Статья посвящена актуальной проблеме модернизации инструментария финансово-экономического прогнозирования в государственном секторе на основе применения современных технологий искусственного интеллекта и машинного обучения. Цель работы продемонстрировать преимущества перехода от традиционных статистических моделей к гибридным системам прогнозирования, способным обрабатывать многомерные временные ряды различной частоты. Представлены результаты разработки функционального прототипа цифровой экосистемы, включающей расширенный набор экономико-математических моделей, в том числе нейронные сети Колмогорова-Арнольда (KAN), долгую краткосрочную память (LSTM), авторегрессионные модели с интегрированием и скользящим средним (ARIMA) и резервуарные вычисления (Echo State Networks). Определены практические рекомендации по внедрению системы дашбордов, функционирующих в интернет- пространстве, для поддержки принятия решений в управлении государственными финансами. Показано, что применение предложенной методологии позволяет повысить точность прогнозов фискальных показателей и повысить прозрачность процесса бюджетного планирования и исполнения бюджета.