Малайзия внедряет голосовой ИИ для госуслуг штата Саравак — и это не просто презентация

SAINS и 8nabler подписали меморандум о сотрудничестве для внедрения голосового ИИ в государственные службы малайзийского штата Саравак. Перед этим системы 8nabler обработали более 4000 звонков без участия операторов — но к реальному масштабированию ещё далеко.

Голосовой ИИ, который обработал четыре тысячи звонков без человека за два месяца — это неплохой старт, но от пилота до полноценного государственного сервиса путь гораздо длиннее, чем кажется на бумаге.

Что произошло

11 сентября 2026 года на площадке Digital Government Exchange 2026 (DGX26) в малайзийском Кучинге состоялось подписание меморандума о взаимопонимании (MoU) между государственной IT-структурой штата Саравак — SAINS (Sarawak Information Systems) — и местной компанией 8nabler, разработчиком голосового ИИ. Суть соглашения: изучить и развернуть голосовой ИИ в качестве интерфейса для государственных услуг штата, доступного гражданам круглосуточно и на нескольких языках.

MoU — это не контракт на поставку и не гарантия масштабного внедрения. Это рамочное соглашение, фиксирующее намерение сторон совместно исследовать варианты применения технологии. Тем не менее, за ним стоит конкретная предыстория, которая делает новость интереснее типичного меморандумного пресс-релиза.

Пилот, который уже состоялся

Ещё до подписания MoU 8nabler провела пилотную эксплуатацию своей платформы внутри SAINS. За два месяца система обработала 4 056 звонков по технической поддержке ИТ-инфраструктуры — полностью без участия операторов-людей. Общее время автоматизированных разговоров составило 4 702 минуты. Система работала круглосуточно, включая выходные и праздничные дни.

Это важная деталь: речь не о демонстрации на конференции, а о реальной нагрузке в государственном секторе, где ошибки имеют последствия. При средней длительности звонка около 1,16 минуты на вызов система работала с типичными запросами первого уровня — и справлялась.

Стоит, впрочем, задать несколько вопросов, на которые публичных ответов пока нет:

• Какова была доля «неуспешных» вызовов, где ИИ не смог корректно обработать запрос?
• Как измерялась «успешность» — по факту завершения звонка или по решению проблемы?
• Какой процент пользователей запросил соединение с оператором и не получил его?

Без этих данных 4 056 звонков — это впечатляющая, но неполная картина.

Архитектура: платформа Panacea

В основе решения лежит платформа Panacea — конвейерный голосовой ИИ, который объединяет три компонента: генерацию речи (text-to-speech), модели рассуждения (reasoning models, по сути — LLM для принятия решений по контексту разговора) и интеграцию с телефонной сетью в режиме реального времени.

Для государственного сектора критически важна поддержка изолированных сред: Panacea допускает развёртывание в air-gapped приватном облаке или полностью on-premise. Это означает, что данные звонков не покидают инфраструктуру заказчика, что является базовым требованием для многих государственных и финансовых организаций.

Платформа способна обрабатывать запросы на смеси малайского (Bahasa Malaysia) и английского — типичная ситуация для малазийских контакт-центров, где операторы и клиенты постоянно переключаются между языками. Для штата Саравак с его лингвистическим разнообразием (помимо малайского и английского, здесь распространены ибанский, китайские диалекты и множество коренных языков) это свойство важно, но и его границы пока неясны. Справляется ли Panacea с код-switching на уровне, где собеседник переходит между языками внутри одного предложения? Поддерживает ли она языки коренных народов Саравака? Эти вопросы остаются открытыми.

По данным 8nabler, её платформа в целом обрабатывает более 500 000 минут голосовых разговоров в месяц в масштабе всех клиентов — государственных учреждений и финансовых организаций. Это говорит о том, что инфраструктура вышла за рамки лабораторных условий и работает в production-среде. Однако конкретная разбивка по клиентам и типам задач не раскрывается.

Зачем голосовой ИИ государственному сектору

Главный аргумент за внедрение — цифровое неравенство. Многие жители сельских районов Саравака, в том числе в longhouse communities (традиционных длинных домах коренных народов), сталкиваются с барьерами при использовании текстовых цифровых сервисов: слабый интернет, низкая цифровая грамотность, языковые ограничения, инвалидность. Онлайн-формы и государственные порталы для них непрактичны.

Голосовой интерфейс решает эту проблему прямолинейно: позвонил — сказал — получил ответ. Для SAINS, которая является основным ИТ-хребтом штата и обслуживает десятки государственных и федеральных агентств, масштабирование голосового ИИ через единую платформу выглядит логичнее, чем точечные внедрения в каждом ведомстве.

Модель, которую планируют отработать на этапе пилотирования, предполагает гибридный подход: ИИ обрабатывает рутинные запросы (статус заявления, справочная информация, типовые инструкции), а сложные или чувствительные случаи передаются оператору. Это стандартная архитектура для AI-контакт-центров, и с инженерной точки зрения она разумна — при условии, что система escalation действительно работает корректно и не создаёт бесконечные петли, где пользователь не может добраться до живого человека.

Что стоит за меморандумом

MoU — это, по сути, документ о начале совместного scoping-процесса. Обе стороны будут идентифицировать конкретные сценарии применения голосового ИИ в системах и сервисах, поддерживаемых SAINS. О сроках, бюджете и конкретных критериях успеха в публичных материалах не сообщается.

Для 8nabler партнёрство с SAINS — это потенциально масштабная витрина: если голосовой ИИ заработает в десятках государственных сервисов одного штата, это станет убедительным кейсом для продаж другим штатам Малайзии и государственным структурам в регионе.

Для SAINS ставки тоже высоки. Штат Саравак активно инвестирует в цифровую трансформацию — DGX26 как площадка для подписания соглашения это подчёркивает. Но между пилотом на 4 000 звонков и полноценным обслуживанием миллионной аудитории — пропасть, которую предстоит заполнять инженерной работой, нагрузочными тестами, обучением модели на специфических сценариях и, что важно, налаживанием процессов эскалации.

Ограничения и неизвестные

Несколько параметров, которые стоило бы прояснить, прежде чем делать далеко идущие выводы:

• Языковой охват. Платформа подтверждена для малайско-английского код-switching. Но Саравак — это не только эти два языка. Объём данных для обучения на ибанском или кадазанском радикально меньше, и поддержка этих языков потребует отдельных усилий.
• Качество распознавания. В условиях плохой телефонной связи (а в сельских районах Саравака это норма) точность распознавания речи падает. Как система справляется с шумом, эхом, низким битрейтом — не описано.
• Метрики удовлетворённости. Обработанные звонки — это количественный показатель. Качественный — довольны ли пользователи? Получили ли они нужную информацию? Не повесили ли трубку в разочаровании?
• Этические аспекты. Автоматизация государственных услуг через ИИ поднимает вопросы прозрачности: понимают ли граждане, что разговаривают с роботом? Есть ли механизм обжалования решений, принятых ИИ?

Итого

MoU между SAINS и 8nabler — это не революция, а логичный следующий шаг после доказавшего жизнеспособность пилота. Платформа Panacea с поддержкой air-gapped развёртывания и мъязычной обработки выглядит адекватной для задач государственного сектора. Цифра в 500 000 минут разговоров в месяц по всей клиентской базе внушает определённый оптимизм.

Но расстояние от 4 000 звонков для внутренней ИТ-поддержки до обслуживания граждан через десятки государственных сервисов — это качественно другая задача. Настоящая проверка начнётся, когда система выйдет за пределы контролируемого пилота и столкнётся с реальным разнообразием пользователей, языков, сценариев и сбоев. До тех пор скептицизм остаётся оправданным.