ИИ меняет географию возможностей

В предыдущей публикации цикла мы показали, что новая энергетика требует не только генерации, но и сетей, накопителей, критических минералов, оборудования и промышленной координации.

Искусственный интеллект опирается на такую же многоуровневую систему. Для обучения и применения моделей нужны полупроводники, вычислительные мощности, дата-центры, электроэнергия, облачная инфраструктура и данные. Для получения экономического результата дополнительно требуются специалисты, готовые к изменениям предприятия и способность перестраивать производственные процессы.

Эти элементы распределены между странами и территориями неравномерно.

Одни города концентрируют вычислительные мощности, университеты, технологические компании, капитал и квалифицированных работников. Другие территории используют готовые цифровые продукты, но слабо участвуют в их создании. Крупные предприятия способны инвестировать в данные, инфраструктуру и реорганизацию процессов, тогда как малый бизнес сталкивается с дефицитом денег, специалистов и подходящих решений.

Поэтому главный вопрос связан уже не с распространением ИИ как такового. Скорее вопрос о том, какие компании, работники и территории смогут превратить ИИ в производительность и новые возможности, а какие получат преимущественно автоматизацию отдельных функций и дополнительную зависимость от внешних платформ?

Это четвертая публикация серии TALAP о новой модели роста. Финальная статья будет посвящена способности государства связать инвестиции, энергетику, технологии, человеческий капитал и региональное развитие в единую систему реализации.

Внешний слой ИИ становится все более доступным.

По данным OECD, число разработчиков языковых моделей для решения когнитивных задач, включая анализ и программирование, выросло с 9 в январе 2024 года до 47 в апреле 2026 года. Количество активных моделей, работающих с текстом, за тот же период увеличилось с 22 до 453. Их качество повышается, а стоимость использования сопоставимых возможностей снижается.

Такая динамика создает впечатление быстрого выравнивания рынка. Предприятие почти в любой стране может получить доступ к языковой модели, генератору изображений, программному ассистенту или инструменту анализа данных.

Однако рынок моделей представляет только один уровень системы.

На нижних уровнях сохраняется высокая концентрация передовых полупроводников, вычислительных мощностей, облачной инфраструктуры, крупных массивов данных, капитала, узкоспециализированных кадров.

OECD предупреждает, что концентрация вычислений, данных и специалистов, преимущества первых участников и вертикальная интеграция способны усиливать позиции ограниченного круга компаний. Особое значение имеют связи между производителями чипов, облачными платформами, разработчиками моделей и поставщиками прикладных сервисов.

Возникает двойственная структура.

На уровне пользовательских интерфейсов конкуренция растет, а вход становится дешевле. На уровне инфраструктуры сохраняются высокие капитальные и технологические барьеры.

Это означает, что доступ к модели и контроль над условиями ее использования остаются разными видами возможностей.

Пользователь может выбирать между несколькими сервисами, но при этом зависеть от ограниченного числа поставщиков вычислений, облаков и базовых моделей. Национальная компания способна создать приложение, однако его стоимость, функциональность и устойчивость будут определяться инфраструктурой, расположенной за пределами страны.

Поэтому технологический суверенитет постепенно перемещается от вопроса «есть ли у страны собственная модель» к более сложному вопросу «Какие элементы всей цепочки страна способна контролировать, развивать или надежно получать от нескольких поставщиков?».

Физическим центром новой технологической системы становится дата-центр.

Он соединяет вычислительное оборудование, электрические сети, охлаждение, связь и программную инфраструктуру. Крупные вычислительные комплексы привлекают инвестиции и позволяют развивать облачные сервисы, обучение моделей и обработку больших массивов данных.

Однако сам дата-центр еще не гарантирует широкого экономического эффекта для территории.

Его влияние зависит от окружающей экосистемы, включающей исследовательские центры, университетские программы, разработчиков программного обеспечения, корпоративных заказчиков, технологических поставщиков, сервисные и инжиниринговые компании, механизмы доступа бизнеса к вычислительным ресурсам, прикладные проекты в промышленности и государственном управлении.

При отсутствии такой среды дата-центр может остаться крупным инфраструктурным объектом, который потребляет энергию и обслуживает внешних клиентов. Он увеличит объем инвестиций, однако его связь с местными предприятиями, кадрами и рынком труда будет ограниченной.

В более развитой модели вычислительный комплекс становится ядром экосистемы. Университеты используют его для исследований, компании — для создания продуктов, промышленные предприятия — для оптимизации процессов, а местные специалисты получают доступ к сложным задачам.

Поэтому конкуренция территорий за дата-центры постепенно переходит от предложения земли и электроэнергии к качеству всей окружающей среды.

Распространение генеративных сервисов резко увеличило число людей и компаний, которые формально используют ИИ. Однако эпизодическое применение чат-бота отдельным сотрудником отличается от интеграции технологии в производственный процесс.

OECD определяет системное внедрение как глубокое включение ИИ в производство и бизнес-процессы, выходящее за пределы нерегулярного использования пользовательских интерфейсов отдельными работниками.

Для системного внедрения предприятию требуется пройти несколько этапов:

1. определить процесс, где технология способна дать измеримый эффект;
2. подготовить и структурировать данные;
3. выбрать или разработать решение;
4. встроить его в существующие информационные системы;
5. изменить распределение функций между работниками и алгоритмами;
6. установить ответственность за результат;
7. обеспечить безопасность и контроль качества;
8. оценить экономический эффект.

Основная сложность часто возникает за пределами самой модели.

Предприятию могут мешать фрагментированные данные, устаревшее оборудование, отсутствие цифрового учета, несовместимые информационные системы, слабая кибербезопасность или неготовность руководства менять процессы.

Поэтому приобретение программного продукта дает ограниченный результат без организационных инвестиций.

ИИ повышает производительность, когда предприятие одновременно меняет технологию и способ работы. Сотрудники получают другие задачи, управленцы — новые данные для решений, а производственный процесс — иной порядок контроля и взаимодействия.

Распространение ИИ между компаниями идет неравномерно.

В странах OECD доля предприятий, использующих ИИ, выросла примерно с 7% в 2021 году до 20% в 2025 году. При этом лидируют крупные компании, стартапы и более инновационные предприятия. Малый и средний бизнес чаще сталкивается с высокой стоимостью внедрения, недостатком инфраструктуры и дефицитом специалистов.

Крупное предприятие располагает несколькими преимуществами: большим объемом собственных данных, специализированными подразделениями, возможностью финансировать пилоты, доступом к внешним консультантам, ресурсами для кибербезопасности, возможностью распределить затраты на большой объем операций.

Малое предприятие способно быстро начать пользоваться готовым сервисом, но ему сложнее перестроить весь процесс. Стоимость интеграции, подготовки данных и обучения работников может быть высокой относительно масштаба бизнеса.

Так возникает новый разрыв производительности.

Компании, которые уже обладают капиталом, данными и сильным управлением, быстрее получают эффект от ИИ. Повышение производительности дает им дополнительные ресурсы для следующего этапа внедрения. Они укрепляют позиции на рынке и получают еще больше данных.

Предприятия с более слабой исходной базой используют отдельные инструменты, но сохраняют прежнюю организацию работы. Их относительное отставание увеличивается даже при формально широком доступе к технологии.

Поэтому массовое распространение ИИ не обязательно ведет к выравниванию компаний. Без специальных механизмов оно способно ускорять уже существующие различия.

Обсуждение рынка труда часто строится вокруг вопроса о том, какие профессии исчезнут.

Материал OECD Skills in the AI Age предлагает более точную рамку. ИИ влияет на занятость одновременно через автоматизацию существующих задач, создание новых задач и профессий, а также повышение производительности. Итоговый эффект зависит от соотношения этих процессов.

Высокая подверженность ИИ также не означает автоматического исчезновения рабочего места.

Сильнее всего с ИИ пересекаются многие квалифицированные профессии: управленцы, аналитики, инженеры и другие специалисты, работающие с информацией. Однако значительная часть их деятельности включает сложные решения, ответственность, взаимодействие с людьми и работу в нестандартных ситуациях. Эти функции труднее полностью автоматизировать.

Внутри одной профессии меняется состав работы.

Например, специалист может тратить меньше времени на поиск и первичную обработку информации, подготовку стандартных документов, построение типовых расчетов, составление черновых вариантов, классификацию обращений, повторяющиеся коммуникации.

Одновременно возрастает значение постановки задачи, проверки результата, профессионального суждения, понимания контекста, коммуникации, ответственности за решение, работы с нестандартными случаями.

Поэтому ИИ может одновременно сокращать часть операций и повышать требования к оставшимся функциям.

Работник сохраняет позицию, когда способен перейти от выполнения стандартизированной процедуры к контролю, интерпретации и решению более сложных задач. При отсутствии такой возможности сокращение рутинной части работы может привести к уменьшению потребности в персонале.

Рынку труда нужны специалисты, способные создавать модели и сложную цифровую инфраструктуру. Однако эта группа остается небольшой.

По оценке OECD, продвинутыми компетенциями в машинном обучении, анализе данных и смежных областях располагает около 1% рабочей силы. Для большинства работников значение имеет другое сочетание навыков.

• Первый уровень составляют базовые способности: грамотность, математика, понимание научной логики и умение работать с информацией.
• Второй уровень связан с цифровыми навыками: использование программных инструментов, данных, автоматизированных систем и средств коммуникации.
• Третий уровень образуют дополняющие компетенции: критическое мышление, постановка вопросов, творчество, совместная работа, коммуникация, способность продолжать обучение.

OECD подчеркивает, что такие компетенции позволяют эффективно взаимодействовать с ИИ и адаптироваться к изменению задач.

К этому набору необходимо добавить отраслевое знание.

В промышленности ценность создает специалист, который понимает технологический процесс и может использовать ИИ для диагностики оборудования. В сельском хозяйстве — человек, способный связать спутниковые, метеорологические и производственные данные. В медицине — врач, умеющий оценить алгоритмическую рекомендацию внутри клинической картины.

Отраслевое знание позволяет отличить содержательный результат от убедительно оформленной ошибки.

Поэтому подготовка к экономике ИИ не сводится к массовому обучению программированию или работе с чат-ботами. Речь идет о соединении цифровых, профессиональных и управленческих компетенций.

Хотя технология генеративного ИИ еще не накопила достаточно исторического материала, в докладе OECD Employment Outlook сделаны некоторые территориальные выводы.

Согласно отчету, в более чем половине стран OECD разница в уровне занятости между отдельными регионами превышает 20 процентных пунктов. Характеристики населения объясняют не более половины этого разрыва. Один и тот же работник с одинаковой квалификацией сталкивается с разными возможностями в зависимости от места проживания.

Причина заключается в структуре местной экономики.

Территории различаются по набору отраслей, количеству работодателей, размеру предприятий, качеству инфраструктуры, доступности образования, мобильности работников, глубине рынка услуг, связям с крупными рынками.

Технологический шок проходит через эту структуру.

Регион с сильными университетами, крупными компаниями и развитым сектором услуг быстрее формирует спрос на новые компетенции. Предприятия внедряют ИИ, привлекают специалистов и создают дополнительные рабочие места в консалтинге, разработке и обслуживании.

Промышленная территория может получить рост производительности через автоматизацию, но меньший прирост занятости. Когда высвобождающиеся работники не находят новые позиции в той же местности, технологический эффект сопровождается миграцией и снижением локального спроса.

Сельская или периферийная территория может пользоваться цифровыми сервисами, однако оставаться потребителем решений, разработанных в крупных центрах. Экономический эффект выражается в снижении затрат, но слабо преобразуется в собственный сектор высокопроизводительных услуг.

Структурная перестройка часто оценивается через общий баланс: сколько рабочих мест исчезло и сколько появилось.

OECD показывает ограничение такого подхода. Работники, потерявшие позиции в промышленности, редко переходят на новые рабочие места в сфере услуг. Эти вакансии часто получают молодые люди, впервые выходящие на рынок труда.

На уровне страны сокращение в одном секторе может компенсироваться ростом другого. На уровне конкретного работника и города компенсация не происходит автоматически.

Новая работа может находиться в другом регионе, требовать другой квалификации, предлагать иной уровень оплаты, предполагать переезд, возникать через несколько лет после сокращения старой позиции.

Поэтому технологический переход создает несколько временных и территориальных разрывов.

Экономика получает новые виды деятельности быстрее, чем работник осваивает новую профессию. Вакансия появляется в крупном городе, тогда как сокращение происходит в промышленном центре. Образовательная программа выпускает специалистов после того, как компания уже закрыла потребность внешним наймом.

В результате общий рост производительности способен сочетаться с локальным ухудшением занятости и доходов.

Формируются два территориальных каскада

ИИ может запускать положительный каскад концентрации возможностей:

вычислительная и образовательная инфраструктура → приход технологических компаний и инвестиций → рост спроса на специалистов → повышение доходов и расширение рынка услуг → приток новых работников и бизнеса → дальнейшее укрепление территории.

На другой территории способен возникнуть обратный каскад:

слабое внедрение ИИ и ограниченный рынок работодателей → отставание производительности → снижение привлекательности для инвестиций → отток квалифицированных работников → сужение местного спроса → дальнейшее ослабление экономической базы.

Эти процессы не являются неизбежными. Их направление зависит от качества региональной и отраслевой политики.

OECD предлагает сочетать развитие местных рабочих мест с поддержкой мобильности. Для отстающих территорий важны диверсификация отраслей, профессиональная подготовка и помощь предприятиям. Для работников — доступное жилье, транспорт, детские учреждения, признание квалификаций и адресное сопровождение переезда.

Таким образом, политика занятости выходит за пределы курсов переподготовки. Рабочие места, навыки, жилье, услуги и территориальное развитие становятся частями одного перехода.

В июле 2026 года Казахстан утвердил стратегию Digital Qazaqstan до 2029 года. Она рассматривает ИИ как многоуровневую систему, включающую энергию и инфраструктуру, вычислительные мощности, данные и модели, цифровые платформы и прикладные сервисы. Такой подход соответствует структуре, которую показывает международная аналитика: экономический результат формируется всей цепочкой, а не отдельным программным продуктом.

Стратегия предусматривает глубокую цифровую трансформацию промышленности, недропользования, логистики, энергетики, агропромышленного комплекса, строительства, финансового сектора и малого бизнеса. Флагманским инфраструктурным проектом должен стать AI Hub в формате Data Center Valley с перспективной мощностью вычислительных центров до 1 ГВт. Планируется также как минимум удвоить экспорт казахстанских IT-услуг и вывести на глобальный рынок не менее трех отечественных компаний с оценкой свыше миллиарда долларов.

В сфере человеческого капитала стратегия предполагает массовую подготовку специалистов через академическую среду и региональные IT-школы, а также повышение уровня грамотности населения в области генеративного ИИ как минимум до 20%. Программа AI-Sana ориентирована на вовлечение до 100 тыс. студентов в подготовку прикладных решений для приоритетных отраслей и технологическое предпринимательство.

Эти направления создают основу технологического перехода. Следующий вопрос связан с их территориальной и производственной архитектурой.

Крупные вычислительные центры нуждаются в мощной энергетике, надежных сетях, связи и специализированном обслуживании. Поэтому они размещаются в ограниченном числе подходящих территорий.

Казахстанский Data Center Valley создает возможность сформировать крупный вычислительный центр в Экибастузе. Проект предусматривает начальную доступную мощность около 300 МВт и последующее расширение до 1 ГВт.

Его долгосрочный эффект будет зависеть от того, какие функции появятся рядом с вычислительной инфраструктурой.

Максимальный результат предполагает доступ казахстанских компаний и исследователей к мощностям, развитие инженерного и программного сервиса, связь с университетами, локализацию части оборудования и обслуживания, появление прикладных проектов для энергетики и промышленности, создание устойчивого спроса со стороны национального бизнеса.

При таком сценарии Экибастуз способен получить дополнительную технологическую специализацию наряду с энергетической.

При более узком сценарии территория предоставляет землю и электроэнергию, тогда как разработка, управление данными и создание сервисов остаются в других центрах или странах. Инвестиционный проект состоится, но его локальный экономический эффект будет значительно меньше.

Раннее внедрение ИИ обычно концентрируется там, где уже находятся головные офисы, финансовые организации, государственные органы, университеты, IT-компании и квалифицированные специалисты.

Для Казахстана это означает высокую вероятность ускоренного развития ИИ в крупнейших городах. Здесь проще сформировать команды, найти заказчиков, привлечь капитал и организовать взаимодействие между бизнесом, государством и образовательными учреждениями.

Такая концентрация дает стране точки быстрого роста. Одновременно она способна усилить внутреннюю миграцию и разрыв между крупными центрами и остальными территориями.

Уже сейчас Астана сохраняет высокий миграционный приток: за январь–май 2026 года внутреннее миграционное сальдо города составило около 26,5 тыс. человек. Средняя номинальная заработная плата в первом квартале достигла 609,7 тыс. тенге.

ИИ способен дополнительно усилить привлекательность территорий, где концентрируются высокооплачиваемая занятость и современные услуги. Поэтому развитие региональных компетенций становится частью политики управления агломерациями, жильем и инфраструктурой.

Для индустриальных территорий основной потенциал находится в применении технологии к существующей экономической базе.

Это могут быть прогнозный ремонт оборудования, управление промышленной безопасностью, контроль качества, оптимизация энергопотребления, геологический анализ, планирование перевозок, автоматизация складов, управление производственными потоками.

Такие решения способны повышать производительность действующих предприятий и создавать спрос на локальных инженеров, интеграторов и сервисные компании.

Однако повышение эффективности отдельного крупного предприятия еще не гарантирует развитие всей территории.

Системный эффект появляется, когда вокруг проекта формируются программы подготовки кадров, местные технологические поставщики, испытательные площадки, доступ к отраслевым данным, совместные проекты предприятий и университетов, возможность тиражировать решение между компаниями.

В таком случае ИИ становится инструментом диверсификации промышленного региона. Предприятие получает технологию, а территория — новую компетенцию.

Крупные корпорации и государственные структуры способны первыми финансировать сложное внедрение. Однако широкое повышение производительности зависит от способности малых и средних предприятий использовать технологию.

Для Казахстана это особенно важно в торговле, транспорте, сельском хозяйстве, строительстве, переработке и услугах.

Малому бизнесу чаще нужны не собственные модели, а доступные прикладные решения: управление запасами, прогнозирование спроса, автоматизация бухгалтерских и административных операций, анализ клиентов, контроль качества, логистическое планирование, подготовка документов, помощь в выходе на внешние рынки.

Основным барьером становится способность выбрать подходящий процесс, подготовить данные и встроить решение в работу.

Поэтому политика распространения ИИ среди малого бизнеса может включать технологическую диагностику, типовые отраслевые решения, совместные платформы, обучение руководителей и поддержку первых проектов.

Ключевым показателем будет не количество компаний, которые однажды использовали генеративный сервис, а доля предприятий, изменивших с его помощью производительность, выручку или качество управления.

Массовая грамотность в области ИИ создает общий уровень готовности. Прикладной экономический эффект требует следующего слоя — отраслевого обучения.

Для этого образовательная программа должна отвечать на конкретный вопрос: как изменится работа инженера, агронома, врача, преподавателя, государственного служащего, логиста или финансового специалиста.

Наиболее эффективная подготовка возникает в связке с работодателем и реальной задачей.

Студент или работник получает доступ к отраслевым данным, изучает действующий процесс, создает решение и проверяет его непосредственно на предприятии. Компания участвует в формировании программы и получает возможность оценить результат.

OECD выделяет обучение на рабочем месте, программы работодателей, гибкие модульные траектории и постоянное повышение квалификации как ключевые элементы подготовки к экономике ИИ.

Для Казахстана такой подход позволит связать AI-Sana, университеты и региональные предприятия. Тогда образовательная программа будет создавать одновременно специалиста, прикладной продукт и новый канал взаимодействия между университетом и экономикой.

Одна профессия включает операции с разной вероятностью автоматизации. Поэтому карта рисков нуждается в анализе конкретных задач внутри отраслей и предприятий.

Такой подход позволит увидеть где ИИ дополнит труд, где сократит рутинную нагрузку, где изменит квалификационные требования, где способен уменьшить количество рабочих мест, какие новые функции могут появиться на той же территории.

При планировании крупных центров обработки данных важно заранее определять круг национальных и региональных пользователей, образовательных партнеров и поставщиков.

Инфраструктурный проект должен иметь собственную программу развития экосистемы, иначе технологическая ценность может остаться за пределами территории размещения.

Промышленным областям нужны компетенции в производственном ИИ, аграрным — в работе с геоданными и точном земледелии, транспортным узлам — в логистике, крупным городам — в цифровых услугах и управлении сложными системами.

Единый базовый уровень можно сочетать с региональными прикладными траекториями.

Стартапы создают новые продукты, а малые и средние действующие предприятия определяют широту распространения технологии.

Поддержка МСБ способна стать каналом передачи эффекта от цифровой инфраструктуры в традиционные отрасли и регионы.

Специалисты выбирают не только работу, но и территорию. Жилье, школы, транспорт, медицина и культурная среда влияют на возможность региона привлечь и удержать людей.

Поэтому региональная конкуренция за кадры не решается одной образовательной программой или повышенной зарплатой.

Для Казахстана можно выделить две модели распространения экономического эффекта ИИ.

Первая строится вокруг концентрации.

Вычислительные мощности создаются в нескольких точках. Разработчики, университеты и головные офисы сосредотачиваются в крупнейших городах. Крупные предприятия и государственные органы быстрее внедряют новые системы. Остальные территории получают готовые сервисы, но слабо участвуют в создании технологий и компетенций.

Такая модель способна быстро сформировать национальные технологические центры и повысить эффективность крупных организаций. Одновременно она усиливает различия между предприятиями, работниками и регионами.

Вторая модель соединяет концентрацию инфраструктуры с распределенным применением.

Крупные вычислительные центры сохраняются в ограниченном числе мест, однако доступ к ним получают региональные университеты, предприятия и разработчики. Вокруг специализации территорий формируются прикладные программы. Малый бизнес получает инструменты внедрения. Подготовка кадров связывается с действующими производствами и публичными сервисами.

В этой модели страна не пытается равномерно разместить всю технологическую инфраструктуру. Она создает каналы, через которые ее экономический эффект распространяется шире.

Главная развилка проходит между географией инфраструктуры и географией возможностей.

• Первая почти неизбежно будет концентрированной. Передовые вычислительные мощности, крупные университеты и технологический капитал невозможно одинаково распределить между всеми территориями.
• Вторая зависит от политики. Возможности могут распространяться через доступ к вычислениям, отраслевые решения, обучение, цифровые платформы, поддержку предприятий и связь регионов с национальными центрами.

ИИ сам по себе не выравнивает и не разделяет территории. Он усиливает структуру, в которую внедряется.

В экономике с сильными региональными связями технология расширяет доступ предприятий и работников к новым возможностям. В фрагментированной системе она быстрее увеличивает преимущества уже развитых центров.

Задача Казахстана поэтому заключается в соединении технологического рывка с производительностью действующих отраслей, развитием региональных компетенций и созданием новых траекторий для работников.

Решить такую задачу внутри одной цифровой программы невозможно.

ИИ зависит от энергетики, образования, промышленности, науки, конкуренции, рынка труда, регионального развития и государственного управления. Эти сферы имеют разные ведомственные границы, бюджеты, показатели и сроки реализации.

Поэтому последняя публикация цикла будет посвящена главному ограничению всей новой модели роста — способности государства координировать сложные приоритеты и доводить их до измеримого результата.

Следующая публикация цикла — «Исполнимость становится главным ресурсом развития».

В основе статьи лежат три отчета OECD, которые описывают устройство рынков ИИ, изменение требований к навыкам и территориальное распределение рабочих мест и доходов.

1. OECD — Artificial Intelligence Markets: Recent Developments and Competition Issues

https://www.oecd.org/en/publications/artificial-intelligence-markets_d531d73f-en.html

2. OECD — Skills in the AI Age

https://www.oecd.org/en/publications/skills-in-the-ai-age_972bd15e-en.html

3. OECD — OECD Employment Outlook 2026: Geographic Disparities in Jobs and Incomes

https://www.oecd.org/en/publications/oecd-employment-outlook-2026_7e710f54-en.html

4. Министерство искусственного интеллекта и цифрового развития РК — В Казахстане принята Общенациональная стратегия Digital Qazaqstan до 2029 года

https://www.gov.kz/memleket/entities/maidd/press/news/details/1238140?lang=en

5. Министерство искусственного интеллекта и цифрового развития РК — Подписан меморандум о продвижении проекта Data Center Valley

https://www.gov.kz/memleket/entities/maidd/press/news/details/1211917?lang=ru

6. Министерство искусственного интеллекта и цифрового развития РК — Data Center Valley: пакет соглашений с Firebird и NVIDIA

https://www.gov.kz/memleket/entities/maidd/press/news/details/1240802?lang=en

7. Бюро национальной статистики РК — Статистика города Астаны

https://stat.gov.kz/ru/region/astana/