Вештачка интелигенција у градској кући Халтерн ам Зе: Вештачка интелигенција у сенци или будућа власт? Како градови сада трансформишу своју администрацију

Удаљавање од експериментисања: Како вештачка интелигенција постаје општинска јавна служба

Зашто је нечињење најскупља опција: Како општине могу успешно стратешки имплементирати вештачку интелигенцију

Локалне самоуправе у Немачкој су под огромним притиском: све веће одговорности, велика густина прописа и растућа очекивања грађана сударају се са ограниченим буџетима и све акутнијим недостатком квалификованих радника. У граду Халтерн ам Зе се стога интензивно расправља о употреби вештачке интелигенције (ВИ). Међутим, свако ко размишља само о брзим четботовима, изолованим тестовима софтвера или повременом олакшању писања текстова пропушта стратешку поенту. ВИ је много више од дигиталног престижног пројекта – то је кључна технологија за обезбеђивање континуираног пружања основних услуга и услуга широм света у будућности.

У следећем чланку се испитује зашто неконтролисани експерименти са вештачком интелигенцијом и такозвана вештачка интелигенција у сенци представљају огроман ризик за јавне власти и како планирани приступ може уместо тога успети. Решење лежи у концепту „управљане вештачке интелигенције“: континуирано управљано, технички ригорозно окружење које је у складу са прописима о заштити података и које повезује одобрене језичке моделе са специфичним регулаторним знањем администрације. Било да је у питању интелигентна аутоматизација долазне поште, обрада сложених датотека или очување вредног искуства професионалаца који одлазе у пензију – највећа економска корист настаје дубоко у самом „машинском простору“ агенције.

Сазнајте зашто је нечињење убедљиво најскупља опција за градове и општине, како се заштита података и безбедност информација могу решити као архитектонски изазов и како једноставан захтев за преглед може постати одржива, међуопштинска оперативна стратегија за дигиталну администрацију сутрашњице.

Од експеримента са вештачком интелигенцијом до дигиталних јавних услуга

Они који се ослањају само на вештачку интелигенцију за тестирање ускоро ће првенствено сами управљати својим заостатком

Дебата о вештачкој интелигенцији у градској кући Халтерн ам Зе долази у право време. Међутим, не би требало да се заустави на питању да ли појединачни запослени могу брже да формулишу текстове, сумирају документа или лакше проналазе информације. Веће, економски кључно питање је: Како општина може да обезбеди своју ефикасност када се задаци, регулаторна сложеност и очекивања повећавају, док су кадровски, временски и буџетски ресурси и даље оскудни? У овом контексту, вештачка интелигенција није ни пројекат дигиталног престижа нити програм замене запослених. Када се правилно користи, то је нова оперативна инфраструктура која омогућава постојећим стручњацима да раде продуктивније, чини знање лакше доступним и омогућава поузданије пружање административних услуга.

За Халтерн ам Зе, постоји много разлога да се имплементација не организује као резултат изолованих софтверских тестова. Уместо тога, град би требало да успостави контролисани оперативни модел који интегрише технологију, заштиту података, безбедност информација, специјализоване процедуре, обуку, обезбеђивање квалитета и континуирани развој. Управљана вештачка интелигенција је савршено погодна за ову сврху. То не значи било коју клауд апликацију са прозором за ћаскање, већ континуирано управљано, јасно регулисано и технички безбедно окружење вештачке интелигенције. Оно комбинује одобрене језичке моделе са општинском стручношћу, дефинисаним процесима, дозволама, евидентирањем и људском одговорношћу. Само ова комбинација трансформише фасцинантан алат у робустан административни ресурс.

Притисак да се делује није апстрактан. План запошљавања града Халтерн ам Зе за 2026. годину обухвата укупно 467 позиција, укључујући 107 позиција државних службеника и 360 позиција намештеника. Трошкови за особље и пензије износе приближно 37,7 милиона евра. Истовремено, буџет пројектује приходе од скоро 130 милиона евра и расходе од нешто више од 137 милиона евра; након укупног смањења трошкова, остаје дефицит од приближно 5,2 милиона евра. Ова скала илуструје зашто ефикасност не треба мешати са смањењем броја запослених на свим нивоима. Сваки трајно уштеђени сат обраде може бити вредан, али општина не може себи приуштити ни скупе експерименте са вештачком интелигенцијом нити неконтролисано коришћење јавних онлајн услуга у тајности.

Право уско грло су општински капацитети

Локалне власти послују у сложеном економском окружењу. С једне стране, потражња за услугама расте: грађевински пројекти морају се брже обрађивати, одлуке о социјалним давањима морају бити правно исправне, потребно је организовати прилагођавање климатским променама, одржавати инфраструктуру, управљати кризама и решавати забринутости грађана путем више канала. С друге стране, буџетска ограничења, недостатак квалификованих радника и демографске промене ограничавају ширење запослених. Јавни сектор у Немачкој запошљава више од пет милиона људи; без контрамера, јаз у вештинама могао би порасти на најмање милион до 2030. године. Иако такве пројекције нису тачна прогноза за Халтерн, оне указују на смер конкуренције за административне стручњаке, ИТ особље, инжењере, социјалне раднике и менаџере.

Ово ствара проблем продуктивности. Општина не може трајно да апсорбује растући број предмета додавањем додатног особља ако нема одговарајућих кандидата или буџет не дозвољава потребна средства. Нити може произвољно да смањи услуге, јер су многи задаци прописани законом. Због тога је боља организација рада једина стратешка полуга. Процеси морају бити поједностављени, медијске паузе елиминисане, подаци учињени поново употребљивим, а рутински задаци аутоматизовани. Вештачка интелигенција проширује овај алат јер може да обрађује не само структуриране податке већ и неструктурирани материјал као што су писма, обавештења, записници, смернице, имејлови и скенирани документи.

Највећа економска корист, дакле, у почетку не лежи у спектакуларним грађанским четботовима. Она лежи у машинском простору јавне администрације: у сортирању и обради долазне поште, проналажењу релевантних прописа, припреми стандардизованих писама, састављању опсежних досијеа и преносу информација између организационих јединица. Такви задаци троше много малих јединица времена. Укупно, они чине значајан део административних трошкова. Они који разматрају само видљиве примене вештачке интелигенције стога потцењују вредност интерних система помоћи.

Зашто четбот још увек није стратегија

Слободно доступна услуга вештачке интелигенције може да генерише убедљиве текстове за неколико секунди. Међутим, за јавну власт то је само видљива површина. Иза сваког одговора крију се питања о преносу података, добављачима модела, периодима чувања, коришћењу обуке, правима приступа, техничкој тачности и одговорности. Без обавезујућег окружења, општина само пребацује своје ризике из ормара за документе у дигитални систем који је тешко контролисати. „Shadow“ вештачка интелигенција је посебно проблематична: запослени користе приватне или неовлашћене налоге јер су алати практични и не постоји званична алтернатива. То доводи до недоследних метода рада и потенцијално неовлашћених токова података.

Општинска стратегија за вештачку интелигенцију стога мора да прави разлику између експериментисања, помоћи и аутоматизације. У експериментисању, функције се тестирају са некритичним подацима. У помоћи, систем генерише предлоге које прегледа одговорна особа. У аутоматизацији, дефинисани радни кораци се извршавају у складу са правилима и документују се на начин који се може ревидирати. Што је апликација ближа правним последицама, пружању користи или оптерећујућим одлукама, то мора бити виши ниво контроле, праћења и људског надзора. Сама техничка способност модела није довољан разлог за додељивање задатка.

Управо ту постаје очигледна слабост многих пилот пројеката. Они мере ентузијазам, број корисничких налога или количину генерисаног текста, али не и укупни утицај на процес. Ако се нацрт креира брже, али је затим потребно више времена за преглед, нето ефекат остаје мали. Ако различита одељења одржавају исте шаблоне више пута, напор координације се повећава. Ако вештачка интелигенција функционише без тренутне базе знања, она производи лингвистички исправне, али технички застареле резултате. Стога, стратегија не почиње одабиром модела, већ одабиром одговарајућих проблема.

Управљана вештачка интелигенција трансформише технологију у поуздан посао

Управљана вештачка интелигенција односи се на оперативни модел у којем општина задржава циљеве, правила и одговорности, док специјализоване интерне или екстерне јединице управљају, обезбеђују, прате и даље развијају техничку платформу. Ово укључује имплементацију модела, управљање идентитетом и приступом, шифровање, евидентирање, интерфејсе, базе знања, мерење квалитета, ажурирања, решавање проблема и корисничку подршку. Модел се може имплементирати у јавном центру података, сувереном облаку, хибридној архитектури или комбинацији ових фактора. Оно што је важно није ознака, већ управљиви ланац вредности.

За општину средње величине, овај модел је економски исплативији од развоја потпуно интерног решења. Управљање генеративном вештачком интелигенцијом захтева стручност која се мора континуирано одржавати: операције у облаку и дата центру, безбедност информација, заштита података, евалуација модела, инжењеринг података, развој интерфејса и специјализовано знање о процесима. Један град тешко може економски да покрије све ове улоге. С друге стране, општински добављач ИТ услуга може да дистрибуира инфраструктуру, стандарде и специјализовано знање између више администрација. Заједнички општински дата центар Реклингхаузен ради за округ и осам градова и стога већ поседује одговарајућу скалу за заједничка решења.

Међутим, управљана вештачка интелигенција не значи препуштање одговорности добављачу услуга. Град мора да одреди које класе података могу да се обрађују, који случајеви употребе су дозвољени, како се резултати верификују и када се систем искључује. Технички оператер обезбеђује доступност и заштитне мере; оперативна одговорност остаје на релевантним организационим јединицама. Добар оперативни модел јасно раздваја ове улоге и повезује их кроз обавезујуће циљеве услуга, процедуре ревизије и канале ескалације.

Халтерн не мора да почиње од нуле

Северна Рајна-Вестфалија је већ успоставила административног асистента са вештачком интелигенцијом под називом NRW.Genius. Веб апликација подржава задатке везане за текст као што су резимеи, израда текстова, претраживање колекција докумената, одговарање на питања о личним фајловима и директна интеракција са језичким моделима. Архитектура је независна од модела и платформе и дизајнирана је за хибридну обраду. IT.NRW извештава да апликацију већ користи скоро 27.000 запослених; Есен, Золинген и Бергхајм тестирају њену поновну употребу на општинском нивоу. Ово је релевантно за Халтерн јер омогућава дељење ризика развоја, кривих учења и трошкова.

Стандардизовано решење на нивоу целе државе није аутоматски потпун одговор на потребе општина. Државне власти и градови се разликују по својим специјализованим процедурама, структурама датотека, чувању података, задацима и одговорностима. Економска вредност настаје само када је систем помоћи интегрисан у стварне токове рада. Општи прозор за ћаскање може формулисати белешку; међутим, штеди знатно мање времена него интегрисано решење које идентификује исправан процес, проналази овлашћене информације, користи одговарајући шаблон, идентификује изворе и враћа резултат специјализованој процедури на преглед.

Стога, Халтерн не би требало да супротставља постојеће понуде сопственом концепту управљане вештачке интелигенције. Модуларни приступ има смисла. Генеричке функције могу се набавити са националне или међуопштинске платформе. Базе знања, интерфејси и процесни модули специфични за општину се затим слојевито надограђују. Посебно осетљиве апликације могу се користити у контролисаним окружењима. Ово избегава и скупо изоловано решење и потпуну зависност од једног производа.

Економска ефикасност почиње са обрачуном трошкова процеса

Вештачка интелигенција није профитабилна само зато што су њени одговори брзи. Профитабилна је када се смањи укупно време обраде, избегну грешке, смање додатна питања или перформансе остану стабилне упркос ограниченом капацитету. Стога, прво треба одредити основну вредност за сваки случај употребе. То укључује број случајева, просечно време обраде, време чекања, број прекида медија, стопу поновног рада, додатна питања, трошкове грешака и удео посла који се може стандардизовати. Тек тада се може проценити да ли је помоћ вештачке интелигенције економски исплатива.

Једноставан прорачун модела илуструје логику. Ако систем уштеди у просеку пет минута на сваких 20.000 идентичних процеса, то теоретски резултира приближно 1.667 сати бруто уштеде времена годишње. Од овога се мора одузети време тестирања, обуке, подршке, застоја и контроле квалитета. Ако, на пример, 1.000 сати остане нето, ова корист се може проценити у односу на укупне трошкове уложеног времена. Квалитативни ефекти као што су брже време одзива или доследнија комуникација такође долазе у обзир. Овај прорачун је намерно конзервативан: он спречава да се теоретски добијени минути продају као загарантоване уштеде у буџету.

Економски утицај може имати три облика. Прво, општина може да обради више предмета са истим бројем запослених. Друго, може смањити заостале предмете и екстерне трошкове. Треће, може прерасподелити ослобођено време на консултације, праћење и сложене појединачне случајеве. Само ретко уштеда времена директно доводи до одговарајуће ниже буџетске расподеле, јер број запослених није бесконачно дељив. Најреалније користи се обично састоје од избегавања нових запошљавања, смањења обима посла, конзистентнијег квалитета и побољшане брзине реаговања.

Рад са документима је најјача прва полуга

Јавна управа је организација која интензивно користи знање и документе. Значајан део њеног рада укључује прикупљање, проверу, кондензацију и трансформацију информација у правно или организационо одговарајуће формате. Генеративна вештачка интелигенција је веома погодна управо за ове задатке, под условом да функционише као асистент и приступа поузданим изворима. Контролисано окружење може да сумира дугачке документе, истакне разлике између верзија, креира нацрте од тачака и лоцира релевантне одломке унутар датотека.

Емпиријски резултати такође показују зашто су општа обећања неприкладна. У теренском експерименту са 143 запослена у Централној банци Ирске, генеративна вештачка интелигенција побољшала је квалитет задатка разумевања документа за 17 процената, а време обраде за 34 процента. Међутим, у задатку анализе података, квалитет се смањио за 12 процената, без значајне уштеде времена. Технологија стога није универзално продуктивна, већ само када су задатак, подаци, кориснички интерфејс и механизам контроле добро усклађени.

За Халтерна, ово резултира јасним приоритетом. У почетку су погодни интерни задаци са високим садржајем текста, великим обимом и ограниченим правним утицајем: састављање докумената са састанака, побољшање интерног претраживања знања, припрема нацрта записника, процена јавно доступних прописа или претходно сортирање упита грађана по темама. Одлуке у вези са захтевима, санкцијама или појединачним правним ставовима су мање погодне на самом почетку. Први кораци треба да се предузму тамо где се грешке могу лако идентификовати и исправити.

Пошта постаје паметна улазна врата

Један посебно конкретан случај употребе је обрада долазних докумената. Писма, обрасци, имејлови и прилози морају бити препознати, додељени случају, проверени на потпуност и прослеђени. Традиционално препознавање докумената брзо достиже своје границе са недоследним распоредима, слободним текстом и рукописом. Модерна вештачка интелигенција може класификовати садржај, издвојити релевантне информације и генерисати резиме за обраду.

ГКД Реклингхаузен већ користи наменско, суверено окружење вештачке интелигенције за скенирање долазне поште. Тамо подржава класификацију садржаја, препознавање рукописа и сумирање, чиме се скраћује процес валидације и преноса у електронску датотеку. Ово нуди Халтерну регионално компатибилно подручје примене. Град не би прво морао да докаже да технологија функционише у принципу, већ би уместо тога могао да испита које врсте докумената, количине и специјализоване процедуре обећавају највећу локалну корист.

Случај употребе постаје економски атрактиван због свог међуфункционалног утицаја. Боље припремљен систем долазне поште не само да смањује оптерећење у поштанској соби, већ и време претраге, погрешно усмеравање и упите унутар специјализованих одељења. Истовремено, ствара структуриранију основу података за наредне кораке процеса. Ово омогућава једном вештачкој интелигенцији да ублажи вишеструка уска грла дуж ланца обраде. Предности се повећавају са поновном употребом, због чега централизоване компоненте генерално треба да имају приоритет у односу на бројна мала, појединачна решења.

Робустан концепт руковања грешкама остаје предуслов. Вештачка интелигенција не сме ненамерно погрешно класификовати документе или изоставити битан садржај. Стога, свака класа докумената захтева дефинисане минималне стандарде квалитета, процедуре узорковања, процесе корекције и поуздан резервни механизам. Критични или лоше идентификовани улази се аутоматски усмеравају на људски преглед. Такав модел „човек у петљи“ није знак техничке слабости, већ економски и правно исправне поделе рада између машине и људског стручњака.

Нова димензија дигиталне трансформације са „Управљаном вештачком интелигенцијом“ – платформа и B2B решење | Xpert Consulting - Слика: Xpert.Digital

Овде ћете сазнати како ваша компанија може брзо, безбедно и без високих баријера за улазак имплементирати прилагођена решења за вештачку интелигенцију.

Управљана AI платформа је ваше свеобухватно и безбрижно решење за вештачку интелигенцију. Уместо да се бавите сложеном технологијом, скупом инфраструктуром и дуготрајним процесима развоја, добијате готово решење прилагођено вашим потребама од специјализованог партнера – често у року од само неколико дана.

Кључне предности на први поглед:

⚡ Брза имплементација: Од идеје до апликације спремне за употребу за дане, а не месеци. Нудимо практична решења која стварају тренутну додату вредност.

🔒 Максимална безбедност података: Ваши осетљиви подаци остају код вас. Гарантујемо безбедну и усклађену обраду без дељења података са трећим лицима.

💸 Без финансијског ризика: Плаћате само за резултате. Велика почетна улагања у хардвер, софтвер или особље су потпуно елиминисана.

🎯 Фокусирајте се на свој основни посао: Концентришите се на оно што најбоље радите. Ми се бринемо о целокупној техничкој имплементацији, раду и одржавању вашег вештачке интелигенције.

📈 Спремно за будућност и скалабилно: Ваша вештачка интелигенција расте са вама. Обезбеђујемо континуирану оптимизацију и скалабилност и флексибилно прилагођавамо моделе новим захтевима.

Више информација овде:

• Решење за управљану вештачку интелигенцију - Индустријске услуге вештачке интелигенције: Кључ конкурентности у секторима услуга, индустрије и машинства

Административно знање не сме да оде са запосленима

Демографске промене угрожавају општине не само због недостатка радника, већ и због губитка искуственог знања. Многи процеси се ослањају на локални контекст: Који документи су потребни у конкретном случају? Које су се одговорности промениле? Која се формулација показала ефикасном? Где се налазе претходне одлуке и упоредиви процеси? Када искусни запослени оду, део овог знања нестаје или се мора мукотрпно обновити.

Управљана вештачка интелигенција платформа може ублажити овај проблем када је повезана са добро одржаваном општинском базом знања. Ово не подразумева генерисање произвољних интернет одговора. Систем претражује одобрена упутства за услуге, подзаконске акте, приручнике, шаблоне и описе процеса и формулише одговоре на основу ових извора. Идеално би било да приказује коришћене изворе, омогућавајући запосленима да одмах провере информације. Овај приступ, често називан генерисањем проширеним претраживањем, комбинује лингвистичке могућности модела са контролисаним локалним изворима.

Кључна предност овде није језички модел, већ структурирана база знања администрације. Модели се могу заменити када то захтевају перформансе, трошкови или законски захтеви. С друге стране, чисто спремиште докумената са верзијама, одговорностима, метаподацима и правилима брисања остаје употребљиво на дужи рок. Халтерн стога не би требало првенствено да инвестира у одређени модел, већ у квалитет података, управљање знањем и отворене интерфејсе. Ова улагања истовремено побољшавају традиционалну дигитализацију и настављају да имају утицај чак и док се технологија вештачке интелигенције брзо развија.

Дигитални суверенитет је питање цене

Дигитални суверенитет се често третира као политички идеал, али има конкретну економску језгру. Компаније које потпуно везују своје податке, интерфејсе и оперативно знање за једног добављача губе преговарачку моћ. Трошкови преласка се повећавају, прилагођавања постају скупа, а иновације зависе од планирања производа треће стране. С друге стране, било би неекономично развијати сваку техничку компоненту интерно. Суверенитет, дакле, не значи аутаркију, већ способност доношења информисаних одлука, промене добављача и одржавања критичних услуга чак и у случају прекида.

За управљану вештачку интелигенцију, ово резултира модуларном архитектуром. Управљање идентитетом, спремишта знања, евидентирање и интерфејси не би требало да буду нераскидиво повезани са јединственим језичким моделом. Модели се могу одабрати у зависности од задатка: модел високих перформанси за сложене текстове, мањи и исплативији за класификацију и локално управљани модел за осетљиве податке. NRW.Genius већ следи приступ агностик модела и хибридни приступ, у којем се обрада може прилагодити захтевима заштите. Овај принцип би требало да води и општинску имплементацију.

Трошкови се морају узети у обзир током целог животног циклуса. То укључује имплементацију, припрему података, интеграцију, обуку, текући рад, коришћење модела, безбедносне ревизије, осигурање квалитета и могућност промене добављача. Наизглед јефтино вештачко решење може постати скупо ако свака пословна апликација захтева индивидуалну интеграцију или ако трошкови нису транспарентни. С друге стране, нешто виша накнада за платформу може бити економична ако пружа безбедне стандарде, заједничке компоненте и поуздану подршку.

Заштита података постаје архитектонски изазов

Заштита података не би требало да се испитује тек након што је пилот пројекат технички завршен. Код великих језичких модела постављају се питања у вези са правним основом, ограничењем сврхе, минимизацијом података, периодима чувања, преносом података и свим личним подацима који се потенцијално налазе у моделу. Савезни комесар за заштиту података стога препоручује да власти од самог почетка интегришу заштиту података у пројекте вештачке интелигенције и, посебно, систематски процењују руковање личним подацима током обуке и коришћења. За општине ово није додатно бирократско оптерећење, већ предуслов за дугорочну употребљивост система.

Управљана вештачка интелигенција може учинити заштиту података практичном јер се правила могу технички спроводити. Подаци се могу класификовати или псеудонимизовати пре обраде. Улоге и права ограничавају ко може приступити којим базама знања. Унос се може евидентирати, периоди чувања аутоматизовати, а недозвољени садржај филтрирати. Различити захтеви за заштиту могу се расподелити на одвојене путеве обраде. Ово трансформише заштиту података из пуког информативног листа у оперативну функцију.

Безбедност информација захтева више од самог уговора са добављачем модела. Немачки Савезни завод за безбедност информација (BSI) препоручује, између осталог, инвентар коришћених система вештачке интелигенције, јасна правила коришћења, конфигурације за минимизирање података, дефинисане периоде брисања, недвосмислене одговорности и валидацију резултата пре него што се проследе бекенд системима. Последњи захтев је посебно важан: вештачка интелигенција која само приказује нацрт представља другачији ризик од система који самостално уписује податке у специјализовану апликацију или припрема одлуку.

Правна сигурност се не ствара забраном

Европски закон о вештачкој интелигенцији пооштрава захтеве за управљање, транспарентност и компетентност. Од фебруара 2025. године на снази су прописи који се тичу компетентности вештачке интелигенције; од августа 2026. године на снази су велики делови правног оквира и правила транспарентности. Одређене апликације у осетљивим областима подлежу посебно строгој регулативи као системи високог ризика. Ово не подразумева потпуну забрану или карт бланш за општине. Оне морају да разликују апликације према ризику и да доказиво испуњавају своје организационе обавезе.

Текстуални асистент за интерне нацрте мора се третирати другачије од система који косекторише приступ значајној јавној услузи. Чак и унутар једне апликације, ризик може да варира. Резимирање анонимизованог јавног документа је мање проблематично од резимирања фајла социјалне заштите. Добар модел управљања стога процењује не само сам производ, већ и сврху, податке, базу корисника и утицај његове специфичне употребе.

Управљана вештачка интелигенција пружа неопходну контролу. Централно тело води регистар апликација, документује одговорне стране и одобрења, додељује класе заштите и прати промене. Ово спречава да свака агенција измишља сопствена правила. Истовремено, управљање не сме довести до застоја у одобравању. За честе, стандардне случајеве ниског ризика, требало би да постоје унапред одобрени шаблони и брзи процеси одобравања. Квалитет регулације се показује тиме да ли омогућава безбедну употребу, а не само управљање неизвесношћу.

Запослени одлучују о профиту

Имплементација вештачке интелигенције се првенствено односи на организациони развој. Запослени морају да разумеју могућности система, његова ограничења и своје преостале одговорности. Једнократна обука о упутствима није довољна. Формати учења засновани на задацима, примери из сопственог одељења, смернице за руковање подацима и способност идентификовања убедљиво артикулисаних грешака су неопходни. Менаџерима су такође потребне вештине у избору процеса, евалуацији метрика и дизајнирању нових улога.

Имплементација не би требало да почне обећањем смањења броја запослених. Таква комуникација разумљиво ствара отпор и смањује спремност за учење. Веродостојнији циљ је смањење вршног оптерећења, елиминисање заосталих задатака и растерећење стручњака задатака који захтевају мало овлашћења за доношење одлука. Људски рад се затим пребацује са креирања почетног нацрта на преглед, класификацију, саветовање и одлучивање о њему.

Саодлучивање и учешће треба организовати рано. Град Есен је регулисао употребу вештачке интелигенције кроз уговор о услугама, укључио је савет особља, обезбедио основну обуку и прописао да резултати вештачке интелигенције морају бити стручно прегледани пре него што се користе споља; дискреционе одлуке остају прерогатив људи. Овај модел се може прилагодити за Халтерн. Јасна правила не само да штите запослене и грађане, већ и повећавају употребу јер смањују неизвесност.

Међуопштинско скалирање побеђује изолована општинска решења

Немачка има хиљаде општина са сличним задацима, али хетерогеним системским пејзажима. Ако би свака администрација развила сопствене асистенте, процедуре ревизије и моделе уговора, резултирало би значајним дуплирањем напора. Економски разумнији приступ лежи у заједничким основним компонентама и локалном прилагођавању. Међуопштинска сарадња распоређује фиксне трошкове, обједињује стручност и ствара довољан обим коришћења за професионалне оперативне структуре.

Халтернова регионална ИТ инфраструктура нуди природну почетну тачку. Заједнички ИТ сервисни центар (GKD) омогућава централизовано управљање платформом, безбедносну архитектуру и техничку интеграцију. Услуге на нивоу државе, попут NRW.Genius, пружају генеричке функције помоћи. Националне структуре, попут AI Opportunities Marketplace, имају за циљ да апликације учине транспарентним и промовишу поновну употребу између савезне, државне и локалне самоуправе; Савет за ИТ планирање је одлучио да усвоји ову платформу као свој производ 1. јануара 2027. Ово ће постепено створити екосистем у коме општине неће морати да изнова измишљају точак.

Међутим, сарадња не сме довести до најспоријег могућег темпа. Халтерн би требало да дефинише сопствене приоритете и критеријуме успеха, уз дељење техничке основе. Модуларни систем је замислив: заједничка платформа, заједнички безбедносни стандарди и заједнички тестирани модели, али са локалним базама знања и одабраним процесним модулима. На овај начин, општинске специфичности се чувају без жртвовања економије обима.

Ангажовање грађана се развија иза кулиса

Грађани не процењују јавну управу по броју модела вештачке интелигенције које користи. Они се суочавају са временима чекања, разумљивошћу, приступачношћу, поузданошћу и једнаким третманом. Успешна стратегија вештачке интелигенције стога мора бити мерена овим факторима. Ако писмо постане брже, али мање разумљиво, мало се добија. Ако четбот одговара 24 сата дневно, али ствара лажни осећај сигурности у изузетним случајевима, поверење заправо може опадати.

Најјачи утицај на грађане често настаје индиректно. Брже интерно истраживање смањује време повратних позива. Аутоматизоване провере потпуности смањују захтеве за накнадно праћење. Алати за превођење побољшавају приступ за људе са ограниченим знањем немачког језика. Разумљивији нацрти могу поједноставити компликовани административни језик. Запослени добијају више времена за случајеве који захтевају лично објашњење или разматрање. Вештачка интелигенција стога не замењује контакт, али га може поново успоставити где је то потребно.

Спољни грађански асистент треба да се имплементира тек када је интерна база знања поуздана. У супротном, општина ће једноставно аутоматизовати своје двосмислености. Препоручљив је ограничен почетак са често постављаним, неличним питањима, транспарентним изворима и јасним упућивањима на људско особље. Асистент не сме да се претвара да даје правно обавезујући одговор. За сваки одговор мора бити јасно да ли је у питању општа информација или савет специфичан за случај.

За добар почетак потребно је неколико јасних приоритета

Халтерн не би требало да почне са дугачком листом жеља, већ са портфолиом од три до пет случајева употребе. Први фокус би могао бити на безбедној помоћи са текстом и документима. Други би се могао односити на обраду долазних докумената. Трећи би требало да се бави интерним управљањем знањем. Јасно дефинисан процес са мерљивим обимом, као што је прелиминарни преглед стандардизованих докумената, такође је погодан. Ова комбинација генерише краткорочне успехе у учењу, а истовремено гради платформу за дугорочну употребу.

Избор треба вршити према јединственом оквиру: обим предмета, тренутни утрошак времена, стандардизација, доступност података, напори интеграције, последице грешака и очекиване користи. Предност се даје пријавама са великим обимом, добром основом података и малим правним утицајем. Пријаве са високим ризиком или нејасним ситуацијама са подацима се одлажу. Ово чини рангирање економски транспарентним и не одређује га тржишни удео појединачних пружалаца услуга или одељења.

Сваки пилот пројекат захтева стручњака за предметну област, техничког вођу и мерљиву циљну вредност. Након три до шест месеци, доноси се одлука о томе да ли апликацију треба прекинути, прилагодити или скалирати. Успех није само уштеда времена. Такође се морају мерити квалитет, прихватање, стопа грешака, број потребних исправки, стабилност и утицај на грађане. Пилот пројекат без унапред дефинисаних критеријума за прекид може лако постати текући експеримент.

Општински оперативни модел у четири фазе

У првој фази, град успоставља ред. Документује постојећу употребу вештачке интелигенције, дефинише одговорности, усваја прелиминарну политику коришћења и класификује податке и случајеве употребе. Истовремено, укључени су савет особља, заштита података, безбедност информација, правно одељење и релевантна одељења. Резултат није дугачак извештај о политици, већ практичан оквир.

У другој фази, обезбеђује се безбедно окружење за помоћ. Запослени добијају званични приступ, обуку и јасну листу дозвољених задатака. У почетку се обрађује јавни или мање осетљив садржај. Град прикупља податке о коришћењу и документује типичне грешке. Тиме се неконтролисана вештачка интелигенција у сенци замењује бољом, званичном алтернативом.

Трећа фаза обухвата интеграцију знања и повезивање процеса. Објављени општински документи се верзионишу и индексирају, одговори се повезују са релевантним изворима, а почетне специјализоване апликације се повезују путем интерфејса. Овде се јавља највећи добитак продуктивности, али и када се повећавају захтеви за тестирање и рад. Стога, модел управљане вештачке интелигенције мора да укључује подршку, праћење, контролу трошкова и управљање променама.

У четвртој фази, доказане апликације се примењују на различите општине. Халтерн може да усвоји модуле који функционишу и на другим местима и да допринесе сопственим искуствима. Већа улагања се деле. Истовремено, редовна поређења модела остају неопходна како би се осигурало да трошкови и квалитет остану конкурентни. Град се тако развија од купца појединачних алата за вештачку интелигенцију до компетентног клијента дигиталне оперативне услуге.

Користи захтевају систем кључних индикатора учинка општине

Једноставан систем кључних индикатора учинка (KPI) спречава претеривање. На нивоу процеса, кључне метрике укључују време протока, време активне обраде, упите, стопу грешака и заостатак. На нивоу запосленог, релевантне су стопе коришћења, перципирано смањење оптерећења и потребе за обуком. Из перспективе грађана, треба узети у обзир време одзива, разумљивост, стопу жалби и успешно решавање захтева. Са техничке стране, важни су и доступност, време одзива, цена по трансакцији и број инцидената везаних за безбедност.

Кључни индикатори учинка (KPI) морају се прикупити пре пилот пројекта; у супротном, поређење је немогуће. Штавише, град би требало да направи разлику између бруто и нето користи. Пола сата брже генерисање текста није потпуни добитак ако је за то потребно додатних двадесет минута прегледа. Такође се морају узети у обзир ефекти промене: Да ли ће се смањити обим посла у релевантном одељењу, али ће се повећати напори у ИТ-у или обезбеђивању квалитета? Само свеобухватна анализа ће открити да ли општина заправо постаје продуктивнија.

Транспарентност истовремено јача политичко управљање. Савету нису потребни детаљни технички извештаји, већ редован преглед примењених апликација, трошкова, користи, ризика и свих необичних инцидената. Грађани би требало да буду у стању да разумеју где се користи вештачка интелигенција и где се доносе људске одлуке. Таква отвореност спречава и неосноване страхове и нереална очекивања.

Највећи ризици леже у лошем управљању

Халуцинације, изобличења и кршења података су стварни технички ризици. Међутим, подједнако опасне су организационе грешке: нејасне одговорности, недостатак одржавања података, неадекватна обука, превише паралелних пилот пројеката и зависност од појединачних консултаната. Платформа вештачке интелигенције може бити технички одлична, а ипак пропасти ако нико не ажурира базу знања или ако одељења не препознају њене предности.

Још један ризик је аутоматизација неефикасних процеса. Ако процедура садржи непотребне петље прегледа, нејасне одговорности или дуплирани унос података, вештачка интелигенција је може само учинити компликованијом и бржом. Стога, пре било какве аутоматизације, треба испитати да ли се кораци могу елиминисати, стандардизовати или правно поједноставити. Оптимизација процеса и употреба вештачке интелигенције иду руку под руку.

Коначно, општине не би требало унапред да планирају повећање продуктивности. Истраживања и пракса откривају значајне разлике између задатака. ОЕЦД описује продуктивност, брзину реаговања и одговорност као кључне могућности за коришћење вештачке интелигенције од стране владе, али такође истиче да су докази о широком повећању продуктивности организације још увек ограничени. Одговорно планирање стога користи сценарије, маргине безбедности и фазне инвестиције.

Зашто нерадити ништа може бити најскупља опција

Постоје добри разлози против брзог увођења вештачке интелигенције. Међутим, подједнако јаки економски аргументи говоре против бесконачног чекања. Запослени ће наставити да експериментишу са јавним алатима, суседне општине ће стицати искуство, а добављачи ће брзо прилагођавати своје производе. Они који не успеју да обезбеде контролисану алтернативу не спречавају вештачку интелигенцију, већ губе могућност да је контролишу. Истовремено, јаз у квалитету података, интерфејсима и стручности се повећава.

Трошкови неактивности се не појављују као једна ставка у буџету. Они се манифестују у дужем времену обраде, растућем заостатку, губитку знања, преоптерећењу и смањењу атрактивности послодаваца. Млађи стручњаци, посебно, очекују модерне алате. Администрација која фундаментално блокира дигиталну помоћ такмичи се са послодавцима који у већој мери аутоматизују рутинске задатке и нуде већи простор за захтевне активности.

Прави приступ није ни ентузијазам за технологију нити њено одбацивање. Халтерну је потребан контролисан процес учења са заједничком инфраструктуром, јасним границама и ригорозним мерењем користи. Управљана вештачка интелигенција је идеална за ово јер модел организује континуирану оперативну одговорност. Не третира вештачку интелигенцију као софтвер стечен једном, већ као динамичну инфраструктуру која се мора континуирано пратити, ажурирати и професионално управљати.

Захтев за преиспитивање мора се трансформисати у оперативну стратегију

Политички преглед примене вештачке интелигенције може бити корисна полазна тачка. Његова вредност зависи од тога да ли води до јасне архитектуре имплементације. Пуки каталог замисливих примена само би одложио проблем. Уместо тога, потребни су приоритети, одговорности, међуопштински оперативни модел, финансијски оквир и мерљиви пилот пројекти.

Образложење је, дакле, следеће: Халтерн не би требало да третира вештачку интелигенцију као изоловани дигитални пројекат, већ као саставни део својих општинских јавних услуга. Град не мора да развија сопствени језички модел или да сам управља сваким решењем. Требало би да користи постојеће државне и регионалне структуре, инсистира на отвореним и заменљивим компонентама и гради локалну стручност у процесима, подацима и контроли. На овај начин, економија обима може се комбиновати са општинском аутономијом.

Управљана вештачка интелигенција није само додатна погодност, већ механизам који комбинује корист са управљивошћу. Без управљања, модели остају изоловани алати, ризици података су нејасни, а успеси су ствар случаја. Професионални оперативни оквир омогућава сигурним асистентима, општинској стручности и аутоматизованим корацима да се развију у продуктивну инфраструктуру. Стратешко питање, дакле, више није да ли ће вештачка интелигенција стићи у градску кућу. Већ да ли ће град обликовати њену имплементацију – или ће бити приморан да касније усвоји спољна решења под већим притиском.

Квази-интерно решење: Како Xpert.Digital затвара оперативне празнине у B2B маркетингу и продаји – Паметно пословање вођено садржајем - Слика: Xpert.Digital

Xpert.Digital је B2B индустријски центар вођен подацима, којим руководи Konrad Wolfenstein . Компанија делује као екстерно, квази-интерно решење за индустријске партнере, попуњавајући оперативне празнине у маркетингу, садржају и продаји – без потребе за додатним ресурсима на страни клијента.

Више информација овде:

• Квази-интерно решење: Како Xpert.Digital затвара оперативне празнине у B2B маркетингу и продаји – Паметно пословање вођено садржајем

☑️ Наш пословни језик је енглески или немачки

☑️ НОВО: Преписка на вашем матерњем језику!

Konrad Wolfenstein

Ја и мој тим смо срећни што вам можемо бити на располагању као ваш лични саветник.

Можете ме контактирати попуњавањем контакт форме овде [email protected]:или ме једноставно позовите на +49 7348 4088 965. Моја имејл адреса је

Радујем се нашем заједничком пројекту.

☑️ Подршка малим и средњим предузећима у стратегији, консултацијама, планирању и имплементацији

☑️ Креирање или реорганизација дигиталне стратегије и дигитализације

☑️ Проширење и оптимизација међународних продајних процеса

☑️ Глобалне и дигиталне B2B платформе за трговање

☑️ Пионирски развој пословања / Маркетинг / Односи с јавношћу / Сајмови