Innovatsiooniprojekti ideekavand1

AVALIKU SEKTORI INNOVATSIOONIVÕIMEKUSE TÕSTMINE

Ideekavandit täites palume tutvuda riigikantselei veebilehel toodud soovituste ja juhistega projekti

esitajale.

Innovatsiooniprojekti nimi TI-valmis andmestikud. Teadmuskiht tehisintellekti jaoks.

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

Statistikaamet

Projektijuht või

ideekavandi esitaja

kontaktisik (nimi, asutus,

e–posti aadress ja telefon)

Ideekavandi esitajad: Terje Trasberg (andmehõive ja töötluse

osakonna juhtaja, [email protected]) ja

Veiko Berendsen (andmehalduse juhtivekspert,

[email protected])

Innovatsiooniprojekti kestus

(kuudes) 18 kuud

Ajaarvestust alustame üldjuhul partnerluslepingu sõlmimisest.

Innovatsiooniprojekti kogumaksumus (sh käibemaks, kui on

abikõlblik)

Kogumaksumus: 1 076 400 eurot

Partner: Statistikaamet

Käibemaks x 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.

Eesti kui digiriigi üheks suurimaks rikkuseks on avaliku sektori andmerohkus. Riigi infosüsteemides,

registrites, avaandmete portaalides, statistika andmebaasides ja valdkondlikes rakendustes tekib

igapäevaselt suur hulk andmeid, mida kasutatakse avalike teenuste arendamiseks,

poliitikakujundamiseks, teadustööks ja ühiskonna arengute jälgimiseks. Andmepõhise riigi järgmine

arenguhüpe ei seisne aga enam ainult selles, kas andmed on olemas, vaid selles, kas neid on võimalik

kiiresti leida, õigesti mõista, usaldusväärselt tõlgendada ja taaskasutada – nii inimeste kui ka

tehisintellekti lahenduste abil.

Suuri keelemudeleid ehk LLM-e kasutatakse üha enam info leidmisel, kokkuvõtmisel ja otsuste

ettevalmistamisel. Need sobivad hästi tekstilise info töötlemiseks, kuid arvandmete ja struktureeritud

andmestike puhul on nende kasutamine endiselt piiratud. Tabelid, andmebaasid, klassifikaatorid,

statistilised näitajad ja registriandmed ei ole keelemudelitele iseenesest arusaadavad. Ilma täiendava

kontekstita ei pruugi mudel leida õiget andmestikku, mõista näitaja tähendust, eristada sarnaseid

mõisteid, arvestada metoodikat ega kontrollida andmete ajakohasust. Selle tulemusena võivad

tehisintellekti lahendused anda arvandmete kohta ebatäpseid, aegunud või eksitavaid vastuseid.

Probleemi tuum ei ole ainult andmete otsimises, vaid selles, et andmete, nende tähenduse ja konteksti

vahel puudub sageli masinloetav seos. Selleks, et tehisintellekt saaks avaliku sektori andmeid

usaldusväärselt kasutada, on vaja semantilist ehk teadmuspõhist kihti, mis seob andmestikud,

metaandmed, mõisted, klassifikaatorid, metoodika, kvaliteediinfo ja selgitava

dokumentatsiooni. Nii saab tehisintellekt aru, mida konkreetne andmestik või näitaja tähendab,

kuidas see on tekkinud, milliste teiste andmetega see seostub ning millised piirangud selle kasutamisel

kehtivad.

Eestis on selleks mitmed olulised eeldused juba olemas. Statistikaameti koordineerimisel on avaliku

sektori asutused koostanud andme- ja ärisõnastikke, mis kirjeldavad andmete sisu ühtse standardi

alusel ning on graafina esitatavad tesaurustena. Loodud on Eesti andmekirjelduse standard ning Eesti

andmete teabevärav, mis koondab infot andmekogude ja avaandmete kohta. Statistikaametis on

olemas kogemus metaandmete, metoodilise dokumentatsiooni, andmekirjelduste ja sõnastike

haldamisel ning tehtud on esimesi katsetusi tehisintellekti kasutamiseks andmekirjelduste koostamisel.

Seega on olemas alus – andmekirjeldused, sõnastikud ja metaandmed –, kuid järgmine samm on

siduda need ühtseks teadmuskihiks, mida saavad kasutada nii inimesed kui ka tehisintellekti

lahendused.

Samas on lahendamata mitu olulist küsimust. Eesti andmete teabevärav kasutab tavapärast otsingut

ega toeta veel tehisintellektil põhinevat andmete leidmist. Kuigi teabevärav sisaldab suurt hulka

andmestikke, sh avaldatud riiklikku statistikat, ei võimalda see vastusena esitada andmete väärtusi

koos nende tähenduse ja kontekstiga. Lisaks paikneb suur osa andmetest, metoodikast ja selgitavast

infost endiselt eri portaalides, rakendustes ja dokumentides, mistõttu ei ole need kasutaja ega

tehisintellekti vaatest ühtselt leitavad ja tõlgendatavad.

Projekti aktuaalsus tuleneb sellest, et tehisintellekti kasutamine avalikus sektoris kasvab kiiremini kui

andmete masinmõistetavaks muutmise võimekus. Kui seda lünka ei lahendata, jäävad TI-

lahendused avaliku sektori andmete kasutamisel piiratud ja ebausaldusväärseks. Kui aga

andmed, metaandmed ja mõisted on omavahel seostatud ning tehisintellekti jaoks kasutatavad, loob

see aluse loomulikus keeles andmepäringutele, automaatsetele kokkuvõtetele, mitme andmeallika

ühendamisele, andmekvaliteedi kontrollile, RAG-lahendustele struktureeritud andmetel ning tulevikus

ka usaldusväärsetele AI-agentidele ja otsustustoe lahendustele.

Käesoleva projekti eesmärk ei ole luua üksnes uut otsingulahendust. Otsing on üks võimalik

kasutusjuht, mille abil saab teadmuskihi toimimist näidata. Projekti fookus on tehnilise ja

organisatsioonilise raamistiku loomisel, mis võimaldab avaliku sektori struktureeritud

andmestikke muuta tehisintellekti jaoks kasutatavaks. Raamistik kirjeldab, milliseid

andmekirjeldusi, sõnastikke, metaandmeid, tehnilisi komponente, rolle, vastutusi ja haldusprotsesse on

vaja, et sellist teadmuskihi lahendust oleks võimalik riigis järjepidevalt luua ja hallata.

Raamistik luuakse kogu avaliku sektori vajadust silmas pidades, kuid seda katsetatakse Statistikaameti

andmestike ja rakenduste peal. Statistikaamet sobib selleks hästi, sest siin on olemas väga erinevat

tüüpi andmeid, rakendusi ja neid kirjeldavat teavet: avaldatud riiklik statistika, juhtimislauad, ERIKA

andmeteenus, metoodikad, klassifikaatorid, andmekirjeldused, sõnastikud, ulatuslik dokumentatsioon

ja erinevad rakendused. See võimaldab testida, kuidas teadmuskihi lahendus toimib olukorras, kus

andmed ja neid selgitav info paiknevad eri süsteemides, kuid kasutaja või tehisintellekti vaatest peaksid

need moodustama ühe arusaadava terviku.

Projekti skoobis ei ole isikuandmete ega muude piiratud juurdepääsuga andmete sisuline kasutamine

tehisintellekti lahendustes. Andmeväärtusteni liigutakse ainult andmestike puhul, mille kasutamiseks on

olemas õiguslik alus ja tehniline võimalus, näiteks avaandmed, sh avaldatud statistika. Piiratud

juurdepääsuga andmete puhul kasutatakse üksnes metaandmeid: lahendus saab viidata andmestiku

olemasolule ja kasutustingimustele, kuid ei ava ega töötle andmete sisu.

Projekt mõjutab laia ringi inimesi, eristame kolme peamist gruppi:

• Analüütikud, teadlased ja andmespetsialistid kulutavad täna palju aega andmete, nende

kirjelduste, metoodilise tausta ja eri andmestike seoste leidmisele. Näiteks noorte tööturul

osalemise analüüsimiseks tuleb teada, millised andmestikud on sobivad, kus need asuvad ning

millised metaandmed, metoodika ja definitsioonid neid selgitavad.

• Otsustajad, poliitikakujundajad ja valdkonnaeksperdid vajavad kiiresti usaldusväärseid

vastuseid, mis põhinevad kontrollitud andmetel. Täna sõltuvad nad sageli analüütikute abist ka

avaldatud statistika leidmisel, tähenduse mõistmisel ja eri allikate kokkuviimisel. Näiteks Eesti

ekspordi andmete kasutamisel peab teadma, et eraldi avaldatakse kaupade ja teenuste

eksporti, otsustama, kas arvestada reeksporti, ning mõistma, milline metoodika on konkreetse

küsimuse jaoks sobiv. Rahvusvaheliste võrdluste puhul tuleb arvestada ka metoodiliste

erinevustega. Selliste valikute tegemine eeldab täna statistikaalaseid teadmisi.

• Andmehaldurid, andmeomanikud ja metaandmete koostajad peavad looma ja haldama

andmekirjeldusi, sõnastikke, klassifikaatoreid ja muud metaandmestikku, mis võimaldab

andmeid leida, mõista ja taaskasutada. Praegu on suur osa sellest tööst käsitsi tehtav ning

metaandmete kvaliteet ja detailsus on asutuste lõikes ebaühtlane. Olemasolevate kirjelduste

sidumine kiiresti arenevate tehisintellekti lahendustega nõuab uusi töövõtteid ja tehnoloogilisi

lahendusi.

Mõju avaldub eelkõige tööaja kokkuhoius, andmete paremas taaskasutuses ja kiiremas

otsustusprotsessis. Kui vajalik teave on paremini leitav, seostatud ja kasutatav ka TI-põhiste tööriistade

kaudu, väheneb käsitöö maht ning suureneb avaliku sektori andmete sisuline kasutus. Tulevikus loob

see eelduse ka AI-agentidele ja otsustustoe lahendustele, mis tuginevad usaldusväärselt Eesti

andmestikele ning nende tähendust kirjeldavale teadmuskihile.

Rahvusvaheline kogemus

Rahvusvaheline kogemus kinnitab, et struktureeritud andmete usaldusväärne kasutamine tehisintellekti

lahendustes on üleilmne väljakutse. Sellega tegelevad nii tehnoloogiaettevõtted, näiteks Google ja

Anthropic, kui ka avaliku sektori organisatsioonid. Rahvusvahelises statistikakogukonnas arendatakse

samal eesmärgil semantilisi mudeleid ja masinloetavaid metaandmeid. Näiteks UNECE HLG-MOS

eestvedamisel arendatav Core Ontology for Official Statistics (COOS) loob ametliku statistika ühist

semantilist raamistikku. Samuti näitavad valdkondlikud lahendused, näiteks StatGPT-tüüpi katsetused,

et üldine keelemudel ei ole ametliku statistika ja struktureeritud andmete usaldusväärseks

kasutamiseks piisav.

Kuigi tehnoloogilised standardid ja alused on rahvusvahelised, tuleb Eesti andmestike semantika,

kirjeldused, mõisted ja kontekst luua ning siduda kohalikus keeles ja Eesti avaliku sektori

andmehalduse põhjal. Seetõttu peab Eesti teadmuskihi looma ise, tuginedes rahvusvahelistele

standarditele ja kogemustele.

Statistikaameti kogemus

Statistikaamet on varem katsetanud tehisintellekti kasutamist andmekirjelduste koostamise

toetamiseks. Katsetuse tulemusena selgus, et andmekirjelduste koostamist oli võimalik kiirendada 2–3

korda. Kasutusele võeti RAG-lähenemine ja valdkonnapõhine allikabaas, mis võimaldas näiteks

põllumajanduse andmestike kirjeldamisel kasutada ainult selle valdkonna asjakohaseid allikaid. Pilooti

katsetati Statistikaameti kasutuses olevatel administratiivandmetel.

Katsetus näitas ka seniseid piiranguid: allikate haldamine oli liiga manuaalne ning piisava

terminoloogilise ja mõistelise täpsuse saavutamine keeruline. Tulemused ja rahvusvaheline tagasiside

kinnitasid siiski, et valitud suund on strateegiliselt õige. Edasiseks on vaja paremini struktureeritud ja

hallatud teadmuskeskkonda ehk n-ö treenitud korpust, millele lisanduvad allikabaas, terminihaldus ja

paindlikum promptimine.

Käesolev taotlus on jätk sellele piloodile. Projekti eesmärk on lahendada senised puudused ning

laiendada lähenemist andmekirjelduste koostamise toetamiselt laiemale kasutusele: andmete,

metaandmete, mõistete ja metoodika sidumisele teadmuskihiks, mis toetab nii andmete leidmist,

tõlgendamist kui ka kasutamist tehisintellekti lahendustes.

2. Projekti eesmärk

Sõnastage konkreetne, selge ning mõõdetav eesmärk, mille saavutamist või mitte saavutamist on võimalik hinnata. Tooge välja, kas projekti on eesmärk viia läbi piloot, eksperiment, katsetus või töötada välja prototüüp.i

• Kirjeldage, kuidas plaanite projekti eesmärgi saavutamist mõõta.

Projekti eesmärk on töötada välja ja katsetada Statistikaameti andmestikel

prototüüpi, mis muudab struktureeritud andmestikud tehisintellekti jaoks paremini kasutatavaks. Selleks

tuleb:

• Võtta kasutusele ja kohandada Eesti vajadustele rahvusvahelised standardid ning

tehnoloogilised lahendused, mis võimaldavad mõista ja töödelda andmestike struktuuri, sisu

ja tähendust.

• Töötada välja tehniline ja organisatsiooniline toimemudel teadmuskihi loomiseks ja

haldamiseks Statistikaametis, tuginedes olemasolevatele andmehalduse komponentidele

(andmekirjeldused, sõnastikud, metaandmed ning senised AI-katsetused). Toimemudel

kirjeldab, milliseid tehnilisi komponente, rolle, vastutusi, kvaliteedinõudeid ja haldusprotsesse

on vaja, et TI-valmis andmestikke oleks võimalik järjepidevalt luua, hallata ja laiemalt

kasutusele võtta.

• Luua ja katsetada lahendusi ning arhitektuurseid komponente, mis võimaldavad siduda

struktureeritud andmed, metaandmed, mõistesüsteemid ja selgitava dokumentatsiooni

ühtseks teadmuskihiks, mida saab kasutada tehisintellekti lahendustes.

• Katsetada otsingulahenduse prototüüpi, mis demonstreerib teadmuskihi kasutamist ning

võimaldab teha avaldatud struktureeritud andmestike sisule loomulikus keeles usaldusväärseid

päringuid ja saada vastuseid koos andmete tähendust ning konteksti selgitava teabega.

• Katsetada võimalusi toetada andmekirjelduste ja metaandmete loomist ning haldamist

tehisintellekti abil.

Projekti keskmes ei ole isikuandmed ega üksikisikute kohta järelduste tegemine. Fookus on

avaandmestike, metaandmete ja teadmuse paremal kirjeldamisel, sidumisel ning kasutamisel.

Oodatavad tulemused:

Lõppkasutaja vaates

• Statistikaameti veebilehele tulnud kasutaja saab esitada küsimuse loomulikus keeles ning leida

ühest kohast nii statistika, selgitava metoodilise teabe kui ka andmete tähenduse ja konteksti.

• Vastused põhinevad kontrollitud avaandmetel (sh riiklikul statistikal) ning sisaldavad viiteid

algallikatele, andmestike kirjeldustele, metaandmetele ja vajaduse korral ka nende aluseks

olevate üksikandmete kirjeldustele (mitte üksikandmetele endile). See võimaldab kasutajal

kiiresti hinnata, kas küsimusele saab vastata avaldatud statistika põhjal või on vaja liikuda

edasi detailsemate ava- või üksikandmete kasutamiseni Statistikaameti teiste teenuste kaudu.

Jätkates varasemat näidet: Kui kasutaja küsib „Kui suur on Eesti eksport?“, selgitab lahendus

esmalt, kas küsimus puudutab kaupade või teenuste eksporti (või mõlemat), kas arvesse

võetakse reeksporti ning kas soovitakse kogu Eestist eksporditud kaupu või Eesti päritolu

kaupade eksporti. Rahvusvahelise võrdluse soovi korral aitab lahendus valida sobiva

andmeallika ning selgitab, miks võivad näiteks Statistikaameti, Eurostati või maksebilansi

andmed mõnevõrra erineda. Vastus sisaldab viiteid algandmetele ja metoodilistele selgitustele.

Andmehaldurite ja metaandmete koostajate vaates

• Tekib võimalus siduda statistikaandmed, metaandmed, sõnastikud ja selgitav dokumentatsioon

ühtseks teadmuskihiks, mida saab kasutada tehisintellekti lahendustes.

• Metaandmete ja andmekirjelduste loomist ning ajakohastamist saab osaliselt automatiseerida

tehisintellekti abil, vähendades käsitööd ja parandades kirjelduste kvaliteeti.

Väljundid:

1. Analüüs ja tehniline kontseptsioon, mis kirjeldab, kuidas rahvusvahelised standardid ja

tehnoloogilised lahendused (sh CDIF, RAG, teadmusgraafid jm) on kohandatud Statistikaameti

vajadustele ning millised põhimõtted on ülekantavad laiemalt avalikku sektorisse.

2. Tehniline ja organisatsiooniline toimemudel, mis kirjeldab teadmuskihi tehnilist ülesehitust ning

selle toimimiseks vajalikku organisatsioonilist korraldust, sh osapoolte rolle, vastutust ja koostöö

põhimõtteid. Hinnatakse ka toimemudeli ülekantavust ning koostatakse ettepanek selle

rakendamiseks laiemalt avalikus sektoris.

3. Toimivad tehnoloogilised komponendid (MVP-d):

• metaandmete ja dokumentatsiooni allikabaas RAG-i jaoks;

• teadmusgraaf (sh andme- ja ärisõnastikud ning muud mõistesüsteemid);

• liidestused suurte keelemudelitega;

• teadmuskihti haldav rakendus.

4. TI-toega otsingulahenduse MVP, mis võimaldab esitada loomulikus keeles küsimusi

ühiskonnanähtuste kohta ning saada vastuseid, mis tuginevad Statistikaameti avaldatud riiklikule

statistikale ja teistele avaldatud andmetele. Vastused sisaldavad viiteid kasutatud andmestikele,

metaandmetele, metoodikale ning selgitavad andmete tähendust ja konteksti.

5. TI-toega andmekirjelduste loomise ja rikastamise lahendus, mis võimaldab olemasolevate

andmekirjelduste, sõnastike ja muu dokumentatsiooni põhjal koostada ning rikastada uusi

andmekirjeldusi poolautomaatselt.

6. Katsetuse tulemuste hinnang ja soovitused, mis annavad hinnangu lahenduse toimivusele ning

kirjeldavad eeldusi ja soovitusi selle rakendamiseks laiemalt avalikus sektoris.

Mõõdikud lahenduse kvaliteedi hindamiseks:

a) Lahendus suudab anda usaldusväärseid vastuseid Statistikaameti andmestike põhjal, kus

vastus tugineb kontrollitud andmeallikatele ning sisaldab viiteid kasutatud andmetele, nende

tähendusele ja metoodilisele taustale.

b) Lahendus suudab kasutada ühes päringus eri teadmusallikaid, ühendades struktureeritud

andmed, metaandmed, sõnastikud ja selgitava dokumentatsiooni.

c) Lahendus vähendab kasutaja vajadust teada, millises süsteemis vajalik teave paikneb.

Kasutaja leiab vajaliku info loomulikus keeles esitatud küsimuse abil sõltumata sellest, kas see

asub statistikaandmebaasis, veebilehel või muus teadmuse allikas.

d) AI abil loodud või rikastatud andmekirjeldused vastavad kvaliteedilt käsitsi koostatud

kirjeldustele ning vajavad ainult piiratud ulatuses inimese täiendusi.

e) Ekspertide hinnangul on tehniline ja organisatsiooniline toimemudel rakendatav ning

loob eeldused lahenduse laiendamiseks teistesse avaliku sektori organisatsioonidesse.

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.

Lahenduse kavandamise lähtekohad:

• Toetume rahvusvahelisele kogemusele ja standarditele. Eri valdkondi ja lähenemisnurki

rahvusvaheliselt ühendab toetumine standarditele. Seetõttu võtame lahenduse kavandamisel

aluseks rahvusvahelised standardid ja raamistikud. Toimimisraamistikuna kasutame CDIF-i

(Cross Domain Interoperability Framework). Tegemist on ulatusliku raamistikuga (nt hõlmab ka

juurdepääsuõiguste haldust ODRL-i abil), millest rakendame projekti eesmärkidest ja

Statistikaameti vajadustest lähtuvad komponendid.

• Läheneme valdkondadeüleselt. Statistikaamet koondab väga erinevate valdkondade

statistikaandmeid ning kasutajate küsimused eeldavad sageli nende omavahelist seostamist.

Seetõttu ei kavandata lahendust ühe valdkonna vajadustest lähtudes, vaid selliselt, et see

toimiks erinevate statistikavaldkondade puhul. Seda lähenemist toetavad ka rahvusvahelised

arengusuunad (nt Microsoft From Local to Global: A GraphRAG Approach to Query-Focused

Summarization), kus otsitakse lahendusi valdkondliku ja valdkondadeülese teadmuse

ühendamiseks (Local → Community → Global). Projekti käigus otsime lahendust küsimusele,

kuidas siduda eri valdkondade teadmuskihid tervikuks, säilitades samal ajal nende

valdkondliku tähenduse ja eripära.

• Toetume senitehtule. Arvestame olemasolevate riiklike andmehalduse komponentidega ning

integreerime katsetuses Statistikaameti olemasolevad teadmuse komponendid. Selleks

kasutame (1) terminoloogiate ja taksonoomiate haldust (andme- ja ärisõnastikud) ning (2)

Statistikaameti olemasolevaid andmeallikaid ja lahendusi, sealhulgas stat.ee veebikeskkonda

ja seal paiknevat statistika andmebaasi (https://andmed.stat.ee/et/stat) ning erinevaid

rakendusi (nt. juhtimislauad, palgarakendus, töötururakendus), ERIKA andmeteenust, ja

metoodilist dokumentatsiooni.

Võimalik lahendustee:

Projekti käigus katsetatakse lahendust Statistikaameti andmestikel. Lahendus kavandatakse

modulaarse arhitektuurina, et selle toimivust oleks võimalik hinnata piiratud keskkonnas

(Statistikaameti keskkondades) ning edukuse korral laiendada ka teistele avaliku sektori andmestikele.

Joonisel on esitatud lahenduse võimalik arhitektuur ja peamised komponendid.

Lahenduse kavandamisel lähtume modulaarsest lähenemisest. Projekti eesmärk ei ole ette

määrata ühte kindlat tehnoloogilist teostust, vaid töötada välja ja katsetada lahendus, mida saab

vajadusel edasi arendada ning mille üksikuid komponente saab aja jooksul välja vahetada või

uuendada. Seejuures käsitleme projekti kahest vaatenurgast. Esimene puudutab tehnoloogiat ja

infrastruktuuri – eesmärk on luua arhitektuur, mis ei sõltu liigselt ühest konkreetsest tehnoloogiast või

teenusepakkujast ning suudab kohaneda kiiresti areneva tehisintellekti maastikuga. Teine puudutab

organisatsiooni ja töökorraldust. Kuigi tehnilist lahendust katsetatakse Statistikaameti andmestikel,

töötatakse projekti käigus välja ka tehniline ja organisatsiooniline toimemudel. Selle eesmärk on

kirjeldada, milliseid rolle, vastutust ja koostööpõhimõtteid oleks vaja lahenduse rakendamiseks laiemalt

avalikus sektoris.

Tehnoloogilises lahenduses on 6 osa:

1. Allikabaasi moodustamine RAG-i jaoks ja selle haldus (võimalikult suur automatiseeritus)

2. Andme- ja ärisõnastike ehk mõistelise teadmusbaasi tehnoloogiline lahendus (RDF, SKOS ja

teenused)

3. Andmekirjelduste koostamise abi, mis võimaldab andmestike või muutujaid (sama mis tunnus

või andmeelement) kirjeldada lõppkasutajale mõistetaval kujul

4. TI-toega otsing, mis kasutab küsimustele vastamiseks arhitektuuril toimivat komponenti ning

allikabaasi ja mõisteid

5. Infrastruktuuri ning rakenduste ja teenuste komponent tehnilises mõttes - mis asjadest

koosneb ja kuidas töötab

6. Toimimisloogikat määrav ja arendust juhtiv standarditel põhineva lähenemise käsitlus, mis

annab korraliku ja jätkusuutliku raami.

Üldine vaade võimalikust lahendusest on järgmine:

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 tehnoloogiline uuenduslikkus ei seisne uute tehisintellekti tehnoloogiate loomises, vaid

olemasolevate tehnoloogiate ühendamises viisil, mis võimaldab kasutada struktureeritud

statistikaandmeid koos nende metaandmete, mõistesüsteemide ja selgitava dokumentatsiooniga ühe

tervikliku teadmuskihina. Selline lahendus võimaldab suurtel keelemudelitel kasutada usaldusväärselt

nii andmete väärtusi kui ka nende tähendust, konteksti ja päritolu.

Uuenduslikkus seisneb kahe seni eraldi arenenud suuna ühendamises. Ühelt poolt kasutatakse

kaasaegseid tehisintellekti tehnoloogiaid (RAG, GraphRAG ja suured keelemudelid), teiselt poolt

rahvusvahelisi andmekirjelduse ja koostoime standardeid (CDIF, Croissant, SKOS, RDF). Projekti

käigus ühendatakse need terviklikuks arhitektuuriks, mida katsetatakse Statistikaameti andmestikel.

Eesti avaliku sektori jaoks on uuenduslik see, et sama lahendus kavandatakse toimima erinevatel

statistikavaldkondadel. Statistikaamet toodab riikliku statistika programmi alusel eri valdkondade

statistikat, kasutades selleks muuhulgas ka erinevate haldusalade andmekogusid, ning projektis

katsetatakse nende ühise teadmuskihi loomist.

Kõige olulisem tehnoloogiline katsetus seisneb selles, kuidas siduda tehisintellektiga üheaegselt

struktureeritud andmed, metaandmed, mõistesüsteemid ja selgitav dokumentatsioon nii, et need

moodustaksid ühe usaldusväärse teadmuskihi. Meie teada ei ole sellist lahendust seni sellisel kujul eri

statistikavaldkondi hõlmavalt rakendatud. Projekti käigus katsetatakse eelkõige kahe tehnoloogilise

terviku koos toimimist: (1) RAG ja GraphRAG ning (2) CDIF ja Croissant.

5. Projekti elluviimisega (katsetusega) seotud riskid ja nende maandamismeetmed

Kirjelda peamisi riske, mis võivad takistada projekti elluviimist või eesmärkide saavutamist,

ning kavanda maandamismeetmed.

Tehnoloogilised riskid

Risk 1: Projekt ühendab mitut kiiresti arenevat tehnoloogiat (teadmusgraafid, RAG/GraphRAG

lahendused, semantilised mudelid, keelemudelid ning andmehalduse komponendid), mille

koosrakendamiseks ei ole veel välja kujunenud ühtset rahvusvahelist praktikat. Seetõttu võib

lahenduse integreerimine osutuda keerukamaks või nõuda projekti käigus esialgsete tehniliste valikute

muutmist. Maandamismeede: Lahendus kavandatakse modulaarse arhitektuurina, mis võimaldab üksikuid

komponente vajaduse korral välja vahetada või täiendada. Eelistatakse rahvusvaheliselt levinud

standardeid ning arendatakse lahendust järk-järgult, valideerides iga komponendi toimivust enne

järgmiste etappidega jätkamist. Risk 2: Tehisintellekti tehnoloogiad arenevad väga kiiresti ning suurte tehnoloogiaettevõtete

lahendused võivad hakata senisest paremini kasutama struktureeritud andmeid ilma osa projektis

kavandatud tehniliste komponentideta. See võib muuta mõne kavandatud tehnilise lahenduse vähem

oluliseks. Maandamismeede: Projekti põhiväärtus ei seisne üksikutes tehnoloogiates, vaid Eesti andmestike

kirjelduste, metaandmete, sõnastike ja teadmusstruktuuride sidumises ühtseks teadmuskihiks ning

selle toimimiseks vajaliku organisatsioonilise ja tehnilise raamistikuga. See teadmuskiht jääb vajalikuks

sõltumata sellest, milliseid tehnilisi lahendusi tulevikus keelemudelid toetavad. Modulaarne arhitektuur

võimaldab vajaduse korral asendada üksikuid komponente ilma kogu lahendust ümber ehitamata. Risk 3: Erinevate teadmuse allikate (struktureeritud andmed, metaandmed, sõnastikud, klassifikaatorid

ja dokumentatsioon) sidumine ühtseks teadmuskihiks ei pruugi anda oodatud kvaliteediga vastuseid

või võib osutuda keerukamaks, kui projekti alguses eeldati. Maandamismeede: Lahendust arendatakse ja hinnatakse järk-järgult, alustades vajadusel piiratud

arvu statistikavaldkondadega ning laiendades teadmuskihti samm-sammult järgmistele valdkondadele.

Selline lähenemine võimaldab hinnata teadmuskihi kvaliteeti eri tüüpi andmestikel, tuvastada

kitsaskohad varajases etapis ning täiustada lahendust enne selle laiendamist.

Organisatsioonilised riskid Risk 4: Projekti elluviimiseks vajalik koostöö Statistikaameti, RIA ja JustDigi vahel ei pruugi projekti

jooksul kujuneda piisavalt tihedaks või võivad partnerite prioriteedid muutuda. See võib raskendada

tehnilise ja organisatsioonilise toimemudeli väljatöötamist. Maandamismeede: RIA kaasatakse projekti juhtrühma ning JustDigiga konsulteeritakse projekti vältel

jooksvalt. Teemat käsitletakse regulaarselt ka Statistikaameti ja JustDigi andmehalduse

koostöökohtumistel, et lahendada tekkivaid küsimusi ning kujundada ühine arusaam toimemudelist.

Risk 5: Projekti võtmeisikute töökoormuse muutumine või personali vahetus võib mõjutada projekti

elluviimise kiirust ja teadmiste järjepidevust. Maandamismeede: Projekti viiakse ellu meeskonnana ning teadmised dokumenteeritakse jooksvalt.

Statistikaametil on ulatuslik kogemus keerukate arendus- ja innovatsiooniprojektide juhtimisel (sh

varasemad Innovatsioonifondi projektid, Eurostati rahastatud arendusprojektid ning teaduskoostöö

projektid), mis võimaldab vajadusel ülesandeid ümber korraldada ja tagada projekti järjepidev

elluviimine.

Andmete ja sisu kvaliteediga seotud riskid

Risk 6: Olemasolevad andmekirjeldused, sõnastikud ja metaandmed on Statistikaameti eri

statistikavaldkondades erineva kvaliteedi ja detailsusega. See võib raskendada teadmuskihi loomist

ning suurendada vajadust käsitsi korrastamiseks. Maandamismeede: Pilootlahendust arendatakse etapiviisiliselt, alustades statistikavaldkondadest, kus

andmekirjeldused ja metaandmed on paremini korrastatud. Seejärel laiendatakse katsetust järk-järgult

järgmistele valdkondadele, et hinnata lahenduse toimivust erineva kvaliteediga lähtematerjali korral.

Projekti käigus katsetatakse ka tehisintellekti kasutamist andmekirjelduste ja metaandmete

rikastamiseks ning hinnatakse selle mõju käsitöö vähendamisele.

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

Tegevused Tegevuse algus

(mitmes kuu) Tegevuse lõpp

(mitmes kuu) Kestus kokku

(mitu kuud)

Eeltöö

Partnerluslepingu

ettevalmistamine ja

sõlmimine

Hanke

ettevalmistamine ja

läbiviimine

I kuu (November 2026)

VI kuu

(aprill 2027) 6 kuud

Lepingu sõlmimine VI kuu

I etapp

Tehnoloogilise

lahenduse analüüs

VII VIII 3 kuud

Toimemudeli

lahenduse analüüs VIII 3 kuud pikema

perioodi jooksul

II etapp

Infrastruktuur ja

vajalikud tarkvarad

toimimiseks

IX IX 1 kuu

Allikabaasi (RAG)

realiseerimine ja

liidesed

IX XI 3 kuud

Graafi komponendi

realiseerimine

X XII 3 kuud

Otsingu komponendi

realiseerimine

(kasutab GraphRAG-i)

XII X 4 kuud

Treenimine (töö

allikatega),

katsetamine

X XV 6 kuud

Andmekirjelduste

koostamise abimehe

komponendi

realiseerimine

XIV XVI 3 kuud

Puhver XVII

XVII

1 kuu

Lõppraport ja

soovitused

XVIII XVIII 1 kuu

KOKKU 18 kuud (2028.a. aprilli lõpuks

valmis)

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.

Tegevused Partner 1 kulud

I etapp: ANALÜÜS

Tehnoloogilise lahenduse analüüs 60 000 + km

Toimemudeli analüüs 30 000 + km

II etapp: ARENDUS JA

KATSETAMINE

Vajalikud tarkvarad toimimiseks (sh

katsetamise faasiks) 30 000 + km

Tehnoloogilise lahenduse (sh

allikabaasi ja otsingukomponendi)

realiseerimine ja liidesed

500 000 +km

Andmekirjelduste koostamise

abimehe komponendi realiseerimine 50 000+km

Ülekantavuse analüüs (toimemudel) 40 000+km

MUUD KULUD

Projektijuhtimine (18 kuud) 100 000

IT ekspert (6 kuud, majasiseste

katsetuste ettevalmistamine ja

läbiviimine)

35 000

Väline ekspertiis (toetab

Statistikaametit otse, nt aitab

valideerida tulemusi)

20 000

Tarkvara litsentsi kulud

(Statistikaamet)

5000+km

Lähetused 10 000

Arutelu- ja valideerimise üritused,

katsetuse kommunikatsioon (eraldi

sisseostetav teenus)

20 000+km

KOKKU (koos käibemaksuga) 1 076 400 eurot

Eelarve koostamisel arvestati turukonsultatsioonil osalenud ettevõtete hinnanguid. Eelarve täpsustub

hanke-eelsete turukonsultatsioonide käigus.

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.

Eestis on võimalikeks lahenduste pakkujateks ülikoolid ja valdkonnas tegutsevad ettevõtted nagu

Cybernetica, STACC, MindTitan, CGI, Texta ja mitmed teised ettevõtted. Kindlasti on hange avatud ka

rahvusvahelistele tegijatele.

Statistikaametil on hea võrgustik ja koostöösuhted ka rahvusvaheliste valdkondlike ekspertidega, keda

on võimalik kaasata kas ekspertidena Statistikaametile appi tellija poolele.

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 meeskond

Projektijuht – värvatakse positiivse rahastusotsuse korral (0,8–0,9 koormusega). Projekti

ettevalmistamise ja käivitamise eest vastutab kuni projektijuhi tööle asumiseni Terje Trasberg.

Veiko Berendsen – andmehalduse juhtivekspert. Vastutab projekti sisulise kontseptsiooni,

teadmuskihi, semantiliste mudelite ning tehnilise ja organisatsioonilise toimemudeli väljatöötamise eest.

Roby Palumäe - semantikavarade ekspert. Vastutab oskussõnavara koondamise, ühtlustamise ja

rakendamise ning andmevarade ja metaandmete kirjeldustega integreerimise eest, samuti asutuste

vahelise koostöö eest.

Marvin Üürike – andmeteadur ja tehisintellekti ekspert. Vastutab AI-lahenduste arhitektuuri ja tehnilise

katsetuse eest.

IT spetsialist - toetab katsetuse tehnilist läbiviimist Statistikaameti keskkondades. Täpne ametinimi ja

gunktsioon täpsustub projekti käigus.

Kliendikanalite spetsialistid – tunnevad praegust süsteemi, toetavad katsetuste läbiviimisel.

Projekti kaasatakse vastavalt vajadusele Statistikaameti andmehalduse meeskonna liikmeid,

leviosakonna eksperte (stat.ee ja kasutajateenused) ning juriste hangete ettevalmistamiseks ja

läbiviimiseks.

Projekti edenemist toetab regulaarselt kogunev juhtrühm, kuhu kuuluvad:

• Terje Trasberg, andmehõive ja töötluse osakonna juhataja;

• Anne Jürgenson, innovatsioonitoe teenuse juht;

• Annika Uibopuu, andmehalduse teenuse juht;

• RIA esindaja (andmehalduse valdkond), kelle roll on nõustada projekti ning toetada lahenduse

koostoimivust Eesti andmehalduse ökosüsteemiga, eelkõige Eesti andmete teabevärava (ATV)

vaates.

Justiits- ja Digiministeeriumiga tehakse projekti jooksul regulaarset koostööd, et arutada lahenduse

toimemudelit ja selle võimalikku laiemat rakendamist avalikus sektoris.

Statistikaameti juhtkond jälgib projekti edenemist regulaarsete ülevaadete kaudu.

Projekti käigus tehakse koostööd Rahandusministeeriumiga, kus kavandatakse valdkondliku

teadmuskihi loomist valimislubaduste analüüsi jaoks (taotlus esitatud Justiits- ja Digiministeeriumi AI

meetmesse). Koostöö eesmärk on vahetada kogemusi, jagada õppetunde ning kasutada projektide

käigus saadud teadmisi vastastikku, et vältida dubleerimist ja kiirendada lahenduste küpsemist.

Ilmselt on sarnaseid vajadusi ka teistes avaliku sektori valdkondades. Hea meelega jagame juba

projekti käigus saadud kogemusi ja tulemusi teiste huvilistega, et vältida dubleerivaid arendusi ning

luua eeldused lahenduste, komponentide ja teadmuse taaskasutamiseks ning vastastikuseks

edasiarendamiseks.

Rahvusvaheline koostöö

Projekti käigus tehakse koostööd teiste riikide organisatsioonidega, kes tegelevad sarnaste

probleemide lahendamisega. Vajaduse korral kaasatakse rahvusvaheline ekspert või konsultant, kes

aitab hinnata tehnilisi lahendusi ning valideerida projekti tulemusi.

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.

Projekt on seotud otseselt Statistikaameti arenguplaanidega:

• Riikliku statistika seaduse kohaselt on Statistikaameti ülesanne lisaks riikliku statistika

tegemisele koordineerida riigi andmehaldust ja juhtida klassifikaatorite süsteemi.

Statistikaametil on üle viie aasta kogemust Eesti riigi andmehalduse koordineerimisel

koostöös Justiits- ja Digiministeeriumiga ning teiste avaliku sektori asutustega.

Andmehaldus on üks neljast Statistikaameti 2023.–2030. aasta arengukava

arengusuunast, mille keskne mõte on: „Andmed on meie vara. Meil on ülevaade riigi

andmetest. Andmete kodu on korras.” Käesolev projekt toetab seda suunda, aidates

luua raamistiku, mille abil on avaliku sektori andmed, metaandmed, mõisted ja seosed

paremini leitavad, mõistetavad, kvaliteetsed ja taaskasutatavad ka tehisintellekti

lahendustes. Statistikaameti andmehalduse roll ei piirdu ainult ameti enda vajadustega,

vaid toetab kogu avaliku sektori andmete korrastamist, kirjeldamist ja taaskasutust. Projekti

tulemusi saab kasutada andmevarade kaardistamisel, andmetest tervikliku ülevaate

loomisel, andmekvaliteedi seires ning metaandmete ajakohasuse tagamisel. Ühtne

oskussõnavara ja metaandmete taaskasutus vähendavad dubleerivat tööd andmete

kirjeldamisel ja kogumisel ning aitavad seeläbi vähendada halduskoormust ja ressursikulu.

Lisaks tehnilisele tulemusele suurendab projekt asutuste valmisolekut arendada AI-

põhiseid teenuseid ja teadmuspõhiseid lahendusi, mis tuginevad korrastatud, kirjeldatud ja

masinmõistetavatele andmetele.

• Põhifunktsiooni ehk statistika tegemise kõrval on Statistikaameti üks ülesandeid teha

usaldusväärne statistika kõigile kättesaadavaks. Avaldatud andmetest ei ole ühiskonnal

kasu, kui nad ei ole kasutamiseks kiiremail ja kasutajasõbralikumail moel leitavad. Ameti

kehtiva strateegia üks eesmärkidest on, et meie teenused on kiired ja paindlikud ning

vastavad kliendi vajadustele. Statistika kättesaadavaks tegemise kõrval on oluline

strateegiline eesmärk suurendada andmekirjaoskust, et riigis avaldatud andmeid

kasutataks oskuslikult. See projekt aitab otseselt parandada andmete leitavust

tänapäevasemal moel, mida ühiskond ootab.

• Projekti tulem toetab Statistikaameti andmete taaskasutuse teenust, mille eesmärgiks on

teadlastele, avalikule sektori jt andmekasutajatele võimaldada turvalist ligipääsu

üksikandmetele. Selleks on arendatud ERIKA keskkond, mille osaks on ka mahukas

andmekataloog. Projekti tulemused võimaldavad andmevajajatel jõuda mugavalt ja kiiresti

teadmiseni, kas ja millised vajalikud andmed on ERIKA keskkonna kaudu võimalik

kasutamiseks saada Statistikaametist. ERIKA keskkond on potentsiaalselt kasutusele

võetav ka teiste (riigi)asutuste poolt, kes soovivad konfidentsiaalseid andmeid

kättesaadavaks teha (arendused on arutelu faasis).

Tulemuste elluviimise rahastus

Projekti käigus loodav lahendus võetakse esmajärjekorras kasutusele Statistikaametis. Projekti

lõppemise järel on võimalik selle edasist arendamist ja haldamist esialgu rahastada Statistikaameti

andmehalduse arendamiseks eraldatud vahenditest. Need vahendid on aga ajutise iseloomuga ning

pikaajaline jätkusuutlikkus eeldab andmehalduse võimekuse kujundamist avaliku sektori

püsifunktsioonina koos sellele vastava rahastusega.

Projekti üheks eesmärgiks ongi hinnata lahenduse kasutegurit, ülalpidamiskulusid ja ressursivajadust,

et luua alus teadlike otsuste tegemiseks selle edasise rahastamise kohta. Eeldame, et projekti

tulemusena väheneb käsitöö andmehalduses, paraneb andmete leitavus ning väheneb ekspertide

ajakulu korduvatele andmepäringutele, TI pakutud väärandmete kasutamine ja andmete leidmisega

seotud nõustamisele. Need mõjud aitavad osaliselt katta lahenduse kasutuselevõtu ja haldamise

kulusid ning suurendavad investeeringu tasuvust.

Skaleeritavus

Projekti käigus katsetatakse lahendust Statistikaameti andmestikel, kuid juba arhitektuuri kavandamisel

lähtutakse põhimõttest, et selle üksikuid komponente oleks võimalik kasutada ka teistes avaliku sektori

organisatsioonides.

Skaleeritavust käsitletakse kahel tasandil. Esmalt hinnatakse, kuidas saaks projekti tulemusena loodud

teadmuskihti ning selle tehnilisi komponente tulevikus rakendada riiklikes andmehalduse teenustes,

eelkõige Eesti andmete teabevärava (ATV) edasiarendamisel. Selleks töötatakse välja tehnilise ja

organisatsioonilise toimemudeli ettepanek ning kaasatakse projekti vältel RIA ja Justiits- ja

Digiministeerium.

Teiseks kavandatakse lahendus selliselt, et ka teised avaliku sektori organisatsioonid saaksid vajaduse

korral üle võtta kas kogu lahenduse või üksikud komponendid (nt teadmuskihi loomise põhimõtted,

metaandmete rikastamise lahendused või AI-toega otsinguteenused). Samuti hinnatakse võimalusi

kasutada Statistikaametis loodavat teadmuskihti ka teiste avaliku sektori organisatsioonide AI-

lahenduste alusena.

Projekti käigus hinnatakse ka lahenduse pikaajalist ressursivajadust, ülalpidamiskulusid ja sobivaid

juurutusmudeleid, et tagada selle praktiline ja kulutõhus rakendamine nii Statistikaametis kui ka

võimaliku laiendamise korral.

Tulemuste elluviimise riskid

Risk: Projekti tulemusena valmiv lahendus ei pruugi jõuda Statistikaametis igapäevasesse kasutusse,

kui selle kasutamine nõuab liiga palju käsitööd, olemasolevate tööprotsesside muutmist või täiendavaid

arendusi. Maandamismeede: Lahendust arendatakse tihedas koostöös tulevaste kasutajatega ning seda

katsetatakse projekti jooksul reaalsete kasutusjuhtude peal. Eelistatakse olemasolevatesse

tööprotsessidesse sobituvaid lahendusi ning hinnatakse nende praktilist kasutatavust enne projekti

lõppu.

Risk: Projekti käigus valmiv lahendus (kui see on töötav) on edukalt katsetatud Statistikaametis, kuid

selle laiem rakendamine avalikus sektoris eeldab täiendavat rahastust, mitme asutuse koostööd ning

selgelt kokku lepitud rolle ja vastutust. Nende eelduste puudumisel võib lahenduse kasutuselevõtt

piirduda Statistikaametiga. Maandamismeede: Projekti käigus töötatakse välja tehnilise ja organisatsioonilise toimemudeli

ettepanek, mis kirjeldab lahenduse edasiseks rakendamiseks vajalikke rolle, vastutust ja

koostööpõhimõtteid. RIA kaasatakse projekti juhtrühma, et tagada lahenduse kooskõla riikliku

andmehalduse ja Eesti andmete teabevärava arendamisega. Justiits- ja Digiministeeriumiga tehakse

projekti jooksul regulaarset koostööd, et hinnata lahenduse laiendamise võimalusi ning kavandada

selleks vajalikud järgmised sammud, sealhulgas võimalikud rahastusallikad.

Risk: Projekti käigus väljatöötatud lahenduse kasutuselevõtu ja ülalpidamise kulud võivad osutuda

suuremaks, kui projekti alguses hinnati, mistõttu võib lahenduse laiem kasutuselevõtt osutuda

majanduslikult ebaotstarbekaks. Maandamismeede: Projekti käigus hinnatakse erinevaid tehnoloogilisi lahendusvariante (sh pilve- ja vajaduse korral

kohapealseid lahendusi), nende ülalpidamiskulusid ning skaleeritavust. Eelistatakse modulaarset

arhitektuuri, olemasolevate komponentide taaskasutamist ning võimalikult suurt automatiseeritust.

Projekti tulemusena antakse hinnang lahenduse pikaajalisele ressursivajadusele ja sobivale

juurutusmudelile.

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-

jahttps://www.hm.ee/korgharidus-ja-teadus/teadus-ja-arendustegevus/taie- fookusvaldkonnadteadus/teadus-ja-arendustegevus/taie-fookusvaldkonnad). • Kirjeldage teie projekti võimaliku lahenduse seost vähemalt ühe valdkonnaga (rõhuasetusega

teadmus- ja tehnoloogiasiirdel).

Digilahendused igas eluvaldkonnas (vt teekaarti)

Projekt panustab teekaardi “Digilahendused igas elu valdkonnas”

fookusvaldkondade arendamisse, täpsemalt eelkõige “digilahendused

äriprotsesside innovatsiooni toetamiseks” ja “teadus- ja

arendustegevus andmevaldkonna arendamiseks“ (nt avaandmete

kvaliteet, tehisaru teemad).

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 toetab eelkõige Eesti 2035 sihte „Eesti majandus on tugev, uuendusmeelne ja

vastutustundlik“ ning „Eesti riik on uuendusmeelne, usaldusväärne ja inimesekeskne“,

luues avalikule sektorile uue võimekuse kasutada kvaliteetseid ja hästi kirjeldatud andmestikke

tehisintellekti lahendustes. Projekti tulemusena muutuvad andmed paremini leitavaks,

taaskasutatavaks ja masinmõistetavaks, mis loob aluse uute andmepõhiste teenuste ja

otsustustoe lahenduste arendamiseks ning aitab tõsta avaliku sektori tõhusust ja

innovatsioonivõimekust.

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).

Statistikaamet täidab projekti elluviimisel talle seadusega pandud avalikke ülesandeid, eelkõige

riikliku statistika seaduse alusel.

Riikliku statistika seaduse kohaselt (§ 9) on Statistikaameti ülesandeks mh riikliku statistika

tegemine, andmehalduse koordineerimine ja klassifikaatorite süsteemi juhtimine. § 33 järgi on

Statistikaametil statistika levitamise kohustus.

Projekti käigus arendatakse lahendusi, mis parandavad Statistikaameti hallatavate andmete

leitavust, mõistetavust ja taaskasutatavust ning toetavad andmehaldust ja statistika kasutamist.

Statistikaseaduse § 1 lg 2 ütleb omakorda, et "riikliku statistika eesmärk on kajastada ühiskonna

olukorda ja muutusi ning varustada ühiskonda rahvastiku, sotsiaalvaldkonna, majanduse ja

keskkonna arengu seisukohalt olulise teabega, sealhulgas arengukavade ja prognooside

koostamiseks, erinevate poliitikate kujundamiseks, teadus- ja rakendusuuringute tegemiseks

ning teadmuspõhiste otsuste langetamiseks."

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.

Seosed:

• Probleemi lahendamisega seotud andmehalduse tegevusteks on Statistikaametis kasutusel

Euroopa Ühtekuuluvus- ja siseturvalisuspoliitika Fondide programmi rahastus, mis on

eraldatud ettevõtlus- ja infotehnoloogiaministri 14.03.2023 käskkirja nr 44 alusel. Selle toel

koondatakse, ühtlustatakse ja struktureeritakse andmehalduse valdkonna oskussõnavara ning

seotakse seda andmevarade ja metaandmete kirjeldustega. Käesolev projekt ei dubleeri

nimetatud tegevusi ega tähenda topeltrahastamist. Varasem rahastus katab andmehalduse

aluskomponentide – oskussõnavara, andmekirjelduste, metaandmete ja nende seoste –

loomist ja korrastamist. Käesolev projekt kasutab neid eeldusena ning keskendub tehnilise ja

organisatsioonilise raamistiku loomisele, mille abil saab olemasolevad komponendid siduda

tehisintellekti jaoks kasutatavaks teadmuskihiks ning katsetada selle toimimist avaliku sektori

struktureeritud andmestikel.

• Riigikantselei on saanud Innofondist rahastuse projektile “Andmepõhine poliitikakujundaja.”

Käesolev projekt täiendab Riigikantselei projekti. Kui Riigikantselei projekt keskendub

poliitikakujundajale mõeldud rakendusele, mis kasutab erinevate registrite konfidentsiaalseid

üksikandmeid poliitikaküsimustele vastamiseks, siis käesolev projekt loob selleks vajalikud

eeldused, arendades andmestike semantilist kirjeldamist, metaandmeid ja teadmuskihti.

Käesoleva projekti fookus ei ole registrite mikroandmete töötlemisel ega nende analüüsimisel,

vaid andmestike tähenduse, konteksti ja leitavuse parandamisel, et tulevased TI-lahendused

saaksid neid usaldusväärselt kasutada.

Teatud kattuvus võib esineda otsinguprototüübi osas. Selle eesmärk käesolevas projektis ei

ole iseseisva otsingulahenduse arendamine, vaid teadmuskihi ja semantiliste lahenduste

toimivuse demonstreerimine ning valideerimine. Seetõttu kasutatakse võimaluse korral

olemasolevaid lahendusi ja komponente ning tehakse koostööd Riigikantseleiga, et vältida

dubleerimist. Arendustööd piirduvad ulatuses, mis on vajalik prototüübi sidumiseks

Statistikaameti andmestike ja teadmuskihiga.

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 Katsetus vastab küsimusele: kas see töötab? Katsetamise 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. Laialdaselt kasutatava määratluse kohaselt on eksperiment selline katse, mis on kavandatud põhjuslike seletusteni jõudmiseks (Cook ja Campbell 1979, tsiteeritud Elmese, Kantowitzi ja Roedigeri 2013: 146 järgi). Kui teeme x siis juhtub y. Prototüüp - masina, seadme või mingi rakenduse esialgne teostus, algne mudel, mida edasi arendatakse.