Ekspert i AI jako para. Co systemy utrzymania wiedzy eksperckiej zmieniają w urzędzie

Jeden z trudniejszych problemów w każdej organizacji publicznej nie dotyczy technologii. Dotyczy ludzi. Specjalista od zamówień publicznych, inspektor z dwudziestoletnim doświadczeniem, prawnik, który przez lata budował wewnętrzne orzecznictwo danej jednostki, niosą ze sobą wiedzę, której nie ma w żadnym systemie. Gdy odchodzą, następca zaczyna od zera. Badacze zajmujący się systemami AI zaproponowali podejście, które próbuje ten problem zaadresować inaczej niż dotychczas: zamiast dokumentować wiedzę po fakcie, przypisują ekspertowi partnera AI od początku, budując wspólną pamięć roboczą na bieżąco.

Chodzi o to, żeby AI nie było narzędziem wywoływanym do konkretnych zadań, ale stałym współpracownikiem konkretnego człowieka. Taki partner śledzi, jak ekspert rozumuje, jakich argumentów używa, które precedensy uznaje za ważne, gdzie robi wyjątki i dlaczego. Z czasem staje się przedłużeniem jego wiedzy, a nie tylko asystentem do szybkich odpowiedzi. Gdy ekspert odchodzi lub przechodzi na inne stanowisko, ta wiedza nie znika razem z nim.

Co to oznacza dla polskich urzędów i instytucji publicznych

Rotacja kadr w administracji publicznej to stały problem, szczególnie w obszarach technicznych i prawnych. Informatycy, specjaliści od funduszy unijnych, prawnicy obsługujący specyficzne typy postępowań, urzędnicy znający niuanse lokalnych procedur, to osoby, których odejście kosztuje miesiące wdrażania następcy. Podejście oparte na stałym parowaniu eksperta z AI mogłoby skrócić ten czas.

• Ciągłość instytucjonalna. Wiedza przestaje być wyłącznie w głowie jednej osoby. Nowy pracownik dostaje dostęp do kontekstu, który wcześniej był niewidoczny dla każdego poza samym ekspertem.
• Szybsze wdrażanie zastępców. Zamiast miesięcy nauki przez popełnianie błędów, nowa osoba pracuje od początku z systemem, który zna specyfikę stanowiska.
• Walidacja decyzji. AI, które zna wzorzec rozumowania eksperta, może sygnalizować, gdy nowe decyzje odbiegają od wypracowanej praktyki, co jest cenne szczególnie przy kontrolach i odwołaniach.
• Zarządzanie wiedzą bez osobnych projektów dokumentacyjnych. Wiedza buduje się przy okazji normalnej pracy, a nie w ramach kosztownych i często porzucanych inicjatyw „knowledge management".

W praktyce wdrożenie takiego podejścia wymaga przemyślenia kilku rzeczy. Po pierwsze, kto jest właścicielem tej wspólnej pamięci roboczej, ekspert czy instytucja. Po drugie, jak zadbać o prywatność, szczególnie gdy ekspert pracuje z danymi wrażliwymi. Po trzecie, jak zapewnić, żeby wiedza zmagazynowana przez AI nie utrwalała błędów ani uprzedzeń konkretnej osoby.

Żaden z tych problemów nie jest nierozwiązywalny, ale każdy wymaga decyzji organizacyjnej, nie tylko technicznej. Instytucje, które zadbają o odpowiedź na te pytania przed wdrożeniem, zyskają narzędzie, które faktycznie buduje pamięć zbiorową. Pozostałe dostają kolejny system, z którego nikt nie korzysta konsekwentnie.

Jeśli chcecie sprawdzić, czy Wasza instytucja jest gotowa na ten model pracy i gdzie leżą praktyczne bariery, zapraszamy na bezpłatny audyt.