AI: liczy się nie model językowy, lecz efekt wdrożenia

Jak wdrażać technologie, żeby nie uzależniać się nadmiernie od dostawców i jednocześnie nie próbować budować wszystkiego samodzielnie? Rafał Kozłowski, wiceprezes Asseco, proponuje trzy zasady: wybór, kontrolę i odporność. To one powinny wyznaczać sposób myślenia o transformacji cyfrowej – również wtedy, gdy organizacja zaczyna wykorzystywać sztuczną inteligencję.

Wybór oznacza zachowanie możliwości decydowania o dostawcy, technologii i środowisku wdrożenia. Kontrola – wiedzę o tym, jak działa system, gdzie przetwarzane są dane i na jakich zasadach organizacja korzysta z zewnętrznych usług. Odporność to przygotowanie na zmianę warunków współpracy, awarię lub inne zdarzenie, które może zakłócić działanie systemu.– Te trzy kwestie są istotne przy projektowaniu współpracy z dostawcami różnych rozwiązań, a także przy samym zarządzaniu wynikającymi z niej zależnościami – mówił Kozłowski podczas konferencji w Budapeszcie.

Nie oznacza to, że każda instytucja powinna rozwijać całe oprogramowanie własnymi siłami. Samodzielne budowanie systemów wymaga nie tylko programistów, lecz także architektów i analityków rozumiejących procesy organizacji. Trzeba mieć kompetencje do projektowania, wdrażania, utrzymywania i dalszego rozwijania rozwiązań.– Nie wystarczy więc zdecydować, że od jutra będziemy rozwijać system samodzielnie. Trzeba jeszcze zbudować kompetencje potrzebne do jego zaprojektowania, wdrożenia, utrzymania i dalszego rozbudowywania – zaznacza Kozłowski.

Ta zasada ma szczególne znaczenie w administracji publicznej. Instytucje muszą oceniać nie tylko koszt zakupu systemu, ale również wydatki na infrastrukturę, bezpieczeństwo, szkolenia i utrzymanie. Ważne jest także to, czy po wdrożeniu będą w stanie sprawdzić, czy technologia rzeczywiście poprawiła jakość usług.

Urzędnicy widzą potencjał AI, ale potrzebują szkoleń

Świadomość znaczenia zarządzania zależnościami technologicznymi i związanym z nimi ryzykiem różni się w poszczególnych sektorach. Zdaniem Kozłowskiego najdłuższe doświadczenie w tym obszarze mają instytucje finansowe.– Największą świadomość tych zagadnień ma sektor bankowy i finansowy. Zajmuje się nimi od kilkunastu lat, dzięki czemu mógł dokładnie je przeanalizować i odpowiednio wcześnie podjąć działania zawiązane z tymi wyzwaniami – mówi w rozmowie z DGP.Na drugim miejscu rozmówca stawia sektor publiczny, zastrzegając jednak, że nie jest on jednorodny. Większe instytucje państwowe są, jego zdaniem, mocno zaangażowane w tę tematykę i potrafią stosować zasady zarządzania zależnościami w praktyce. W mniejszych placówkach świadomość tych zagadnień może być niższa.

O tym, że kompetencje pozostają jednym z warunków skutecznego wykorzystania sztucznej inteligencji, świadczą również dane z badania NASK „AI w e–administracji publicznej”, opublikowanego w marcu 2026 r. Wynika z niego, że 46 proc. badanych pracowników administracji korzystało z generatywnej AI w pracy w ciągu poprzednich sześciu miesięcy, a 87 proc. chciało uczestniczyć w szkoleniach dotyczących tej technologii. Badanie objęło 6093 pracowników administracji centralnej i samorządowej.

Urzędnicy dostrzegają przede wszystkim możliwość ograniczenia rutynowych zadań. Aż 81 proc. respondentów widziało potencjał AI w odciążeniu pracowników od powtarzalnych obowiązków i umożliwieniu im skupienia się na pracy eksperckiej. Jednocześnie 91 proc. nie zgadzało się na zastępowanie człowieka przez algorytmy w decyzjach dotyczących obywateli. Zainteresowanie automatyzacją nie oznacza więc akceptacji dla przekazywania maszynom odpowiedzialności za rozstrzygnięcia administracyjne.

Dane o pracownikach nie mówią jednak, jaki odsetek urzędów wdrożył AI jako oficjalnie zarządzane rozwiązanie. Korzystanie z ogólnodostępnego narzędzia przez urzędnika to co innego niż system zintegrowany z procesami instytucji, objęty zasadami bezpieczeństwa i nadzoru.

Szerszy obraz daje raport OECD „Digital Government Outlook 2026”. W analizie wykorzystania AI na poziomie centralnym OECD odnotowała takie zastosowania w 35 z 36 państw członkowskich. W 31 krajach AI wspierała procesy wewnętrzne administracji, a w 27 – projektowanie lub świadczenie usług publicznych. Znacznie rzadziej wykorzystywano ją do tworzenia polityk publicznych i nadzoru nad działaniem administracji. Polska znalazła się w grupie państw stosujących AI w procesach wewnętrznych i usługach publicznych, ale nie raportowała jej wykorzystania w dwóch pozostałych obszarach.

OECD zwraca przy tym uwagę na problem wykraczający poza samą dostępność technologii: państwa coraz częściej eksperymentują z AI, ale nie zawsze potrafią zmierzyć jej rzeczywisty wpływ. Tylko 10 z 36 badanych krajów informowało o finansowej lub niefinansowej ocenie efektów zastosowań AI w administracji. Bez takiej oceny trudno rozstrzygnąć, które projekty warto rozwijać, a które pozostają jedynie demonstracją możliwości technologicznych.

Suwerenność cyfrowa bez budowania wszystkiego od zera

Rosnące wykorzystanie AI prowadzi do pytania o suwerenność cyfrową. Czy Europa musi stworzyć własne modele językowe, by zachować niezależność od globalnych dostawców? Zdaniem Kozłowskiego kluczowe jest nie tyle pochodzenie modelu, ile umiejętność wykorzystania technologii do rozwiązywania konkretnych problemów. – Zajmujemy się tworzeniem aplikacji. W tym kontekście wcale nie jesteśmy przegrani, realizujemy własną strategię, choć niekiedy korzystamy z narzędzi opracowywanych przez innych – mówił podczas konferencji.

Przewagą europejskich firm może być znajomość klientów, ich procesów i lokalnych uwarunkowań. Dostęp do modeli i narzędzi rozwijanych w różnych częściach świata nie musi oznaczać utraty kontroli, pod warunkiem, że organizacja świadomie wybiera rozwiązania, rozumie związane z nimi ryzyka i zachowuje możliwość zmiany dostawcy lub środowiska.

Podobnie patrzy na ten problem Michał Torzewicz, product manager z zespole rozwijającym rozwiązania AI w Asseco Poland. Firma rozwija własne komponenty AI, ale wykorzystuje również modele open source, które dostraja do konkretnych zastosowań. Może też integrować swoje rozwiązania z modelami wybranymi przez klienta, w tym opracowanymi przez niego samodzielnie.

– Jeśli klient ma już wybrane modele AI, w tym modele opracowane samodzielnie, możemy zintegrować je z naszymi rozwiązaniami za pomocą przygotowanych interfejsów – wyjaśnia Torzewicz.Sposób wdrożenia można dzięki temu dopasować do wymagań instytucji. System może działać w środowisku chmurowym albo bezpośrednio w infrastrukturze klienta. W modelu on-premise dane mogą pozostawać po stronie instytucji, a dostawca nie musi mieć dostępu do środowiska produkcyjnego.

Lokalna instalacja nie gwarantuje jednak sama w sobie bezpieczeństwa. Potrzebne są odpowiednia architektura, kontrola dostępu i przygotowanie ludzi do pracy z nowymi narzędziami. Torzewicz zwraca uwagę, że klienci potrzebują również wsparcia w utrzymaniu infrastruktury, zwłaszcza gdy rozwiązania AI wymagają serwerów wyposażonych w wydajne karty graficzne.

Bezpieczeństwo zaczyna się od projektu i ludzi

Odpowiedzialność za bezpieczeństwo nie może spoczywać wyłącznie na użytkowniku. System powinien być zaprojektowany tak, aby ograniczać ryzyko błędów, a organizacja musi zadbać o szkolenia i regularnie sprawdzać skuteczność zabezpieczeń.– Jeśli użytkownik nie jest odpowiednio przeszkolony, może popełniać błędy, narażając firmę na różnego rodzaju ryzyka. Szkolenia są więc bezwzględnie potrzebne – podkreśla Torzewicz.Jak dodaje, samo szkolenie nie wystarczy. Konieczne są również testy, analiza tego, co zawiodło i ciągłe doskonalenie zabezpieczeń.– Musimy łączyć trzy elementy: dobry system, odpowiednie szkolenie użytkowników oraz regularne próby przełamania własnych zabezpieczeń – mówi przedstawiciel Asseco.Podobna zasada dotyczy wdrażania AI. Część wymagań bezpieczeństwa i odpowiedzialności należy uwzględnić już na etapie projektowania produktu. Przykładowo platforma powinna zapewniać, że użytkownik zostanie poinformowany, iż rozmawia z systemem sztucznej inteligencji.

Zakres edukacji zależy także od modelu wdrożenia. Korzystanie z gotowego narzędzia wymaga innych kompetencji niż samodzielne budowanie procesów i agentów AI, które wiąże się również z koniecznością rozumienia zasad działania platformy i zarządzania danymi.

Od zgłoszeń alarmowych po obsługę pacjentów

Podczas budapesztańskiej konferencji Asseco Group Product Review Torzewicz zaprezentował przykłady zastosowania AI w różnych obszarach. Łączy je podejście, w którym technologia ma wspierać człowieka, przyspieszać pracę i porządkować informacje, a nie automatycznie przejmować odpowiedzialność za decyzje.

Jednym z zaprezentowanych rozwiązań był Advisor AI, narzędzie wspierające obsługę zgłoszeń alarmowych. W demonstracji system rozpoznawał mowę, identyfikował język rozmówcy i tłumaczył wypowiedź, a następnie porządkował najważniejsze informacje dla dyspozytora. Mógł przygotować zapis rozmowy, kartę zdarzenia, lokalizację na mapie i podsumowanie zgłoszenia. Według prezentacji rozwiązanie obsługiwało lokalnie ponad 20 języków, bez korzystania z chmury publicznej i zewnętrznych interfejsów API.

Takie zastosowanie może mieć znaczenie w sytuacji, gdy osoba wzywająca pomoc nie zna języka kraju, w którym się znajduje. System ma ułatwić dyspozytorowi zrozumienie zgłoszenia i szybkie wyodrębnienie informacji potrzebnych do reakcji służb. To przykład potencjału rozwiązania przedstawionego podczas demonstracji, a nie dowód na osiągnięte już efekty operacyjne u konkretnego odbiorcy.

Drugim przykładem jest Pola AI, asystent głosowy i tekstowy wykorzystywany m.in. w ochronie zdrowia, bankowości i ubezpieczeniach. W szpitalach może obsługiwać powtarzalne kontakty z pacjentami, takie jak umawianie wizyt czy przypominanie o terminach. Według danych przedstawionych przez Torzewicza w samym wrześniu tego roku system obsłużył niemal 200 tys. minut rozmów z klientami z tych sektorów.

Trzecim rozwiązaniem jest Asseco Infobase AI – system zarządzania wiedzą, który gromadzi informacje z różnych źródeł i generuje odpowiedzi na pytania użytkowników. Może wspierać pracowników instytucji, którzy muszą szybko odnaleźć potrzebne informacje w dużej liczbie dokumentów.

W każdym z tych przypadków znaczenie ma dopasowanie technologii do konkretnego procesu. W ochronie zdrowia AI może przejąć część powtarzalnych kontaktów z pacjentami, pozostawiając personelowi więcej czasu na sprawy wymagające bezpośredniej pomocy. W obsłudze zgłoszeń alarmowych może przyspieszyć analizę informacji, ale nie zastępuje dyspozytora. W zarządzaniu wiedzą może skrócić wyszukiwanie dokumentów, lecz nadal potrzebne są zasady weryfikacji odpowiedzi.

O wartości sztucznej inteligencji nie przesądza więc ani wielkość modelu, ani kraj, w którym został opracowany. Ważniejsze jest, czy organizacja potrafi świadomie wybrać technologię, zachować nad nią kontrolę, przygotować użytkowników i wykazać, że wdrożenie przynosi wymierne korzyści. Dla administracji publicznej oznacza to szansę na sprawniejsze usługi, a dla Europy – możliwość budowania przewagi dzięki praktycznym zastosowaniom AI.

Asseco Group Product Review to coroczna konferencja z udziałem zaproszonych mediów, na której przedstawiciele poszczególnych spółek z Grupy Asseco dzielą się nowymi rozwiązaniami i wdrożeniami. Tym razem zorganizowano ją w Budapeszcie.

Krzysztof Ratnicyn