikus mutumises – senise peamiselt vahetu kirjadele ja kõnedele vastamise asemel monitoorib klienditeenindus AI-lahenduste tööd ning kinnitab arendustööde pileteid ja kontrollib tulemust (otsese kliendi abistamise teenuses võtavad Ai-

strateegia järgi MaRus üle teised AI-agendid).

Kuidas mõõdetakse: Kuna tegemist on eksperimendiga, on püstitatud julged ja konkreetsed

hüpoteesid (KPI-d) – hoolduskulude vähendamine 875-lt tuhandelt 635 tuhandele eurole, toodanguvigade vähenemine poole võrra ning süsteemi stabiilsuse viimine 99.9%-ni. Nende sihtide saavutamine või mittesaavutamine näitabki katseprojekti reaalset tulemuslikkust.

Käesoleva projekti pea rakendamisel tekib e-ehituse infosüsteemi arendamise ja pikaajalise ülalpidamise kulude vähenemine ning platvormile tekib võimekustäielikult automatiseeritud, süsteemne

vigade tekkimise ennetamiseks Projekti kui suuremahulise eksperimendi edukust ja püstitatud hüpoteeside paikapidavust hinnatakse järgmiste kvantitatiivsete sihtnäitajate abil:

Finantsilise säästumudeli katsetamine: Kuna tegemist on katseprojektiga, testitakse f inantsilist hüpoteesi: kas uute tööriistadega on võimalik saavutada aastast säästu süsteemi käitamise kulude

tänaselt tasemelt alljärgnevalt:

Valdkond Säästu % Eeldatav sääst (EUR) Tuletatud tänane kulu (EUR)

Arendus -25% 100 000 EUR 400 000 EUR

DevOps -30% 50 000 EUR 166 667 EUR

Kasutajatugi -40% 70 000 EUR 175 000 EUR

Infrastruktuur -15% 20 000 EUR 133 333 EUR

KOKKU ~27,4% 240 000 EUR 875 000 EUR

*arvestatud ei ole ühekordsete investeeringutega seotud arenduste kuludega e-ehituse platvormile,

vaid ainult jooksvaks süsteemi korrastamiseks kuluvate summadega. Tegemist on konservatiivsete hinnangutega.

• Operatsioonilise kiiruse hüpoteesid: Uuenduste live-keskkonda jõudmise aeg peab vähenema vähemalt 40% (15 päevalt 9 päevale) ning kasutajatoe esmane reageerimisaeg kahanema 4 tunnilt 1.5 tunnile.

Käitamise stabiilsuse ja kvaliteedi sihtnäitajad: Live-keskkonnas tekkivate uute süsteemivigade arv sprindi kohta peab vähenema vähemalt 50%. Süsteemi üldine uptime peab pilvetaristus saavutama

sihttaseme 99.9% , kriitiliste intsidentide lahendamise keskmine aeg vähenema 1.5 tunnile ning koodikaetus testidega tõusma automaatselt üle 85%. Automaatne vastavus EITS ja NIS2 nõuetele otse arenduskonveieris peab olema 100%.

Rahvusvaheliselt kasutatakse AI-d koodianalüüsis, anomaaliate tuvastamisel, logide analüüsis ja

intsidentide juurpõhjuse leidmisel. Olemasolevad lahendused keskenduvad siiski enamasti üksikutele ülesannetele ega ühenda tervikuks mitme tarnijaga pärandsüsteemi sõltuvusi, muudatuste mõju, käitusaegset telemeetriat ning kvaliteedi- ja turbekontrolli. Probleemi lahendamine võimaldaks vähendada tootmiskeskkonda jõudvate vigade arvu, kiirendada intsidentide lahendamist, parandada platvormi töökindlust ning vähendada arendus - ja hoolduskulusid.

Projekti majandusliku hüpoteesi kohaselt võib iga-aastane hooldus- ja käitamiskulu väheneda 875000 eurolt 635 000 eurole. Seda hinnatakse projekti käigus tegelike mõõdikute alusel.

3. Võimalikud lahendussuunad (max 2 lk) Kirjeldage võimalikke lahendusi ning tegevusi, millega projekti eesmärk saavutatakse.

• Kirjeldage võimalikke lahendussuundi, põhjendage eelistatud lahendussuuna valikut (NB! Valitud lahendussuund ei ole siduv, see võib projekti käigus muutuda).

• Kirjeldage probleemi lahendamiseks vajalikke tegevusi, mida antud katseprojekti raames plaanitakse teha.

• Selgitage, kuidas lahendust katsetatakse. Selgitage, kuidas läbi viidavat katsetust ja selle edukust hindate.

Mida tehakse: Luuakse keskne tehisintellektil põhinev eksperimentaalne arendusprotsessi

juhtimissüsteem – AI Orkestraator – ning süsteemi monitooringu intelligentne iseõppiv lahendus koos spetsialiseeritud AI-agentidega (Development, Operations, Support, Governance).

Kuidas käitutakse määramatusega: Kui mõni süsteemi osa – näiteks iseparanevad testid või

koodi automaatne refaktoreerimine – ei hakka oodatud viisil tööle või hakkab koodi "semantiliselt triivima", siis projektis ei peideta seda, vaid läbikukkunud komponendid analüüsitakse uuesti ümber ja realiseeritakse alternatiivsete lahenduste abil. See on riiklik "elav labor", mis tuvastab AI tehnoloogilised

piirid avalikus sektoris. Kavandatav lahendus kujutab endast e-ehituse infosüsteemi külge , täielikult eksperimentaalne

tehisintellektiga juhitud arendus- ning käitamiskihi loomist Kuna agentsete süsteemide rakendamine riigi põhitaristus on globaalselt esmakordne, on kogu lahendus oma olemuselt teadus- ja arenduslaadne eksperiment, mille käigus testitakse uudseid

tehnoloogiaid ja meetodeid: 1. Eksperimentaalne AI arenduse orkestraator ja Agentic RAG: Infosüsteemi tuumaks

luuakse tsentraalne autonoomne platvorm AI Orkestraator, mis katsetab

agendihooldusraamistikke (AWS Bedrock AgentCore + LangGraph/Strands) ja standardiseeritud liideseprotokolle (MCP - Model Context Protocol). Platvormi aluseks on Teadmiste baas (Knowledge Base), mis põhineb Agentic RAG tehnoloogial, koondades

reaalajas e-ehituse tehnilist infot. Projektis testitakse hüpoteesi, kas virtuaalsete spetsialistide meeskond (agendid) suudab iseseisvalt läbi viia mitme-etapilisi keerukaid tööprotsesse, küsides kriitilistes otsustuskohtades inim-eksperdi kinnitust.

2. Katsetatavad AI-allüksuste rollid ja funktsionaalsus: o Keskne juhtimiskeskus (Bedrock AgentCore): Koordineerib ja haldab digitaalseid AI-

agente, testides automaatseid turvapiirdeid.

o Arenduse AI: Katsetab koodiloomet (Claude Code) ja automaatset koodi review'd suletud keskkonnas.

o Käitamise AI: Eksperimenteerib anomaaliate tuvastamise ja automaatse

skaleerimisega pilvelogide analüüsi baasil. o Kasutajatoe AI: Püüab automatiseerida Jiras piletite loomist ja sessioonianalüüsi MCP-

liideste kaudu.

o Reeglite AI: Digitaalne audiitor, mis testib EITS / NIS2 reaalajas seiret otse arenduskonveieris.

Lahenduste katsetamise ja ümberhindamise protsess: Projekti raames testitakse läbi kaks

mastaapset automatiseeritud töövoogu: UI-tundlik veatuvastus ja Uue mastaapse funktsionaalsuse integratsioonitsükkel.

Kuna tegemist on eksperimendiga, ei ole täna täpselt teada, millised osad nendest töövoogudest

hakkavad edukamalt tööle. Näiteks kui selgub, et Testistsenaariumide agendid ei suuda Playwrighti teste piisava töökindlusega ise parandada või kui tekivad ootamatud lõpmatud koodiparandusringid, siis antud komponendid analüüsitakse kriitiliselt ümber ning realiseeritakse alternatiivsete

arhitektuursete lahenduste või rangemate inim-kontrollpunktide abil. Katseprojekti tegelik väärtus seisnebki nende tehnoloogiliste pudelikaelte empiirilises tuvastamises ja lahendamises, mis annab riigile reaalse teadmise AI-põhise arendustsükliga kaasnevatest piirangutest avalikus sektoris.

Projekti eesmärgi saavutamiseks arendatakse ja testitakse kahte lahendussuunda. Esimene lahendussuund arendab ja testib AI-põhist infosüsteemi monitooringut, mis tuvastab tõrkeid,

mis tekivad klientidel süsteemi kasutamisel. Sellised tõrked registreeritakse ning saadetakse automaatselt agendile, mis viib läbi analüüsi tõrkest ning lahendusest ja koostab selle kohta potentsiaalse arenduse pileti. Kuna tõrke tekkimine võib olla seotud ka spetsiif ilise kliendi käitumisega

süsteemis, siis kombineeritakse lahenduse analüüsis tõrkeinfot süsteemis statistiliselt mõõdetud klienditeekondadega (nn heatmaps), mis võimaldab AI-l täpsemalt „mõista“, kuidas tõrge tekkis. Selles lahendussuunas tehtaks koostööd klienditeenindusega, kellelt kogutakse tagasisidet tõrke tuvastamise

ja lahenduse leidmise võimekuse kohta (töö, mida nad ise täna teevad). rakendada Teine lahendussuund on luua keskne AI-põhine orkestreerimiskiht, mis ühendab platvormi tehnilise konteksti, koordineerib spetsialiseeritud agentide tööd ning rakendab riskipõhiseid inimkontrolli punkte.

Seda käsitletakse projekti eelistatud lähtekohana, sest e-ehituse probleem eeldab platvormiülest mõjuanalüüsi, otsuste jälgitavust ja eri arenduspartnerite muudatuste kooskõla hindamist. Lahendussuund võib katsetulemuste põhjal muutuda, sest tehnoloogiliselt on seda luua võimalik mitmel

erineval moel ning täna ei ole kõige parem lahendus teada. Projekti käigus:

• luuakse lähtekoodi, andmebaaside, liideste, konf iguratsioonide, kasutusõiguste ja telemeetria

seoseid koondav süsteemikonteksti prototüüp;

• arendatakse keskne orkestreerimiskiht;

• rakendatakse piiratud ülesannetega arenduse, käitamise, kasutajatoe ja vastavuskontrolli AI- komponendid;

• ühendatakse lahendus arenduskonveieri, koodihoidlate, testide, seire ja piletihaldusega;

• luuakse masinloetavad kvaliteedi-, turbe- ja otsustusreeglid;

• määratakse tegevused, mida AI võib teha automaatselt, ning tegevused, mis vajavad inimese kinnitust;

• võrreldakse erinevaid mudeleid, arhitektuure ja kontrollimehhanisme. Lahendust katsetatakse vähemalt kahes töövoos. Muudatuse mõju analüüsis hinnatakse, kas AI suudab enne juurutamist tuvastada muudatusega mõjutatud komponendid, andmeskeemid, liidesed, õigused ja võimalikud riskid. Tõrke põhjuse analüüsis seostatakse logid, mõõdikud, juurutused, kasutaja tegevus ja

lähtekoodimuudatused ning hinnatakse, kas AI suudab tuvastada tõrke tõenäolise põhjuse ja koostada kontrollitava parandusettepaneku. Katsetulemusi võrreldakse ekspertide hinnangute, tegelike testi- ja integratsioonitulemuste ning

varasemate samalaadsete juhtumitega. Mõõdetakse vähemalt õigesti tuvastatud riskide osakaalu, valepositiivsete ja valenegatiivsete tulemuste hulka, otsuste jälgitavust, inimese sekkumise vajadust ning analüüsile kuluvat aega. Kõik katsed viiakse läbi madala riskiga e-ehituse eraldi pilve paigaldataval testplatvormil. Kui mõni lahendus ei saavuta nõutavat töökindlust, rakendatakse kitsama õigusega agente, reeglipõhiseid kontrolle või täiendavaid inimkontrolli punkte.

4. Projekti uuenduslikkus

Tuua selgelt välja projekti uuenduslikkus –mida tehakse senisest teisiti kas see hõlmab uusi tehnoloogiaid, protsesse, toimemudeleid, disaini, turgu vms?

• Selgitage lahenduse uuenduslikkust nii Eesti kui globaalses kontekstis.

• Mis on projektis sellist, mis vajab katsetamist?

Tegemist on eksperimentaalse arendustööga, mis sisaldab endas arendus- ja teadustegevuse osasid, kus luuakse unikaalne agentide vaheline orkestreerimisloogika ja kontekstihaldus ühe süsteemi raames. Tegemist on tehnoloogilise väljakutsega, mida tuleb analüüsida ning teostada tarkvaraarendust nii lahendusel kui e-ehituse infosüsteemil, et see hakkaks tervikuna eesmärgipäraselt tööle. Projekti uuenduslikkus ei seisne üksnes AI kasutuselevõtus ega olemasoleva arendusprotsessi

automatiseerimises. Projektis katsetatakse uut tehnoloogilist terviklahendust, mis ühendab e-ehituse platvormi süsteemisõltuvused, arendusmuudatused, telemeetria (enesediagnostika), kvaliteedi- ja turbereeglid ning inimese kontrolli üheks auditeeritavaks AI-põhiseks otsustus- ja orkestreerimiskihiks. Praegused arendus-, testimis- ja seirevahendid töötavad valdavalt üksikute komponentide või andmeallikatega. Projektis arendatav lahendus peab suutma hinnata muudatusi kogu platvormi kontekstis, tuvastada võimalikke mõjusid teistele teenustele ja andmebaasidele ning siduda AI

soovitused kontrollitavate tehniliste tõenditega. Senisest erinevalt ühendatakse ühte lahendusse:

• platvormi dünaamiline ja masinloetav süsteemikontekst;

• spetsialiseeritud AI-komponentide koordineeritud koostöö;

• lähtekoodi, andmeskeemide, telemeetria ja kasutaja tegevuse ühine analüüs;

• masinloetavad kvaliteedi- ja turbereeglid;

• AI otsuste jälgitavus, põhjendatus ja riskihinnang;

• otsuse riskitasemest sõltuv automaatika ja inimese kinnitamine.

Eesti kontekstis on uudne AI rakendamine mitme tarnijaga riikliku infosüsteemi platvormiülese tehnilise kontrollikihina. Projekti eesmärk ei ole üksikute arendustööriistade täiendamine, vaid tervikliku

tehnoloogilise võimekuse loomine, mis aitab hinnata eri partnerite muudatuste koostoimet ja kogu süsteemi toimimist. Tegemist on Krattide rakendamisega uues teemas, kus me täpselt veel ei tea mõju, aga oskame siiski hinnata potentsiaali. Rahvusvaheliselt kasutatakse AI-d juba koodianalüüsis, anomaaliate tuvastamisel, logide analüüsis ja vastavuskontrollis. Projekti uudsus seisneb nende võimekuste ühendamises suure, pika arendusajalooga, mitme tarnija ja tihedalt seotud andmebaasidega avaliku sektori infosüsteemis ning

lahenduse valideerimises turbe-, auditeeritavuse ja vastutuse nõuete alusel. Katsetamist vajavad eelkõige järgmised tehnoloogilised küsimused:

1. kas platvormi koodi, andmebaaside, liideste ja telemeetria põhjal on võimalik luua piisavalt

täpne ja ajakohane süsteemikontekst; 2. kas AI suudab tuvastada dokumenteerimata sõltuvusi ja prognoosida muudatuste

platvormiülest mõju;

3. kas spetsialiseeritud AI-komponendid suudavad teha koostööd ilma vastuoluliste otsuste, lõputute tegevusahelate või semantilise triivita;

4. kas AI soovitused on võimalik siduda selliste tehniliste tõenditega, mida ekspert saab

kontrollida ja auditeerida; 5. milliste ülesannete puhul on AI autonoomne tegevus piisavalt ohutu ning millal peab otsus

jääma inimesele;

6. millises ulatuses saab EITSi ja NIS2 nõuetest tuletada automatiseeritavaid tehnilisi kontrolle. Projekti tulemus ei ole ainult uus töökorraldus. Tulemuseks on katsetatud tehnoloogiline prototüüp ja

empiiriline teadmine selle kohta, milliseid arendus- ja käitusotsuseid saab AI abil automatiseerida, milliseid üksnes toetada ning millised peavad jääma inimese vastutusele.

Alljärgnevalt on toodud välja võrdlus „tavapärase“ protsessi uuendamise ning uue lahenduse loomise vahel (mida meie plaanime teha):

Tegevus

Tavaline

protsessiinnovatsioon (Mida me EI TEE)

Süsteemne / Tehnoloogiline innovatsioon (Mida me TEEME)

Monitooring Paneme üles valmis tarkvara

(nt Splunk/Grafana), mis

Loome AI-põhise semantilise analüüsi

mootori, mis tuvastab reaalajas

saadab administraatorile meili,

kui süsteem on maas.

kasutajate sisulised tõrked (isegi kui

süsteem tehniliselt töötab) ja kaardistab probleemi põhjuse.

Veaotsing ja

piletid

Kasutaja kirjutab kasutajatoele, tugi teeb käsitööna Jira pileti arendajale.

Süsteem genereerib autonoomselt

struktureeritud paranduspileti, mis sisaldab konteksti analüüsi, viidet veaseisundile ja ettepanekut

arhitektuurseks lahenduseks.

Orkestreerimine

Arendajad kasutavad

igapäevatöös AI-assistente (Copilot) koodi ja lähteülesannete kirjutamiseks.

Arendatakse keskne mitme agendi (Multi-Agent) orkestreerimisplatvorm,

mis juhib ja kontrollib AI-täisprotsessi vastavalt e-ehituse infosüsteemi nõuetele ja riigi infosüsteemide turva-

ja kvaliteediraamistikule.

5. Projekti elluviimisega (katsetusega) seotud riskid ja nende maandamismeetmed Kirjelda peamisi riske, mis võivad takistada projekti elluviimist või eesmärkide saavutamist,

ning kavanda maandamismeetmed.

Millised on riskid: Kuna projekt on eksperimentaalne, on riskid unikaalsed ja seotud tehisintellekti käitumisega – näiteks lõpmatud koodiparandusringid, koodi stiili või loogika triivimine ja iseparanevate testide eksimused. Teise eraldi bloki moodustavad sellise projekti juhtimise organisatsioonilised riskid.

I Tehnoloogilised riskid

Riski kirjeldus (AI- spetsiifiline)

Tõenäosus Mõju

Tehnoloogiline

maandamistegevus (Toote- agnostiline)

Tegevuskonteksti tsüklite hälbed ja

lõpmatud koodiparandusringid

Kõrge Kõrge

Juurutatakse range koodipõhine

spetsif ikatsioonide valideerimine (Specification-as-Code). Autonoomsete parandusringide arv

piiratakse süsteemselt ja kriitilistes sõlmpunktides nõutakse alati in- house peaarhitekti manuaalset

kinnitust.

Koodi semantiline triiv arenduspartnerite lõikes

läbi hajutatud liideste

Kõrge Keskmine

Keskse arenduslüüsi kaudu surutakse peale unif itseeritud koodi

genereerimise raamistikud ja ühtne koodikindlustus. CI/CD konveierisse ehitatakse automaatne staatilise

koodianalüüsi kvaliteedivärav.

Konteksti kadu ja hälbed (Context Drift) teadmiste baasides

Keskmine Kõrge

Keerukate otsingumudelite (RAG) pidev ja automaatne semantiline

tükeldamine ning reaalajaline ristviidete kaardistamine

graaf ipõhiselt. Tehisintellektile

söödetakse ette rangelt piiritletud domeenide andmevood.

Iseparanevate testide

valepositiivsed tulemused

Keskmine Keskmine

Testide iseparanemise raportid

nõuavad testimisandmete insenerilt kohustuslikku lokaalset ülevaatust enne koodi põhiharru lubamist.

Automaatse muutmise limiit on piiratud ühe korrani.

Väliste AI-teenuste kättesaadavuse katkestused ja API-

taseme lukustatus

Madal Keskmine

Arhitektuur ehitatakse üles multi-

region (failover) loogikale, tagatakse taristu liiasus ning luuakse valmidus kohalike (lokaalselt majutatavate)

avatud lähtekoodiga mudelite kasutuselevõtuks.

Varjatud turvavead ja kõvakodeeritud

saladused AI loodud koodis

Keskmine Kõrge

CI/CD konveierisse integreeritakse

staatiline saladuste ja paroolide skanner, mis teostab koodi üleandmisel täieliku puhtuse auditi

enne lõplikku paigaldust.

II Organisatsioonilised riskid

Riski kirjeldus (Organisatsiooniline)

Tõenäosus Mõju Organisatsiooniline maandamistegevus

Väliste arenduspartnerite vastuseis uuele AI- põhisele kontrollimudelile

Kõrge Kõrge

Hanketingimuste ja olemasolevate lepingute lisade õigeaegne täiendamine, mis kohustab

arendusf irmasid uute kvaliteediväravate reeglitele alluma. Partnerite kaasamine

katseetappidesse juba varakult, et vähendada "meie versus nemad" efekti.

Asutusesisese AI-

kompetentsi puudus ja meeskonna ülekoormus

Keskmine Kõrge

Eelarves on ette nähtud spetsiaalne koolitusfond (85 000 EUR) meeskonna pidevaks

täiendõppeks. Tihe koostöö ettevõtete ja riigiasutustega oskusteabe ja parimate praktikate

reaalajalisel sissetoomisel.

Rollide ja vastutuse

hägustumine meeskondade vahel (MaRu vs Kemit)

Keskmine Keskmine

Juurutatakse vastutusmaatriks (nt RACI mudel) ning seotakse

meeskonna planeerimine projektiga 'Planeeringud 2.0' nii, et käesoleva projekti meeskond teeb

vaid praeguse projekti tegevusi.

Klienditeeninduse usaldamatus ja hirm autonoomsete süsteemide

ees (AI-toega kasutajatugi)

Keskmine Keskmine

Katseprojektis rakendatakse

põhimõtet, kus tehisintellekt toimib esimeses faasis vaid inimese "kaasautorina". Ükski AI otsus või

klienditoe vastus ei lähe arendusse ilma majasisese spetsialisti heakskiiduta.

Eksperimendi osaline ebaõnnestumine (mõni AI-

lahendus ei hakka reaalsuses tööle)

Keskmine Keskmine

Projekti juhtimiskultuuri juurutatakse fail-fast mõtteviis. Ajakavasse ja etappidesse on

sisse planeeritud regulaarsed analüüsipunktid, kus mittetöötavad AI-komponendid analüüsitakse

ümber ja asendatakse alternatiivsete traditsiooniliste või hübriidlahendustega.

6. Projekti ajakava

Koostage realistlik ajakava, mis hõlmab kõiki projekti tegevusi ning annab sellega sisendi projekti eelarve koostamisele.

• Ajakava koostamisel arvestage vajalike eel- ja järel- või vahetegevustega (nt partnerluslepingu sõlmimise ettevalmistus kuni 2 kuud, vajalike lubade saamine projekti jooksul vms).

• Milliste võimalike puhvritega oleks ajakavas mõistlik arvestada?

• Jagage tegevused loogilisteks etappideks, arvestage tegevuste omavahelisi seoseid ning ajalist järgnevust või paralleelsust.

• Hangete läbiviimise ajaraami kavandamiseks kasuta hankekalkulaatorit Hankekalkulaator - EIS

Kuidas katsetust planeeritakse: Eksperiment viiakse läbi peale hankeid 15 kuu jooksul loogiliste

etappidena, et riske hajutada. Kuidas tagatakse paindlikkus: Ajakava on üles ehitatud selliselt, et igale arendusfaasile järgneb

koheselt selle testimine ja tulemuste analüüs, jättes viimases etapis aega süsteemi vigadest

õppimiseks ja ümberhindamiseks. Projekt tegevused on jaotatud viieks eksperimentaalseks etapiks, tagades pideva valideerimise:

Tegevused / Etapid Tegevuse algus (kuu)

Tegevuse lõpp (kuu)

Kestus kokku

(kuud)

Faas 1: Hanked ja KeMIT-MaRu ühine eelanalüüs (Süsteemi alternatiivide loomise ja

hankedokumentatsiooni eelanalüüs)

1. kuu 4. kuu 4 kuud

Faas 2: AI Orkestraator Platvormi loomine (Hüpoteeside seadistamine ja teadmiste baas)

5. kuu 7. kuu 3 kuud

Faas 3: Development AI & CI/CD konveieri

katsetamine (Koodiloome ja automaattestid) 8. kuu 11. kuu 4 kuud

Faas 4: Operations AI & Andmebaasi reorganiseerimine (PostgreSQL

refaktoreerimise eksperiment)

12. kuu 14. kuu 3 kuud

Faas 5: Support AI & Süsteemide integratsioonitestid (Sessiooni- ja

veaanalüüsi katsetused)

15. kuu 17. kuu 3 kuud

Faas 6: Governance & Seire/Auditi lõppfaas (EITS/NIS2 automaatkontrolli

valideerimine)

18. kuu 19. kuu 2 kuud

KOKKU 19 kuud

7. Projekti eelarve Koostage realistlik eelarve detailsusega, mis hõlmab kõiki projekti tegevusi ning võimaldab

seeläbi hinnata planeeritud kulude vajalikkust ja mõistlikkust.

• Arvutage eelarves summad kogumaksumusena (st sisaldavad kõiki makse), sh projektijuhi

kogukulu.

• Lisage eelarvele kirjeldusena selle kujunemise põhjendused, arvutuste ja hinnangute alused.

• Eelarve kogusumma palume esitada 1000 euro täpsusega.

Kohandage eelarvetabelit oma projekti vajadustele vastavaks.

Katseprojekti kogumaksumuseks on planeeritud 823 000 EUR. Eelarve on koostatud põhimõttel, et riik ei hakka ise arendusmeeskonda ülal pidama ega koodi kirjutama, vaid jääb targa tellija ja kontrollija

rolli. Kogu projekt on f inantsiliselt jaotatud nelja peamise kululiig i vahel:

• Välised hanked (400 000 EUR): See on mõeldud välistele arenduspartneritele. Kuna me ei hakka süsteeme nullist programmeerima, vaid kasutame turul olemasolevaid

valmiskomponente ja avatud lähtekoodiga raamistikke, on see summa piisav, et partnerid saaksid AI-orkestraatori arendada ja e-ehituse andmetega liidestada. Lisaks sisaldab see summa arendajate kohustust katta ise oma testide pilve- ja tokenikulud.

• Asutusesisene personal (278 000 EUR): Riigi poolelt juhib ja kontrollib projekti kaheliikmeline tiim. Palgatasemed on arvestatud Eesti IT-turu ülemise otsa järgi (5000 EUR bruto, mis koos sotsiaal- ja töötuskindlustusmaksudega teeb asutuse kuluks 6690 EUR kuus töötaja kohta):

o Projektijuht (1.0 FTE), o Peaarhitekt/vanemarendaja (1.0 FTE).

• Koolitused (85 000 EUR): Kuna agentsed süsteemid on avalikus sektoris täiesti uus suund, on see summa mõeldud nii oma töötajate kui partnerite pidevaks täiendõppeks ja oskusteabe

kinnistamiseks käesoleva projekti skoobis. Vajadusel kasutame sama kulurida ka hangete- eelsel eelanalüüsil konsultatsiooniks.

• Infrastruktuur ja projektipõhised tokenid (60 000 EUR): See raha kulub keskse AI-

juhtimiskeskuse platvormi elushoidmiseks pilves ja asutusesisese tuumiktiimi enda poolt tehtavate katsetuste tokenite püsikuluks.

Eelarve jaotus faaside kaupa

Projekt on jaotatud ajaliselt kuueks sammuks:

1. Faas 1: Hanked ja ühine eelanalüüs (27 000 EUR): Kestab esimesed 4 kuud. Kulud katavad vaid projektijuhi töötasu. Sel ajal arendust ei toimu – viiakse läbi hanked ja valitakse välja parimad valmiskomponendid, mida hiljem kasutama hakatakse.

2. Faas 2: AI Orkestraator Platvorm (185 000 EUR): Liituvad arhitekt ja andmebaasi spetsialist ning käivitub väline hange (100 000 EUR). Luuakse keskne AI-juhtimissüsteem ja teadmiste baas.

3. Faas 3: Arendus AI & CI/CD (247 000 EUR): Projekti kõige mahukam etapp. Väline partner (150 000 EUR) seadistab automaatse koodiloome konveieri ja iseparanevad testid.

4. Faas 4: Operatsioonide AI & DB reorganiseerimine (185 000 EUR): Fookuses on

andmebaaside ristviidete lahutamine. Väline partner (95 000 EUR) kirjutab pärandühendused ümber REST API-deks.

5. Faas 5: Tugiteenuste AI & Integratsioon (100 000 EUR): Kasutajatoe ja sessioonianalüüsi

sidumine süsteemiga. Välishanke maht on 35 000 EUR, ülejäänu on in-house tiimi kulu. 6. Faas 6: Orkestreerimise & Seire/Audit (79 000 EUR): Viimased 2 kuud.

Valmiskomponentide baasil luuakse automaatne EITS/NIS2 turvaauditi võimekus otse

arenduskonveieris.

Tööetapp / Projekti

faas

Välised hanked

(Valmis komponentide baasil)

In-house personal

(Tuumiktiim)

Infra &

Projekti põhised tokenid

Koolitused Kokku

Faas 1: Hanked ja ühine

eelanalüüs

0 EUR 27 000 EUR 0 EUR 15 000 EUR

42 000 EUR

Faas 2: AI Orkestraator

Platvorm

100 000 EUR (- 40k)

50 000 EUR 20 000 EUR

15 000 EUR

185 000 EUR

Faas 3: Development

AI & CI/CD

150 000 EUR (- 70k)

67 000 EUR 10 000 EUR

20 000 EUR

247 000 EUR

Faas 4: Operations

AI & DB reorg

95 000 EUR (-

40k) 50 000 EUR

20 000

EUR

20 000

EUR

185 000

EUR

Faas 5:

Support AI & Integratsioon

35 000 EUR (- 10k)

50 000 EUR 0 EUR 15 000 EUR

100 000 EUR

Faas 6:

Governance & Seire/Audit

20 000 EUR (- 12k)

34 000 EUR 10 000 EUR

0 EUR 64 000 EUR

KOKKU

(Veergude summad)

400 000 EUR 278 000 EUR

60 000 EUR

85 000 EUR

823 000 EUR

8. Võimalikud lahenduste pakkujad

Tooge välja võimalikud hankepartnerid, kes soovitud lahendussuunas tooteid/ teenuseid/

pakuvad.

• Otsige ja nimetage võimalikke probleemile lahenduste pakkujaid (nt erinevate valdkondade

eksperdid, teadlased, ettevõtted, kes on probleemi lahendamisega varasemalt tegelenud). Mõelge nii Eesti kui rahvusvaheliste pakkujate peale.

Kes kaasatakse: Katsetuse läbiviimiseks tehakse koostööd vastavate AI-tervikplatvormde pakkujatega, Eestis ja Euroopas täna vaid AI-põhiselt Eestis koodi arendavate ning süsteeme

monitoorivate ettevõtetega ning e-ehituse infosüsteemi igapäevaselt arendavate eraettevõtetega. Pilvetaristu ja AI mudelite baasplatvorm: Amazon Web Services (AWS) (tööriistad nagu

Bedrock AgentCore, CloudWatch jne).

Erasektori kompetents: konsulteerime, teeme turu-uuringu kogemuste saamiseks ettevõtetelt, kes on kas tervikuna AI-põhist professionaalselt tsentraalselt orkestreeritud süsteeme või nende komponente kasutamas ning viime nendega läbi hanke-eelse turu-uuringu. : Seejärel viime läbi hanke

sobivaimate arenduspartnerite leidmiseks ja kaasame nad arenduspartneritena. Tarkvara tarnijad: Projektis tuleb arvestada ka täna e-ehituse platvormile raamlepingu alusel

arendusteenust pakkuva nelja välise tarkvaraarenduse partneriga (ettevõttega), kelle lepingulisi

tänaseid arendustööde teostamise tingimusi vaadatakse üle ja arutatakse ühiselt eksperimendi raames, valmistades neid ette tulevikuliseks töötamiseks autonoomse AI arenduse orkestraatori lahendusel.

9. Projekti meeskond ja töökorraldus

Tooge välja projekti edukaks elluviimiseks kaasatavad või vajalikud osapooled (asutused ja/või inimesed) ning täiendav ekspertiis, mida meeskonda juurde vajate.

• Kirjeldage rollide ja töö jaotust projektimeeskonnas.

• Kirjeldage projekti juhtimise korraldust.

• Märkige ära, kui suure koormusega projektijuht (võimalusel ka teised võtmeisikud) projekti panustavad.

• Kirjeldage, missugust täiendavat ekspertiisi tuleb juurde kaasata (nt tehniline ekspertiis, andmekaitse), mis on meeskonnaliikmete poolt katmata.

NB! Kui nimetate konkreetseid meeskonnaliikmeid, siis nendega (või nende juhtidega) peab olema projektis osalemine läbi räägitud!

Juhtimine: Projekti juhib KEMIT, kelle poolt pannakse kokku ekspertide tiim (arhitekt/vanemarendaja, projektijuht, tootejuht testijad), kes valmistavad ette projektiplaani, viivad läbi

konslultatsioonid ja hangete-eelse eelanalüüsi ning seejärel hanked ning projektiperioodi ajal juhivad arendustegevust ja hindavad tulemusi.

Koostöö Maa- ja Ruumiametiga ning kuidas tehakse koostööd juba startinud projektides:

MaRu on käesolevas projektis kaasatud läbi organisatsioonis juba töötavate inimeste, kelle rollid on tööalaselt käesoleva valdkonna projektiga kokku puutuvad – andmete juht, innovatsioonijuht, projektide juht, digiteenistuse juht, andmekaitsespetsialist, infoturbe juht, jne Kuna MaRu panustab projekti läbi e-

ehituse platvormi omanikutegevuste, siis ta valmistab ette ärinõuete poole loodava lahenduse AI- teadmusbaasi. Eraldi töötasu ei ole MaRU poolele ette nähtud, kuna vastavad töötajad on olemas ning täidavad oma tööülesandeid, mille loomulikuks osaks on ka tulevikulahenduste loomises osalemine.

Meeskonna rollide jaotus. Plaan on osta enamus töid, koolitused, konsultatsioonid, jne sisse

erasektorist läbi hankemenetluste. Seetõttu on plaanitud projektimeeskond kompaktsena (eeldatavalt

värvatakse 19 kuuks):

o Projektijuht (1.0 FTE),

o Peaarhitekt/vanemarendaja (1.0 FTE). Projektijuht vastutab ajakava, eelarve, riskide, partnerite koostöö ja aruandluse eest. Tehniline

juht/vanemarendaja vastutab arhitektuuri, katsete tehnilise terviklikkuse ja arenduspartnerite tehnilise

koordineerimise eest ja lisaks vastutab nende andmebaaside muudatuste teostamise eest, mis ei ole

otseselt hangitava arendaja kohustus. Vajaduse korral kaasatakse täiendavalt andmekaitse, AIOps-lahenduste ja sõltumatu tehnilise auditi ekspertiis – konsultatsiooni/koolituse kaudu.

10. Projekti tulemuste elluviimine Kirjeldage oma valmisolekut ja võimekust pärast katseprojekti edukat lõppu projekti tulemusi

kestlikult ellu viia. .

• Kas projekti tulemuste edasine arendus ja kasutuselevõtt seostub asutuse prioriteetsete tegevustega,

on tööplaanis vms?

• Kas tulemuste hilisemaks elluviimiseks vajalik rahastus ja muud ressursid on olemas või tegeletakse selle leidmisega?

• Tooge välja olulisemad riskid projekti tulemuste hilisemal kasutuselevõtul. Kuidas plaanite neid riske maandada?

• Kirjeldage, kas ja mil määral on tulemused skaleeritavad ning kasutatavad avalikus sektoris laiemalt.

Mis saab pärast projekti: Projekt on Maa-ja Ruumiameti AI-teekaardis 2026-27 ning kinnitatud

MaRu juhtkonna poolt, selle plaani alusel tegutseb MaRu kui lahenduste omaniku huvides ka KEMIT. MaRu on eluliselt huvitatud nii e-ehituse kui ka teiste suurte infosüsteemide tulevikus paindlikumalt hallatavamaks arendamiseks ning AI-lahenduste professionaalne ja kontrollitud kvaliteediga kaasamine

selleks on selgelt see suund, mida tuleb uurida.

Katseprojekti edukal lõppemisel viiakse koos olemasolevate e-ehituse aamlepingute arenduspartneritega (nii e-ehitus live kui ka „Planeeringud 2.0“ innoprojektis ) läbi ühised arutelud ,

analüüs ja tehakse kokkulepped, milliste lõpplahendustega AI-põhine arendusprotsess e-ehituses realiseeritakse. Tõenäoline on kasutusele võtmine valideeritud AI-põhistel võimekustel e-ehituse arendus- ja käitusmudelis etapiviisiliselt. Kasutusele võetakse ainult need funktsioonid, mille täpsus,

töökindlus, turvalisus ja auditeeritavus on katsetega tõendatud. Tulemuste edasine kasutuselevõtt seostub e-ehituse platvormi stabiliseerimise, arendus- ja hoolduskulude vähendamise, küberturbe parandamise ning arenduspartnerite töö parema

koordineerimisega – kõik need aspektid tuleb KEMIT-MARu koostöös läbi töötada. Valideeritud lahendused kavandatakse e-ehituse edasisse arendus- ja hooldusplaani. Püsikulusid, vajalikke rolle ja edasist rahastust hakatakse täpsustama katsetulemuste põhjal enne projekti lõppu.

Välistatud ei ole ka uute raamlepingute hankemenetluste läbiviimine, kuna planeeritava lahenduse kasutuselevõtt muudab tõenäoliselt oluliselt, millisel moel tulevikus tarkvaraarendust infosüsteemile

tehakse. Näiteks on võimalik, et arendaja ei kasuta enam arendamiseks oma „tööriistu“, vaid saab hankelepinguga omale volituse teostamaks arendustöid AI-orkestreeringuga lahendust opereerides.

Kasutuselevõtu peamised riskid on AI otsuste ebapiisav usaldusväärsus, süsteemikonteksti vananemine, tarnijalukustus, turbe- ja andmekaitseriskid ning arenduspartnerite ebapiisav valmisolek

uue töökorralduse rakendamiseks. Neid riske maandatakse punktis 5 kirjeldatud tehniliste kontrollidega, sealhulgas piiratud tegevusõiguste, inimese kinnituse, sõltumatute kvaliteedi- ja turbekontrollide, avatud liideste ning täieliku auditeerimisjäljega. Kõrge riskiga tegevusi ei automatiseerita enne, kui nende ohutus ja korratavus on tõendatud. Kui mõni võimekus ei saavuta nõutavat taset, kasutatakse seda üksnes eksperdi otsust toetava vahendina või jäetakse kasutusele võtmata. Suure tõenäosusega säilitatakse ka juba käesoleva projekti katsetuste

läbiviimiseks üledspandav tehniline platvorm, milles saab vajadusel katseid jätkata. Projekti majanduslik eesmärk on hinnata, kas valideeritud lahenduste kasutuselevõtt võimaldab vähendada hooldus- ja käitamiskulusid eeldatava prognoosi suurusjärgus. . Tegelik sääst arvutatakse

pärast püsikulude, litsentside, taristu, inimkontrolli ja edasise arenduse kulude arvestamist.

Edasine rahastamine. Juhul, kui lahenduse majanduslik efekt on reaalne ning prognoositud

suurusjärgus, saab KEMIT kasutada täna iga-aastaselt süsteemi ülalpidamiseks ja hooldamiseks mõeldud vahendeid käesolevas projektis testitava lahenduse live-ülespanemiseks (vajadusel etapiviisiliselt, alustades kõige valideeritumatest komponentidest, mis andsid testides suurima efekti).

Lahenduse kasutuselevõtust tekkiv kokkuhoid võimaldab sellist üleminekut läbi viia.

Projekti tulemused on skaleeritavad teistesse mitme tarnija, keerukate süsteemisõltuvuste ja kõrgendatud turbenõuetega avaliku sektori infosüsteemidesse. Ka KeMIT ja MaRu saavad projekti

tulemusi laiendada teiste süsteemide arendusprotsessidesse, mis on nende vastutusel – MaRu puhul nt Maakatastri infosüsteemi lahenduses. Laiemalt ülekantavad tulemused on arhitektuuripõhimõtted, riskimudel, katsemetoodika, kontrollreeglid ja inimese järelevalve korraldus. Kuna KeMIT-il on samuti

halduses mitmeid teisi suuri infosüsteeme, saab teha ettepanekud nende süsteemide valitsejatele uuele arenduslahendusele üleminekuks, tuginedes saadud kogemusele ja MaRu eeskujule. Riigi IT- tugiteenuste konsolideerimisel RIA-sse saab kogu projekti ja sellega seotud teadmuse sinna kaasa

tuua ning rakendada tänase projekti tulemusi terviklikult tuleviku e-riigi arhitektuuris ja praktikas.

Mõju erasektorile. Projekt loob Eesti tehnoloogiaettevõtetele võimaluse arendada ja valideerida AI-

põhiseid tarkvaraarenduse, süsteemikäituse, kvaliteedikontrolli ja küberturbe lahendusi suure ning

keeruka avaliku sektori infosüsteemi tegelikus keskkonnas. See mõjutab kogu senist praktikat, kuidas

avaliku sektori infosüsteeme tulevikus arendatakse ning võimaldab tänasest palju laiemal ringil

potentsiaalsetel arendajatel konkureerida hangetel, sest keskne AI-põhine lahendus „kontrollib“ ise, et

arendatav kood oleks kvaliteetne ning arhitektuuri nõuetele vastav. Iga arendaja toob samas kaasa oma

parima teadmise ja innovatsiooni, kuidas olemasolevat süsteemi kesksete reeglite alusel paremini tööle

panna.

Projektis osalevad ettevõtted arendavad praktilist võimekust AI-agentide orkestreerimise,

süsteemisõltuvuste analüüsi, auditeeritavate AI-otsuste ning automatiseeritud kvaliteedi- ja

turbekontrollide rakendamisel. Need kompetentsid on kasutatavad ka teistes suuremahulistes ja

kõrgendatud turbenõuetega infosüsteemides – ehk siis tekib eeldus, et avaliku sektori AI-kontrollitud

arendusprotsessile üleminek mõjutab ka erasektorit kõrgema AI-juurutamise ning samas kontrollitult

kõrgema kvaliteedi poole püüdlema.

Projekti tulemusel tekib ettevõtetel võimalus arendada ka ise avaliku sektori andmete kasutamise peale

uusi teenuseid ja korduskasutatavaid tehnoloogilisi lahendus i ning saada referents nende rakendamisest

avaliku sektori infosüsteemis. See suurendab ettevõtete konkurentsivõimet Eestis ja loob eeldused

sarnaste lahenduste pakkumiseks rahvusvahelisel turul.

11. Mõju ettevõtlusele

☒ Projekt omab positiivset mõju innovatsioonile ettevõtlussektoris. Kõige otsesemalt väljendub mõju

läbi ettevõtete, kes osalevad tegevuste elluviimiseks korraldatavatel hangetel ja/või konkurssidel.

Innovatsiooni hankimine avaliku sektori poolt aitab kaasa innovatsioonitegevuste kasvule erasektoris.

12. Seos nutika spetsialiseerumise valdkondadega

• Eesti teadus- ja arendustegevuse, innovatsiooni ning ettevõtluse (TAIE) arengukaval 2021-2035 on

fookusvaldkonnad, s.o Eesti arenguvajadustele ja -võimalustele vastavad riigi, ettevõtete ja teadusasutuste koostöös eelisarendatavad teadus- ja arendustegevuse, innovatsiooni ja ettevõtluse valdkonnad. Ettevõtluse ja majandusliku arengupotentsiaaliga TAIE fookusvaldkonnad on ühtlasi

Eesti nutika spetsialiseerumise valdkonnad (täpsem info: https://www.hm.ee/korgharidus-ja-

teadus/teadus-ja-arendustegevus/taie-fookusvaldkonnad).

• Kirjeldage teie projekti võimaliku lahenduse seost vähemalt ühe valdkonnaga (rõhuasetusega teadmus- ja tehnoloogiasiirdel).

Digilahendused igas

eluvaldkonnas (vt teekaarti)

Seose kirjeldus: Projekt on riikliku Kratt-strateegia järgmise

põlvkonna praktiline näidisjuhtum, viies tehisintellekti kasutuse autonoomsete, agentsete süsteemide tasemele. Täpsemalt on kokkupuude järgmiste TAIE teekaardi fookusteemadega:

• 1. Teadus- ja arendustegevus andmevaldkonna arendamiseks: Projekt viib läbi testimise, millisel moel avalikku teenust osutava infosüsteemi dokumentatsioon peab olema loodud nii, et AI-põhine

keskne arendus- ja monitoorimislahendus oskaks seda kvaliteetse töötulemuse saamiseks kasutada.

• 2. Digilahendused äriprotsesside innovatsiooni toetamiseks:

Lahendus muudab täielikult seda, kuidas hakkab toimuma nii tehniliselt kui organisatsiooniliselt ühe avalikku teenust osutava infosüsteemi arendamine, monitoorimine ja probleemide

lahendamine. Lisaks asutustes infosüsteemidega seotud protsesside ümberkorraldamisele on suur mõju ka sellel, millis tel tingimustel avalik sektor hakkab läbi viima süsteemide arendamise ja

hooldamisega seotud hankeid. Käesolevas projektis selgub ka taoliste AI-lahenduste efektiivsus ja majanduslik mõttekus.

Tervisetehnoloogiad ja -

teenused (vt teekaart)

Ei kohaldu

Kohalike ressursside (toit, puit, maapõueressursid, teisene

toorme ja jäätmed) väärindamine (vt teekaart)

Ei kohaldu

Nutikad ja kestlikud

energialahendused (vt teekaart)

Ei kohaldu

13. Seos strateegias Eesti 2035 toodud arenguvajadustega

• Selgitage, kuidas panustavad projekti tegevused ja valitud lahendussuund “Eesti 2035” strateegias kirjeldatud arenguvajadustesse.

• Tooge välja, kui projekti tegevused panustavad muudesse olulistesse valdkondlikesse arengukavadesse või -dokumentidesse.

Kuidas toetatakse riigi suuri eesmärke: Katseprojekt täidab otseselt riigi eesmärke vähendada bürokraatiat, luua turvalist elukeskkonda ja tõsta riigivalitsemise tõhusust läbi tarkade digilahenduste.

Projekt panustab otseselt järgmistesse riiklikesse alusdokumentidesse:

• Strateegia „Eesti 2035“: Toetab sihti riigivalitsemise tõhustamisel, vähendades avalike digiteenuste ülalpidamiskulusid üle 700 000 euro aastas. Menetlusloogika kiirendamine toetab

visiooni kasutajakesksest ja läbipaistvast elukeskkonnast.

• Digiühiskonna arengukava 2030: Panustab suunda luua säästlik ja hukkukindlalt toimiv digiriigi taristu pilvetehnoloogiate abil ning arendada iseparanevaid, andmepõhiseid proaktiivseid teenuseid.

• Eesti tehisintellekti strateegia (Kratt-strateegia): Toimib praktilise eeskujuna sisemiste tööprotsesside autonoomseks automatiseerimiseks avalikus sektoris.

• Ehituse pikk vaade 2035: Toetab ehitusvaldkonna visiooni menetluste sujuvast ühildamisest

ja bürokraatiavabast asjaajamisest.

14. Avalike ülesannete täitmine projekti elluviimisel

• Selgitada ning tuua välja seosed ja viited, missuguse seaduse, määruse, haldusakti või lepingu alusel täidab ideekavandi esitaja asutus innovatsiooniprojekti ellu viies avalikke ülesandeid.

• Kui ideekavandi esitaja on MTÜ, siis selgitada, kuidas ta pakub otsest avalikku teenust (loe Teenuste korraldamise ja teabehalduse alused–Riigi Teataja, §2 lg2).

Mis seaduslikul alusel seda tehakse: Riik moderniseerib infosüsteeme, mida ta on seaduse järgi kohustatud pidama (Ehitisregister ja Planeeringute andmekogu), tagades samal ajal riikliku

küberturvalisuse. Ideekavandi esitaja asutused (MaRu ja KeMIT) täidavad antud innovatsiooniprojekti ellu viies avalikke ülesandeid, mis tulenevad otseselt Ehitusseadustikust ning Planeerimisseadusest (riiklike registrite

Ehitisregister (EHR) ja Planeeringute andmekogu (PLANK) asutamine, pidamine ja andmeteenuste tagamine). Tehisintellektipõhise turvavärava ja seire katsetamine tagab asutuste seadusest tuleneva kohustuse

täita reaalajas riiklikke küberturbe (EITS) ja rahvusvahelisi (NIS2) turvastandardeid. KeMIT põhimäärus: https://www.riigiteataja.ee/et/akt/105122012008?leiaKehtiv MaRU põhimäärus: https://www.riigiteataja.ee/et/akt/119082025001?leiaKehtiv

MaRU ja KeMIT vahel on sõlmitud koostööleping MaRu vastutusel olevate infosüsteemide arendamiseks, hooldamiseks ja majutamiseks.

15. Rahastus mitmest allikast

• Kas probleemi lahendamiseks või planeeritud lahenduse katsetamiseks on taotletud või taotletakse toetust teistest rahastamisallikatest?

• Kui jah, siis tuua välja rahastusallikas, summa ja tegevused ning kas toetus on taotlemisel või projekt on saanud rahastusotsuse.

Projekt on f inantsiliselt täiesti iseseisev. Kõik otsesed serverite kolimise kulud pilve makstakse kinni teisest eelarvest. Antud katseprojekt keskendub vaid AI-tarkuse ja seiresüsteemide loomisele.

antud katseprojekt toimib tihedas sünergias, kuid f inantsilises lahususes järgmiste paralleelsete rahastusallikatega:

1. Eraldiseisev AWS-migratsiooni paralleelprojekt: E-ehituse infosüsteemi vahetu füüsiline

üleviimine AWS-i teostatakse täielikult eraldiseisva paralleelse projekti raames. Käesolevast eelarvest on puhtalt migratsiooniga seotud välistööde ja töötundide kulud täielikult eemaldatud. Antud projekt f inantseerib ainult spetsiaalselt AWS-i keskkonda loodud tehisintellekti tööriistade

seadistamist, agentide treenimist ja pilveperioodi jooksul tekkivaid tokenite kasutuskulusid. Projekti käigus võib selguda ka vajadus eraldi e-ehituse testkeskkonna paigaldamiseks vaid käesoleva projekti vajadusteks – sellisel juhul on olemas täpsed teadmised, kuidas seda

vajadusel uuesti teha, kattes kulud KEMIT-i eelarvest (ülespandud keskkonna kasutamise ja seal projektiga seotud lahenduste kulud katavad käesoleva projekti hangetes lepingu sõlminud arendajad).

2. Projekt 'Planeeringud 2.0': Kuna käesolev projekt hangib enamuse töödest välistelt arendajatelt, siis konf likte sellest töösolevast projektist juba f inantseeritud rollidega ei ole. Käesoleva projektiga hangitavad FTE-d on spetsiif iliselt vaid käesoleva projekti teostamise

jaoks.

Kinnitused

☒ Oleme teadlikud, et Riigikantselei võib saata ideekavandi eksperthinnangu saamiseks valdkonna

ekspertidele.

☒ Kinnitan, et esitatud innovatsiooniprojekt on teiste partnerite juhtkondadega kirjalikult

kooskõlastatud.

Allkirjastamine

• Ideekavand tuleb allkirjastada projekti esitava(te) asutus(t)e allkirjaõigusliku juhtkonnaliikme

poolt (nt kantsler, asekantsler, KOVi juht, KOVi volikogu esimees, ministeeriumi allasutuse

juht/asejuht vms) ja saata [email protected].

i Katsetamine vastab küsimusele: kas see töötab? Katsetuse puhul ei vaadata alati, kas lahendus praktiliselt toimib.

Piloteerimine vastab küsimusele: kas see töötab päriselus ja on mõistlik kasutusele võtta? Hinnata praktilist

toimivust.

Eksperiment: Igasuguse eksperimendi eesmärk on kontrollida hüpoteese põhjuslike seoste kohta. Eksperiment on

selline katse, mis on kavandatud põhjuslike seletusteni jõudmiseks: kui teeme x siis juhtub y.

Prototüüp on masina, seadme või mingi rakenduse esialgne teostus, algne mudel, mida edasi arendatakse.

1/1

Puhkuse liik Periood Päevi Asendaja (asendusperiood)

Kliimaministeerium

Puhkuse korraldus nr. L100-3-1.3.3/329

17. juuni 2026

Kinnitan alljärgnevad puhkused

Keskkonnaministeeriumi Infotehnoloogiakeskus

Eesnimi, perenimi, amet

Marko Arula

direktor

Põhipuhkus 25.06.2026 - 03.07.2026 9 Villu Kägo (25.06.2026 - 03.07.2026)

Kinnitaja:

Marten Kokk

kantsler

Kantsleri vastutusvaldkond

Kliimaministeerium

Digitaalselt allkirjastatud