Własny język dla modelu AI. Co natywna składnia LLM zmienia w przetwarzaniu dokumentów w urzędzie

Większość formatów, z których dziś korzystają modele językowe, powstała z myślą o ludziach. HTML, XML, Markdown, JSON, to konstrukcje czytelne dla programisty albo przeglądarki, a model musiał się ich nauczyć przy okazji. Nowy kierunek idzie odwrotnie: zamiast uczyć modelu cudzego języka, tworzy się język zaprojektowany pod sposób, w jaki modele faktycznie przetwarzają informacje. Tak działa LLMON, format znaczników stworzony natywnie dla LLM-ów, wbudowany już w małe, otwarte modele Granite 4.1 w wariantach 3B i 8B. Model nie musi zgadywać, jak interpretować strukturę. Zna ją.

Co to oznacza dla polskich urzędów i instytucji publicznych

Dla urzędu najważniejsza jest przewidywalność wyników. Gdy model ma wyciągnąć dane ze wniosku, przetworzyć decyzję albo wypełnić szablon pisma, liczy się to, żeby wynik za każdym razem miał tę samą strukturę, dało się go wczytać do systemu bez ręcznych poprawek. Natywna obsługa strukturyzowanego formatu przez model, zamiast prób dopasowania go do JSON po fakcie, to krok w stronę mniej zawodnego potoku dokumentów.

Modele Granite 4.1 w rozmiarze 3B i 8B to małe modele, które zmieszczą się na serwerze instytucji bez specjalistycznych kart GPU. Połączenie: lokalny deployment, otwarte wagi, natywna obsługa struktury, to zestaw realny do wdrożenia w środowisku, gdzie dane nie mogą opuszczać infrastruktury. Rejestr PESEL, dokumentacja przetargowa, akta administracyjne, wszystko to może być przetwarzane lokalnie, z przewidywalnym, ustrukturyzowanym wyjściem gotowym do dalszej automatyzacji.

• Wyciąganie danych z dokumentów: wniosek, faktura, decyzja na wejściu, gotowe pola w ustalonym formacie na wyjściu, bez ręcznego mapowania.
• Generowanie pism i szablonów: model wypełnia strukturę dokumentu zgodnie z regułami formatu, nie interpretuje jej na nowo przy każdym wywołaniu.
• Integracja z systemami dziedzinowymi: przewidywalne wyjście z modelu łatwiej wpina się w istniejący EZD, obieg workflow czy bazę danych bez warstwy tłumaczącej.
• Weryfikacja i kontrola jakości: gdy model zna format natywnie, łatwiej sprawdzić, czy wynik jest kompletny, a braki są brakami, nie błędem parsowania.

Warto patrzeć na to szerzej. Standaryzacja formatu komunikacji między modelem a systemem to coś, czego integratorzy szukają od dawna. Dziś każde wdrożenie wymyśla własne prompty, własne schematy walidacji, własne heurystyki. Gdy model ma wbudowany, zdefiniowany sposób wyrażania struktury, część tej pracy odpada. Mniej kodu kleju, mniej miejsca na błędy.

Małe, lokalne modele z natywną obsługą strukturyzowanych formatów to kierunek, który ma sens dla urzędów szukających rozwiązań bez uzależnienia od zewnętrznych API i bez kompromisów bezpieczeństwa danych. Jeśli chcecie sprawdzić, czy taki wariant pasuje do Waszych procesów dokumentowych, zapraszamy na bezpłatny audyt.