Blog JSystems - uwalniamy wiedzę!
Blog JSystems - uwalniamy wiedzę!
W skrócieAI w administracji publicznej to wykorzystanie narzędzi takich jak ChatGPT, Microsoft Copilot i modele uruchamiane lokalnie do pracy, która w urzędzie zabiera najwięcej czasu. Przygotowują projekty pism, porównują wersje regulaminów, odczytują skany wniosków, analizują rejestry w Excelu i piszą protokoły z narad, a decyzję podejmuje i podpisuje pracownik.
Pokazujemy, co już dziś da się zrobić w zwykłym czacie AI, bez wdrożeń i bez programowania, na konkretnych dokumentach. Wszystkie przykłady przeprowadziliśmy na dokumentach fikcyjnego Urzędu Miejskiego w Modrzewiowie. Miasto prowadzi program dotacji do wymiany pieców na paliwo stałe, a wydział ochrony środowiska rozpatruje wnioski, odpowiada mieszkańcom, przygotowuje regulamin na kolejny rok i naradza się, co zrobić, gdy pieniądze w budżecie się kończą. Każdy plik możesz pobrać, a każde polecenie skopiować jednym kliknięciem i powtórzyć u siebie.
Z tego artykułu dowiesz się:
Pliki do pobrania: na nich pracujemy w całym artykule
Miasto, urząd, osoby i dane są fikcyjne, ale dokumenty ułożyliśmy tak, jak wyglądają w prawdziwym urzędzie: z brakami we wnioskach, błędami w rejestrze i sprzecznościami w projekcie regulaminu. Pobierz pliki i przetestuj polecenia u siebie.
Rozmowę o AI w urzędzie najlepiej zacząć od listy zadań i jednego pytania: nad czym w wydziale siedzimy najdłużej i gdzie najczęściej poprawiamy po sobie? W większości urzędów odpowiedź jest podobna: pisma i odpowiedzi na wnioski, czytanie i porównywanie dokumentów, rejestry w Excelu, protokoły z narad i odpowiedzi na te same pytania mieszkańców. Na grafice rozpisaliśmy siedem obszarów, w których model językowy realnie skraca pracę. W każdym działa tak samo: przygotowuje pierwszą wersję, a pracownik ją sprawdza, poprawia i podpisuje.
Model językowy to program, który czyta i pisze tekst: ChatGPT, Microsoft Copilot, Claude, Gemini. Narzędzia różnią się tym, gdzie działają i do czego mają dostęp, więc wybór zależy od zadania. Pisma, analizy plików i odczyt skanów zrobisz w ChatGPT. Jeśli urząd pracuje w Wordzie, Excelu i Outlooku, wygodniej będzie w Microsoft 365 Copilot, który widzi pliki w środowisku Microsoft 365 urzędu. Do pracy wyłącznie na wgranym zbiorze procedur i uchwał nadaje się NotebookLM, a do przeglądu informacji z internetu z linkami do źródeł Perplexity. Osobną kategorią jest model uruchomiony lokalnie, na komputerze urzędu, na przykład w darmowym programie Ollama: jest słabszy od modeli w chmurze, ale dane nie opuszczają komputera, co pokazujemy w sekcji o bezpieczeństwie.
Wszystkie przykłady w tym artykule przeprowadziliśmy w ChatGPT na koncie firmowym, bo tam w jednej rozmowie dołączysz plik Excela, PDF i skan. Polecenia zadziałają też w Copilocie i w innych narzędziach z listy, choć każde sformułuje odpowiedź po swojemu. Różnice między ChatGPT Business a Copilotem w codziennej pracy opisujemy w artykule ChatGPT Business vs Microsoft Copilot: co wybrać do firmy.
Czytaj też: NotebookLM (Notebook LLM): kompletny tutorial po polsku, krok po kroku ze zrzutami. Pokazujemy tam, jak założyć notatnik, dodać dokumenty jako źródła i sprawdzać przypisy przy każdej odpowiedzi.
Model językowy nie zagląda do Dziennika Ustaw. Na podstawie ogromnej ilości przeczytanych tekstów przewiduje, jakie słowa powinny paść dalej, dlatego pisze płynnie i przekonująco także wtedy, gdy się myli. Taką pewną siebie pomyłkę nazywa się halucynacją. W urzędzie najczęściej dotyczy podstawy prawnej: numeru artykułu, brzmienia przepisu albo terminu. Dlatego w każdym poleceniu z tego artykułu stoją trzy zabezpieczenia: dołączamy dokument źródłowy, zabraniamy dopisywania przepisów, których nie podaliśmy, i każemy oznaczać braki jako miejsca do uzupełnienia. Podstawę prawną z projektu pisma i tak sprawdzasz sam, w Internetowym Systemie Aktów Prawnych albo w uchwale opublikowanej w BIP.
Od jakości polecenia, które w żargonie nazywa się promptem, zależy, czy dostaniesz gotowe pismo, czy ogólnik do przepisania od nowa. Polecenie „napisz wezwanie do uzupełnienia wniosku” da tekst poprawny, ale nijaki i pełen wymyślonych szczegółów. Dobre polecenie dla urzędnika ma sześć elementów i każdy z nich czemuś służy: rola ustawia punkt widzenia, kontekst dostarcza faktów, zadanie mówi, co ma powstać, format określa kształt pisma, ograniczenia chronią przed wymyślaniem przepisów, a styl pilnuje języka urzędowego, który mieszkaniec zrozumie.
Styl urzędowy łatwo uzyskać i równie łatwo zgubić w dłuższej rozmowie. Działają trzy sposoby. Pierwszy to wzorzec stylu wklejany na początku rozmowy, który znajdziesz w bibliotece niżej. Drugi to przykład: dołącz pismo, które w wydziale uważacie za wzorcowe, i poproś o ten sam układ i ton. Trzeci to poprawianie w kolejnych poleceniach zamiast pisania wszystkiego od nowa: „skróć do jednej strony”, „usuń zdania w stronie biernej”, „dodaj pouczenie na końcu”. Polecenia wieloetapowe, w których każde kolejne pracuje na wyniku poprzedniego, pokazujemy w sekcji o rejestrze w Excelu i w sekcji o obsłudze mieszkańców.
Każdy wydział ma kilka zadań, które wracają co tydzień. Zamiast za każdym razem pisać polecenie od zera, warto raz zbudować bibliotekę sprawdzonych promptów i trzymać ją we wspólnym folderze wydziału. Najszybciej zbudujesz ją z pomocą samego AI: wypisz swoje powtarzalne zadania i poproś o gotowe polecenia według schematu z grafiki powyżej.
Polecenie: biblioteka promptów dla wydziału jako plik Word
Pobierz biblioteka_promptow_ochrona_srodowiska.docx Plik Word z biblioteką, który przygotował ChatGPT w tej rozmowie.
Bibliotekę traktuj jak żywy dokument. Gdy któryś prompt w praktyce zawodzi, popraw go i zapisz nową wersję z datą, a nowe zadania dopisuj na końcu. Wspólny plik w folderze wydziału sprawia, że nowa osoba w zespole od pierwszego dnia pisze polecenia tak samo jak reszta.
Czytaj też: Prompt Engineering - techniki które musisz znać żeby wyciągnąć maksimum z AI. Siedem technik pisania poleceń, od roli i kontekstu przez przykłady w poleceniu po rozbijanie zadania na kroki, oraz najczęstsze błędy, przez które prompty zawodzą.
Czytanie i porównywanie dokumentów to zadanie, przy którym AI oszczędza w urzędzie najwięcej czasu, bo odpowiedź da się sprawdzić w źródle. Model zestawia dwie wersje regulaminu paragraf po paragrafie, streszcza uchwałę dla kierownictwa, wyciąga konkretne informacje z długiego pliku PDF i odczytuje skan papierowego wniosku. Pokazujemy dwa takie zadania na dokumentach fikcyjnego Urzędu Miejskiego w Modrzewiowie.
Wydział przygotowuje projekt regulaminu dotacji na 2027 r. i zanim wyśle go radcy prawnemu, chce wiedzieć, co dokładnie zmienia wobec regulaminu obowiązującego w 2026 r. i czy w projekcie nie zostały sprzeczności po przeróbkach. Dołączasz oba pliki PDF i wklejasz polecenie.
Pobierz modrzewiow_regulamin_dotacji_2026.pdf Pobierz modrzewiow_projekt_regulaminu_2027.pdf Dwa pliki, które dołączasz do polecenia poniżej.
Polecenie: tabela zmian, usterki projektu i streszczenie dla mieszkańca
Tabela ma cztery kolumny. Z ostatniej, „Co to oznacza dla mieszkańca”, od razu zrobisz materiał na konsultacje albo uzasadnienie do projektu uchwały. W drugiej części tabeli widać zmiany terminów, które najmocniej dotkną wnioskodawców: nabór kończy się 30 września zamiast 30 listopada, urząd ma 21 dni na rozpatrzenie wniosku zamiast 30, a mieszkaniec 7 dni na uzupełnienie braków zamiast 14.
Do projektu celowo wpisaliśmy cztery błędy, jakie zdarzają się przy przerabianiu aktów: dwa różne limity dla pompy ciepła, termin realizacji inwestycji wcześniejszy niż koniec naboru, odesłanie do nieistniejącego paragrafu i dwa różne terminy rozliczenia. ChatGPT znalazł wszystkie cztery, przy każdym wskazał paragrafy i zaproponował poprawkę.
Ciekawsze jest to, czego nie planowaliśmy. W nowym § 3 ust. 2 napisaliśmy, że kwotę dotacji „zwiększa się o 1 500 zł” przy niskim dochodzie, i nie zauważyliśmy, że z takiego zapisu nie wynika, czy dodatek mieści się w limicie, czy jest ponad nim. Model policzył to na przykładzie pompy ciepła za 20 000 zł: według jednej interpretacji mieszkaniec dostanie 7 000 zł, według drugiej 8 500 zł. Takie niejasności lepiej usunąć przed uchwaleniem regulaminu niż tłumaczyć je mieszkańcom po ogłoszeniu naboru.
Wynik porównania traktuj jako listę miejsc do sprawdzenia, nie jako opinię prawną. Każdą wskazaną zmianę odszukaj w obu plikach, a propozycje poprawek przekaż radcy prawnemu razem z projektem.
Czytaj też: Copilot nie porównuje dwóch wersji dokumentu - jak to zrobić poprawnie. Jeśli w urzędzie pracujesz w Microsoft 365 Copilot, znajdziesz tam sposób na wskazanie obu plików w jednym poleceniu i tabelę różnic z cytatami przed zmianą i po niej.
Mieszkanka złożyła w Biurze Obsługi Mieszkańców papierowy wniosek o dotację, wypełniony ręcznie. Biuro go zeskanowało, a inspektor ma przepisać dane do rejestru i sprawdzić, czy wniosek jest kompletny. Odczyt danych ze skanu nazywa się OCR, od angielskiego optical character recognition, czyli optycznego rozpoznawania znaków. ChatGPT robi to sam, gdy dołączysz plik graficzny. Wniosek i osoba są fikcyjne, a skan przygotowaliśmy tak, jak wygląda typowy wniosek wypełniony długopisem.
Pobierz modrzewiow_wniosek_DOT-2026-0187_skan.jpg Pobierz modrzewiow_regulamin_dotacji_2026.pdf Skan i regulamin, które dołączasz do polecenia poniżej.
Polecenie: odczyt skanu, kontrola z regulaminem i dane osobowe
Kolumna „Odczyt pewny?” to zabezpieczenie, które warto dawać w każdym poleceniu z OCR. Nasz skan jest czytelny, więc przy tych polach model wszędzie wpisał „Tak”. Przy gorszym piśmie odręcznym odczyt bywa błędny, a ta kolumna od razu pokazuje, które pola trzeba porównać ze skanem. Najwięcej czasu oszczędza druga część odpowiedzi, czyli kontrola z regulaminem.
Model wyłapał rzecz, którą przy pośpiesznym czytaniu łatwo przeoczyć: we wniosku wpisano dwa źródła ciepła na paliwo stałe, a do likwidacji tylko jedno. Z tej analizy powstaje wezwanie do uzupełnienia braków, które w następnej sekcji przerabiamy na prosty język.
Ta tabela przyda się, gdy będziesz zasłaniać dane na kopii skanu: danymi osobowymi są tu nie tylko imię, nazwisko i adres, ale też numer działki, numer wniosku i informacja o współwłasności. Zasady dla całego urzędu opisujemy w sekcji o bezpieczeństwie.
Czytaj też: Copilot nie czyta zeskanowanego dokumentu (obraz) - dlaczego. Wyjaśniamy, dlaczego skan bez warstwy tekstowej bywa dla Copilota pustą stroną i jak to obejść przez OCR.
Projekt pisma to zadanie, od którego większość urzędników zaczyna pracę z AI, i słusznie: model szybko układa tekst w stylu urzędowym, a pracownik sprawdza fakty i podpisuje. Pokazujemy dwa pisma, które w każdym urzędzie powstają co tydzień. Pierwsze to przeróbka trudnego w odbiorze wezwania na prosty język, drugie to odpowiedź na wniosek o udostępnienie informacji publicznej, w której część pytań wymaga oceny prawnika.
Z analizy skanu w poprzedniej sekcji wynikło, że we wniosku brakuje dwóch dokumentów, a piec kaflowy też trzeba zlikwidować. Wezwanie w tej sprawie napisaliśmy celowo tak, jak wciąż pisze się wiele pism: jedno zdanie na dwieście słów, odwołania do paragrafów w środku tekstu i termin schowany w połowie akapitu. Takie pismo trudno zrozumieć bez kilkukrotnego czytania. Prosty język zachowuje wszystkie informacje i zmienia ich kolejność: najpierw to, co adresatka musi zrobić i do kiedy, potem szczegóły, a podstawa prawna na końcu. W prawdziwej sprawie przed wklejeniem zastąp imię, nazwisko i adres adresatki znacznikiem, na przykład [ADRESAT]: do przeróbki na prosty język nie są potrzebne, a w gotowym piśmie uzupełnisz je w systemie urzędu.
Polecenie: wezwanie prostym językiem i wersja do przekazania przez telefon
Sprawdziliśmy wersję prostą z oryginałem punkt po punkcie. Zostały w niej numer sprawy, oba brakujące dokumenty, warunek likwidacji pieca kaflowego, termin 14 dni od doręczenia, skutek jego niedotrzymania, trzy sposoby złożenia dokumentów i zasada, że liczy się data wpływu do urzędu. Takie porównanie rób zawsze, bo przy upraszczaniu najłatwiej zgubić właśnie zdanie o skutkach prawnych.
Ustawa o dostępie do informacji publicznej daje urzędowi 14 dni od złożenia wniosku na udostępnienie informacji (art. 13 ust. 1). Gdy to niemożliwe, urząd w tym terminie zawiadamia wnioskodawcę o powodach opóźnienia i o nowym terminie, nie dłuższym niż dwa miesiące od złożenia wniosku (art. 13 ust. 2). Odmowa udostępnienia wymaga decyzji administracyjnej (art. 16). W naszym przykładzie lokalne stowarzyszenie pyta o statystyki programu dotacji, o koszt kampanii informacyjnej, a także o imiona, nazwiska i adresy osób, które dostały dotację. Ta ostatnia część dotyka prywatności mieszkańców, więc polecenie każe jej nie rozstrzygać, tylko przygotować pytania dla radcy prawnego. Imię i nazwisko wnioskodawcy nie są potrzebne do projektu odpowiedzi, więc w prawdziwej sprawie zastąp je znacznikiem.
Polecenie: projekt odpowiedzi, notatka dla radcy prawnego i kontrola przed wysyłką
We wniosku pada pytanie o przyczyny odrzucenia wniosków, a w danych z polecenia tych przyczyn nie ma. Bez zakazu wymyślania liczb i przepisów model mógłby dopisać coś prawdopodobnego, na przykład „brak wymaganych dokumentów”. Z tym zakazem zgłosił lukę, zamiast ją zapełnić.
Termin w naszym przykładzie liczysz od 2 października, czyli informację trzeba udostępnić najpóźniej 16 października 2026 r. albo do tego dnia zawiadomić stowarzyszenie o przedłużeniu terminu. Ten termin sprawdzasz sam, w ustawie i w dacie wpływu z systemu obiegu dokumentów. Projekt odpowiedzi i notatkę dla radcy model przygotował w niecałe dwie minuty, ale decyzja o tym, co i w jakiej formie udostępnić, należy do urzędu.
Zanim ktokolwiek w urzędzie wklei do czatu pismo mieszkańca, trzeba ustalić jedną rzecz: z jakiego narzędzia korzysta. Darmowe i prywatne konta mogą używać rozmów do ulepszania modeli, chyba że użytkownik sam to wyłączy w ustawieniach. Konta dla organizacji, takie jak ChatGPT Business i Enterprise albo Microsoft 365 Copilot na koncie służbowym, nie używają danych do trenowania modeli i mają administratora, który ustawia zasady dla wszystkich. Urząd przetwarza dane mieszkańców w ramach zadań publicznych, więc dostawca narzędzia chmurowego jest dla niego podmiotem przetwarzającym. Zanim takie narzędzie dostanie dokumenty z danymi osobowymi, urząd potrzebuje umowy powierzenia przetwarzania danych z dostawcą (art. 28 RODO), a często także oceny skutków dla ochrony danych (art. 35 RODO). Przy obu sprawach doradza inspektor ochrony danych. Jak te zasady wyglądają w Microsoft 365 Copilot, wyjaśniamy w artykule Copilot a RODO - czy można go używać zgodnie z przepisami w UE.
Czytaj też: ChatGPT w firmie: Plus, Business i Enterprise - co wybrać i ile kosztuje. Porównujemy tam plany ChatGPT dla organizacji: ceny, panel administratora, ochronę danych i RODO oraz to, który plan wybrać.
Zasady, które przekażesz zespołowi, najprościej opisać trzema kolorami. Zielone dokumenty możesz wkleić wszędzie, żółte tylko do narzędzia dopuszczonego przez urząd, czerwonych nie wklejasz do żadnego czatu w chmurze. Osobno stoją informacje niejawne oraz loginy i hasła do systemów urzędu: tych nie wprowadzasz nigdzie, także do modelu na własnym komputerze. To podział, który polecamy jako punkt wyjścia. Ostateczne zasady ustala urząd w zarządzeniu, po opinii inspektora ochrony danych.
Gdy dokument zawiera dane osobowe, a chcesz pracować na nim z AI, najpierw usuwasz z niego dane osób. Robienie tego w czacie w chmurze mija się z celem, bo wysyłasz do niego właśnie to, co chcesz chronić. Rozwiązaniem jest model językowy uruchomiony na komputerze urzędu. Darmowy program Ollama pobiera i uruchamia taki model, a do tekstów po polsku dobrze nadaje się Bielik, polski model językowy rozwijany przez fundację SpeakLeash. Uruchomiliśmy Bielika w wersji 11B na komputerze z kartą graficzną 8 GB. Odpowiedź na poniższe polecenie powstała w niecałe 2,5 minuty, a polecenie i notatka nie opuściły komputera.
Materiał do ćwiczenia to notatka służbowa z oględzin nieruchomości z poprzednich sekcji. Są w niej imiona i nazwiska, adresy, data urodzenia, numery spraw, nazwisko sąsiada i informacja o chorobie, czyli dana o zdrowiu, która w RODO należy do szczególnych kategorii danych osobowych.
Po instalacji programu Ollama model pobierzesz i uruchomisz jednym poleceniem w terminalu. Pierwsze uruchomienie ściąga plik modelu o rozmiarze 6,7 GB, kolejne korzystają z pobranego pliku:
ollama run SpeakLeash/bielik-11b-v3.0-instruct:Q4_K_MPolecenie z ramki niżej ma kilka linii, a Ollama wysyła wpis po każdym naciśnięciu Enter. Dlatego gdy pojawi się znak zachęty >>>, wpisz trzy cudzysłowy """ i naciśnij Enter, wklej treść ramki, a w nowej linii znów wpisz """ i naciśnij Enter. Na zrzucie widać drugi sposób: treść ramki zapisana w pliku tekstowym i podana modelowi w tej samej komendzie.
Pobierz modrzewiow_notatka_ogledziny_2026-10-07.txt Notatka, która jest częścią polecenia poniżej. W ramce jest już wklejona w całości.
Polecenie dla modelu lokalnego: anonimizacja notatki z oględzin
Model zrobił większość pracy dobrze: zastąpił imiona i nazwiska, adres nieruchomości, numer działki, znak sprawy, numer zgłoszenia i datę urodzenia, a zdanie o chorobie zamienił znacznikiem. Przeoczył za to adres sąsiada zapisany w dopełniaczu: „z ul. Jesionowej 16”. Dlatego wynik anonimizacji zawsze czytasz sam, linijka po linijce, zanim cokolwiek wyślesz dalej. Nazwę obrębu model zostawił, bo polecenie jej nie wymieniało: zamienia dokładnie te rodzaje danych, które wypiszesz, więc listę warto ułożyć pod własne dokumenty.
Jedno zastrzeżenie co do nazw. Zamiana danych na znaczniki z listą, która pozwala wrócić do oryginału, to w języku RODO pseudonimizacja, nie anonimizacja. Dla czatu w chmurze tekst ze znacznikami jest nieczytelny, ale urząd nadal traktuje go jak dokument z danymi osobowymi, a lista znaczników zostaje na komputerze pracownika. O tym, czy taki tekst wolno wysłać do narzędzia w chmurze, decydują zasady urzędu, o których piszemy niżej.
Czytaj też: Tutorial Ollama - lokalne modele LLM od zera: instalacja, modele, API i realne zastosowania. Pokazujemy tam instalację, aplikację okienkową Ollama, wybór modelu i przyspieszenie na karcie graficznej.
Zasady korzystania z AI najlepiej spisać w zarządzeniu kierownika urzędu: burmistrza, wójta, prezydenta miasta albo starosty. Projekt takiego zarządzenia też można przygotować z AI, pod warunkiem że podstawę prawną i ostateczne brzmienie sprawdzi radca prawny. W poleceniu wymieniliśmy wszystko, co zarządzenie powinno regulować, a podstawę prawną kazaliśmy zostawić do uzupełnienia.
Polecenie: projekt zarządzenia o zasadach korzystania z AI z listą kontrolną
Paragraf o ochronie danych zasługuje na uwagę z dwóch powodów. Model sam przyjął zasadę ostrzejszą niż nasza infografika: w urzędzie, który przyjmie takie zarządzenie, odczyt prawdziwego skanu wniosku z sekcji o dokumentach robisz w modelu lokalnym, który obsługuje obrazy (Bielik z naszego przykładu czyta tylko tekst), albo na kopii z zasłoniętymi danymi mieszkańca. W uwagach na końcu odpowiedzi model wyjaśnia, że to świadomie restrykcyjna zasada wewnętrzna, a nie twierdzenie, że każde przetwarzanie danych w chmurze jest niezgodne z prawem. Drugi powód to zdanie o pseudonimie, które dokładnie opisuje pułapkę z przykładu z modelem lokalnym.
Do zarządzenia model dołączył listę kontrolną, którą pracownik może mieć pod ręką przy każdym dokumencie. Punkty są ułożone w kolejności, w jakiej podejmuje się decyzję: najpierw narzędzie, potem rodzaj informacji, anonimizacja, cel użycia i na końcu sprawdzenie wyniku.
Unijny AI Act dotyczy urzędu tak samo jak firmy, a dwa jego fragmenty są dla administracji szczególnie ważne. Systemy AI, którymi organ publiczny ocenia, czy komuś przysługują podstawowe świadczenia i usługi publiczne, na przykład z pomocy społecznej, i na tej podstawie je przyznaje, ogranicza lub odbiera, są w AI Act systemami wysokiego ryzyka. Po nowelizacji z 2026 r. obowiązki dla takich systemów zaczną obowiązywać 2 grudnia 2027 r. Przykłady z tego artykułu to praca pomocnicza: AI przygotowuje projekt pisma, porównanie albo listę braków, a o wniosku decyduje pracownik. Gdyby urząd chciał, żeby AI samo oceniało wnioski o świadczenia, to już osobny projekt z oceną ryzyka i udziałem prawnika. Drugie miejsce to oznaczanie treści, do którego wracamy w sekcji o generatywnej AI. Szczegóły obowiązków opisujemy w artykule AI Act: co muszą zrobić polskie firmy, żeby być zgodne z prawem.
Czytaj też: AI Compliance: poradnik dla firm (AI Act, ISO 42001, wdrożenie AI). To cztery bezpłatne artykuły w jednym miejscu: przegląd przepisów, lista kontrolna wdrożenia dla CTO i CISO, norma ISO 42001 i wdrażanie AI w zespole.
Mieszkańcy zadają w kółko te same pytania: ile można dostać, jakie dokumenty przynieść, do kiedy złożyć wniosek, czy można zacząć prace wcześniej. Odpowiedzi są w karcie usługi, ale karta jest napisana dla urzędnika, nie dla mieszkańca. Z jednej karty usługi AI przygotuje w kilka minut trzy materiały: listę pytań i odpowiedzi (FAQ), komunikat na stronę i zarys chatbota informacyjnego. Ważne zastrzeżenie w poleceniu brzmi: korzystaj wyłącznie z informacji z karty, a czego w niej nie ma, wypisz jako brak.
Pobierz modrzewiow_karta_uslugi_dotacja.pdf Plik, który dołączasz do polecenia poniżej.
Polecenie: FAQ, komunikat na stronę i zarys chatbota z karty usługi
Zwróć uwagę na zdanie pod nagłówkiem FAQ. Model nie udaje, że wie, które pytania padają w urzędzie najczęściej, bo karta tego nie mówi. Prawdziwą listę pytań masz w skrzynce e-mail wydziału i w notatkach Biura Obsługi Mieszkańców: wklej kilkanaście takich pytań, bez danych osób, a FAQ trafi dokładnie w to, o co mieszkańcy pytają.
Komunikat ma wszystko, czego potrzebuje mieszkaniec: kwoty, termin, ostrzeżenie o kończących się pieniądzach, listę dokumentów, adres i godziny pracy biura. Zanim go opublikujesz, porównaj kwoty i terminy z kartą usługi. To szybkie sprawdzenie, a błąd w kwocie dotacji na stronie urzędu kosztuje później wiele rozmów z rozczarowanymi mieszkańcami.
Chatbot na stronie urzędu to coraz częstszy pomysł, ale zanim ktokolwiek go zbuduje, trzeba ustalić, o czym ma rozmawiać, czego nie robi i kiedy oddaje rozmowę człowiekowi. Ta część odpowiedzi jest gotowym punktem wyjścia do takiej rozmowy w urzędzie, na przykład z inspektorem ochrony danych.
Na końcu odpowiedzi model wypisał siedem informacji, których brakuje w karcie usługi, żeby chatbot i FAQ działały bez wpadek, od aktualnej puli środków i linku do formularza po telefon do wydziału i zasady przekazywania rozmów konsultantowi. Zauważył też coś, czego sami nie dostrzegliśmy, pisząc kartę usługi: karta wyznacza ten sam dzień, 15 grudnia, na zakończenie prac i na ostateczne rozliczenie, choć jednocześnie daje na rozliczenie 30 dni od zakończenia prac. Model radzi, żeby chatbot podawał oba warunki razem.
W wielu gminach mieszka dziś sporo osób, dla których polski nie jest pierwszym językiem. W tej samej rozmowie poprosiliśmy o tłumaczenie komunikatu na ukraiński i o listę słów, które powinna sprawdzić osoba znająca język. Tłumaczenia przed publikacją zawsze sprawdza człowiek, a lista słów wskazuje, od których zacząć.
Polecenie 2 w tej samej rozmowie: tłumaczenie komunikatu na ukraiński
Osobna sprawa to dostępność. Art. 6 pkt 3 lit. c ustawy o zapewnianiu dostępności osobom ze szczególnymi potrzebami wymaga, żeby urząd miał na stronie internetowej informację o zakresie swojej działalności także w tekście łatwym do czytania, czyli ETR. AI dobrze sprawdza się przy pierwszej wersji takiego tekstu: krótkie zdania, jedno zdanie, jedna informacja, bez skrótów. Gotowy tekst ETR powinien jednak sprawdzić ktoś z grupy odbiorców, dla której jest przeznaczony, i tego kroku AI nie zastąpi.
Każdy wydział prowadzi jakiś rejestr w Excelu: wniosków, spraw, umów, zgłoszeń. Zestawienie dla kierownictwa to zwykle popołudnie z filtrami i tabelą przestawną, a błędy w danych wychodzą dopiero przy sprawozdaniu. Pokazujemy, jak to samo zrobić jednym poleceniem na rejestrze 430 wniosków o dotację z lat 2025 i 2026. Dane są fikcyjne, a do rejestru celowo wpisaliśmy siedem błędów, które zdarzają się przy ręcznym prowadzeniu tabel: kwota ponad limit, dotacja wyższa niż połowa kosztów, data umowy wcześniejsza niż data wpływu, umowa mimo negatywnego wyniku, rozliczenie bez kwoty wypłaty, wypłata wyższa niż umowa i druga dotacja na tę samą działkę. Rejestr nie ma imion, nazwisk ani adresów wnioskodawców, bo do zestawień nie są potrzebne, i tak warto przygotować też kopię prawdziwego rejestru. Numer działki z obrębem i nazwisko inspektora nadal są jednak danymi osobowymi, więc taki plik trafia tylko do narzędzia dopuszczonego przez urząd.
Pobierz modrzewiow_rejestr_wnioskow_dotacje_2025_2026.xlsx Plik, który dołączasz do polecenia poniżej.
Polecenie 1: podsumowanie, czas rozpatrzenia, prognoza budżetu, błędy w danych i formuły
Spójrz na zdanie pod tabelą. Rejestr ma status „Umowa rozwiązana”, a model sam oddzielił takie umowy od obowiązujących, choć o to nie prosiliśmy. W prognozie budżetu liczy już tylko umowy obowiązujące. Gdyby liczyć wszystkie, budżet wyglądałby na bardziej wykorzystany, niż jest naprawdę. Tak samo działa reszta odpowiedzi: przy każdej liczbie stoi informacja, jak ją policzono.
Ta tabela od razu pokazuje, gdzie był problem: po marcowym szczycie wniosków kolejka przeniosła się na kwiecień i maj. Jeśli w przyszłym roku nabór ruszy w tym samym czasie, to jest argument za dodatkową osobą do rozpatrywania wniosków na wiosnę.
Prognoza jest tak dobra, jak założenia, dlatego wpisaliśmy je wprost w polecenie: wnioski w kolejce dostają pełną kwotę, a nowych wpłynie tyle, ile rok wcześniej w tym samym okresie. Zmień założenia, a zmieni się wynik. Dlatego w odpowiedzi dla kierownictwa zawsze podawaj obie rzeczy: kwotę i to, z czego wynika.
Model znalazł wszystkie siedem błędów i nie wskazał żadnego, którego w danych nie ma. Przy pierwszej wersji pliku było ciekawiej: oprócz naszych siedmiu błędów wskazał ponad dwadzieścia kolejnych, których nie planowaliśmy. Nasz generator danych demonstracyjnych zaokrąglał część kwot w górę, przez co przekraczały limit 50% kosztów o 5 zł, a w kilku wnioskach z końca 2025 r. wpisywał datę rozliczenia wcześniejszą niż data umowy. Poprawiliśmy generator, ale ta wpadka dobrze pokazuje, że model przegląda wszystkie rekordy, także te, w których niczego nie podsuwaliśmy.
Formuły z odpowiedzi, w polskiej wersji Excela, do skopiowania w całości. Pierwsza liczy dni rozpatrzenia w kolumnie V, druga sprawdza w kolumnie W, czy kwota z umowy nie przekracza limitu z arkusza Limity ani połowy kosztów kwalifikowanych:
=JEŻELI(N2="";"";N2-JEŻELI(ORAZ(L2="TAK";M2<>"");M2;B2))=JEŻELI(R2="";"";JEŻELI(R2<=MIN(J2*WYSZUKAJ.PIONOWO(ROK(B2);Limity!$A$2:$G$3;7;FAŁSZ);WYSZUKAJ.PIONOWO(ROK(B2);Limity!$A$2:$G$3;JEŻELI(I2="pompa ciepła";3;JEŻELI(I2="sieć ciepłownicza";4;JEŻELI(I2="kocioł gazowy";5;6)));FAŁSZ));"OK";"PRZEKROCZENIE"))Obie formuły sprawdziliśmy w arkuszu na całym rejestrze. Liczba dni zgadza się z naszym własnym wyliczeniem we wszystkich 430 wierszach, a kontrola kwoty oznaczyła jako „PRZEKROCZENIE” dokładnie dwie umowy, w których wpisaliśmy błąd. Takie sprawdzenie jednego czy dwóch przypadków ręcznie warto zrobić przy każdej formule od AI, zanim przekopiujesz ją na cały arkusz.
Tabele są dobre dla wydziału, a burmistrz potrzebuje jednego ekranu. W tej samej rozmowie wystarczy jedno polecenie, żeby ChatGPT złożył pulpit z kafelkami i wykresami. Górną część pulpitu, z kafelkami i wykresem wniosków w kolejnych miesiącach, pokazaliśmy na początku artykułu.
Polecenie 2 w tej samej rozmowie: pulpit dla burmistrza
Przeczytaj też dopiski pod wykresem. Wykres i kwota „Pozostało do limitu nominalnie” liczą wszystkie umowy z 2026 r., także rozwiązane, a prognoza niedoboru tylko obowiązujące. Na tej samej zasadzie kafelek na górze pulpitu pokazuje wykorzystanie budżetu 77,03%, choć bez rozwiązanych umów wychodzi 73,7%. Zanim pulpit trafi do burmistrza, dopisz w poleceniu, które umowy liczyć, żeby kafelki, wykres i prognoza mówiły o tym samym.
Wykres i kafelki są interaktywne w samym czacie, a zrzut ekranu z nich wkleisz do notatki albo prezentacji na naradę. Jeśli taki raport ma powstawać co miesiąc, lepszym miejscem będzie Power BI albo arkusz z tabelą przestawną zasilaną z rejestru przez Power Query, a AI przyda się do pisania komentarza do liczb.
Protokół z narady to zadanie, które wszyscy odkładają na później, a potem nikt nie pamięta, kto miał co zrobić. Transkrypcję tworzy samo narzędzie do spotkań, na przykład Microsoft Teams po włączeniu transkrypcji, albo program do zamiany mowy na tekst. Z transkrypcji AI przygotuje protokół w minutę. Uczestników trzeba tylko uprzedzić, że narada jest nagrywana, tak jak robi to naczelnik w pierwszym zdaniu naszego nagrania.
Ćwiczymy na transkrypcji ośmiominutowej narady wydziału z 6 października. Rozmowa dotyczy pieniędzy na dotacje do końca roku, projektu regulaminu na 2027 r., komunikacji z mieszkańcami i zasad korzystania z AI, czyli wszystkiego, co pokazaliśmy w poprzednich sekcjach. Transkrypcja jest nieredagowana, z powtórzeniami i potocznymi zwrotami, jak każde nagranie z prawdziwej narady. To dokument wewnętrzny z nazwiskami i wypowiedziami pracowników, więc według podziału z sekcji o bezpieczeństwie trafia tylko do narzędzia dopuszczonego przez urząd.
Pobierz modrzewiow_transkrypcja_narady_2026-10-06.docx Plik, który dołączasz do polecenia poniżej.
Polecenie: protokół, tabela ustaleń, tabela zadań i sprawy nierozstrzygnięte
Przebieg narady jest napisany czasem przeszłym i stylem urzędowym, o który prosiliśmy, a mówiony język z transkrypcji zniknął. Z ustaleń wydział rozlicza się jednak na podstawie dwóch kolejnych tabel.
Dzięki wpisom „Nie ustalono” od razu widać, które zadania mogą utknąć, i można dopytać o termin, zanim protokół trafi do podpisu. Tabelę zadań porównaj jednak z nagraniem. Przekazanie poprawionego projektu regulaminu radcy prawnemu model przypisał inspektorce, choć naczelnik wyznaczył tylko termin, a nie osobę. Z przebiegu rozmowy to rozsądny wniosek, ale nikt go na naradzie nie wypowiedział, więc ktoś powinien go potwierdzić.
Czytaj też: Jak wyciągnąć z Copilota w Teams maila, notatkę i listę zadań z jednej transkrypcji. Jeśli narady odbywają się w Teams, pokazujemy tam, jak z jednej transkrypcji poprosić Copilota o trzy osobne materiały w różnych formatach.
Program szkolenia „AI w administracji publicznej” kończy się ćwiczeniem, w którym uczestnik buduje własnego asystenta AI i automatyzuje powtarzalny obieg dokumentu w urzędzie. To dwa różne kroki. Automatyczny obieg sam przenosi dokumenty i dane między pocztą, formularzami i arkuszami, na przykład w Microsoft Power Automate, a AI wykonuje w nim pojedyncze czynności, takie jak odczyt danych albo projekt pisma. Asystent to rozmowa: pracownik pyta, a asystent odpowiada na podstawie dokumentów wydziału.
Każdy krok tej pętli pokazaliśmy już osobno: odczyt skanu i kontrolę z regulaminem w sekcji o dokumentach, projekt wezwania w sekcji o pismach. Automatyzacja spina je w całość, ale nie zastępuje systemu elektronicznego zarządzania dokumentacją ani instrukcji kancelaryjnej: wniosek i tak rejestrujesz zgodnie z zasadami urzędu. Taki przepływ projektuje się razem z informatykiem i inspektorem ochrony danych, bo dane mieszkańców przechodzą przez kilka narzędzi naraz.
Czytaj też: Copilot Studio czy Power Automate - kiedy który wybrać. Wyjaśniamy, kiedy wystarczy przepływ uruchamiany zdarzeniem, a kiedy potrzebny jest agent, który zaczyna od pytania człowieka.
Asystenta zbudujesz jako własny GPT w ChatGPT Business albo jako agenta w Microsoft 365 Copilot. W obu przypadkach najwięcej zależy od tego, co zrobisz przed kliknięciem w kreator: jaką dostanie instrukcję, z jakich dokumentów ma korzystać, czego mu nie wolno i jak sprawdzisz, czy działa. Projekt asystenta przygotujesz z pomocą AI, dołączając dokumenty, na których ma pracować.
Czytaj też: ChatGPT Business w firmie: wdrożenie, panel administratora, modele GPT-5 i agenci AI. W sekcji o Custom GPT znajdziesz instrukcję krok po kroku, jak w kreatorze ChatGPT Business zbudować takiego asystenta i udostępnić go zespołowi.
Czytaj też: Kurs Microsoft 365 Copilot: Agenci Copilot i Copilot Studio - własny asystent AI na wiedzy firmy. Jeśli urząd pracuje w Microsoft 365, tego samego asystenta zbudujesz jako agenta Copilot. Lekcja prowadzi od szybkiego agenta w Copilot Chat po pełną budowę w Copilot Studio.
Pobierz modrzewiow_regulamin_dotacji_2026.pdf Pobierz modrzewiow_karta_uslugi_dotacja.pdf Dwa pliki, które dołączasz do polecenia poniżej.
Polecenie: projekt asystenta AI wydziału z instrukcją, wiedzą, starterami, zasadami i testami
Pobierz instrukcja_asystenta_dotacje_z_rozmowy.txt Pełny tekst instrukcji z tej rozmowy, gotowy do wklejenia w pole „Instrukcje” w kreatorze własnego GPT.
Asystent wie tylko to, co zapiszesz w instrukcji, a każda luka kończy się zgadywaniem, dlatego instrukcja jest długa. Przeglądając ją, zacznij od dwóch części: sposobu odpowiadania z powołaniem na paragraf, dzięki któremu pracownik od razu sprawdzi odpowiedź w regulaminie, oraz gotowej formuły na sytuację, w której dokumenty nie dają odpowiedzi.
Ostatnia część projektu to testy, i od nich zależy, czy asystenta w ogóle warto udostępnić zespołowi. Model przygotował sześć pytań z poprawnymi odpowiedziami i paragrafami regulaminu. Cztery sprawdzają, czy asystent dobrze stosuje zasady, a dwa są podchwytliwe: pytają o rzeczy, których w dokumentach nie ma, i sprawdzają, czy asystent przyzna, że nie zna odpowiedzi.
Te dwa pytania zadaj asystentowi po każdej zmianie instrukcji albo plików wiedzy. Jeśli zacznie odpowiadać pewnie tam, gdzie powinien przyznać, że nie wie, wróć do instrukcji, zanim ktokolwiek oprze na nim odpowiedź dla mieszkańca.
Generatywna AI, czyli taka, która tworzy nowe treści, przydaje się w urzędzie nie tylko do tekstu. Plakat o naborze, ilustracja do komunikatu na stronie, slajdy na sesję rady albo zebranie z mieszkańcami powstają w kilka minut, bez czekania na grafika. Poprosiliśmy ChatGPT o plakat do programu dotacji i podaliśmy w poleceniu dokładne brzmienie każdego napisu, łącznie z dopiskiem o udziale AI.
Polecenie: plakat o naborze wniosków z dokładnym brzmieniem napisów
Przed wydrukiem sprawdzasz na plakacie trzy rzeczy. Pierwsza to każde słowo i każda liczba, bo modele graficzne potrafią przekręcić literę albo cyfrę, zwłaszcza w polskich znakach. Tu wszystko się zgadza, ale tego nie da się założyć z góry. Druga to zgodność z regulaminem: kwota 8 000 zł z hasła dotyczy tylko pompy ciepła, więc na plakacie warto dopisać, że przy innych źródłach ciepła dotacja jest niższa. Trzecia to obraz: ilustracja przedstawia dom, który nie istnieje, i dobrze, bo grafiki AI nie powinny udawać zdjęć prawdziwych miejsc, osób ani wydarzeń z życia miasta.
Plakat to obrazek, więc osoba korzystająca z czytnika ekranu go nie przeczyta. Te same informacje muszą być w komunikacie tekstowym na stronie, a sam plakat w serwisie urzędu dostaje opis alternatywny. Na szkoleniu pokazujemy też krótko, jak przygotować z AI lektora komunikatu i krótkie wideo informacyjne, i te materiały również oznaczasz.
Od 2 sierpnia 2026 r. obowiązuje art. 50 AI Act o przejrzystości. Kto publikuje obraz, nagranie albo wideo wygenerowane przez AI, które przypomina prawdziwe osoby, miejsca lub wydarzenia i mogłoby uchodzić za autentyczne, musi ujawnić, że to treść wygenerowana. Teksty publikowane po to, żeby informować o sprawach publicznych, też trzeba oznaczać, chyba że przeszły ludzką weryfikację lub kontrolę redakcyjną i ktoś odpowiada za publikację. Komunikat urzędu sprawdzony i zatwierdzony przez pracownika zwykle mieści się w tym wyjątku. Mimo to warto oznaczać treści przygotowane z AI z własnej woli: to buduje zaufanie mieszkańców i oszczędza dyskusji, czy dana grafika już podlega obowiązkowi. Dopisek na naszym plakacie to właśnie taki przypadek.
Formuła z projektu zarządzenia jest dobrym punktem wyjścia, bo mówi dwie rzeczy naraz: że materiał powstał z pomocą AI i że sprawdził go oraz zatwierdził pracownik urzędu. Dla mieszkańca to ważniejsze niż samo słowo „AI”.
Najczęstszy błąd przy wdrażaniu AI w urzędzie to zaczynanie od zakupu licencji dla wszystkich, zanim ktokolwiek ustali, do czego i na jakich zasadach będą używane. Lepiej działa odwrotna kolejność: najpierw lista zadań i pomiar czasu, potem zasady i szkolenie, a dopiero potem pilotaż w jednym lub dwóch wydziałach. Pięć kroków na grafice to plan, który da się przeprowadzić w ciągu kwartału bez dużego projektu informatycznego. Pytania, które przed taką decyzją warto omówić z kierownictwem, zebraliśmy w artykule Czy warto wdrażać Microsoft Copilot - najczęstsze wątpliwości managementu.
Wystarczy jedno mnożenie: (czas ręcznie minus czas z AI, w godzinach) razy liczba powtórzeń w miesiącu. Gdy trzeba pokazać wynik w złotych, mnożysz jeszcze przez koszt godziny pracy z narzutami pracodawcy. Tabela pokazuje przykład dla pięciu zadań jednego wydziału. Liczby są przykładowe, więc podstaw własne pomiary: przez dwa tygodnie zapisujcie czas wykonania każdego z tych zadań, a potem powtórzcie pomiar w pilotażu.
| Zadanie | Ręcznie | Z AI | Ile razy w miesiącu | Oszczędność |
|---|---|---|---|---|
| Odpowiedź na typowe pytanie mieszkańca przesłane e-mailem | 12 min | 4 min | 150 | 20 h |
| Projekt wezwania do uzupełnienia braków we wniosku | 20 min | 5 min | 40 | 10 h |
| Protokół z narady z listą ustaleń i zadań | 90 min | 30 min | 8 | 8 h |
| Odpowiedź na wniosek o udostępnienie informacji publicznej | 60 min | 25 min | 12 | 7 h |
| Miesięczne zestawienie z rejestru wniosków dla kierownictwa | 4 h | 1 h | 1 | 3 h |
| Razem miesięcznie | 48 h |
48 godzin miesięcznie to mniej więcej trzy dziesiąte etatu, a przy koszcie 50 zł za godzinę pracy z narzutami około 2 400 zł miesięcznie. W urzędzie ważniejsze od złotówek jest jednak to, na co ten czas wraca: krótsze kolejki do rozpatrzenia wniosków, szybsze odpowiedzi dla mieszkańców i mniej pracy po godzinach w okresie naboru. Tak też warto opisać wynik pilotażu kierownictwu.
Art. 4 AI Act wymaga od każdego, kto korzysta z systemów AI w pracy, także od urzędu, podejmowania działań, które budują kompetencje pracowników w zakresie AI. Po nowelizacji, która obowiązuje od 27 lipca 2026 r., przepis nie każe zagwarantować określonego poziomu wiedzy, ale działania trzeba podjąć, a w razie kontroli łatwiej je wykazać, gdy są udokumentowane. W praktyce wystarczą trzy rzeczy: zarządzenie o zasadach korzystania z AI, szkolenie z listą obecności i materiałami oraz prosty rejestr zastosowań AI w urzędzie. W rejestrze zapisujesz, który wydział, do jakiego zadania, w jakim narzędziu i na jakich danych korzysta z AI oraz kto odpowiada za sprawdzanie wyników. Przy pilotażu warto dopisać też wynik pomiaru czasu. Taki rejestr przydaje się inspektorowi ochrony danych, bo pokazuje, gdzie AI dotyka danych osobowych. Oba elementy, rejestr i szkolenia, ma już projekt zarządzenia z sekcji o bezpieczeństwie.
Pilotaż zaczynaj od zadań, które łączą dużą oszczędność z małym ryzykiem dla danych: komunikaty i FAQ dla mieszkańców, protokoły z narad, analizy rejestrów bez danych osobowych, porównywanie wersji regulaminów. Zadania na dokumentach z danymi osobowymi włączaj dopiero wtedy, gdy zasady są spisane, narzędzie dopuszczone, a zespół wie, jak anonimizować dokumenty.
Komentarze (0)
Brak komentarzy...