ООН и Google представили UN System Data Commons — новую платформу для машиночитаемого доступа к глобальной статистике. Система построена на базе открытой платформы Google Data Commons и поддерживает Model Context Protocol (MCP), стандарт, который позволяет ИИ-агентам напрямую запрашивать данные через естественный язык, минуя традиционный поиск по базам данных. 26 организаций ООН уже присоединились к проекту, а к 2027 году планируется загрузить туда 80% всех статистических наборов системы ООН.

На практике это означает, что вместо того чтобы пользователь сам искал и комбинировал статистику по ВИЧ, смертности от СПИДа и ожидаемой продолжительности жизни, ИИ может это сделать сам и сгенерировать на основе данных инфографику или аналитический отчёт. Google вложил $2 млн в инфраструктуру платформы и обучение команды ООН, которая со временем будет самостоятельно управлять и масштабировать систему.

Однако есть огромный подвох, который демонстрирует исследование UNICEF: крупнейшие LLM попросту не в состоянии надёжно работать с фактическими данными. Тест шести моделей — GPT-4o, GPT-4o-mini, Claude Sonnet 4.5, Claude Haiku 4.5 и двух версий Gemini — на 133 тысячах вопросов о глобальных показателях развития показал среднюю точность всего 21,2%. Более 60% ответов вообще не содержали полезных цифр: модели либо уклонялись, либо выдавали условные рассуждения. Ещё более тревожный момент: одна и та же модель, отвечая на один и тот же вопрос спустя двое суток, воспроизводила одинаковый результат лишь в половине случаев. Это не ошибка источника данных — это ошибка модели.

Тут стоит быть честным: проблема не в том, что данные плохи или недоступны. Проблема в том, что сами модели систематически галлюцинируют, плохо считают и не могут воспроизвести собственный же ответ. Давая ИИ доступ к авторитетным источникам, мы не решаем проблему — мы только облегчаем поиск, если человек потом проверит результат. Google сам это признал: даже с корректными данными под рукой люди всё равно должны проверять выводы модели, прежде чем их цитировать или публиковать.

Из прикладной стороны есть интересная деталь: UNICEF уже видит резкий рост трафика от AI-ассистентов на свой сайт статистики. За полгода 2026 года переходы из ChatGPT выросли на 67% — это 6,4% всех сессий на сайте. ИИ-ассистенты в целом теперь дают примерно каждый десятый визит. Это значит, что люди уже привычно спрашивают у ChatGPT про статистику развития, и платформе нужно было просто убедиться, что ответы будут хотя бы откуда-то браться.

В России подобный подход может быть полезен для государственных органов и статистических ведомств. Если Росстат, Минэкономики, ЦБ или региональные администрации будут предоставлять свои открытые данные через аналогичные интерфейсы с поддержкой MCP, это упростит работу аналитикам и разработчикам сервисов, которые используют российскую статистику. Однако это требует не только технического подключения, но и понимания, что ИИ-системы сегодня — это инструмент для поиска и организации данных, а не источник истины. В бизнесе (особенно в финтехе, логистике, маркетинг-аналитике) это означает: используй ИИ для быстрого доступа к базовым цифрам, но всегда проверяй результат через человека, прежде чем принимать решение.

Инициатива ООН правильная по форме и необходимая по содержанию, но её не стоит переоценивать как решение проблемы точности. Это просто хороший шаг в организации доступа к данным. Реальное решение требует не только открытого API, но и фундаментального улучшения того, как модели работают с цифрами и логикой — это уже вопрос к самим лабораториям, создающим LLM.