Projekt NORAI: Jak Baleary planują zmniejszyć biurokrację dzięki sztucznej inteligencji – rewolucja w administracji za 5,45 mln euro

Administracja 2.0: Baleary przekształcają swoje operacje związane ze sztuczną inteligencją, przeznaczając na ten cel 5,45 mln euro

Przyszłość administracji na Balearach: sztuczna inteligencja kluczem do efektywności

Baleary rozpoczynają znaczącą transformację swoich struktur administracyjnych, napędzaną wykorzystaniem sztucznej inteligencji (AI). Z inwestycją w wysokości 5,45 mln euro, rozpoczyna się projekt NORAI, którego celem jest stworzenie wspólnej platformy AI dla całej autonomicznej administracji w ciągu 24 miesięcy. Celem jest nie tylko poprawa wydajności i czasu przetwarzania, ale także podniesienie jakości usług dla obywateli i przedsiębiorstw. Inicjatywa ta wykracza poza prostą digitalizację istniejących procesów, dążąc do przekształcenia rozproszonego krajobrazu administracyjnego w sieciową i wielokrotnego użytku platformę dla usług publicznych. Jednak sukces tej transformacji zależy nie tylko od samej technologii, ale także od gotowości administracji do gruntownej reorganizacji. Kluczowe pytania dotyczą tego, czy AI rzeczywiście umożliwi Balearom osiągnięcie krótszego czasu przetwarzania, niższego wskaźnika błędów i zwiększenia zdolności administracyjnych, a także tego, w jaki sposób sprostają wyzwaniom zrestrukturyzowanej administracji publicznej.

Baleary przekształcają swoją administrację w platformę AI

5,45 mln euro na biurokrację: Kluczowe pytanie nie brzmi, czy sztuczna inteligencja działa, ale czy państwo można dzięki niej przekształcić

Baleary przechodzą transformację technologiczną, której znaczenie gospodarcze wykracza daleko poza wprowadzenie kilku asystentów cyfrowych. Dzięki inwestycji w wysokości 5,45 mln euro i 24-miesięcznemu okresowi wdrożenia, w całej administracji autonomicznej rozwijana jest wspólna infrastruktura sztucznej inteligencji, znana jako NORAI. Dotrze ona do wszystkich ministerstw regionalnych i instytucji publicznych, wspierając personel administracyjny w przetwarzaniu plików, analizie dokumentów, przygotowywaniu raportów, obsłudze zapytań obywateli oraz integracji z automatyzacją procesów, eksploracją procesów i zaawansowaną analizą danych. Z ekonomicznego punktu widzenia nie jest to zatem typowy projekt informatyczny, lecz próba przekształcenia rozdrobnionego środowiska administracji publicznej w platformę produkcyjną wielokrotnego użytku dla usług publicznych.

Kluczowym pytaniem nie jest to, ile zadań może wykonać model językowy. Kluczowe pytanie brzmi, czy Baleary mogą rzeczywiście osiągnąć krótszy czas przetwarzania, niższy wskaźnik błędów, większą wydajność administracyjną i lepsze usługi dla obywateli i przedsiębiorstw dzięki technologii. Jest to trudniejsze niż samo wdrożenie chatbota. Administracja publiczna składa się z ram prawnych, obowiązków, repozytoriów danych, wyjątków, terminów i transparentnych decyzji. Sztuczna inteligencja może zwiększyć produktywność tego systemu, ale tylko pod warunkiem jednoczesnej modernizacji procesów, danych, obowiązków i mechanizmów kontroli.

Od digitalizacji do reorganizacji

Wiele programów digitalizacji w przeszłości po prostu powielało procesy analogowe w formie elektronicznej. Formularz papierowy stał się plikiem PDF, oficjalny list – e-mailem, a folder plików – systemem zarządzania dokumentami. Sam proces często pozostawał niezmieniony. NORAI realizuje bardziej kompleksowe podejście: wspólna warstwa technologiczna ma na celu analizowanie informacji, przygotowywanie procesów i obsługę powtarzających się przepływów pracy w różnych działach. To przesuwa punkt ciężkości z samego zapewnienia dostępu cyfrowego na inteligentną organizację leżących u jego podstaw procesów administracyjnych.

To rozróżnienie ma istotne znaczenie ekonomiczne. Chociaż forma cyfrowa redukuje koszty podróży i wysyłki, nie eliminuje automatycznie przerw w transmisji danych, duplikatów danych ani kolejek wewnętrznych. Platforma oparta na sztucznej inteligencji (AI) może natomiast klasyfikować dokumenty, wyodrębniać treści, identyfikować brakujące informacje, wstępnie sortować pliki i generować ujednolicone wersje robocze. W połączeniu z automatyzacją opartą na regułach, jasno zdefiniowane kroki robocze mogą być wykonywane bez ręcznego wprowadzania danych. Potencjalny wzrost produktywności wynika zatem nie tylko ze sztucznej inteligencji, ale także z wzajemnego oddziaływania sztucznej inteligencji, automatyzacji, dostępu do danych i przeprojektowanych procesów.

Właśnie w tym tkwi strategiczna wartość centralnej infrastruktury. Jeśli każda agencja opracowuje własne, indywidualne rozwiązania, powstają równoległe koszty zaopatrzenia, integracji, audytów ochrony danych, obsługi, szkoleń i konserwacji. Co więcej, mnożą się niekompatybilne modele danych i zróżnicowane poziomy bezpieczeństwa. Wspólna platforma może jednorazowo dostarczać podstawowe komponenty i ponownie wykorzystywać je w wielu działach. Należą do nich m.in. zarządzanie tożsamością i dostępem, rejestrowanie, dostęp do modeli, przetwarzanie dokumentów, funkcje wyszukiwania, kontrola jakości oraz interfejsy do istniejących, specjalistycznych aplikacji. Im częściej te komponenty są używane, tym niższy może być średni koszt każdego kolejnego przypadku użycia.

5,45 mln euro jako zakład platformowy

Budżet w wysokości 5,45 mln euro odpowiada około 2,725 mln euro rocznie w planowanym okresie wdrażania. Nie jest to wygórowana kwota na kompleksową modernizację wszystkich ministerstw i instytucji. Jest to raczej kwota wystarczająca do wymuszenia priorytetyzacji. Kwota ta może stanowić solidny, wspólny fundament, ale nie wystarcza do gruntownej przebudowy wszystkich procedur administracyjnych. Dlatego sukces ekonomiczny zależy od tego, czy w pierwszej kolejności zostaną wybrane procesy o szczególnie dużej objętości, potencjale standaryzacji i obciążeniu pracą.

Odpowiednie procesy obejmują wiele podobnie ustrukturyzowanych dokumentów, jasne etapy przeglądu, powtarzające się zapytania i znaczny nakład pracy w zakresie ręcznego wyszukiwania. Mogą to być wnioski o dotacje, dokumenty zatwierdzające, audyty faktur, raporty wewnętrzne, wnioski o informacje lub ujednolicone zapytania obywateli. Mniej odpowiednie są procesy, w których każda sprawa wymaga wysoce zindywidualizowanej oceny prawnej lub w których nawet drobne błędy mogą mieć poważne konsekwencje dla praw podstawowych. Dlatego ekonomicznie uzasadnione podejście zaczyna się od funkcji pomocniczych i przygotowawczych, a nie od w pełni zautomatyzowanych decyzji.

Co więcej, inwestycji nie należy mierzyć wyłącznie oszczędnościami godzin pracy. Administracja publiczna nie generuje zysku w tradycyjnym sensie. Jej korzyści ekonomiczne obejmują również skrócony czas oczekiwania, niższe koszty wynikające z błędów, szybszą wypłatę świadczeń, szybsze zatwierdzanie wniosków oraz lepsze planowanie dla firm. Kiedy firma szybciej otrzyma pozwolenie, rodzina może szybciej skorzystać ze świadczeń, a pracownicy tracą mniej czasu na ponowne składanie istniejących dokumentów, pojawia się realna korzyść ekonomiczna, nawet jeśli nie jest ona ujęta w budżecie jako dochód.

Podejście wyłącznie nastawione na redukcję kosztów byłoby zatem zbyt wąskie. Baleary doświadczają sezonowego i strukturalnego wzrostu gospodarczego pod szczególną presją: turystyka, niedobór mieszkań, problemy środowiskowe, ruch na wyspach i rozproszenie geograficzne ludności generują liczne, złożone interakcje administracyjne. Jeśli obciążenie pracą rośnie szybciej niż poziom zatrudnienia, dodatkowe zasoby cyfrowe stają się niezbędne do utrzymania poziomu usług. W tym kontekście sztuczna inteligencja może działać jako czynnik zwiększający produktywność. Nie zastępuje ona automatycznie miejsc pracy, ale w idealnym przypadku zwiększa liczbę i jakość procesów, które można obsłużyć przy użyciu istniejących zasobów.

Pilot wysyła silny, ale ograniczony sygnał

Baleary nie zaczynają od zera. W ramach dwuletniego pilotażowego projektu automatyzacji przetworzono 432 440 plików i 70 674 dokumentów. Systemy działały przez 8765 godzin i, według danych administracji, wygenerowały wydajność pracy równą 45 592 godzinom pracy. Średni czas przetwarzania każdej sprawy wyniósł 1,16 minuty, co odpowiada około 52 sprawom na godzinę. Technologia ta została wykorzystana w 16 procedurach administracyjnych, w tym w dotacjach dla rolnictwa i rybołówstwa, świadczeniach socjalnych, wnioskach o samowystarczalność energetyczną, wewnętrznym zarządzaniu finansami oraz procesach związanych z mieszkalnictwem.

Te dane mają znaczenie ekonomiczne, ale nie należy ich bezkrytycznie ekstrapolować na NORAI. Projekt pilotażowy koncentrował się przede wszystkim na automatyzacji procesów wspomaganej przez roboty w jasno zdefiniowanych przepływach pracy. Generatywna i analityczna sztuczna inteligencja często obsługuje mniej znormalizowane zadania, w których wyniki wymagają weryfikacji. Automatycznie przesyłany zbiór danych jest łatwiejszy do zmierzenia niż raport zbiorczy, notatka służbowa czy projekt odpowiedzi dla obywatela. Dotychczasowa automatyzacja świadczy o dużych wolumenach i doświadczeniu operacyjnym w administracji. Nie dowodzi to jednak jeszcze, że każda nowa aplikacja sztucznej inteligencji osiągnie taką samą szybkość lub taki sam zwrot ekonomiczny.

Niemniej jednak projekt pilotażowy stanowi użyteczny punkt odniesienia. Rozłożone na dwa lata, 45 592 zaoszczędzone godziny pracy człowieka odpowiadają około 22 800 godzinom rocznie. Zakładając produktywny roczny czas pracy wynoszący około 1600 godzin, odpowiadałoby to około 14 ekwiwalentom pełnego etatu. Liczba ta nie oznacza, że ​​14 miejsc pracy zostało lub powinno zostać zlikwidowanych. Ilustruje ona raczej potencjał, który można uwolnić na bardziej złożone kontrole, interakcje z obywatelami i zaległości, gdy maszyny przejmują powtarzalne zadania.

Wartość pieniężna zależy od rzeczywistego całkowitego kosztu godziny pracy. Przyjmując szacunkową wartość od 35 do 60 euro za godzinę, wartość brutto zaoszczędzonego czasu w całym okresie pilotażowym wyniosłaby około 1,6 do 2,7 miliona euro. Od tej kwoty należałoby odjąć koszty rozwoju, eksploatacji, licencjonowania, monitorowania i modyfikacji. Obliczenia te nie stanowią zatem dowodu zwrotu z inwestycji, a raczej scenariusz. Pokazuje jednak, że nawet ograniczona liczba dobrze dobranych procesów mogłaby ekonomicznie uzasadnić znaczną część inwestycji.

Największy potencjał tkwi w ponownym wykorzystaniu

Kluczową zaletą NORAI nie jest pojedynczy spektakularny przypadek użycia, ale możliwość wdrożenia wielu ulepszeń średniej wielkości na tym samym fundamencie. Komponent dokumentów, który rozpoznaje, klasyfikuje i podsumowuje tekst, może być wdrożony w wielu ministerstwach. Bezpieczny asystent polityk wewnętrznych może wspierać pracowników w różnych agencjach. Wspólne środowisko analityczne umożliwia analizę danych procesowych z kilku departamentów. Tworzy to efekt portfelowy: nie każdy przypadek użycia musi przynosić nadzwyczajne oszczędności, o ile platforma rozkłada swoje koszty bazowe na wiele zastosowań.

Skalowalność ta działa jednak tylko wtedy, gdy ponowne wykorzystanie jest już zaplanowane architektonicznie. Jeśli aplikacje są tworzone jako rozwiązania niestandardowe pomimo wspólnej platformy, fragmentacja powraca tylnymi drzwiami. Niezbędne są jednolite interfejsy, ujednolicone wzorce, wspólne wymagania jakościowe i centralny katalog zatwierdzonych komponentów. Wyspecjalizowane agencje muszą być w stanie reprezentować swoje specyficzne potrzeby bez tworzenia nowego silosu technicznego dla każdego zadania.

Z ekonomicznego punktu widzenia każdy nowy przypadek użycia powinien odpowiadać na co najmniej cztery pytania: Jaka jest liczba przypadków? Ile czasu zajmuje obecny proces? Jaki procent pracy można znormalizować? Jakie koszty wynikają z błędów, zapytań i opóźnień? Tylko na podstawie tych wskaźników można wywnioskować wiarygodną korzyść. Sama widoczność polityczna lub nowoczesność technologiczna to słabe kryteria wyboru. Niepozorny proces z setkami tysięcy transakcji może być bardziej wartościowy niż popularny asystent o niskim wykorzystaniu.

Analiza procesów umożliwia pomiar biurokracji

Szczególnie istotna jest planowana integracja sztucznej inteligencji (AI) z eksploracją procesów (process mining). Polega ona na wykorzystaniu cyfrowych danych o zdarzeniach do wizualizacji rzeczywistego przebiegu procedur. W ten sposób możliwe staje się zidentyfikowanie miejsc, w których pliki się zatrzymują, często występujących pętli, brakujących informacji oraz wariantów rzekomo ujednoliconego procesu występujących w praktyce. Daje to administracji publicznej nie tylko narzędzie do automatyzacji, ale także instrument do empirycznej analizy organizacyjnej.

To kluczowe rozróżnienie. Samo zautomatyzowanie nieefektywnego procesu bez modyfikacji może jedynie przyspieszyć zbędne kroki. Z drugiej strony, analiza procesów może ujawnić, które kroki należy wyeliminować, ujednolicić lub przeorganizować. Największe korzyści często wynikają nie z automatyzacji istniejącego sprawdzenia, ale z całkowitej eliminacji duplikatów, bezpośredniego połączenia ze źródłem danych lub unikania zbędnych zapytań.

Aby to podejście zadziałało, dane dotyczące zdarzeń muszą być kompletne i spójne. Znaczniki czasu, status przetwarzania, przekazania i decyzje muszą być rzetelnie rejestrowane. Brak takich danych sprawia, że ​​analiza daje jedynie częściowy obraz. Co więcej, istnieje przeszkoda organizacyjna: przejrzystość dotycząca czasu przetwarzania i objazdów może prowadzić do konfliktów odpowiedzialności. Analiza procesów nie jest zatem neutralna. Ujawnia ona, gdzie struktury nie działają, co stwarza presję na zmiany. Technologia dostarcza danych; liderzy polityczni i administracyjni muszą wyciągnąć niezbędne wnioski.

Inteligentni asystenci zmieniają codzienną pracę

Asystenci AI mogą wspierać personel administracyjny w wyszukiwaniu przepisów, podsumowywaniu obszernych plików, porównywaniu dokumentów i tworzeniu wstępnych wersji roboczych. Skutecznie zaprojektowane, nie tylko skracają czas realizacji poszczególnych zadań, ale także redukują konieczność przełączania się między specjalistycznymi aplikacjami, dyskami, wiadomościami e-mail i bazami wiedzy. W szczególności te działania związane z wyszukiwaniem i koordynacją stanowią istotny i często niedoceniany czynnik kosztowy w organizacjach intensywnie korzystających z wiedzy.

Asystent nie powinien jednak być przedstawiany jako nieomylne źródło wiedzy. Modele językowe generują wiarygodne sformułowania, ale mogą mylić fakty, wykorzystywać przestarzałe zasady lub wypełniać luki sfabrykowanymi informacjami. Dlatego w administracji niezbędne jest kontrolowane podejście. Odpowiedzi powinny, w miarę możliwości, opierać się na zatwierdzonych zbiorach danych, jasno identyfikować wykorzystane dokumenty i wskazywać niepewność, gdy informacje są niewystarczające. Pracownicy muszą być w stanie zidentyfikować, które stwierdzenie pochodzi z którego przepisu administracyjnego lub pliku.

Szczególnie przydatne jest podejście fazowe. W pierwszej fazie sztuczna inteligencja wspiera zadania czysto wewnętrzne, nie wpływając bezpośrednio na środowisko zewnętrzne. W drugiej fazie tworzy wersje robocze, które są weryfikowane i zatwierdzane przez wykwalifikowanych pracowników. Tylko w ściśle określonych, standardowych przypadkach o niskim ryzyku można rozważyć w dużej mierze zautomatyzowane przetwarzanie. Taka sekwencja działań zmniejsza ryzyko, zwiększa zdolność organizacji do uczenia się i buduje zaufanie wśród pracowników i opinii publicznej.

Asystenci mogą udzielać obywatelom i firmom informacji przez całą dobę, wyjaśniać obowiązki, wskazywać brakujące dokumenty i prowadzić ich przez procesy cyfrowe. Ich wartość tkwi nie tylko w szybszym udzielaniu odpowiedzi, ale także w zapobieganiu odrzucaniu wniosków. Jeśli użytkownicy wiedzą, jakich dokumentów brakuje lub jakie terminy obowiązują przed złożeniem wniosku, zmniejsza to również nakład pracy związany z wewnętrznymi działaniami następczymi. Dlatego dobra pomoc obywatelom i wewnętrzna efektywność nie są ze sobą sprzeczne, lecz mogą się wzajemnie wzmacniać.

Jakość danych decyduje o wydajności

Największa techniczna zaleta systemu AI nie jest w stanie zrekompensować niskiej jakości danych administracyjnych. Niespójne etykiety, zduplikowane rekordy, zeskanowane dokumenty bez niezawodnego rozpoznawania tekstu, sprzeczne rejestry i niejasne prawa dostępu ograniczają jego użyteczność. W związku z tym w wielu organizacjach znaczna część pracy nie dotyczy samego modelu, ale oczyszczania danych, metadanych, interfejsów i uprawnień.

NORAI wymaga przejrzystej architektury danych. Należy zdefiniować, które źródła mogą być wykorzystywane do poszczególnych celów, kto odpowiada za ich jakość oraz w jaki sposób przeprowadzane są aktualizacje. Dane osobowe i szczególnie wrażliwe mogą być przetwarzane wyłącznie w niezbędnym zakresie. Jednocześnie pracownicy muszą mieć dostęp do informacji, których potrzebują w konkretnym przypadku. Istnieje ciągłe napięcie między maksymalizacją wykorzystania danych a konsekwentnym przestrzeganiem ograniczeń celu – napięcia, którego nie da się rozwiązać za pomocą jednorazowej konfiguracji technicznej.

Z ekonomicznego punktu widzenia jakość danych jest atutem. Inwestycje w przejrzyste rejestry, ujednolicone formaty i interoperacyjne interfejsy przynoszą korzyści wykraczające poza pojedynczy przypadek użycia. Wzmacniają one fundamenty dla analityki, automatyzacji, statystyki i przyszłych usług cyfrowych. Z drugiej strony, nadmierne skupienie się na widocznych zastosowaniach sztucznej inteligencji prowadzi do niedofinansowania mniej efektownych prac z danymi. Efektem są imponujące demonstracje, ale nie wiarygodne wyniki administracyjne.

Nowy wymiar transformacji cyfrowej z „Managed AI” (sztuczną inteligencją) – platforma i rozwiązanie B2B | Xpert Consulting – Zdjęcie: Xpert.Digital

Tutaj dowiesz się, jak Twoja firma może szybko, bezpiecznie i bez wysokich barier wejścia wdrażać dostosowane do jej potrzeb rozwiązania z zakresu sztucznej inteligencji.

Zarządzana platforma AI to kompleksowe i bezproblemowe rozwiązanie w zakresie sztucznej inteligencji. Zamiast zmagać się ze skomplikowaną technologią, kosztowną infrastrukturą i długotrwałymi procesami rozwoju, otrzymujesz gotowe rozwiązanie dostosowane do Twoich potrzeb od wyspecjalizowanego partnera – często w ciągu zaledwie kilku dni.

Najważniejsze zalety w skrócie:

⚡ Szybka implementacja: Od pomysłu do gotowej do użycia aplikacji w ciągu kilku dni, a nie miesięcy. Dostarczamy praktyczne rozwiązania, które generują natychmiastową wartość dodaną.

🔒 Maksymalne bezpieczeństwo danych: Twoje wrażliwe dane pozostają z Tobą. Gwarantujemy bezpieczne i zgodne z przepisami przetwarzanie bez udostępniania danych osobom trzecim.

💸 Brak ryzyka finansowego: Płacisz tylko za rezultaty. Wysokie początkowe inwestycje w sprzęt, oprogramowanie lub personel są całkowicie wyeliminowane.

🎯 Skoncentruj się na swojej podstawowej działalności: Skoncentruj się na tym, co robisz najlepiej. Zajmiemy się całościową implementacją techniczną, obsługą i utrzymaniem Twojego rozwiązania AI.

📈 Przyszłościowa i skalowalna: Twoja sztuczna inteligencja rośnie razem z Tobą. Zapewniamy ciągłą optymalizację i skalowalność oraz elastycznie dostosowujemy modele do nowych wymagań.

Więcej informacji tutaj:

• Rozwiązanie Managed AI – Usługi AI dla przemysłu: klucz do konkurencyjności w sektorach usług, przemysłu i inżynierii mechanicznej

Ustawa UE o sztucznej inteligencji stanie się zasadą architektoniczną

Władze publiczne ponoszą szczególną odpowiedzialność, ponieważ ich decyzje wpływają na usługi, prawa i obowiązki obywateli. Europejskie ramy prawne rozróżniają rodzaje ryzyka i ustanawiają surowe wymogi dla systemów wysokiego ryzyka w zakresie zarządzania ryzykiem, jakości danych, dokumentacji, rejestrowania, nadzoru ludzkiego, solidności i cyberbezpieczeństwa. Publiczni operatorzy odpowiednich systemów muszą spełniać dodatkowe obowiązki, w tym rejestrację, monitorowanie, a w niektórych przypadkach ocenę wpływu na prawa podstawowe.

Dla NORAI oznacza to, że przepisów nie da się wdrożyć do gotowych aplikacji. Logowanie, dystrybucja ról, identyfikowalność i opcje interwencji człowieka muszą być integralnymi elementami platformy. Centralny katalog wszystkich wdrożonych systemów AI jest w tym względzie szczególnie cenny. Zapewnia on przegląd celu, operatora, źródeł danych, wersji modeli, klasy ryzyka, wskaźników wydajności i podmiotów odpowiedzialnych. Bez takiego inwentarza duża administracja nie może skutecznie zarządzać ani kosztami, ani ryzykiem.

Nadzór ludzki nie może być sprowadzony do czystej formalności. Gdy od pracowników oczekuje się zatwierdzania setek wniosków generowanych maszynowo pod presją czasu, pojawia się błąd automatyzacji: ludzie mają tendencję do podążania za pozornie obiektywną maszyną. Skuteczny nadzór wymaga zatem wystarczającej ilości czasu, wiedzy specjalistycznej i jasnego wyjaśnienia kryteriów decyzyjnych. Ponadto musi być jasne, kiedy wniosek powinien zostać odrzucony, eskalowany lub przetworzony całkowicie ręcznie.

Związane z tym koszty monitorowania nie stanowią argumentu przeciwko sztucznej inteligencji. Stanowią one część kosztów produkcji cyfrowej administracji opartej na rządach prawa. Pozornie tańsze rozwiązanie bez wiarygodnej dokumentacji może stać się droższe w dłuższej perspektywie, jeśli błędne decyzje zostaną zakwestionowane, dojdzie do wycieku danych lub utraty zaufania. Dlatego w analizach kosztów i korzyści jakość, pewność prawna i bezpieczeństwo muszą być traktowane tak samo priorytetowo jak szybkość.

Suwerenność cyfrowa wymaga realistycznych ograniczeń

Strategia Balearów kładzie nacisk na kontrolę publiczną i suwerenność cyfrową. Jest to zrozumiałe, ale nie należy tego mylić z całkowitą samowystarczalnością technologiczną. Administracja regionalna nie będzie ani rozwijać własnych modeli bazowych w skali globalnej, ani samodzielnie produkować wszystkich komponentów infrastruktury. Suwerenność oznacza raczej zachowanie wyboru i możliwości działania: kontrolowanie danych, możliwość zmiany dostawców, korzystanie z otwartych interfejsów, ocenę wydajności modelu oraz, w razie potrzeby, niezależne kontynuowanie obsługi kluczowych funkcji.

Istotnym ryzykiem jest uzależnienie od jednego dostawcy (vendor lock-in). Ścisłe powiązanie formatów danych, przepływów pracy i aplikacji biznesowych z usługami zastrzeżonymi zwiększa koszty przejścia w późniejszym czasie. Organizacja może wówczas stać się zależna technicznie, nawet jeśli początkowa cena była atrakcyjna. Kontrakty i architektura powinny zatem umożliwiać eksport danych, logów, konfiguracji i baz wiedzy. Oddzielenie aplikacji, dostępu do modeli i przechowywania danych poprawia również pozycję negocjacyjną.

Jednocześnie nadmierne zapotrzebowanie na suwerenność może zwiększyć koszty innowacji. Nie każdy komponent musi być obsługiwany wewnętrznie. Kluczowe jest różnicowanie oparte na ryzyku. Ściśle kontrolowane modele operacyjne są niezbędne w przypadku danych o wysokim stopniu poufności i centralnych procesów decyzyjnych. W przypadku funkcji wsparcia o niskim ryzyku, standaryzowane usługi zewnętrzne mogą być ekonomicznie opłacalne, pod warunkiem zagwarantowania ochrony danych, bezpieczeństwa i wymienności. Prawdziwa suwerenność nie oznacza posiadania wszystkiego, ale raczej świadome zarządzanie zależnościami.

Pracownicy nie są kwestią marginalną

Wprowadzenie sztucznej inteligencji zmienia profile zawodowe. Rutynowe zadania maleją, a rośnie znaczenie testowania, obsługi wyjątków, komunikacji i kontroli jakości. Może to zwiększyć wartość pracy, jeśli pracownicy rzeczywiście zostaną odciążeni od monotonnych zadań. Może to jednak również zwiększyć obciążenie pracą, jeśli zautomatyzowane zostaną tylko proste zadania, a pozostałe przypadki będą szczególnie złożone, bez konieczności dostosowywania się do ograniczeń czasowych.

Szkolenia stanowią zatem kluczowy element inwestycji. Pracownicy potrzebują nie tylko ogólnej wiedzy z zakresu sztucznej inteligencji, ale także umiejętności specyficznych dla danego stanowiska. Pracownicy administracyjni muszą umieć analizować wyniki i identyfikować ograniczenia. Menedżerowie muszą umieć zarządzać korzyściami, ryzykiem i zmianami w procesach. Zespoły IT i ds. danych potrzebują specjalistycznej wiedzy z zakresu integracji, monitorowania, bezpieczeństwa i oceny modeli. Działy ochrony danych, dział prawny i dział HR muszą być zaangażowane na wczesnym etapie, zamiast zatwierdzać gotowe aplikacje z mocą wsteczną.

Baleary już znacznie zwiększyły liczbę szkoleń z zakresu sztucznej inteligencji dla pracowników. To sygnalizuje zapotrzebowanie i tworzy lepszy punkt wyjścia. Kluczowym czynnikiem jest jednak powiązanie szkolenia z miejscem pracy. Jednorazowy kurs niewiele da, jeśli nie będzie niezawodnych narzędzi, jasnych zasad i nadzorowanych przypadków użycia. Z drugiej strony, dostarczanie wydajnych systemów bez szkoleń prowadzi do ich wykorzystania w ukryciu, nadużyć i braku zaufania.

Zaangażowanie pracowników jest również uzasadnione ekonomicznie. Znają oni rzeczywiste objazdy, przypadki szczególne i luki informacyjne w procesie. Jeśli aplikacje są planowane wyłącznie z perspektywy technicznej, często automatyzują one wyidealizowany model procesu. Dlatego w wybór, projektowanie i testowanie powinni być zaangażowani wykwalifikowani pracownicy. To nie tylko zwiększa akceptację, ale także zmniejsza kosztowne błędy.

Zaangażowanie obywateli nie może ograniczać się do chatbota

Szybkie odpowiedzi cyfrowe są cenne, ale nie każdy obywatel może lub chce komunikować się wyłącznie cyfrowo. Osoby starsze, osoby z niepełnosprawnościami, osoby z ograniczoną znajomością języka lub osoby nieposiadające bezpiecznej tożsamości cyfrowej nie mogą być dyskryminowane. Dlatego inteligentna administracja musi utrzymywać wiele kanałów dostępu i wykorzystywać sztuczną inteligencję do wspierania konsultacji osobistych, a nie całkowicie je eliminować.

Wielojęzyczność jest szczególnie istotna na Balearach. Administracja działa zarówno w języku katalońskim, jak i hiszpańskim, a turystyka i imigracja międzynarodowa wprowadzają dodatkowe języki do codziennego życia. Sztuczna inteligencja może ułatwiać tłumaczenie i używanie zrozumiałego języka, ale informacje istotne z prawnego punktu widzenia muszą być poprawne terminologicznie. Dlatego tłumaczenia automatyczne powinny być weryfikowane pod kątem ryzyka i wyraźnie odróżniane od prawnie wiążących aktów administracyjnych.

Obywatelsko-centryczność oznacza również transparentność. Ludzie powinni wiedzieć, kiedy wchodzą w interakcję z systemem automatycznym, jaką rolę on odgrywa i jak skontaktować się z człowiekiem. Nawet jeśli sztuczna inteligencja jedynie przygotowuje decyzję, musi być jasne, kto jest za nią odpowiedzialny. Im bardziej wrażliwy jest proces, tym ważniejsze staje się uzasadnienie, możliwość odwołania i ludzka ocena.

Sukces wymaga mierzalnych celów

Wzory „większa wydajność” i „lepsze usługi” są niewystarczające dla programu o takiej skali. NORAI wymaga wiarygodnych pomiarów bazowych przed rozpoczęciem każdego przypadku użycia. Obejmują one czas przetwarzania, czas przepustowości, liczbę zapytań, wskaźnik błędów, wskaźnik porzuceń, koszt pojedynczego procesu, zaległości i zadowolenie użytkowników. Dopiero porównanie z tymi wartościami bazowymi ujawnia, czy aplikacja faktycznie usprawnia procesy, czy jedynie generuje aktywność.

Kluczowe jest rozróżnienie czasu przetwarzania od czasu realizacji. Sztuczna inteligencja może skrócić czas aktywnej pracy nad sprawą z 30 do 15 minut, podczas gdy plik i tak czeka w kolejce przez trzy tygodnie. Dla obywateli efekt byłby ledwo zauważalny. Dlatego priorytetem powinny być kompleksowe wskaźniki. Należy również mierzyć jakość: szybsze odpowiedzi nie oznaczają postępu, jeśli rośnie liczba korekt, skarg lub odwołań.

Odpowiednie kluczowe wskaźniki efektywności (KPI) obejmowałyby odsetek procesów przygotowywanych automatycznie, wskaźnik akceptacji sugestii maszynowych, średni czas korekty, liczbę błędów krytycznych, wykorzystanie w poszczególnych działach oraz rzeczywistą ilość wolnych zasobów pracy. W przypadku usług dla obywateli istotne są również zrozumiałość, wskaźnik rozwiązywania problemów przy pierwszym zgłoszeniu, czas oczekiwania i dostępność. Incydenty bezpieczeństwa, naruszenia ochrony danych i błędy modeli również muszą być uwzględniane w zarządzaniu wydajnością.

Centralna analiza kosztów i korzyści powinna oddzielać koszty wspólnej platformy od kosztów poszczególnych przypadków użycia. W przeciwnym razie wczesne projekty wydają się sztucznie drogie, ponieważ finansują rozwój całej infrastruktury. Z kolei późniejsze projekty wydają się zbyt tanie, jeśli nie uwzględnia się ich wykorzystania infrastruktury. Przejrzysty model kosztów pozwala na lepsze podejmowanie decyzji o tym, które aplikacje powinny być dalej rozwijane, wycofane z użytku lub skalowane.

Niedoszacowane koszty działań następczych

Kwota 5,45 mln euro stanowi jedynie początkową inwestycję. Po upływie 24 miesięcy pojawią się stałe koszty związane z mocą obliczeniową, dostępem do modelu, pamięcią masową, konserwacją, monitorowaniem bezpieczeństwa, wsparciem technicznym, szkoleniami i dostosowaniem do nowych wymogów prawnych. Modele i komponenty oprogramowania zmieniają się dynamicznie. System, który dziś jest wydajny, jutro może być przestarzały, droższy lub niedostępny. Bez długoterminowego modelu operacyjnego, po początkowej fazie konfiguracji prawdopodobnie nastąpi kosztowny cykl aktualizacji.

Nawet skuteczna automatyzacja generuje koszty następcze. Jeśli więcej procesów szybciej trafi do przeglądu technicznego, wąskie gardło może po prostu przenieść się gdzie indziej. Asystent może wypełniać wnioski, ale zwiększa to liczbę spraw wymagających przeglądu. Jeśli moce przerobowe w dół łańcucha dostaw nie zostaną odpowiednio dostosowane, kolejka będzie się wydłużać. Kontrola procesów musi zatem zawsze uwzględniać cały łańcuch wartości.

Kolejnym ryzykiem jest niekontrolowana ekspansja. Gdy tylko aplikacje początkowe zaczną działać, zapotrzebowanie rośnie ze wszystkich działów. Bez jasnej priorytetyzacji powstaje zbyt wiele równoległych projektów, co obciąża specjalistów i zespoły techniczne. Centralny mechanizm sterowania powinien oceniać projekty pod kątem korzyści, ryzyka, dojrzałości danych i możliwości ponownego wykorzystania. Nie każdy dobry pomysł musi zostać wdrożony od razu.

Jakie korzyści firmy czerpią z inteligentnego zarządzania

Dla firm administracja jest kluczowym czynnikiem wpływającym na decyzje dotyczące lokalizacji. Czas rozpatrywania wniosków o pozwolenia, dotacje, projekty energetyczne, projekty budowlane czy zgłoszenia wpływają na decyzje inwestycyjne i płynność finansową. Szczególnie małe i średnie przedsiębiorstwa (MŚP) borykają się ze złożonymi wymogami dokumentacyjnymi, ponieważ dysponują mniejszą liczbą pracowników do zadań administracyjnych. Szybsza, bardziej przejrzysta i przewidywalna administracja redukuje pośrednie koszty prowadzenia działalności.

Korzyści mogą przeważyć nad oszczędnościami czasu ponoszonymi przez agencję. Na przykład, jeśli pozwolenie zostanie wydane kilka tygodni wcześniej, firma może szybciej wdrożyć inwestycje, generować przychody lub zatrudniać pracowników. Szybsze rozpatrywanie wniosków o dotacje poprawia finansowanie. Takie efekty są trudniejsze do zmierzenia, ale mają istotne znaczenie dla całej gospodarki. NORAI powinna zatem monitorować nie tylko wewnętrzną produktywność, ale także wpływ na wnioskodawców.

Wspólna platforma może również zapewnić większą spójność informacji. Obecnie firmy otrzymują czasami sprzeczne informacje z różnych źródeł w trakcie złożonych procesów. Kontrolowany dostęp do wiedzy może ograniczyć niespójności i doprecyzować zakres odpowiedzialności. Wymaga to od asystenta dostępu do aktualnych, prawnie wiążących treści i nie stwarza fałszywego poczucia pewności prawnej w sytuacjach, w których istnieje swoboda uznania.

Wyłania się regionalny rynek dla GovTech

Publiczne inwestycje w sztuczną inteligencję (AI) wpływają również na rynek technologii. Tworzą one popyt na integrację, zarządzanie danymi, cyberbezpieczeństwo, doradztwo procesowe, walidację modeli i szkolenia. Może to prowadzić do pozyskiwania referencji i nowej wiedzy specjalistycznej dla dostawców regionalnych i hiszpańskich. Wspólna platforma zazwyczaj ułatwia dostęp mniejszym specjalistom, pod warunkiem, że interfejsy są otwarte, a moduły wymienne.

Potencjał polityki gospodarczej zależy jednak od struktury rynku. System monolityczny faworyzuje dużych, uniwersalnych dostawców i może hamować lokalne innowacje. Z drugiej strony, architektura modułowa umożliwia integrację wyspecjalizowanych rozwiązań bez utraty kontroli nad całością. Konkurencja powinna występować nie tylko na etapie początkowej konfiguracji, ale powinna być możliwa przez cały okres funkcjonowania systemu.

Nie można poświęcać tworzenia wartości regionalnej na rzecz jakości. Administracja publiczna potrzebuje solidnych, bezpiecznych i skalowalnych systemów. Najbardziej rozsądne podejście łączy centralne standardy z otwartym ekosystemem, w którym różni dostawcy mogą oferować jasno zdefiniowane usługi. W ten sposób NORAI może jednocześnie modernizować administrację publiczną i wspierać bardziej wymagający rynek odpowiedzialnej sztucznej inteligencji.

Hiszpania daje impuls, ale nie gwarantuje sukcesu

NORAI wpisuje się w szerszą hiszpańską strategię rozwoju sztucznej inteligencji w biznesie i administracji publicznej. Na szczeblu rządowym zmobilizowano znaczne zasoby na infrastrukturę, modele, dane, talenty i publiczne zastosowania. Plany obejmują współdzielone modele danych i korpusów, laboratoria innowacji oraz centralnie dostępne usługi AI. Baleary nie działają zatem w izolacji, lecz w ramach krajowego i europejskiego programu modernizacji.

Hiszpania znajduje się w stosunkowo dobrej sytuacji pod względem cyfrowych usług dla obywateli. Znaczna część populacji korzysta już z usług online oferowanych przez instytucje publiczne, a usługi cyfrowe dla obywateli plasują się powyżej średniej europejskiej. Jednak w przypadku usług biznesowych sytuacja jest bardziej zróżnicowana. Sugeruje to, że dalszy postęp zależy nie tyle od samego dostępu online, co od jakości, integracji i łatwości użytkowania.

Solidne cyfrowe podstawy redukują bariery wdrażania, ale nie gwarantują wzrostu produktywności. Wiele projektów AI w sektorze publicznym utknęło w fazie pilotażowej z powodu braku pomiaru korzyści, dostępu do danych, wykwalifikowanego personelu lub odpowiedzialności organizacyjnej. W związku z tym NORAI będzie musiało być oceniane pod kątem zdolności do pomyślnego przejścia od fazy eksperymentalnej do stabilnej, regularnej działalności. To przejście jest zazwyczaj droższe i trudniejsze niż sama demonstracja techniczna.

Trzy warunki przełomu gospodarczego

Po pierwsze, platforma musi początkowo koncentrować się na kilku, mierzalnych i szeroko zakrojonych przypadkach użycia. Szybkie uczenie się jest ważne, ale nie powinno być osiągane poprzez trywialne demonstracje. Odpowiednie procesy to takie, których bieżące koszty i problemy z jakością są znane, a nadzór ludzki pozostaje praktyczny.

Po drugie, NORAI potrzebuje silnego, scentralizowanego zarządzania, połączonego z rzeczywistą odpowiedzialnością w obrębie działów specjalistycznych. Centralne zarządzanie powinno definiować architekturę, bezpieczeństwo, ramy prawne, katalog, dostęp do modeli i metody pomiaru. Działy specjalistyczne muszą ponosić odpowiedzialność za projektowanie procesów, jakość danych i wyniki funkcjonalne. Jeśli odpowiedzialność spoczywa wyłącznie na dziale IT, zmiany organizacyjne ulegną stagnacji. Jeśli każdy dział podejmuje decyzje niezależnie, wspólna platforma ulegnie rozpadowi.

Po trzecie, administracja musi otwarcie podchodzić do błędów i ograniczeń. Systemy sztucznej inteligencji będą generować nieprawidłowe sugestie. Kluczowe jest to, czy zostaną one zidentyfikowane, udokumentowane i systematycznie eliminowane. Kultura, która dopuszcza jedynie historie sukcesu, zachęca do ukrywania problemów. Natomiast administracja ucząca się traktuje odchylenia jako dane do ulepszania modeli, reguł i procesów.

Prawdziwym zyskiem jest zdolność państwa do działania

Bezpośrednie korzyści z NORAI będą mierzone w zaoszczędzonych godzinach, skróconym czasie przetwarzania i uniknięciu błędów. Jednak większy zwrot z inwestycji leży w zdolności administracji do radzenia sobie z rosnącymi i bardziej złożonymi wymaganiami bez proporcjonalnego wzrostu biurokracji. Zachęty klimatyczne, kwestie mieszkaniowe, usługi socjalne, transformacja energetyczna i usługi biznesowe generują dodatkowe procesy. Bez wzrostu wydajności prawdopodobne jest wydłużenie czasu oczekiwania lub wzrost kosztów osobowych.

Działająca platforma AI może złagodzić ten rozwój. Tworzy możliwości wielokrotnego użytku, umożliwia mierzalność procesów i umożliwia szybsze wdrażanie nowych usług. Jednocześnie zwiększa wymagania dotyczące przywództwa, zarządzania danymi, zgodności z przepisami i kwalifikacji. Technologia nie redukuje automatycznie złożoności; część z niej przenosi się na architekturę i zarządzanie.

Inwestycja w wysokości 5,45 mln euro nie jest zatem ani gwarantowanym przełomem, ani jedynie kosztownym eksperymentem cyfrowym. To strategiczny zakład, że administracja regionalna będzie w stanie zrozumieć i zarządzać swoimi procesami jako spójnym systemem produkcyjnym. Jeśli się to powiedzie, krótsze czasy przetwarzania i lepsze informacje będą jedynie najbardziej widocznymi rezultatami. Głębsza transformacja polegałaby na administracji, która wykorzystuje wiedzę, dane i automatyzację ponad granicami departamentów, nie zrzekając się odpowiedzialności na rzecz algorytmów.

NORAI nie poniosłoby porażki głównie z powodu sporadycznych błędnych odpowiedzi sztucznej inteligencji. Poniosłoby porażkę, gdyby stare procesy pozostały nietknięte, odpowiedzialność za dane niejasna, oszczędności nie byłyby mierzone, a każda agencja tworzyłaby własne, autorskie rozwiązania. Sukces zależy zatem mniej od najnowszego modelu, a bardziej od zdyscyplinowanej polityki organizacyjnej. Dzięki NORAI Baleary mogą stać się solidnym modelem inteligentnego zarządzania regionalnego. Aby to osiągnąć, muszą wykazać, że państwo potrafi nie tylko zakupić sztuczną inteligencję, ale także się zreorganizować.

Rozwiązanie quasi-in-house: Jak Xpert.Digital zamyka luki operacyjne w marketingu i sprzedaży B2B – Inteligentny biznes oparty na treściach – Zdjęcie: Xpert.Digital

Xpert.Digital to branżowy hub B2B oparty na danych, kierowany przez Konrad Wolfenstein . Firma działa jako zewnętrzne, quasi-wewnętrzne rozwiązanie dla partnerów przemysłowych, eliminując luki operacyjne w obszarze marketingu, treści i sprzedaży – bez konieczności angażowania dodatkowych zasobów po stronie klienta.

Więcej informacji tutaj:

• Rozwiązanie quasi-in-house: Jak Xpert.Digital niweluje luki operacyjne w marketingu i sprzedaży B2B – Smart Content-Driven Business

☑️ Naszym językiem biznesowym jest angielski lub niemiecki

☑️ NOWOŚĆ: Korespondencja w Twoim ojczystym języku!

Konrad Wolfenstein

Ja i mój zespół chętnie będziemy do Państwa dyspozycji jako osobisty doradca.

Możesz się ze mną skontaktować, wypełniając formularz kontaktowy tutaj [email protected]:lub po prostu dzwoniąc pod numer +49 7348 4088 965. Mój adres e-mail to

Nie mogę się doczekać naszego wspólnego projektu.

☑️ Wsparcie dla MŚP w zakresie strategii, doradztwa, planowania i wdrażania

☑️ Tworzenie lub reorganizacja strategii cyfrowej i digitalizacji

☑️ Rozszerzenie i optymalizacja procesów sprzedaży międzynarodowej

☑️ Globalne i cyfrowe platformy handlowe B2B

☑️ Rozwój biznesu pionierskiego / Marketing / PR / Targi