Instytucja publiczna działa pod podwójną presją. Rośnie liczba spraw, wniosków i zapytań, a mieszkaniec przyzwyczaił się do standardu obsługi, jaki zna z bankowości czy e-commerce, i oczekuje go także od urzędu. W środku tej presji stoi urzędnik, który większość dnia poświęca na pracę powtarzalną: przepisywanie danych z formularzy, segregowanie dokumentów, odpowiadanie na te same pytania. To właśnie tam automatyzacja w administracji daje najszybszy zwrot, bo nie dotyka istoty decyzji, tylko uwalnia czas wokół niej.
Z naszego doświadczenia kluczowe jest rozdzielenie dwóch rzeczy: tego, co można bezpiecznie zautomatyzować, i tego, co musi pozostać w rękach człowieka. Nie mamy ambicji zastępować urzędnika, który podejmuje rozstrzygnięcie administracyjne. Budujemy warstwę, która przygotowuje sprawę, porządkuje dane i podpowiada, żeby decyzja zapadała szybciej i na pełniejszym materiale.
Gdzie w administracji realnie marnuje się czas?
Zanim sięgniemy po jakiekolwiek narzędzie, mapujemy, gdzie uciekają godziny. Najczęściej problem nie leży w samej decyzji, tylko w tym, co ją otacza. Dokument przychodzi kilkoma kanałami naraz, trafia do niewłaściwego referatu, czeka na ręczne przepisanie do systemu, a mieszkaniec w tym czasie dzwoni o status i blokuje kolejnego pracownika.
Widać wtedy trzy źródła strat: ręczne przenoszenie danych między kanałem a systemem, błędne kierowanie spraw i obsługę zapytań, na które odpowiedź jest zawsze taka sama. Każde z nich da się ograniczyć osobno, bez wielkiej rewolucji informatycznej, co dla instytucji publicznej bywa warunkiem brzegowym.
Jak AI klasyfikuje i wyciąga dane z dokumentów (OCR, IDP)?
Pierwszy obszar, od którego zwykle zaczynamy, to dokumenty. Inteligentne przetwarzanie dokumentów (IDP) łączy OCR z modelami, które rozumieją treść, a nie tylko odczytują znaki. Taki mechanizm rozpoznaje rodzaj pisma, wyciąga z niego pola i przypisuje je do rubryk w systemie.
W praktyce budujemy potok, który:
- rozpoznaje typ dokumentu (wniosek, odwołanie, zaświadczenie, faktura) i kieruje go dalej,
- wyciąga kluczowe pola (dane wnioskodawcy, daty, kwoty, numery spraw) z plików o różnej jakości,
- waliduje dane względem rejestrów i oznacza przypadki wątpliwe do ręcznego sprawdzenia,
- przekazuje ustrukturyzowany wynik do systemu dziedzinowego, zamiast zmuszać do przepisywania.
Istotne, że model nie „zgaduje w ciemno”: każdemu odczytanemu polu towarzyszy poziom pewności, więc wszystko poniżej progu ląduje u człowieka, a nie w bazie.
Jak agent AI może wspierać obywatela na pierwszej linii?
Druga warstwa to kontakt z mieszkańcem. Agent AI na pierwszej linii (L1) odpowiada na typowe pytania o procedury, wymagane dokumenty, terminy i status prostych spraw. Nie zmyśla przy tym treści, bo opieramy go o architekturę RAG (retrieval-augmented generation): model odpowiada wyłącznie na podstawie zweryfikowanej bazy wiedzy urzędu i potrafi wskazać źródło swojej odpowiedzi.
Taki asystent działa w kanałach, z których mieszkaniec już korzysta, i odciąża infolinię z pytań powtarzalnych. Najważniejszy jest jednak mechanizm eskalacji: gdy pytanie wykracza poza bazę wiedzy, dotyczy indywidualnej sprawy albo wymaga rozstrzygnięcia, agent przekazuje kontakt do urzędnika razem z kontekstem rozmowy. To kompetencja, którą realnie rozwijamy w grupie RITS: budowaliśmy już asystenta wiedzy opartego o AI dla klienta z sektora ubezpieczeń, więc wzorzec „RAG plus eskalacja do człowieka” jest nam dobrze znany.
Na czym polega automatyczny triage spraw?
Triage to wstępne rozpoznanie i skierowanie sprawy we właściwe miejsce. Model czyta zgłoszenie, rozpoznaje jego kategorię i proponuje referat, priorytet oraz termin. Pilne sprawy nie czekają w ogólnej kolejce, a niekompletne od razu dostają sygnał o brakującym załączniku.
Traktujemy triage jako rekomendację, nie wyrok. Automat porządkuje napływ i proponuje przypisanie, ale ostatnie słowo należy do koordynatora, który może zmienić je jednym kliknięciem. Taki układ łączy tempo maszyny z odpowiedzialnością człowieka.
Jak zautomatyzować procesy back-office (workflow, RPA)?
Na zapleczu największą wartość daje połączenie dwóch podejść. Silnik workflow prowadzi sprawę przez kolejne etapy i pilnuje terminów, a RPA (robotic process automation) przejmuje żmudne operacje w systemach bez wygodnego API.
Automatyzujemy tu przede wszystkim czynności nużące i podatne na pomyłki:
- przepisywanie danych między aplikacjami, które ze sobą nie rozmawiają,
- generowanie powtarzalnych pism i potwierdzeń na podstawie szablonów,
- aktualizację statusów i powiadomień dla mieszkańca,
- kompletowanie akt sprawy z różnych rejestrów w jednym widoku.
Takie roboty pracują w tle, całą dobę, i nie męczą się przy tysięcznym wniosku. Zostawiają przy tym czytelny ślad każdej operacji, więc nic nie dzieje się poza ewidencją.
Jak zapewnić człowieka w pętli, przejrzystość i zgodność?
To sekcja, którą w sektorze publicznym stawiamy ponad efektowność. Decyzja administracyjna dotyka praw i obowiązków obywatela, dlatego nie oddajemy jej modelowi. AI przygotowuje materiał, proponuje i podpowiada, ale rozstrzyga człowiek.
Projektujemy te rozwiązania wokół kilku zasad. Każde działanie automatu zostaje zapisane i możliwe do odtworzenia, więc da się wykazać, kiedy i na jakiej podstawie coś się wydarzyło. Odpowiedzi agenta są oparte o źródła, a nie o nieprzejrzystą „intuicję” modelu. Dane przetwarzamy zgodnie z wymogami ochrony danych osobowych i sektorowymi regulacjami. Taka przejrzystość to nie dodatek, lecz warunek, żeby w ogóle rozmawiać o AI w urzędzie.
Jakie kompetencje AI i danych dostarczamy?
Nie sprzedajemy pudełka z napisem „AI”. Wnosimy ludzi, którzy potrafią zbudować takie rozwiązanie i utrzymać je po wdrożeniu. W grupie RITS łączymy inżynierię oprogramowania z realną praktyką AI i danych (w tym nasze zespoły AI/Data), a realizowaliśmy już projekty GenAI, RAG i LLM dla klientów komercyjnych.
W projekcie dla instytucji publicznej obsadzamy zwykle:
- inżynierów AI/ML i NLP, którzy projektują klasyfikację dokumentów i warstwę RAG,
- inżynierów danych, którzy porządkują i integrują źródła, na których model ma się opierać,
- specjalistów od automatyzacji procesów (workflow, RPA) spinających zaplecze,
- architekta i backend developerów, którzy łączą to z systemami dziedzinowymi.
Zaznaczamy uczciwie: nie mamy jeszcze wdrożenia AI w administracji publicznej. Mamy natomiast analogiczne doświadczenie z sektorów o podobnych wymaganiach co do dokumentów, zgodności i obsługi klienta.
Jak robimy to w RITS?
Pracujemy jako partner nearshore z Polski, więc działamy w tej samej strefie czasowej i rozumiemy krajowy kontekst regulacyjny. Zaczynamy od warsztatu, na którym razem z zespołem instytucji wybieramy jeden proces o dużym wolumenie i małym ryzyku, i na nim pokazujemy wartość, zanim cokolwiek skalujemy.
Dalej idziemy etapami: od pilotażu na wydzielonym procesie, przez pomiar efektu, po stopniowe rozszerzanie. Skład zespołu dobieramy pod konkretny zakres, a współpracę układamy elastycznie, od wzmocnienia istniejącego zespołu IT po zespół dedykowany prowadzący temat end-to-end. Różnice między tymi podejściami rozpisaliśmy w artykule o modelach współpracy IT.
Od czego zacząć automatyzację i AI w sektorze publicznym?
Zacznij od jednego procesu, który boli najbardziej, a nie od wielkiej strategii. Najlepszy kandydat ma duży wolumen, powtarzalny przebieg i niskie ryzyko błędu, na przykład wstępna klasyfikacja wniosków albo odpowiadanie na typowe zapytania. To wyznaczy zakres pilotażu, potrzebne dane i role w zespole.
Ułóż też z góry zasady dotyczące człowieka w pętli i zgodności, bo w administracji to one decydują o powodzeniu, a nie sama technologia. Reszta układa się wokół tych dwóch decyzji.
Myślisz o automatyzacji i AI w obsłudze spraw publicznych? Porozmawiajmy, wybierzemy pierwszy proces i dobierzemy zespół pod Twoją instytucję.
Wdróż automatyzację i AI w obsłudze spraw publicznych z nami