Umělá inteligence na radnici v Haltern am See: Stínová umělá inteligence, nebo budoucí autorita? Jak města nyní transformují svou správu

Odklon od experimentování: Jak se umělá inteligence stává veřejnou službou obcí

Proč je nedělat nic nejdražší možností: Jak mohou obce úspěšně strategicky implementovat umělou inteligenci

Místní samosprávy v Německu jsou pod obrovským tlakem: rostoucí odpovědnost, vysoká hustota předpisů a rostoucí očekávání občanů kolidují s napjatými rozpočty a stále akutnějším nedostatkem kvalifikovaných pracovníků. Ve městě Haltern am See se proto intenzivně diskutuje o využití umělé inteligence (AI). Kdo však myslí jen na rychlé chatboty, izolované softwarové testy nebo občasnou pomoc při psaní textů, uniká strategickému bodu. AI je mnohem víc než jen projekt digitální prestiže – je to klíčová technologie pro zajištění nepřetržitého poskytování základních služeb a služeb napříč celým spektrem v budoucnu.

Následující článek zkoumá, proč nekontrolované experimenty s umělou inteligencí a tzv. stínová umělá inteligence představují obrovské riziko pro veřejné orgány a jak může být plánovaný přístup úspěšný. Řešení spočívá v konceptu „řízené umělé inteligence“: průběžně spravované, technicky přísné prostředí splňující požadavky na ochranu údajů, které propojuje schválené jazykové modely se specifickými regulačními znalostmi administrativy. Ať už jde o inteligentní automatizaci příchozí pošty, zpracování složitých souborů nebo zachování cenných zkušeností odcházejících profesionálů – největší ekonomický přínos pramení hluboko ve strojovně agentury.

Zjistěte, proč je nečinnost zdaleka nejdražší možností pro města a obce, jak lze ochranu dat a informační bezpečnost vyřešit jako architektonickou výzvu a jak se jednoduchá žádost o přezkum může stát životaschopnou meziobecní operační strategií pro digitální správu zítřka.

Od experimentu s umělou inteligencí k digitálním veřejným službám

Ti, kteří se při testování spoléhají pouze na umělou inteligenci, budou brzy muset primárně spravovat své vlastní nevyřízené záležitosti

Debata o umělé inteligenci na radnici v Haltern am See přichází v pravý čas. Neměla by se však zastavit u otázky, zda jednotliví zaměstnanci dokáží rychleji formulovat texty, shrnovat dokumenty nebo snadněji vyhledávat informace. Širší, ekonomicky zásadní otázkou je: Jak může obec zajistit svou efektivitu, když úkoly, regulační složitost a očekávání rostou, zatímco personální, časové a rozpočtové zdroje zůstávají nedostatkové? V této souvislosti není umělá inteligence ani projektem digitální prestiže, ani programem náhrady zaměstnanců. Při správném použití se jedná o novou provozní infrastrukturu, která umožňuje stávajícím specialistům pracovat produktivněji, zpřístupňuje znalosti a umožňuje spolehlivější poskytování administrativních služeb.

Pro Haltern am See existuje mnoho důvodů, proč neorganizovat implementaci na základě izolovaných softwarových testů. Místo toho by město mělo zavést řízený provozní model, který integruje technologie, ochranu dat, informační bezpečnost, specializované postupy, školení, zajištění kvality a neustálý vývoj. Řízená umělá inteligence se pro tento účel dokonale hodí. To neznamená jen tak nějakou cloudovou aplikaci s oknem pro chat, ale spíše průběžně spravované, jasně regulované a technicky bezpečné prostředí umělé inteligence. Kombinuje schválené jazykové modely s odbornými znalostmi obce, definovanými procesy, oprávněními, protokolováním a lidskou odpovědností. Pouze tato kombinace promění fascinující nástroj v robustní administrativní zdroj.

Tlak na jednání není abstraktní. Personální plán města Haltern am See na rok 2026 zahrnuje celkem 467 pozic, z toho 107 míst pro státní úředníky a 360 míst pro zaměstnance. Náklady na zaměstnance a důchody dosahují přibližně 37,7 milionu eur. Rozpočet zároveň počítá s příjmy téměř 130 milionů eur a výdaji něco málo přes 137 milionů eur; po celkovém snížení nákladů zbývá deficit přibližně 5,2 milionu eur. Toto měřítko ilustruje, proč by se efektivita neměla zaměňovat s plošným snižováním počtu zaměstnanců. Každá trvale ušetřená hodina zpracování může být cenná, ale obec si nemůže dovolit ani drahé experimenty s umělou inteligencí, ani nekontrolované stínové využívání veřejných online služeb.

Skutečným úzkým hrdlem je kapacita obcí

Místní samosprávy fungují ve složitém ekonomickém prostředí. Na jedné straně roste poptávka po službách: stavební projekty je třeba zpracovávat rychleji, rozhodnutí o sociálních dávkách musí být právně v pořádku, je třeba organizovat adaptaci na změnu klimatu, udržovat infrastrukturu, řešit krize a řešit obavy občanů prostřednictvím více kanálů. Na druhou stranu rozpočtová omezení, nedostatek kvalifikovaných pracovníků a demografické změny omezují růst počtu zaměstnanců. Veřejný sektor v Německu zaměstnává více než pět milionů lidí; bez protiopatření by se rozdíl v kvalifikované pracovní síle mohl do roku 2030 zvýšit nejméně na jeden milion. I když tyto projekce nejsou pro Haltern přesnou předpovědí, naznačují směr konkurence o administrativní pracovníky, IT pracovníky, inženýry, sociální pracovníky a manažery.

To vytváří problém s produktivitou. Obec nemůže trvale absorbovat rostoucí počet případů navyšováním počtu zaměstnanců, pokud chybí vhodní uchazeči nebo rozpočet neumožňuje potřebné financování. Nemůže ani svévolně omezovat služby, protože mnoho úkolů je nařízeno zákonem. Jedinou strategickou pákou tak zůstává lepší organizace práce. Procesy musí být zjednodušeny, mediální přestávky eliminovány, data znovu použitelná a rutinní úkoly automatizovány. Umělá inteligence rozšiřuje tuto sadu nástrojů, protože dokáže zpracovávat nejen strukturovaná data, ale i nestrukturované materiály, jako jsou dopisy, oznámení, zápisy, směrnice, e-maily a naskenované dokumenty.

Největší ekonomický přínos tedy zpočátku nespočívá ve velkolepých občanských chatbotech. Spočívá ve strojovně veřejné správy: v třídění a zpracování příchozí pošty, vyhledávání relevantních předpisů, přípravě standardizovaných dopisů, sestavování rozsáhlých souborů a přenosu informací mezi organizačními jednotkami. Takové úkoly spotřebovávají mnoho malých časových jednotek. Celkově tvoří významnou část administrativních nákladů. Ti, kdo berou v úvahu pouze viditelné aplikace umělé inteligence, proto podceňují hodnotu interních asistenčních systémů.

Proč chatbot ještě není strategií

Volně dostupná služba umělé inteligence dokáže vygenerovat přesvědčivé texty během několika sekund. Pro veřejný orgán je to však pouze viditelný povrch. Za každou odpovědí se skrývají otázky týkající se přenosu dat, poskytovatelů modelů, doby uchovávání, využívání školení, přístupových práv, technické přesnosti a odpovědnosti. Bez závazného prostředí obec pouze přesouvá svá rizika z kartotéky do digitálního systému, který je obtížné kontrolovat. Stínová umělá inteligence je obzvláště problematická: zaměstnanci používají soukromé nebo neoprávněné účty, protože nástroje jsou pohodlné a neexistuje žádná oficiální alternativa. To vede k nekonzistentním pracovním metodám a potenciálně neoprávněným tokům dat.

Strategie pro umělou inteligenci v obci proto musí rozlišovat mezi experimentováním, asistencí a automatizací. V experimentování se funkce testují s nekritickými daty. V asistenci systém generuje návrhy, které kontroluje odpovědná osoba. V automatizaci se definované pracovní kroky provádějí podle pravidel a dokumentují auditovatelným způsobem. Čím blíže je aplikace právním důsledkům, poskytování výhod nebo zatěžujícím rozhodnutím, tím vyšší musí být úroveň kontroly, sledovatelnosti a lidského dohledu. Pouhá technická způsobilost modelu není dostatečným důvodem pro jeho přidělení úkolu.

Právě zde se projevuje slabina mnoha pilotních projektů. Měří nadšení, počet uživatelských účtů nebo množství vygenerovaného textu, ale ne celkový dopad na proces. Pokud je návrh vytvořen rychleji, ale poté vyžaduje více času na kontrolu, čistý efekt zůstává malý. Pokud různá oddělení udržují stejné šablony vícekrát, zvyšuje se koordinační úsilí. Pokud umělá inteligence funguje bez aktuální znalostní báze, produkuje jazykově správné, ale technicky zastaralé výsledky. Strategie proto nezačíná výběrem modelu, ale výběrem vhodných problémů.

Spravovaná umělá inteligence transformuje technologie ve spolehlivý podnik

Spravovaná umělá inteligence označuje operační model, v němž si obec ponechává cíle, pravidla a odpovědnosti, zatímco specializované interní nebo externí jednotky provozují, zabezpečují, monitorují a dále rozvíjejí technickou platformu. To zahrnuje nasazení modelu, správu identit a přístupů, šifrování, protokolování, rozhraní, znalostní báze, měření kvality, aktualizace, řešení problémů a uživatelskou podporu. Model lze implementovat ve veřejném datovém centru, suverénním cloudu, hybridní architektuře nebo v kombinaci těchto faktorů. Důležité není označení, ale zvládnutelný hodnotový řetězec.

Pro středně velkou obec je tento model ekonomicky životaschopnější než vývoj kompletně interního řešení. Provozování generativní umělé inteligence vyžaduje odborné znalosti, které je nutné průběžně udržovat: provoz cloudu a datových center, informační bezpečnost, ochrana dat, vyhodnocování modelů, datové inženýrství, vývoj rozhraní a specializované znalosti procesů. Jedno město může jen stěží ekonomicky pokrýt všechny tyto role. Poskytovatel městských IT služeb na druhou stranu může distribuovat infrastrukturu, standardy a specializované znalosti mezi více samospráv. Společné městské datové centrum Recklinghausen pracuje pro okres a osm měst, a proto již disponuje vhodným rozsahem pro sdílená řešení.

Spravovaná umělá inteligence však neznamená vzdání se odpovědnosti ve prospěch poskytovatele služeb. Město musí určit, které datové třídy lze zpracovávat, které případy užití jsou povoleny, jak se ověřují výsledky a kdy je systém vypnut. Technický operátor zajišťuje dostupnost a ochranná opatření; provozní odpovědnost zůstává na příslušných organizačních jednotkách. Spolehlivý provozní model tyto role jasně odděluje a propojuje je prostřednictvím závazných cílů služeb, auditních postupů a eskalačních kanálů.

Haltern nemusí začínat od nuly

Severní Porýní-Vestfálsko již zavedlo administrativního asistenta s umělou inteligencí s názvem NRW.Genius. Webová aplikace podporuje textové úkoly, jako jsou shrnutí, psaní textů, vyhledávání v sbírkách dokumentů, odpovídání na otázky týkající se osobních souborů a přímá interakce s jazykovými modely. Architektura je nezávislá na modelu a platformě a je navržena pro hybridní zpracování. IT.NRW uvádí, že aplikaci již používá téměř 27 000 zaměstnanců; Essen, Solingen a Bergheim testují její opětovné použití na úrovni obcí. To je pro Haltern relevantní, protože umožňuje sdílení vývojových rizik, křivek učení a nákladů.

Standardizované řešení pro celý stát není automaticky kompletní odpovědí na potřeby obcí. Státní orgány a města se liší svými specializovanými postupy, strukturami souborů, úložišti dat, úkoly a odpovědnostmi. Ekonomická hodnota vzniká pouze tehdy, když je asistenční systém integrován do reálných pracovních postupů. Obecné okno chatu může formulovat poznámku; nicméně šetří výrazně méně času než integrované řešení, které identifikuje správný proces, vyhledá autorizované informace, použije vhodnou šablonu, identifikuje zdroje a vrátí výsledek specializovanému postupu k posouzení.

Společnost Haltern by proto neměla stavět stávající nabídky proti vlastnímu konceptu řízené umělé inteligence. Modulární přístup dává smysl. Generické funkce lze získávat z celostátní nebo meziobecní platformy. Na ně se pak vrství znalostní báze, rozhraní a procesní moduly specifické pro danou obci. Obzvláště citlivé aplikace lze provozovat v kontrolovaném prostředí. Tím se zabrání jak nákladnému izolovanému řešení, tak úplné závislosti na jediném produktu.

Ekonomická efektivita začíná kalkulací procesních nákladů

Umělá inteligence není zisková jen proto, že její odpovědi jsou rychlé. Je zisková, když se zkrátí celková doba zpracování, vyhne se chybám, sníží se počet následných otázek nebo výkon zůstává stabilní i přes omezenou kapacitu. Proto by měla být pro každý případ užití nejprve stanovena základní hodnota. Ta zahrnuje počet případů, průměrnou dobu zpracování, dobu čekání, počet přerušení média, míru přepracování, následné otázky, náklady na chyby a podíl práce, který lze standardizovat. Teprve poté lze posoudit, zda je pomoc umělé inteligence ekonomicky životaschopná.

Logiku ilustruje jednoduchý modelový výpočet. Pokud systém ušetří v průměru pět minut na 20 000 identických procesů, teoreticky to znamená přibližně 1 667 hodin hrubé úspory času ročně. Od toho je třeba odečíst čas na testování, školení, podporu, prostoje a kontrolu kvality. Pokud například zbývá čistých 1 000 hodin, lze tento přínos vyhodnotit oproti celkovým nákladům na investovaný čas. Do hry vstupují i ​​kvalitativní efekty, jako jsou rychlejší doby odezvy nebo konzistentnější komunikace. Tento výpočet je záměrně konzervativní: zabraňuje tomu, aby teoreticky získané minuty byly prodávány jako zaručené úspory rozpočtu.

Ekonomický dopad může mít tři podoby. Zaprvé, obec může řešit více případů se stejným počtem zaměstnanců. Zadruhé, může snížit počet nevyřízených případů a externí náklady. Zatřetí, může uvolněný čas přesunout na konzultace, monitorování a složité jednotlivé případy. Úspora času jen zřídka přímo vede k odpovídajícímu nižšímu rozpočtu, protože počet zaměstnanců není nekonečně dělitelný. Nejrealističtější přínosy obvykle spočívají v zamezení náboru nových zaměstnanců, snížení pracovní zátěže, konzistentnější kvalitě a lepší reakci na potřeby.

Práce s dokumenty je nejsilnější první pákou

Veřejná správa je organizace náročná na znalosti a dokumenty. Významná část její práce zahrnuje shromažďování, ověřování, zhušťování a transformaci informací do právně nebo organizačně vhodných formátů. Generativní umělá inteligence se pro tyto úkoly dobře hodí, pokud funguje jako asistent a přistupuje ke spolehlivým zdrojům. Řízené prostředí dokáže shrnout dlouhé dokumenty, zvýraznit rozdíly mezi verzemi, vytvářet koncepty z odrážek a vyhledávat relevantní pasáže v souborech.

Empirické výsledky také ukazují, proč jsou paušální sliby nevhodné. V terénním experimentu se 143 zaměstnanci Irské centrální banky zlepšila generativní umělá inteligence kvalitu úkolu porozumění dokumentům o 17 procent a dobu zpracování o 34 procent. V úkolu analýzy dat se však kvalita snížila o 12 procent, aniž by došlo k významné úsporě času. Technologie proto není univerzálně produktivní, ale pouze tehdy, když jsou úkol, data, uživatelské rozhraní a řídicí mechanismus dobře sladěny.

Pro Halterna to znamená jasnou prioritu. Zpočátku jsou vhodné interní úkoly s vysokým obsahem textu, velkým objemem a omezeným právním dopadem: sestavování dokumentů ze schůzí, zlepšování interního vyhledávání znalostí, příprava návrhů zápisů, hodnocení veřejně dostupných předpisů nebo předběžné třídění občanských dotazů podle tématu. Rozhodnutí týkající se nároků, sankcí nebo individuálních právních postojů jsou zpočátku méně vhodná. První kroky by měly být učiněny tam, kde lze chyby snadno identifikovat a opravit.

Z podatelny se stanou chytré vstupní dveře

Jedním z obzvláště konkrétních případů použití je zpracování příchozích dokumentů. Dopisy, formuláře, e-maily a přílohy musí být rozpoznány, přiřazeny k případu, zkontrolovány z hlediska úplnosti a přeposlány. Tradiční rozpoznávání dokumentů se rychle dostává na své hranice v důsledku nekonzistentního rozvržení, volného textu a rukopisu. Moderní umělá inteligence dokáže klasifikovat obsah, extrahovat relevantní informace a generovat shrnutí ke zpracování.

Společnost GKD Recklinghausen již využívá specializované, nezávislé prostředí umělé inteligence pro skenování příchozí pošty. Podporuje tam klasifikaci obsahu, rozpoznávání rukopisu a sumarizaci, čímž se zkracuje proces ověřování a přenosu do elektronického souboru. To nabízí Halternu regionálně kompatibilní oblast použití. Město by nemuselo nejprve prokazovat, že technologie v principu funguje, ale mohlo by místo toho zkoumat, které typy dokumentů, objemy a specializované postupy slibují největší lokální přínos.

Případ užití se stává ekonomicky atraktivním díky svému mezifunkčnímu dopadu. Lépe připravený systém příchozí pošty nejen snižuje pracovní zátěž v podatelně, ale také dobu vyhledávání, chybné směrování a dotazy v rámci specializovaných oddělení. Zároveň vytváří strukturovanější datovou základnu pro následné kroky procesu. To umožňuje jedinému modulu umělé inteligence zmírnit více úzkých míst v celém řetězci zpracování. Výhody se zvyšují s opětovným použitím, a proto by centralizované komponenty měly být obecně upřednostňovány před řadou malých, individuálních řešení.

Robustní koncept ošetření chyb zůstává nezbytným předpokladem. Umělá inteligence nesmí neúmyslně špatně klasifikovat dokumenty ani vynechat podstatný obsah. Každá třída dokumentů proto vyžaduje definované minimální standardy kvality, postupy vzorkování, procesy oprav a spolehlivý záložní mechanismus. Kritické nebo špatně identifikované vstupy jsou automaticky směrovány k lidské kontrole. Takový model „člověk v cyklu“ není známkou technické slabosti, ale spíše ekonomicky a právně zdravého rozdělení práce mezi stroj a člověka.

Zde se dozvíte, jak může vaše společnost rychle, bezpečně a bez vysokých vstupních bariér implementovat řešení umělé inteligence na míru.

Spravovaná platforma umělé inteligence je vaším komplexním a bezstarostným řešením pro umělou inteligenci. Místo řešení složitých technologií, drahé infrastruktury a zdlouhavých vývojových procesů získáte hotové řešení šité na míru vašim potřebám od specializovaného partnera – často během několika dní.

Klíčové výhody na první pohled:

⚡ Rychlá implementace: Od nápadu k aplikaci připravené k použití během několika dnů, nikoli měsíců. Dodáváme praktická řešení, která vytvářejí okamžitou přidanou hodnotu.

🔒 Maximální zabezpečení dat: Vaše citlivá data zůstanou u vás. Garantujeme bezpečné a kompatibilní zpracování bez sdílení dat s třetími stranami.

💸 Žádné finanční riziko: Platíte pouze za výsledky. Vysoké počáteční investice do hardwaru, softwaru nebo personálu jsou zcela eliminovány.

🎯 Zaměřte se na své hlavní podnikání: Soustřeďte se na to, co děláte nejlépe. Postaráme se o kompletní technickou implementaci, provoz a údržbu vašeho řešení s umělou inteligencí.

📈 Připraveno na budoucnost a škálovatelné: Vaše umělá inteligence roste s vámi. Zajišťujeme neustálou optimalizaci a škálovatelnost a flexibilně přizpůsobujeme modely novým požadavkům.

Více informací zde:

• Řešení spravované umělé inteligence – Průmyslové služby umělé inteligence: Klíč ke konkurenceschopnosti v odvětvích služeb, průmyslu a strojírenství

Administrativní znalosti nesmí odcházet se zaměstnanci

Demografické změny ohrožují obce nejen nedostatkem pracovníků, ale také ztrátou zkušenostních znalostí. Mnoho procesů se opírá o místní kontext: Jaké dokumenty jsou v konkrétním případě potřeba? Které odpovědnosti se změnily? Které formulace se ukázaly jako účinné? Kde se nacházejí předchozí rozhodnutí a srovnatelné procesy? Když zkušení zaměstnanci odejdou, část těchto znalostí mizí nebo je nutné je pracně znovu budovat.

Řízená platforma umělé inteligence může tento problém zmírnit, pokud je připojena k dobře udržované znalostní databázi obce. To nezahrnuje generování libovolných internetových odpovědí. Systém vyhledává schválené servisní pokyny, vyhlášky, manuály, šablony a popisy procesů a formuluje odpovědi na základě těchto zdrojů. V ideálním případě zobrazuje použité zdroje, což umožňuje zaměstnancům okamžitě ověřit informace. Tento přístup, často označovaný jako generování s rozšířeným vyhledáváním, kombinuje jazykové možnosti modelu s řízenými lokálními zdroji.

Klíčovým aktivem zde není jazykový model, ale strukturovaná znalostní báze administrativy. Modely lze nahradit, když to vyžadují výkon, náklady nebo právní požadavky. Čisté úložiště dokumentů s verzováním, odpovědnostmi, metadaty a pravidly pro mazání na druhou stranu zůstává dlouhodobě použitelné. Společnost Haltern by proto neměla primárně investovat do konkrétního modelu, ale spíše do kvality dat, správy znalostí a otevřených rozhraní. Tyto investice současně zlepšují tradiční digitalizaci a nadále mají dopad, i když se technologie umělé inteligence rychle vyvíjí.

Digitální suverenita je otázkou nákladů

Digitální suverenita je často chápána jako politický ideál, ale má konkrétní ekonomické jádro. Společnosti, které zcela vázají svá data, rozhraní a provozní znalosti na jediného poskytovatele, ztrácejí vyjednávací sílu. Náklady na přechod se zvyšují, úpravy se stávají drahými a inovace závisí na plánování produktů třetí strany. Naopak by bylo neekonomické vyvíjet každou technickou komponentu interně. Suverenita tedy neznamená autarkii, ale spíše schopnost činit informovaná rozhodnutí, měnit poskytovatele a udržovat kritické služby i v případě narušení.

Pro řízenou umělou inteligenci to vede k modulární architektuře. Správa identit, úložiště znalostí, protokolování a rozhraní by neměly být neoddělitelně spjaty s jediným jazykovým modelem. Modely lze vybírat v závislosti na úkolu: vysoce výkonný model pro složité texty, menší a nákladově efektivnější model pro klasifikaci a lokálně provozovaný model pro citlivá data. NRW.Genius již nyní prosazuje modelově agnostický a hybridní přístup, v němž lze zpracování přizpůsobit požadavkům na ochranu. Tato zásada by měla být vodítkem i pro implementaci v obcích.

Náklady je nutné zvažovat v celém životním cyklu. To zahrnuje implementaci, přípravu dat, integraci, školení, průběžný provoz, využití modelu, bezpečnostní audity, zajištění kvality a možnost změny poskytovatele. Zdánlivě levné řešení umělé inteligence se může stát nákladným, pokud každá obchodní aplikace vyžaduje individuální integraci nebo pokud výdaje nejsou transparentní. Naopak, mírně vyšší poplatek za platformu může být ekonomický, pokud poskytuje bezpečné standardy, společné komponenty a spolehlivou podporu.

Ochrana dat se stává architektonickou výzvou

Ochrana osobních údajů by neměla být posuzována až po technickém dokončení pilotního projektu. U rozsáhlých jazykových modelů vyvstávají otázky týkající se právního základu, omezení účelu, minimalizace dat, doby ukládání, přenosu dat a veškerých osobních údajů, které model potenciálně obsahuje. Federální komisař pro ochranu osobních údajů proto doporučuje, aby úřady integrovaly ochranu údajů do projektů umělé inteligence od samého začátku a zejména systematicky posuzovaly nakládání s osobními údaji během školení a používání. Pro obce to není dodatečná byrokratická zátěž, ale spíše předpoklad pro dlouhodobou použitelnost systémů.

Spravovaná umělá inteligence může ochranu dat učinit praktičtější, protože pravidla lze technicky vymáhat. Data lze před zpracováním klasifikovat nebo pseudonymizovat. Role a práva omezují, kdo má přístup ke kterým znalostním databázím. Vstupy lze zaznamenávat, doby uchovávání automatizovat a nepovolený obsah filtrovat. Různé požadavky na ochranu lze rozdělit mezi samostatné cesty zpracování. Tím se ochrana dat transformuje z pouhého informačního listu na operační funkci.

Informační bezpečnost vyžaduje více než jen smlouvu s poskytovatelem modelu. Německý Spolkový úřad pro informační bezpečnost (BSI) doporučuje mimo jiné inventář používaných systémů umělé inteligence, jasná pravidla používání, konfigurace minimalizující data, definované lhůty pro mazání, jednoznačné odpovědnosti a validaci výstupů před jejich předáním do back-endových systémů. Poslední požadavek je obzvláště důležitý: umělá inteligence, která pouze zobrazuje návrh, představuje jiné riziko než systém, který samostatně zapisuje data do specializované aplikace nebo připravuje rozhodnutí.

Právní jistota nevzniká zákazem

Evropský zákon o umělé inteligenci (AI Act) zpřísňuje požadavky na správu a řízení, transparentnost a kompetence. Od února 2025 platí předpisy týkající se kompetencí v oblasti umělé inteligence; od srpna 2026 platí velká část právního rámce a pravidel transparentnosti. Některé aplikace v citlivých oblastech podléhají obzvláště přísné regulaci jako vysoce rizikové systémy. To neznamená plošný zákaz ani volnou ruku pro obce. Musí rozlišovat aplikace podle rizika a prokazatelně plnit své organizační povinnosti.

S textovým asistentem pro interní návrhy je třeba zacházet jinak než se systémem, který spoluurčuje přístup k významné veřejné službě. I v rámci jedné aplikace se riziko může lišit. Shrnutí anonymizovaného veřejného dokumentu je méně problematické než shrnutí souboru sociálního zabezpečení. Dobrý model správy a řízení proto hodnotí nejen samotný produkt, ale také účel, data, uživatelskou základnu a dopad jeho konkrétního použití.

Spravovaná umělá inteligence poskytuje nezbytnou ovladatelnost. Centrální orgán vede registr žádostí, dokumentuje odpovědné strany a schválení, přiřazuje třídy ochrany a monitoruje změny. To brání tomu, aby si každá agentura vymýšlela vlastní pravidla. Zároveň nesmí řízení vést k nahromadění schvalovacích nevyřízených procesů. Pro časté, nízkorizikové standardní případy by měly existovat předem schválené šablony a rychlé schvalovací procesy. Kvalita regulace se projevuje tím, zda umožňuje bezpečné používání, a nikoli pouze řízení nejistoty.

O zisku rozhodují zaměstnanci

Implementace umělé inteligence se primárně týká rozvoje organizace. Zaměstnanci musí rozumět možnostem systému, jeho omezením a zbývajícím povinnostem. Jednorázové školení o výzvách nestačí. Nezbytné jsou formáty učení založené na úkolech, příklady z vlastního oddělení, pokyny pro práci s daty a schopnost identifikovat přesvědčivě formulované chyby. Manažeři také potřebují dovednosti ve výběru procesů, hodnocení metrik a navrhování nových rolí.

Implementace by neměla začínat slibem snížení počtu zaměstnanců. Taková komunikace pochopitelně vytváří odpor a snižuje ochotu učit se. Důvěryhodnějším cílem je snížit pracovní špičku, odstranit nevyřízené záležitosti a zbavit specialisty úkolů vyžadujících malou rozhodovací pravomoc. Lidská práce se pak přesouvá od vytváření počátečního návrhu k jeho kontrole, klasifikaci, poradenství a rozhodování.

Spolurozhodování a participace by měly být organizovány již v rané fázi. Město Essen regulovalo používání umělé inteligence prostřednictvím servisní smlouvy, zapojilo radu zaměstnanců, poskytlo základní školení a stanovilo, že výsledky umělé inteligence musí být před externím použitím odborně posouzeny; diskreční rozhodnutí zůstávají výsadou lidí. Tento model lze adaptovat pro Haltern. Jasná pravidla nejen chrání zaměstnance a občany, ale také zvyšují jejich využívání, protože snižují nejistotu.

Meziobecní škálování překonává izolovaná obecní řešení

Německo má tisíce obcí s podobnými úkoly, ale heterogenní systémovou krajinu. Pokud by si každá samospráva vytvořila vlastní asistenty, auditní postupy a smluvní modely, vedlo by k významné duplicitě úsilí. Ekonomicky rozumnější přístup spočívá ve sdílení klíčových komponent a lokální adaptaci. Meziobecní spolupráce rozděluje fixní náklady, sdružuje odborné znalosti a vytváří dostatečný objem využití pro profesionální provozní struktury.

Regionální IT infrastruktura společnosti Haltern nabízí přirozený výchozí bod. Společné centrum IT služeb (GKD) umožňuje centralizovaný provoz platformy, bezpečnostní architekturu a technickou integraci. Služby na úrovni státu, jako je NRW.Genius, poskytují generické asistenční funkce. Národní struktury, jako je AI Opportunities Marketplace, si kladou za cíl transparentnost aplikací a podporu opětovného použití mezi federální, státní a místní samosprávou; Rada pro plánování IT se rozhodla přijmout tuto platformu jako svůj vlastní produkt k 1. lednu 2027. Tím se postupně vytvoří ekosystém, ve kterém obce nebudou muset znovu vynalézat kolo.

Spolupráce však nesmí vést k nejpomalejšímu možnému tempu. Haltern by si měl definovat vlastní priority a kritéria úspěchu a zároveň sdílet technický základ. Modulární systém je představitelný: sdílená platforma, společné bezpečnostní standardy a společně testované modely, ale s lokálními znalostními bázemi a vybranými procesními moduly. Tímto způsobem jsou zachována specifika obcí, aniž by došlo k obětování úspor z rozsahu.

Zapojení občanů se rozvíjí v zákulisí

Občané neposuzují veřejnou správu podle počtu modelů umělé inteligence, které používá. Zažívají čekací doby, srozumitelnost, dostupnost, spolehlivost a rovné zacházení. Úspěšná strategie umělé inteligence se proto musí měřit podle těchto faktorů. Pokud se dopis stane rychlejším, ale méně srozumitelným, málo se tím získá. Pokud chatbot reaguje nepřetržitě, ale ve výjimečných případech vytváří falešný pocit bezpečí, důvěra může ve skutečnosti klesnout.

Nejsilnější dopad na občany se často projevuje nepřímo. Rychlejší interní výzkum zkracuje dobu zpětného volání. Automatizované kontroly úplnosti zkracují dobu vyřizování následných požadavků. Překladatelské nástroje zlepšují přístup pro osoby s omezenými znalostmi němčiny. Srozumitelnější návrhy mohou zjednodušit složitý administrativní jazyk. Zaměstnanci získají více času na případy vyžadující osobní vysvětlení nebo zvážení. Umělá inteligence tak nenahrazuje kontakt, ale v případě potřeby jej může obnovit.

Externí občanský asistent by měl být zaveden až poté, co je interní znalostní báze spolehlivá. Jinak obec jednoduše automatizuje své nejasnosti. Doporučuje se omezený začátek s často kladenými, neosobními otázkami, transparentními zdroji a jasnými odkazy na lidské pracovníky. Asistent nesmí předstírat, že poskytuje právně závaznou odpověď. U každé odpovědi musí být jasné, zda se jedná o obecnou informaci nebo radu týkající se konkrétního případu.

Solidní začátek vyžaduje několik jasných priorit

Společnost Haltern by neměla začínat s dlouhým seznamem přání, ale spíše s portfoliem tří až pěti případů užití. První zaměření by se mohlo zaměřit na bezpečnou pomoc s texty a dokumenty. Druhé by se mohlo týkat zpracování příchozích dokumentů. Třetí by se mělo zabývat interním řízením znalostí. Vhodný je také jasně definovaný proces s měřitelným objemem, jako je například předběžná kontrola standardizovaných dokumentů. Tato kombinace generuje krátkodobé studijní úspěchy a zároveň vytváří platformu pro dlouhodobé využití.

Výběr by měl být proveden podle jednotného rámce: objem případů, aktuální časové vynaložené prostředky, standardizace, dostupnost dat, úsilí o integraci, důsledky chyb a očekávané přínosy. Přednost mají žádosti s vysokým objemem, dobrou datovou základnou a nízkým právním dopadem. Žádosti s vysokým rizikem nebo nejasnými datovými situacemi jsou odloženy. Díky tomu je pořadí ekonomicky transparentní a neurčuje se tržním podílem jednotlivých poskytovatelů nebo oddělení.

Každý pilotní projekt vyžaduje odborníka na danou problematiku, technického vedoucího a měřitelnou cílovou hodnotu. Po třech až šesti měsících se rozhodne, zda by měla být aplikace ukončena, upravena nebo škálována. Úspěch nespočívá jen v úspoře času. Je třeba měřit také kvalitu, přijetí, chybovost, počet nezbytných oprav, stabilitu a dopad na občany. Pilotní projekt bez předem definovaných kritérií pro ukončení se může snadno stát probíhajícím experimentem.

Model provozu obce ve čtyřech fázích

V první fázi město zavede řád. Zdokumentuje stávající využití umělé inteligence, definuje odpovědnosti, přijme předběžnou politiku používání a klasifikuje data a případy užití. Současně se zapojí rada zaměstnanců, oddělení ochrany dat, informační bezpečnosti, právní oddělení a příslušná oddělení. Výsledkem není zdlouhavá zpráva o politice, ale praktický rámec.

Ve druhé fázi je zajištěno bezpečné prostředí podpory. Zaměstnanci získají oficiální přístup, školení a jasný seznam povolených úkolů. Nejprve je zpracováván veřejný nebo méně citlivý obsah. Město shromažďuje data o používání a dokumentuje typické chyby. Tímto způsobem nahrazuje nekontrolovanou stínovou umělou inteligenci lepší oficiální alternativou.

Třetí fáze zahrnuje integraci znalostí a propojení procesů. Zveřejněné dokumenty obcí jsou verzovány a indexovány, odpovědi jsou propojeny s relevantními zdroji a počáteční specializované aplikace jsou propojeny prostřednictvím rozhraní. Právě zde dochází k největšímu nárůstu produktivity, ale také k nárůstu požadavků na testování a provoz. Model řízené umělé inteligence proto musí zahrnovat podporu, monitorování, kontrolu nákladů a řízení změn.

Ve čtvrté fázi se osvědčené aplikace rozšiřují napříč obcemi. Haltern může zavést moduly, které fungují jinde, a přispět vlastními zkušenostmi. Větší investice se sdílejí. Zároveň je nutné pravidelné porovnávání modelů, aby se zajistila konkurenceschopnost nákladů a kvality. Město se tak vyvíjí z kupujícího jednotlivých nástrojů umělé inteligence na kompetentního klienta digitální provozní služby.

Výhody vyžadují systém klíčových ukazatelů výkonnosti obce

Jednoduchý systém klíčových ukazatelů výkonnosti (KPI) zabraňuje přehánění. Na úrovni procesu patří mezi klíčové metriky doba propustnosti, aktivní doba zpracování, dotazy, míra chyb a nevyřízené záležitosti. Na úrovni zaměstnanců jsou relevantní míra využití, vnímané snížení pracovní zátěže a potřeby školení. Z pohledu občana by měla být zvážena doba odezvy, srozumitelnost, míra stížností a úspěšné vyřešení požadavku. Z technického hlediska je důležitá také dostupnost, doba odezvy, náklady na transakci a počet bezpečnostních incidentů.

Klíčové ukazatele výkonnosti (KPI) musí být shromážděny před pilotním projektem, jinak je srovnání nemožné. Město by dále mělo rozlišovat mezi hrubým a čistým přínosem. O půl hodiny rychlejší generování textu není úplným ziskem, pokud pak vyžaduje dalších dvacet minut kontroly. Je třeba zvážit i efekty posunu: Sníží se pracovní zátěž v příslušném oddělení, ale zvýší se úsilí v oblasti IT nebo zajištění kvality? Pouze komplexní analýza odhalí, zda se obec skutečně stane produktivnější.

Transparentnost zároveň posiluje politickou správu věcí veřejných. Rada nepotřebuje podrobné technické zprávy, ale spíše pravidelný přehled o nasazených aplikacích, nákladech, přínosech, rizicích a jakýchkoli neobvyklých incidentech. Občané by měli být schopni pochopit, kde se umělá inteligence používá a kde se činí lidská rozhodnutí. Taková otevřenost zabraňuje jak neopodstatněným obavám, tak nerealistickým očekáváním.

Největší rizika spočívají ve špatném hospodaření

Halucinace, zkreslení a úniky dat představují skutečná technická rizika. Stejně nebezpečné jsou však organizační chyby: nejasné odpovědnosti, nedostatečná údržba dat, nedostatečné školení, příliš mnoho paralelních pilotních projektů a závislost na jednotlivých konzultantech. Platforma umělé inteligence může být technicky vynikající a přesto selhat, pokud nikdo neaktualizuje znalostní bázi nebo pokud oddělení nerozpoznají její výhody.

Dalším rizikem je automatizace neefektivních procesů. Pokud postup obsahuje zbytečné kontrolní smyčky, nejasné odpovědnosti nebo duplicitní zadávání dat, umělá inteligence ho může pouze zkomplikovat a zrychlit. Před jakoukoli automatizací by se proto mělo prozkoumat, zda lze kroky eliminovat, standardizovat nebo právně zjednodušit. Optimalizace procesů a využití umělé inteligence jdou ruku v ruce.

A konečně, obce by neměly plánovat zvýšení produktivity předem. Výzkum a praxe odhalují významné rozdíly mezi úkoly. OECD popisuje produktivitu, reaktivitu a odpovědnost jako klíčové příležitosti pro využití umělé inteligence ve vládě, ale také zdůrazňuje, že důkazy o širokém zvýšení produktivity organizací jsou stále omezené. Zodpovědné plánování proto využívá scénáře, bezpečnostní rezervy a postupné investice.

Proč může být nicnedělání nejdražší variantou

Existují dobré důvody proti ukvapenému zavádění umělé inteligence. Stejně silné ekonomické argumenty však hovoří proti neurčitému čekání. Zaměstnanci budou i nadále experimentovat s veřejnými nástroji, sousední obce získají zkušenosti a poskytovatelé rychle přizpůsobí své produkty. Ti, kteří neposkytnou kontrolovanou alternativu, nebrání umělé inteligenci, ale spíše ztrácejí schopnost ji kontrolovat. Zároveň se prohlubuje propast v kvalitě dat, rozhraních a odborných znalostech.

Náklady příležitosti plynoucí z nečinnosti se neobjevují jako samostatná položka rozpočtu. Projevují se v delších dobách zpracování, rostoucích nevyřízených žádostech, ztrátě znalostí, přetížení a klesající atraktivitě zaměstnavatelů. Zejména mladší odborníci očekávají moderní nástroje. Administrativa, která zásadně blokuje digitální asistenci, konkuruje zaměstnavatelům, kteří ve větší míře automatizují rutinní úkoly a nabízejí větší prostor pro náročné činnosti.

Správný přístup není ani nadšení pro technologie, ani jejich odmítání. Haltern potřebuje řízený proces učení se sdílenou infrastrukturou, jasnými hranicemi a důsledným měřením přínosů. Řízená umělá inteligence je pro to ideální, protože model organizuje nepřetržitou provozní odpovědnost. Nezachází s umělou inteligencí jako se softwarem získaným jednou, ale jako s dynamickou infrastrukturou, kterou je nutné průběžně monitorovat, aktualizovat a profesionálně spravovat.

Žádost o přezkum musí být transformována do operační strategie

Politické přezkoumání zavádění umělé inteligence může být užitečným výchozím bodem. Jeho hodnota závisí na tom, zda vede k jasné implementační architektuře. Pouhý katalog představitelných aplikací by problém pouze oddaloval. Místo toho je potřeba priorit, odpovědností, meziobecního operačního modelu, finančního rámce a měřitelných pilotních projektů.

Důvod je tedy tento: Haltern by neměl s umělou inteligencí zacházet jako s izolovaným digitálním projektem, ale spíše jako s nedílnou součástí svých veřejných služeb. Město si nemusí vyvíjet vlastní jazykový model ani provozovat každé řešení samo. Mělo by využívat stávající státní a regionální struktury, trvat na otevřených a zaměnitelných komponentách a budovat místní odborné znalosti v oblasti procesů, dat a řízení. Tímto způsobem lze kombinovat úspory z rozsahu s autonomií obcí.

Řízená umělá inteligence není jen dodatečným pohodlím, ale spíše mechanismem, který kombinuje výhody s ovladatelností. Bez správy zůstávají modely izolovanými nástroji, datová rizika jsou nejasná a úspěchy jsou otázkou náhody. Profesionální operační rámec umožňuje bezpečným asistentům, odborným znalostem obce a automatizovaným krokům vyvinout se v produktivní infrastrukturu. Strategickou otázkou tedy již není, zda se umělá inteligence dostane na radnici. Jde o to, zda město bude formovat její implementaci – nebo bude nuceno později pod větším tlakem přijmout externí řešení.

Xpert.Digital je datově orientované B2B centrum pro průmysl, které vede Konrad Wolfenstein . Společnost funguje jako externí, kvazi-interní řešení pro průmyslové partnery a odstraňuje provozní mezery v marketingu, obsahu a prodeji – aniž by vyžadovala další zdroje na straně klienta.

Více informací zde:

• Kvazi-interní řešení: Jak Xpert.Digital uzavírá provozní mezery v marketingu a prodeji B2B – Smart Content-Driven Business

☑️ Naším obchodním jazykem je angličtina nebo němčina

☑️ NOVINKA: Korespondence ve vašem rodném jazyce!

 

Já a můj tým jsme rádi, že vám můžeme být k dispozici jako váš osobní poradce.

Můžete mě kontaktovat vyplněním kontaktního formuláře zde wolfenstein@xpert.digital:nebo mi jednoduše zavolat na číslo +49 7348 4088 965. Moje e-mailová adresa je

Těším se na náš společný projekt.

 

 

☑️ Podpora malých a středních podniků v oblasti strategie, poradenství, plánování a implementace

☑️ Vytvoření nebo restrukturalizace digitální strategie a digitalizace

☑️ Rozšíření a optimalizace mezinárodních prodejních procesů

☑️ Globální a digitální B2B obchodní platformy

☑️ Průkopnický rozvoj podnikání / Marketing / PR / Veletrhy