Innovatsiooniprojekti ideekavand1 AVALIKU SEKTORI INNOVATSIOONIVÕIMEKUSE TÕSTMINE Ideekavandit täites palume tutvuda riigikantselei veebilehel toodud soovituste ja juhistega projekti esitajale.

Innovatsiooniprojekti nimi Tollikontrolli AI-põhine pildianalüüsi platvorm

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

Rahandusministeerium / MTA

Projektijuht või ideekavandi esitaja kontaktisik (nimi, asutus, e–posti aadress ja telefon)

Artjom Mets, MTA, [email protected], Lõõtsa 8a, Tallinn, +372 5380 2600

Innovatsiooniprojekti kestus (kuudes)

18 kuud

Innovatsiooniprojekti kogumaksumus (sh käibemaks, kui on abikõlblik)

Kogumaksumus: 1 300 000 eurot

Käibemaks ☒ jääb kulu tegija kanda (käibemaks abikõlblik)

☐ saab küsida riigilt tagasi (käibemaks ei ole abikõlblik)

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.

Eesti Maksu- ja Tolliametis kasutatakse täna kuut röntgenmasinat, mille abil kontrollitakse ronge, konteinereid ja veokeid. Nende seadmete abil genereeritakse igal aastal kümneid tuhandeid pilte (ligikaudu 41 000 pilti aastas, tavapäraste piiriolude korral kuni 60 000 pilti), mille analüüs toimub täielikult käsitsi kohapeal olevate spetsialistide poolt. Praegune töökorraldus on killustatud ja ressursimahukas. Kõik röntgenpildid paiknevad lokaalselt masinates ning tsentraliseeritud pildipank puudub. See tähendab, et puudub võimalus teadmisi süsteemselt koguda, jagada ja taaskasutada. Samuti ei ole võimalik kasutada kaasaegseid andmepõhiseid lahendusi, sh tehisintellektil põhinevaid analüüsivahendeid, mis eeldavad andmete koondamist ja struktureerimist. Probleemi süvendab asjaolu, et erialase kompetentsi kasutamine ei ole paindlik. Kui konkreetses tollipunktis puudub vajalik ekspertiis või tekib keeruline juhtum, peab spetsialist sageli füüsiliselt liikuma teise asukohta, mis toob kaasa ajakulu ja viivitused kontrolliprotsessis. Selline töökorraldus ei ole tänases julgeoleku- ja kaubavoogude keskkonnas jätkusuutlik. Kasvav töökoormus ja ajakriitilisus suurendavad riski, et illegaalsed kaubad või peidikud jäävad avastamata. Samal ajal pikenevad kontrolliprotsesside kestused, mis mõjutab otseselt piiri läbilaskevõimet ja suurendab ooteaegu. Pikad ooteajad piiridel omakorda vähendavad kaubavoogude efektiivsust ning võivad negatiivselt mõjutada riigi majandust ja maksulaekumisi. Probleemi mõju

• Rahaline mõju: Aeganõudev kontrolliprotsess tähendab nii otsest kui ka kaudset kulu. Otsene kulu avaldub tööaja ebaefektiivses kasutuses (spetsialistide liikumine, dubleeritud töö, käsitsi analüüs), kaudne kulu aga avastamata jäänud rikkumistes (nt salakaubavedu), mis tähendab saamata jäänud maksutulu ning potentsiaalset kahju riigieelarvele. Samuti võib aeglane piiriületus vähendada kaubavoogude mahtu, millel on negatiivne mõju maksulaekumistele.

• Keskkonnamõju: Pikemad ooteajad piiril tähendavad rohkem seisvaid sõidukeid, suuremat kütusekulu ja seeläbi suuremat CO₂ heidet. Kontrolliprotsesside kiirendamine aitaks vähendada transporti seisakuaega ning seeläbi keskkonnamõju.

• Sotsiaalne mõju: Piiriületuse aeglus mõjutab otseselt transpordisektorit, autojuhte ja logistikaahelat laiemalt. Samuti on oluline mõju riigi sisejulgeolekule – ebapiisav tuvastamisvõimekus suurendab riski, et illegaalne kaup jõuab turule. Tõhusam kontroll suurendab nii turvalisust kui ka usaldust riigipiiri toimimise vastu.

• Reaalne mõju MTA-le: Peale pildianalüüsi AI kasutuselevõttu võib analüüsiks kuluv aeg väheneda kuni 80% Kaob vajadus iga kvartal koguda pildid kokku röntgenmasinate asukohtadest, millega kaasnevad sõidu- ja hotellikulud, mis on ca 2000€ aastas. Kaob vajadus järelkontrolli tegemiseks. Järelkontrolli teostab 3-7 inimest nädal aega. Järelkontrollile kulub ca 280 töötundi, mis on ca 20 000€ aastas.

Seni tehtud katsed probleemi lahendamiseks Probleemi leevendamiseks on varasemalt katsetatud lokaalset tehnilist lahendust, eelkõige võrguketaste (NAS) kasutuselevõttu piltide koondamiseks ja jagamiseks. Need lahendused on aga osutunud piiratud väärtusega, kuna:

• need ei skaleeru hästi kasvavate andmemahtude korral,

• puudub standardiseeritud andmestruktuur ja märgistus,

• ei võimalda efektiivselt andmeid ristkasutada eri asukohtade vahel,

• ei loo eeldusi tehisintellekti lahenduste rakendamiseks.

Seetõttu ei ole senised katsed viinud tervikliku ega jätkusuutliku lahenduseni. Rahvusvaheline võrdlus Sarnase probleemi lahendamisega tegeletakse ka naaberriikides. Lätis on arenduse lõppfaasis BAXE2 lahendus, mis põhineb lokaalse ja keskse arhitektuuri kombinatsioonil: röntgenseadmete juurde on loodud lokaalsed serverid ning lisaks tsentraalne andmekeskkond, kuhu koondatakse pildid ühtseks pildipangaks. Sellele on ehitatud tehisintellektil põhinev analüütiline kiht, mis toetab ametnikke piltide kiiremal ja täpsemal tõlgendamisel. See näide kinnitab, et andmete tsentraliseerimine ja AI kasutuselevõtt on rahvusvaheliselt tunnustatud suund, mis võimaldab oluliselt parandada nii kontrolli kvaliteeti kui ka efektiivsust.

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

• Kirjeldage, kuidas plaanite projekti eesmärgi saavutamist mõõta.

Projekti eesmärk on rakendada ja valideerida valitud tehnoloogiline lahendus röntgenipiltide tsentraalseks haldamiseks ja tehisintellektil põhinevaks analüüsiks, integreerides see 2–3 erineva röntgenseadmega reaalses töökeskkonnas, et hinnata lahenduse toimivust ning luua alus selle edasiseks täismahuliseks kasutuselevõtuks. Eesmärk loetakse saavutatuks, kui projekti tulemusena on:

• integreeritud ja tööle rakendatud vähemalt 2–3 erinevat röntgenseadet valitud lahendusega;

• loodud toimiv ja kasutatav tsentraalne röntgenipiltide pildipank, kuhu koondatakse pilootseadmete pildid;

• rakendatud AI-põhine pildianalüüs ja otsustustugi reaalses tööprotsessis;

• kogutud ja analüüsitud piisav hulk operatiivandmeid (nt vähemalt 10 000–15 000 pilti) lahenduse toimivuse hindamiseks;

• saavutatud mõõdetav paranemine tööprotsessis, sh: o röntgenpildi analüüsi aja vähenemine vähemalt 15%, o paranenud kasutajate võimekus tuvastada riskimustreid või anomaaliaid;

• loodud võimekus kauganalüüsiks ja teadmiste jagamiseks pilootseadmete vahel;

• koostatud hinnang lahenduse tehnilisele toimivusele, kasutatavusele ja skaleeritavusele, sh kirjeldatud edasise laiendamise eeldused.

Projekti tulemusena tekib praktiliselt valideeritud, tootmisküps lähenemine, mille põhjal on võimalik teha teadlik ja riskiteadlik otsus lahenduse laiendamiseks kõikidele röntgenseadmetele.

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.

Projekti eesmärgi saavutamiseks on võimalik rakendada kahte peamist tehnoloogilist lahendussuunda, mis erinevad eelkõige arhitektuuri ja tehisintellekti rakendamise loogika poolest. Mõlemad lähenemised

võimaldavad luua tsentraalse pildipanga ning rakendada AI-põhist analüüsi, kuid erinevad andmetöötluse asukoha, skaleeritavuse ja haldusmudeli osas. 1. Hübriid (edge) - AI-keskne hajutatud lahendus Esimene võimalik lahendussuund põhineb edge-centric ja mikroteenuste arhitektuuril, mille keskmes on tehisintellekti hajutatud ja modulaarne kasutuselevõtt. Selle lähenemise puhul:

• toimub andmete esmane töötlemine ja AI-eelanalüüs röntgenseadmete lähedal asuvates edge- node’ides;

• AI-mudelid teostavad reaalajas pildianalüüsi, anomaaliate tuvastamist ja riskihindamist juba andmete tekkekohas;

• operaator saab kohest otsustustoetust ilma sõltuvuseta tsentraalsest süsteemist. Keskne hübriid (edge) toimib seejuures:

• AI orkestreerimise ja halduse keskkonnana,

• mudelite versioonihalduse ja juurutamise platvormina,

• ühtse andmeökosüsteemina, kuhu koonduvad pildid, metaandmed ja kasutajate tagasiside. Iga röntgenseade on ühendatud lokaalse AI gateway kihiga, mis:

• valideerib ja struktureerib andmeid,

• käivitab AI inferentsi,

• edastab tulemused operatiivseks kasutamiseks ja keskseks edasiseks analüüsiks. Lahendus toetab tugevalt human-in-the-loop lähenemist, kus operaatorite otsused ja parandused suunatakse tagasi süsteemi, võimaldades mudelite pidevat täiendõpet (continuous learning loop). Peamised eelised:

• reaalajas otsustustugi kohapeal,

• väiksem sõltuvus võrguühendusest,

• paindlik ja modulaarne AI kasutuselevõtt,

• võimalus kasutada erinevaid (sh kolmandate osapoolte) mudeleid paralleelselt. 2. Tsentraalne lahendus – keskse tehisintellekti mudelil põhinev lahendus Teine lahendussuund põhineb tsentraalsel arhitektuuril, kus kogu tehisintellekti analüüs toimub ühtses keskse AI-mootori kihis. Selle lähenemise puhul:

• kõik röntgenpildid edastatakse kontrollpunktidest tsentraalsesse süsteemi;

• keskne AI-mudel viib läbi automaatse pildianalüüsi, ohu tuvastuse ja riskihindamise;

• tulemused tagastatakse operatiivtasandile koos selgitava otsustustoega. Röntgenseadmete juures paiknevad lokaalsed komponendid tagavad:

• piltide puhverdamise ja turvalise edastuse,

• töö jätkumise ka ajutiste võrguühenduse katkestuste korral. Süsteem kasutab samuti human-in-the-loop põhimõtet:

• operaator annab struktureeritud tagasisidet (kinnitus, parandus, täpsustus),

• tagasiside koondatakse tsentraalselt ja kasutatakse AI-mudeli täiendtreenimiseks. Peamised eelised:

• ühtne otsustusloogika ja kvaliteeditase kõigis tollipunktides,

• lihtsam mudelite haldus ja versioonikontroll,

• kiirem ja kontrollitum AI-mudelite täiustamine,

• kõrge kvaliteediga treeningandmestiku kiire akumulatsioon. Mõlemad kirjeldatud lahendused võimaldavad:

• luua tsentraalse röntgenipildipanga,

• rakendada tehisintellektil põhinevat analüüsi,

• vähendada käsitöö mahtu ja kiirendada kontrolliprotsessi,

• parandada avastamisvõimekust ning toetada otsustamist. Peamine valikukoht seisneb arhitektuuri eelistuses:

• hajutatud (edge-põhine) lähenemine pakub suuremat paindlikkust ja reaalajalisust,

• tsentraalne lähenemine tagab ühtlasema kvaliteedi ja lihtsama halduse.

Projekti käigus on võimalik hinnata mõlema lähenemise sobivust Maksu- ja Tolliameti vajadustele ning valida või kombineerida lahendus, mis tagab parima tasakaalu efektiivsuse, kulukuse ja jätkusuutlikkuse vahel.

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?

Projekti uuenduslikkus seisneb tollikontrolli protsessi terviklikus ümberkujundamises andmepõhiseks, tehisintellekti toetatud töövooguks, kus senine lokaalne ja käsitsi toimiv analüüs asendatakse tsentraliseeritud ning osaliselt automatiseeritud lahendusega. Uuenduslikkus Eesti kontekstis Täna toimib Eesti Maksu- ja Tolliameti röntgenpiltide analüüs killustatult ja lokaalselt, ilma tsentraalse andmekihi ja AI-toeta. Kavandatav lahendus muudab seda põhimõtteliselt:

• Andmete tsentraliseerimine ja pildipanga loomine: Esmakordselt luuakse ühtne ja struktureeritud röntgenpiltide andmebaas, mis võimaldab andmete süsteemset kogumist, jagamist ja taaskasutamist üle kõigi tollipunktide.

• Tehisintellekti kasutuselevõtt operatiivprotsessis: AI rakendamine röntgenpiltide analüüsimisel loob täiesti uue tööloogika, kus masin toetab otsustamist reaalajas, aidates tuvastada mustreid (nt peidikud, anomaaliad), mida inimene üksi võib mitte märgata.

• Human-in-the-loop toimemudel: Lahendus ei asenda inimest, vaid muudab tema rolli – operaatorist saab otsustaja ja kvaliteedikontrollija, kelle tagasiside abil AI pidevalt õpib ja täieneb.

• Kauganalüüsi ja jagatud ekspertiisi võimekus: Ekspertiis ei ole enam seotud konkreetse asukohaga – spetsialistid saavad panustada sõltumata geograafilisest asukohast, mis muudab töökorraldust oluliselt paindlikumaks.

• Uus protsessimudel: Senine lineaarne ja käsitsi protsess asendub digitaalse, andmepõhise ja osaliselt automatiseeritud töövooga, mis vähendab töömahtu ja kiirendab otsustamist.

Uuenduslikkus tehnoloogilises vaates Projekt hõlmab mitmeid kaasaegseid ja innovaatilisi tehnoloogiaid ning arhitektuurilisi lähenemisi:

• Tehisintellekti ja masinõppe rakendamine turvakriitilises protsessis, sh pildituvastus, anomaaliate avastamine ja riskiskoorimine;

• Edge computing ja/või tsentraalne AI-analüütika, sõltuvalt valitud arhitektuurist, mis võimaldavad optimeerida nii latentsust kui ka haldust;

• Mikroteenuste arhitektuur, mis tagab süsteemi paindlikkuse ja skaleeritavuse;

• Pidevalt õppiv AI (continuous learning loop), kus mudel paraneb reaalsete operatiivandmete ja kasutajate tagasiside põhjal;

• Mitme tootja seadmete integreerimise võimekus, luues ühtse analüütilise kihi heterogeense tehnoloogiapargi peale.

Uuenduslikkus globaalses kontekstis Rahvusvaheliselt on tolli- ja piirikontrolli digitaliseerimine ning AI kasutuselevõtt kasvav trend, kuid lahendused on alles kujunemisjärgus ning sageli killustatud või pilootfaasis. Projekt positsioneerib Eesti Maksu- ja Tolliameti sellesse arengusuunda järgmiselt:

• Võrreldav või eesrindlik lähenemine naaberriikide (nt Läti BAXE 2 lahendus) arendustega, kuid võimalusega valida paindlikum või hübriidne arhitektuur vastavalt vajadustele;

• Standardiseeritud andmeökosüsteemi loomine, mis võimaldab tulevikus liidestust rahvusvaheliste süsteemide ja koostööplatvormidega;

• AI-l põhineva otsustustoe rakendamine reaalses operatiivkeskkonnas, mitte ainult analüütilise või pilootprojekti tasandil;

• Skaleeritavus ja reprodutseeritavus, mis võimaldab lahendust laiendada nii riigisiseselt kui ka potentsiaalselt rahvusvaheliseks koostööks.

Projekti uuenduslikkus seisneb mitte ainult uue tehnoloogia kasutuselevõtus, vaid terviklikus muutuses:

• andmetöötluse loogikas (lokaalsest tsentraalseks),

• otsustusprotsessis (käsitsi > AI-toega),

• töökorralduses (kohapõhine > võrgustatud ja paindlik),

• ning teadmiste halduses (killustatud > süsteemne ja õppiv). Selline lähenemine loob aluse järgmise põlvkonna tollikontrollile, mis on ühtaegu tõhusam, täpsem ja paremini kohanduv kiiresti muutuvate riskidega.

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

Projekti elluviimine hõlmab nii tehnoloogilisi uuendusi kui ka töökorralduslikke muutusi, millega kaasnevad mitmed riskid. Olulisemad riskid ning nende maandamismeetmed on kirjeldatud allpool. 1. Tehnoloogilise lahenduse keerukus ja integreerimisrisk Risk: Erinevate röntgenseadmete, andmeallikate ja AI-lahenduste integreerimine ühtseks süsteemiks võib osutuda tehniliselt keerukaks. Risk on, et lahendus ei tööta tervikuna sujuvalt või integreerimine võtab planeeritust rohkem aega. Maandamismeetmed:

• kasutada modulaarset ja standarditel põhinevat arhitektuuri (API-põhine liidestus);

• etapiviisiline masinate liidestamine (nt 1 kaupa);

• kaasata varajases faasis tehnilised partnerid ja seadmetootjad;

• rakendada iteratiivset arendusmetoodikat (nt agile), mis võimaldab probleeme varakult avastada ja lahendada.

2. Andmekvaliteedi ja andmestruktureerimise risk Risk: Ajaloolised pildid ja metaandmed võivad olla ebaühtlase kvaliteedi ja struktuuriga, mis raskendab AI- mudelite treenimist ja täpsete tulemuste saavutamist. Maandamismeetmed:

• defineerida ühtne andmemudel (UFF) ja märgistamisstandard;

• viia läbi andmete puhastamise ja eeltöötluse etapp;

• kasutada pilootfaasis käsitsi märgistamist kriitiliste andmekogumite jaoks;

• rakendada pidevat andmekvaliteedi monitooringut. 3. AI-mudeli täpsuse ja usaldusväärsuse risk Risk: Tehisintellekti mudel ei pruugi algfaasis olla piisavalt täpne või võib anda valepositiivseid/-negatiivseid tulemusi, mis vähendab kasutajate usaldust. Maandamismeetmed:

• rakendada human-in-the-loop lähenemist, kus lõplik otsus jääb inimesele;

• alustada AI kasutamist otsustustoe, mitte automaatse otsustamise tasemel;

• treenida mudeleid järk-järgult kvaliteetsete andmete pealt;

• mõõta ja jälgida mudeli jõudlust (nt täpsus, recall) ning täiustada seda regulaarselt. 4. Kasutuselevõtu ja organisatsioonilise muutuse risk Risk: Uue lahenduse kasutuselevõtt muudab tööprotsesse ning võib tekitada vastuseisu või ebakindlust töötajate seas. Maandamismeetmed:

• kaasata lõppkasutajad (tolliametnikud) arenduse ja piloteerimise faasis;

• pakkuda süsteemset koolitust ja kasutajatuge;

• kommunikeerida selgelt lahenduse eesmärke ja kasu;

• alustada kasutuselevõttu järk-järgult ja toetada muutuste juhtimist. 5. Andmekaitse ja turvalisuse risk Risk: Tsentraalse pildipanga loomine ja andmete liikumine suurendavad küber- ja andmekaitseriske. Maandamismeetmed:

• rakendada riigi IT-standarditele vastavaid turvameetmeid (krüpteerimine, ligipääsukontroll);

• tagada logimine ja auditijälg;

• piirata ligipääsu rollipõhiselt;

• hinnata lahendust infoturbestandardite (nt ISO 27001) alusel. 6. Võrguühenduse ja töökindluse risk Risk: Lahenduse sõltuvus andmesidest võib põhjustada töökatkestusi (eriti tsentraalse arhitektuuri korral). Maandamismeetmed:

• kasutada lokaalseid puhverdus- ja edge-lahendusi, mis võimaldavad töö jätkumist katkestuste korral;

• kavandada süsteemi kõrge töökindlusega (redundantsus, varusüsteemid);

• testida erinevaid töörežiime (online/offline). 7. Eelarve ja ajakava risk Risk: Projekti keerukuse tõttu võivad kulud või ajakava ületada planeeritut. Maandamismeetmed:

• jagada projekt etappideks (analüüs, piloot, laiendus);

• määratleda iga etapi selged vahe-eesmärgid ja mõõdikud;

• kasutada olemasolevaid lahendusi ja komponente (nt valmis platvormid) arenduskulu vähendamiseks;

• teha regulaarset projekti juhtimist ja riskihindamist. Projekti peamised riskid on seotud tehnilise keerukuse, andmekvaliteedi, AI usaldusväärsuse ning organisatsiooniliste muutustega. Kõiki neid riske on võimalik oluliselt maandada järk-järgulise, pilootidel põhineva lähenemise, tugeva arhitektuurivaliku ning kasutajate aktiivse kaasamise kaudu. Selline lähenemine võimaldab vähendada ebaõnnestumise riski ning tagada projekti edukas elluviimine ja eesmärkide saavutamine.

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

Etapp 1: Projekti ettevalmistus ja käivitamine (kuu 1–5)

Tegevus Algus (kuu) Lõpp (kuu) Kestus

Projekti käivitamine ja juhtimisstruktuuri loomine 1 1 1 kuu

Partnerluslepingu ettevalmistus ja sõlmimine 1 5 5 kuud

Detailne tegevusplaan ja ajakava täpsustamine 1 3 3 kuud

Lähteandmete ja tehniliste nõuete kinnitamine 1 2 2 kuud

Pilootseadmete (2–3 röntgenit) valik 3 3 1 kuu

Arhitektuuri valik (edge vs tsentraalne vs hübriid) 3 5 3 kuud

Etapp 2: Lahenduse detailne disain (kuu 6–7)

Tegevus Algus Lõpp Kestus

Süsteemi arhitektuuri detailne disain 6 7 2 kuud

Andmemudeli ja pildipanga struktuuri loomine 6 7 2 kuud

Integratsioonilahenduste kavandamine 6 7 2 kuud

AI komponentide juurutusloogika täpsustamine 6 7 2 kuud

Infoturbe ja andmekaitse nõuete kontroll 6 7 2 kuud

Etapp 3: Arendus ja integratsioon (kuu 8–13)

Tegevus Algus Lõpp Kestus

Pildipanga ja andmeplatvormi arendus 8 12 4 kuud

AI analüüsi komponendi juurutamine 8 13 6 kuud

Liidestuste arendus röntgenseadmetega 9 13 5 kuud

Andmete kogumise ja salvestamise loogika rakendamine 9 12 4 kuud

Testkeskkonna loomine 9 12 4 kuud

Andmete ettevalmistus ja märgistamine 8 13 6 kuud

AI mudelite esmane seadistamine ja treenimine 8 13 6 kuud

Etapp 4: Juurutus ja pilootkasutus (kuu 14–16)

Tegevus Algus Lõpp Kestus

Lahenduse juurutamine 2–3 röntgenseadmele 14 15 2 kuud

Süsteemi kasutuselevõtt reaalses tööprotsessis 14 16 3 kuud

Kasutajate koolitus 14 15 2 kuud

AI analüüsi rakendamine igapäevases töös 15 16 2 kuud

Kauganalüüsi võimekuse rakendamine 15 16 2 kuud

Kasutajate tagasiside kogumine ja süsteemi täiustamine 14 16 3 kuud

Etapp 5: Hindamine ja tulemuste kokkuvõte (kuu 17–18)

Tegevus Algus Lõpp Kestus

Lahenduse toimivuse ja KPI-de mõõtmine 17 18 2 kuud

Analüüsi aja ja efektiivsuse hindamine 17 18 2 kuud

AI täpsuse ja kasutatavuse analüüs 17 18 2 kuud

Skaleeritavuse ja edasise rakendamise eelduste hindamine 17 18 3 kuud

Lõpparuande ja soovituste koostamine 17 18 2 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.

Etapp Periood (kuud) Arendus (€) AI (€) Kokku (€)

Etapp 1: Ettevalmistus ja analüüs 1–5 120 000 40 000 160 000

Etapp 2: Detailne disain 6-7 160 000 90 000 250 000

Etapp 3: Arendus ja integratsioon 8-13 450 000 250 000 700 000

Etapp 4: Juurutus 14-16 120 000 30 000 150 000

Etapp 5: Hindamine ja kokkuvõte 17-18 30 000 10 000 40 000

KOKKU 1–18 880 000 420 000 1 300 000

Projekti eelarve on koostatud etapiviisiliselt, lähtudes projekti eesmärgist – rakendada valitud lahendus piiratud ulatuses (2–3 röntgenseadet) ning valideerida selle toimivus enne võimalikku täismahulist kasutuselevõttu. Eelarve on arvutatud kogumaksumusena, sisaldades kõiki makse, tööjõukulusid ning vajalikke teenuseid. Kulude jaotus arenduse (~68%) ja AI (~32%) vahel peegeldab projekti iseloomu:

• suurem osa kuludest on seotud süsteemi arenduse, integratsioonide ja andmeplatvormi loomisega;

• oluline osa kuludest on seotud AI mudelite arenduse, andmete ettevalmistuse ja treeninguga.

Etappidepõhine kululoogika Etapp 1 – Ettevalmistus ja käivitamine (160 000 €) Kulud hõlmavad projekti käivitamist, partnerluslepingu sõlmimist, nõuete täpsustamist ning arhitektuuri valikut (edge vs tsentraalne vs hübriid). Selles etapis kasutatakse kõrgema kvalifikatsiooniga eksperte (arhitektid, analüütikud, infoturbe spetsialistid), mistõttu on töö ühikukulu kõrgem. Etapp 2 – Detailne disain (250 000 €) Sisaldab süsteemi arhitektuuri detailset disaini, andmemudeli loomist, integratsioonide kavandamist ning AI komponentide juurutusloogika täpsustamist. AI kulude osakaal on suurem, kuna defineeritakse mudelite kasutamise ja treenimise alused.

Etapp 3 – Arendus ja integratsioon (700 000 €) Projekti suurim ja kõige ressursimahukam etapp (üle 50% kogukulust), kus toimub:

• pildipanga ja andmeplatvormi arendus,

• AI analüüsi arendus ja rakendamine,

• integratsioon 2–3 erineva röntgenseadmega,

• andmete kogumise ja töötlemise loogika juurutamine. Kulud tulenevad eelkõige:

• arendusmeeskonna (arendajad, arhitektid, DevOps) töömahust,

• AI spetsialistide tööst (mudelite arendus, treening),

• andmete ettevalmistusest ja märgistamisest. Etapp 4 – Juurutus (150 000 €) Sisaldab lahenduse reaalse kasutuselevõtu pilootseadmetel, kasutajate koolituse ning tööprotsessidesse integreerimise. Selles etapis tekib lahenduse praktiline väärtus ning valideeritakse selle toimivus. Etapp 5 – Hindamine ja tulemuste kokkuvõte (40 000 €) Kulud on seotud lahenduse tulemuslikkuse mõõtmise, KPI-de analüüsi ning edasise laiendamise ettepanekute koostamisega. Etapp on väiksema mahuga, kuid kriitiline edasiste investeerimisotsuste tegemiseks. Kulukomponentide üldpõhjendus Arenduskulud (880 000 €) sisaldavad:

• tarkvaraarendus (backend, frontend, integratsioonid),

• andmeplatvormi ja pildipanga loomine,

• süsteemi liidestamine röntgenseadmetega,

• infrastruktuuri ja testkeskkondade ülesehitus,

• kasutajaliidesed ja tööprotsesside toetamine. AI kulud (420 000 €) sisaldavad:

• andmete ettevalmistus ja märgistamine,

• masinõppemudelite arendus ja treening,

• mudelite valideerimine ja optimeerimine,

• AI võimekuse juurutamine operatiivprotsessi,

• pidevõppe (human-in-the-loop) mehhanismide loomine. Hinnangute ja arvutuste alused Eelarve hinnangud põhinevad:

• Läti tolli BAXE2 lahenduse arhitektuuril ja kulumudelil, mis on lähim võrreldav referents sarnase funktsionaalsuse ja eesmärgiga süsteemile;

• sarnaste riiklike IT- ja AI projektide keskmistel tööjõukuludel;

• projekti kestusel (16 kuud) ja etappide kaupa hinnatud ressursivajadusel;

• pilootprojekti piiratud skoobil (2–3 röntgenseadet, mitte täismahus süsteem), mis vähendab kulusid võrreldes suuremahulise rakendusega;

• hinnangulisel meeskonna suurusel arenduse tippfaasis (10–15 spetsialisti). Lisaks on arvestatud, et:

• suurimad kulud tekivad arenduse ja integratsiooni etapis;

• AI arendus ja väärtus tekivad järk-järgult ning vajavad paralleelset investeeringut;

• piiratud ulatus võimaldab kuluefektiivset lahenduse valideerimist enne laiendamist. Kokkuvõte Projekti eelarve (1 300 000 €) on koostatud realistlikult ja tasakaalustatult, arvestades projekti ulatust ja eesmärki. Eelarve võimaldab:

• luua toimiva lahenduse piiratud ulatuses,

• rakendada tehisintellekti reaalses tööprotsessis,

• hinnata lahenduse toimivust enne täismahulist investeeringut. Selline lähenemine tagab madalama riski ja parema otsustusbaasi lahenduse edasiseks laiendamiseks.

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.

Projekti elluviimise kontekstis on tuvastatud kaks peamist ja realistlikku lahenduste pakkujat, kes vastavad projekti eesmärgile ning kelle lahendused on juba kasutusel või arendamisel sarnases valdkonnas. 1. Leidos (Mezzo platvorm) Leidos on rahvusvaheline tehnoloogiaettevõte, kellel on tugev kogemus turva- ja tollivaldkonna lahenduste arendamisel. Projekti kontekstis on relevantne nende Mezzo platvorm, mis on loodud röntgenipiltide analüüsi ja AI-põhise otsustustoe pakkumiseks. Lahenduse iseloomustus:

• põhineb edge-centric ja mikroteenuste arhitektuuril;

• võimaldab tehisintellekti rakendamist reaalajas röntgenpildi analüüsimisel;

• toetab mitme AI mudeli paralleelset kasutust ja haldust;

• sisaldab andmeplatvormi, kuhu koonduvad pildid, metaandmed ja kasutajate tagasiside;

• võimaldab üles ehitada pidevalt õppiva süsteemi (continuous learning loop). Roll projektis:

• keskse AI- ja andmeplatvormi pakkuja;

• lahenduse arhitektuuri ja tehnoloogilise tuumiku tarnija;

• AI orkestreerimise ja mudelihalduse platvorm. Tugevused:

• rahvusvaheline kogemus sarnastes turvakriitilistes projektides;

• küps tehnoloogiline lahendus;

• paindlikkus arhitektuuri valikul (edge, tsentraalne või hübriid). 2. Armgate (BAXE2 lahendus) Armgate on Läti ettevõte, kes arendab koostöös riigiga BAXE2 süsteemi, mis on sarnase eesmärgiga lahendus röntgenpiltide tsentraliseerimiseks ja AI-põhiseks analüüsiks. Lahenduse iseloomustus:

• põhineb tsentraalsel AI-arhitektuuril, kus analüüs toimub keskse mudeli tasandil;

• kõik röntgenpildid koondatakse ühtsesse pildipanka;

• AI-mudel teostab automaatse analüüsi ja riskihindamise;

• tugevalt rakendatud human-in-the-loop põhimõte;

• võimaldab ühtset otsustusloogikat kõigis kontrollpunktides. Roll projektis:

• võimaliku terviklahenduse pakkuja tsentraalse arhitektuuri puhul;

• referentslahendus, mis on loodud regionaalses kontekstis sarnaste vajaduste jaoks;

• AI-põhise pildianalüüsi ja andmeplatvormi arendaja. Tugevused:

• otsene regionaalne kogemus (Läti tolli vajadused);

• arhitektuur, mis on juba kohandatud sarnasele tööprotsessile;

• tõestatud kontseptsioon (arenduse lõppfaasis lahendus). Võrdlus ja valiku loogika

Aspekt Leidos (Mezzo) Armgate (BAXE2)

Arhitektuur Hajutatud / hübriid (edge) Tsentraalne

Küpsus Rahvusvaheline, laialt kasutatav Regionaalne, arenduse lõppfaasis

AI lähenemine Modulaarne, mitme mudeliga Ühtne keskne mudel

Sobivus Skaleeritav Paindlik ja ühtlane

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!

Projekti edukas elluviimine eeldab multidistsiplinaarset meeskonda, kuhu on kaasatud nii valdkondlikud eksperdid, tehnilised spetsialistid kui ka välised partnerid. Arvestades lahenduse keerukust (röntgenandmed, AI, integratsioonid), on oluline selge rollijaotus ja tugev projektijuhtimine. Projekti meeskond ja osapooled 1. Tellija pool (Toll / MTA) Projekti omanik (business owner)

• Vastutab projekti strateegilise suuna ja eesmärkide eest

• Tagab vastavuse organisatsiooni vajadustega Projektijuht

• Vastutab projekti igapäevase juhtimise eest

• Koordineerib tegevusi, ajakava, eelarvet ja riske

• Suhtleb partneritega ja tagab eesmärkide saavutamise Valdkonna eksperdid (tolliametnikud, röntgenoperaatorid)

• Sisend tööprotsesside ja nõuete osas

• Osalevad pilootfaasis ja testimises

• Annavad tagasisidet AI mudelitele (human-in-the-loop) IT arhitekt ja tehniline juht

• Vastutab arhitektuuri sobivuse ja integratsioonide eest

• Tagab vastavuse riiklikele IT standarditele Andmekaitse ja infoturbe spetsialistid

• Hinnang andmetöötluse ja süsteemi turvalisusele

• Tagavad vastavuse regulatsioonidele 2. Tehnoloogia- ja arenduspartner (peatarnija) Sõltuvalt valitud lahendusest: Hübriid (edge) vs Tsentraalne

• Vastutab terviklahenduse tarnimise eest, sh: o AI platvorm ja pildipank o süsteemi arhitektuur ja tehniline disain o tarkvaraarendus ja kohandused o integratsioon röntgenseadmete ja olemasolevate süsteemidega

• Tagab:

o AI mudelite juurutamise ja kohandamise o süsteemi töökindluse ja skaleeritavuse o tehnilise dokumentatsiooni ja teadmussiirde

• Osaleb aktiivselt: o pilootprojekti läbiviimisel o kasutajate koolitamisel o lahenduse optimeerimisel vastavalt tagasisidele

See roll on projektis keskne, kuna sama partner:

• pakub nii tehnoloogilist platvormi kui ka selle realiseerimist,

• vastutab lahenduse tervikliku toimimise eest,

• vähendab integratsiooniriske (üks vastutav osapool). 3. AI ja andmeekspertiis Andmeteadlased ja AI insenerid (partneri koosseisus või lisaks kaasatud)

• AI mudelite arendus ja treenimine

• Andmete analüüs ja märgistamine

• Mudelite kvaliteedi hindamine ja parendamine (Vajadusel) teaduspartner (nt ülikoolid)

• AI mudelite valideerimine

• Metoodiline tugi ja innovatsioonikomponent Rollide ja tööjaotus

• Tellija (MTA): o määratleb ärivajadused ja eesmärgid o valideerib lahenduse ja selle tulemused o juhib projekti ja prioriteete

• Tehnoloogia- ja arenduspartner: o vastutab terviklahenduse loomise ja toimimise eest o viib ellu arenduse, integratsioonid ja AI komponendid o tagab süsteemi tehnilise kvaliteedi

• Valdkonna eksperdid: o osalevad testimises ja piloteerimises o annavad AI-le sisendit ja tagasisidet

• AI spetsialistid: o arendavad ja täiustavad mudeleid o töötavad tihedas koostöös kasutajatega

Töö on korraldatud iteratiivselt (nt agile põhimõtetel), kus arendus, testimine ja tagasiside toimuvad paralleelselt, eriti pilootfaasis. Projekti juhtimise korraldus Projektijuhtimine põhineb kombineeritud lähenemisel (klassikaline + agile): Juhtkomitee (steering group)

• Strateegilised otsused ja vahe-eesmärkide kinnitamine

• Koosseis: tellija juhtkond, IT ja võtmeosapooled Projektitiim (töögrupp)

• Igapäevane töö ja arendus

• Regulaarsed sprint-koosolekud ja vaheülevaated Tehniline juhtimine

• Arhitektuursed otsused

• Lahenduse kvaliteedi ja standarditele vastavuse tagamine Riskide ja kvaliteedi juhtimine

• Regulaarne monitooring

• KPI-de ja eesmärkide jälgimine Projektijuhi koormus

• Projektijuhi panus: 0,8–1,0 koormust (80–100%) kogu projekti vältel Kõrgeim koormus:

• Etapp 1 (planeerimine ja käivitamine)

• Etapp 3 (arendus ja piloot) Madalam, kuid stabiilne koormus:

• Etapp 4–5 (laiendamine ja stabiliseerimine) Kokkuvõte Projekti elluviimine põhineb selgel vastutusjaotusel:

• tellija juhib ja hoiab fookust ärivajadustel,

• üks peatarnija vastutab terviklahenduse eest,

• kasutajad ja AI spetsialistid panustavad süsteemi pidevasse täiustamisse. Selline mudel vähendab riske, lihtsustab juhtimist ning tagab lahenduse tervikliku ja efektiivse elluviimise.

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.

Projekti esmane eesmärk on katse- või pilootlahenduse loomine. Millele järgneb jätkusuutliku, skaleeritava ja igapäevasesse töösse integreeritud süsteemi juurutamine. MTA-l on olemas nii organisatsiooniline valmisolek kui ka strateegiline vajadus projekti tulemuste püsivaks rakendamiseks. Seos asutuse prioriteetidega Projekti tulemuste edasine arendus ja kasutuselevõtt on otseselt kooskõlas MTA strateegiliste eesmärkidega, sealhulgas:

• kontrolliprotsesside digitaliseerimine ja automatiseerimine,

• andmepõhise otsustamise suurendamine,

• riskijuhtimise ja avastamisvõimekuse tõstmine,

• operatiivtöö efektiivsuse parandamine. AI-põhise röntgenipiltide analüüsi lahendus toetab otseselt neid prioriteete ning on käsitletav kui oluline järgmine samm tollikontrolli moderniseerimisel. Lahenduse edasiarendus ja kasutuselevõtt on planeeritav osana organisatsiooni IT- ja arendusportfellist. Rahastus ja ressursid Katseprojekti järgselt on lahenduse edasiarendamiseks ja laiendamiseks kavandatud järgmised võimalused:

• Organisatsioonisisene eelarveplaneerimine: edukat pilooti saab kasutada sisendina järgmiste arendusetappide rahastuse planeerimiseks MTA eelarves;

• Täiendavad rahastusmeetmed: võimalik kaasata riiklikke või EL-i rahastusallikaid, eriti kui lahendus on skaleeritav ja innovaatiline;

• Tehnoloogiapartneri jätkutoetus: koostöö partneriga võimaldab tagada lahenduse hoolduse, arenduse ja teadmussiirde;

• Sisemised ressursid: olemasolevad IT- ja valdkonnaeksperdid on võimelised toetama süsteemi igapäevast kasutust ja arendust.

Lahenduse disainimisel arvestatakse ka pikaajalise haldus- ja opereerimiskuluga (TCO), et tagada selle jätkusuutlikkus. Peamised riskid tulemuste elluviimisel ja nende maandamine 1. Rahastuse jätkusuutlikkuse risk

• Risk: edasise arenduse ja hoolduse rahastus ei ole piisavalt tagatud

• Maandamine: sidumine strateegiliste prioriteetidega ja varajane eelarveplaneerimine; pilootprojekti tulemuste kasutamine investeeringu põhjendamiseks

2. Kasutuselevõtu ulatus ja organisatsiooniline muutus

• Risk: lahendust ei võeta täiel määral kasutusele kõigis tollipunktides

• Maandamine: järkjärguline rollout, kasutajate koolitus ja kaasamine pilootfaasis 3. Tehniline sõltuvus partnerist (vendor lock-in)

• Risk: lahendus sõltub tugevalt ühest tarnijast

• Maandamine: lepingulised tingimused, avatud standardite kasutamine ja teadmussiirde nõuded 4. AI usaldusväärsuse ja kasutajate usalduse risk

• Risk: kasutajad ei usalda AI soovitusi

• Maandamine: human-in-the-loop lähenemine, läbipaistvad tulemused ja järk-järguline kasutuselevõtt

5. Andmekvaliteedi jätkuv tagamine

• Risk: mudelite kvaliteet langeb halva andmesisendi tõttu

• Maandamine: pidev andmekvaliteedi kontroll ja märgistamisprotsesside standardiseerimine Skaleeritavus ja laiem kasutatavus avalikus sektoris Projekti tulemused on kõrgel määral skaleeritavad ja laiendatavad:

• Riigisiseselt: lahendust saab laiendada kõikidele röntgenseadmetele ning potentsiaalselt ka teistele kontrolliliikidele (nt muud skaneerimistehnoloogiad);

• Valdkondadeüleselt: sarnast AI-põhist pildianalüüsi lähenemist on võimalik rakendada ka muudes julgeoleku- ja järelevalvevaldkondades (nt piirivalve, politsei, transpordijärelevalve);

• Rahvusvaheliselt: lahendus loob eeldused koostööks teiste riikidega (nt andmestandardid, ühised riskimustrid), eriti arvestades BAXE2 ja sarnaste lahenduste arengut regioonis;

• Tehnoloogiliselt: valitud lahendused on arhitektuurilt skaleeritavad ning võimaldavad uute seadmete, andmemahtude ja AI mudelite lisamist.

Kokkuvõte MTA-l on olemas nii strateegiline vajadus kui ka võimekus projekti tulemuste kestlikuks rakendamiseks. Lahendus toetab otseselt organisatsiooni prioriteete ning selle edasiarenduseks on olemas realistlikud rahastus- ja ressursivalikud. Riskid on tuvastatud ja maandatavad ning lahendus on selgelt skaleeritav nii organisatsiooni sees kui ka avalikus sektoris laiemalt.

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)

Projekt seostub otseselt nutika spetsialiseerumise valdkonnaga „Digilahendused igas eluvaldkonnas“, mille keskmes on andmepõhiste, tehisintellektil põhinevate ja skaleeritavate digilahenduste arendamine ning rakendamine erinevates sektorites. Seos valdkonnaga Kavandatav lahendus kujutab endast terviklikku digipööret tollikontrolli valdkonnas, kus:

• luuakse tsentraalne andmeplatvorm (röntgenipildipank),

• rakendatakse tehisintellekti pildianalüüsi ja otsustustoe jaoks,

• muudetakse tööprotsess andmepõhiseks ja osaliselt automatiseerituks.

Selline lähenemine vastab otseselt TAIE eesmärgile:

• arendada andmepõhiseid teenuseid,

• kasutada AI tehnoloogiaid avaliku sektori efektiivsuse tõstmiseks,

• luua digitaristut, mida saab skaleerida ja taaskasutada. Teadmus- ja tehnoloogiasiire Projektil on tugev teadmus- ja tehnoloogiasiirde komponent:

• Rahvusvahelise tehnoloogia ülevõtmine ja kohandamine: Lahenduse aluseks on rahvusvahelised (Leidos Mezzo) ja regionaalsed (BAXE2) tehnoloogiad, mida kohandatakse Eesti vajadustele.

• Teadmussiire partneritelt tellijale: Projekti käigus toimub aktiivne teadmussiire tehnoloogiapartnerilt (AI, andmeplatvormid, arhitektuur) MTA- le, mis võimaldab tulevikus lahendust iseseisvamalt hallata ja arendada.

• Koostöö kasutajate ja tehnoloogia vahel: Human-in-the-loop mudel loob pideva teadmuse liikumise:

o ametnikud annavad sisendi AI-le, o AI toetab otsustamist, o süsteem paraneb ajas.

• Võimalik koostöö teadusasutustega: Projekti raames on võimalik kaasata ülikoole AI mudelite valideerimisel ja arendamisel, sidudes teadust praktilise rakendusega.

Mõju ja laiem rakendatavus Projekt ei loo väärtust ainult tollile, vaid:

• arendab riigi digivõimekust kriitilises julgeolekuvaldkonnas,

• loob reprodutseeritava mudeli, mida saab rakendada teistes avaliku sektori valdkondades (nt piirivalve, turvakontroll, järelevalve),

• toetab Eesti positsiooni edumeelse digitaliseerimise ja AI kasutuselevõtjana.

Kokkuvõte Projekt vastab otseselt nutika spetsialiseerumise valdkonnale „Digilahendused igas eluvaldkonnas“, kuna:

• kasutab kaasaegseid digitehnoloogiaid (AI, andmeplatvormid),

• viib ellu protsesside digitaliseerimise ja automatiseerimise,

• toetab teadmus- ja tehnoloogiasiiret nii rahvusvaheliselt kui organisatsioonisiseselt,

• loob skaleeritava ja laiemalt kasutatava digilahenduse avalikus sektoris.

Tervisetehnoloogiad ja - teenused (vt teekaart)

Kohalike ressursside (toit, puit, maapõueressursid, teisene toorme ja jäätmed) väärindamine (vt teekaart)

Nutikad ja kestlikud energialahendused (vt teekaart)

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.

Projekt panustab otseselt Eesti pikaajalise arengustrateegia „Eesti 2035“ eesmärkidesse, eelkõige riigi digitaliseerimise, majanduse konkurentsivõime, julgeoleku ning avalike teenuste tõhususe suurendamise kaudu. Panus „Eesti 2035“ arenguvajadustesse 1. Digiriigi arendamine ja andmepõhise juhtimise suurendamine Projekt toetab eesmärki arendada Eestit kui nutikat ja andmepõhist riiki, kus otsuseid tehakse kvaliteetsete andmete ja analüütika alusel.

• Röntgenipiltide tsentraliseerimine ja AI kasutuselevõtt loob uue taseme andmepõhise otsustamise tollikontrollis;

• Lahendus muudab senise käsitsi ja lokaalse tööprotsessi digitaalseks ja analüütikapõhiseks. 2. Avalike teenuste tõhususe ja kvaliteedi parandamine Projekt aitab muuta piirikontrolli kiiremaks, täpsemaks ja kasutajasõbralikumaks:

• väheneb kontrolliprotsesside ajakulu;

• paraneb avastamisvõimekus;

• vähenevad piiriületuse ooteajad. See toetab laiemalt avaliku sektori efektiivsuse ja teenusekvaliteedi tõstmist. 3. Turvalisuse ja julgeoleku tugevdamine Tõhusam röntgenpiltide analüüs ning AI-põhine riskihindamine suurendavad riigi võimekust avastada illegaalset kaupa ja varjatud ohte.

• Paranenud tuvastusvõimekus toetab nii riigi sisejulgeolekut kui maksulaekumiste kaitset;

• Projekt tugevdab Eesti võimekust reageerida muutuvatele riskidele ja ohtudele. 4. Majanduse konkurentsivõime ja kaubavoogude toetamine Kiirem ja efektiivsem piirikontroll aitab kaasa kaupade sujuvamale liikumisele:

• lühemad ooteajad ja paremini toimiv logistika;

• positiivne mõju ettevõtluskeskkonnale ja kaubavahetusele;

• kaudne panus riigi maksutulude suurenemisse. Kokkuvõte

Projekt panustab otseselt „Eesti 2035“ strateegia võtmeeesmärkidesse, arendades:

• andmepõhist ja nutikat riiki,

• tõhusamaid ja kvaliteetsemaid avalikke teenuseid,

• tugevamat julgeolekut,

• konkurentsivõimelist majanduskeskkonda.

Lisaks toetab projekt mitmeid teisi riiklikke arengusuundi, eelkõige digitaliseerimist, AI kasutuselevõttu ning riskipõhise järelevalve arendamist, luues selge ja pikaajalise väärtuse nii organisatsioonile kui riigile tervikuna.

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).

Maksu- ja Tolliamet (MTA) täidab projekti elluviimisel avalikke ülesandeid, mis tulenevad nii Eesti õigusaktidest kui ka Euroopa Liidu õigusest. Kavandatav innovatsiooniprojekt on otseselt seotud tollikontrolli, maksukontrolli ja riigi sisejulgeoleku tagamisega. Õiguslik alus 1. Maksu- ja Tolliameti põhimäärus MTA tegutseb Rahandusministeeriumi valitsemisalas ning tema põhitegevus on maksude kogumine ja tollikontrolli teostamine. Vastavalt põhimäärusele täidab amet järgmisi ülesandeid:

• maksude kogumine ja maksualaste õigusaktide täitmise tagamine;

• tollijärelevalve teostamine ning piiriületuse kontroll;

• salakaubanduse ja muude rikkumiste avastamine ning ennetamine. Käesolev projekt toetab otseselt neid ülesandeid, parandades tollikontrolli efektiivsust ja avastamisvõimekust. 2. Tolliseadus Tolliseadus sätestab tollijärelevalve teostamise korra, sealhulgas:

• kaupade ja transpordivahendite kontrollimise nõuded;

• tollikontrolli meetodid, sh tehniliste vahendite (nt röntgenseadmed) kasutamine;

• illegaalse kaubanduse tõkestamine. Projektis kavandatav röntgenipiltide analüüsi ja AI kasutuselevõtt on otseselt seotud tolliseadusest tuleneva kontrolli tõhustamisega.

3. Euroopa Liidu tolliseadustik (Union Customs Code, UCC) EL-i tolliseadustik (määrus (EL) nr 952/2013) kohustab liikmesriike:

• rakendama riskipõhist tollikontrolli;

• kasutama infosüsteeme ja andmeanalüüsi;

• tagama kaupade liikumise turvalisuse ja nõuetele vastavuse. Projekt toetab neid eesmärke läbi AI-põhise riskihindamise ja andmepõhise otsustamise. 4. Maksukorralduse seadus Seadus reguleerib maksuhalduri ülesandeid, sealhulgas:

• maksude laekumise tagamist;

• järelevalvet maksukohustuste täitmise üle;

• andmete kogumist ja analüüsimist maksupettuste avastamiseks. Tõhusam tollikontroll aitab otseselt kaasa maksutulude kaitsele ja suurendamisele. 5. Sisejulgeoleku ja korrakaitsega seotud õigusraamistik MTA osaleb riigi sisejulgeoleku tagamises koostöös teiste asutustega. Projekt toetab:

• illegaalsete kaupade avastamist;

• ohtlike ainete ja esemete tõkestamist;

• piirikontrolli tõhusust. Seos projekti tegevustega Projekti raames loodav lahendus (röntgenipildipank ja AI-põhine analüüs):

• toetab tollijärelevalve tõhusamat teostamist;

• parandab riskipõhist kontrolli ja otsustamist;

• aitab täita rahvusvahelisi kohustusi (EL õiguse raames);

• tugevdab maksude kogumist ja rikkumiste avastamist. Kokkuvõte Innovatsiooniprojekt ei loo uut avalikku ülesannet, vaid:

• parandab olemasolevate seadusest tulenevate ülesannete täitmise viisi,

• viib tollikontrolli kooskõlla kaasaegsete tehnoloogiliste võimalustega,

• toetab nii Eesti kui ka Euroopa Liidu õiguse nõuete täitmist. Seega on projekti elluviimine otseselt seotud MTA põhitegevuste ja avalike ülesannete täitmisega ning aitab neid täita efektiivsemalt, kiiremini ja kvaliteetsemalt.

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.

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.