Obywatele z AI czytają wydatki państwa. Potrzebują danych

Grupa polskich twórców buduje serwisy, które przekształcają rozproszone dane publiczne - od cen mieszkań po oświadczenia majątkowe - w narzędzia zrozumiałe dla każdego mieszkańca. W programie „Technomax” na Kanale Otwartym Max Kuśmierek pokazuje, że sztuczna inteligencja radykalnie obniżyła koszt tworzenia takich rozwiązań, lecz nie zastąpi tego, co pozostaje zadaniem państwa: dostarczenia wiarygodnych, ustandaryzowanych danych u źródła.

Punktem wyjścia jest rynek nieruchomości. Jeszcze kilka lat temu ceny mieszkań często nie były jawne - zamiast kwoty widniał przycisk „zapytaj o cenę". „Zostaw telefon, maila, numer buta i model samochodu, a wtedy dowiesz się, ile kosztuje konkretne mieszkanie" - wspomina Jan Pawłowski, współtwórca serwisu agregującego dane deweloperów. Na pozyskiwaniu takich kontaktów powstawały całe biznesy, a kupujący negocjował z ogromną przewagą informacyjną po stronie sprzedającego.

Serwis zaczął zbierać i pokazywać te dane w jednym miejscu, bez formularzy. „W pierwsze trzy dni mieliśmy milion odsłon. To pokazało, jak duże było zapotrzebowanie na coś, co powinno być prostą usługą publiczną" - mówi Pawłowski. Rozwiązanie zbudowali ludzie spoza administracji.

Jawne nie znaczy zrozumiałe

Podobny mechanizm dotyczy finansów samorządów. Dane o wydatkach gmin są jawne z mocy prawa - każda gmina wysyła sprawozdanie do Ministerstwa Finansów. Problem w tym, że są „pisane przez urzędników, dla urzędników".

Paweł Wywrot, który na co dzień tworzy raporty dla firm, założył portal OpenBooks. „Jawne nie musi znaczyć, że zrozumiałe" - podkreśla. W 2025 roku samorządy wydały 466 miliardów złotych; serwis rozbija tę kwotę na gminy, powiaty i województwa, pozwalając porównać wydatki na szkoły, drogi czy kulturę z sąsiednimi jednostkami. Wywrot dodał też autorski system oceny zdrowia finansowego gminy - „punkt wyjścia do zadawania pytań".

Mateusz Przybysz prowadzi portal z-dykty.pl, część Centrum Prasowego Danych Publicznych. Zaciąga dane z blisko stu rejestrów. Największą przeszkodą pozostaje forma publikacji: „Często dane są udostępniane jako PDF-y. Trzeba wszystkie dokumenty pobierać ręcznie i ręcznie konwertować" - wyjaśnia. Ponieważ każdy zespół wykonuje tę samą pracę od nowa, państwo „płaci godzinami ludzi, którzy mogli w tym czasie budować coś nowego".

Sztuczna inteligencja obniża koszt, ale nie tworzy prawdy

Centrum Prasowe Danych Publicznych to organizacja non-profit, w której współpracują m.in. OpenBooks, z-dykty.pl oraz serwis „Leniwy poseł" Janka Strojnego. Ma dwa postulaty: jak najwięcej otwartych, aktualnych repozytoriów w formatach do automatycznego przetwarzania oraz jak najwięcej osób weryfikujących dane. „Im więcej par oczu, tym szybciej wychodzą błędy, nieprawidłowości, także nasze" - cytuje twórców Kuśmierek, zwracając uwagę, że proszą oni o kontrolę również własnej pracy.

To właśnie sztuczna inteligencja zmieniła skalę możliwości. Mateusz Kurek zbudował serwis „Kto ma co", który przekształca oświadczenia majątkowe polityków - często skany odręcznego pisma - w dane łatwe do przeszukania. System pobiera publiczne dokumenty Sejmu, Senatu, Parlamentu Europejskiego i najwyższych urzędów; model odczytuje skany, a każdą pozycję przypisuje do kategorii. Baza obejmuje ponad 1400 osób i ponad 5000 dokumentów. Przy każdym oświadczeniu znajduje się link do oryginału, bo „odczyt maszynowy może się pomylić". Spośród ponad 26 tys. stron w bazie ponad 70 proc. wypełniono odręcznie.

Janek Strojny udostępnił w „Leniwym pośle" symulator głosowań oraz dwa serwery MCP - standard łączący asystentów AI z zewnętrznymi danymi. Dzięki temu użytkownik może pytać bazę sejmową zwykłym zdaniem. „Jeszcze kilka lat temu stworzenie takiego projektu wymagało większego zespołu, dużego budżetu i wielu miesięcy pracy" - mówi Pawłowski. „Obywatele nie muszą już zawsze czekać, aż państwo albo duża firma zbuduje im narzędzie."

Entuzjazm ma jednak granicę. „AI nie wyczaruje danych, których nie ma, albo które są złej jakości" - ostrzega Pawłowski. „Potrzebujemy naprawdę otwartych danych, dobrego API i jednego standardu danych." Bez tego nawet dopracowana mapa pokaże błędną cenę.

Czeski weekend i tajwańskie maski

Materiał przywołuje zagraniczne precedensy. W styczniu 2020 roku, przed upowszechnieniem AI, czescy programiści w weekend zbudowali demonstracyjny system elektronicznych winiet „Fér Známka". Jak zastrzega Kuśmierek, kolejność zdarzeń była inna, niż głosi popularna wersja: presja społeczna działała już wcześniej, a resort obniżył alokację budżetową z 600 do 300 milionów koron. „Presja ma sens, a to było coś więcej niż tylko sprzeciw - to było pokazanie na bazie kodu, że można zrobić taniej."

Na Tajwanie, na początku pandemii, inżynier zbudował mapę dostępności maseczek. Kluczowe było to, że minister cyfryzacji połączył go ze społecznością programistów i administracją, a państwo udostępniło dane o zapasach w aptekach. Powstało ponad sto aplikacji. „Programista potrafił narysować mapę, ale instytucja dała mu użyteczne dane" - podsumowuje Kuśmierek.

W Polsce państwo buduje własny portal z cenami mieszkań o nazwie DOM. Kontrakt na jego stworzenie i pięć lat obsługi to około 44 miliony złotych - w przybliżeniu 23 miliony na wdrożenie i prawie 21 milionów na utrzymanie. Kuśmierek nie ocenia, czy to drogo, lecz pyta, czy zewnętrzne inicjatywy obywatelskie otrzymają z tego systemu porządne dane - i czy dostęp przetrwa zmianę wykonawcy.

Koszt prawdy i ciągłość usługi

Autor ilustruje problem własnym przykładem. NFZ publikuje informacje o kolejkach wyłącznie jako stan na dany dzień, bez historii. Aby śledzić trendy, Kuśmierek co tydzień pobiera dane i zapisuje je na własnym serwerze. Między majem a wrześniem średni czas oczekiwania na badania - tomografię, rezonans, gastroskopię, kolonoskopię - wzrósł z 90 do 110 dni. „Gdyby NFZ publikował pełną historię kolejek, rozliczenie setek milionów potencjalnych oszczędności mógłby zobaczyć każdy."

Twórcy wskazują też na trwałość rozwiązań. Baza sejmowa, jak mówi Strojny, „praktycznie codziennie ma jakieś przerwy", dlatego prowadzi kopię odświeżaną co noc. Przykłady z Wielkiej Brytanii (FixMyStreet organizacji mySociety, od 2007 roku) i estońskiej platformy Rahvaalgatus pokazują, że obywatelskie narzędzia mogą stać się trwałą częścią administracji - pod warunkiem, że ktoś pokryje koszt utrzymania i odpowie za błędy.

Przewija się także wątek niezależności od dostawców. Niemiecki land Szlezwik-Holsztyn migruje na otwarte oprogramowanie, przenosząc obsługę dokumentów na LibreOffice. W Polsce Ministerstwo Cyfryzacji opublikowało założenia pilotażu otwartego oprogramowania w samorządach. Warunek migracji pozostaje jeden: możliwość zabrania własnych danych bez utraty wieloletniej pracy.

Konkluzja Pawłowskiego wyznacza podział ról: „Państwo powinno zrobić to, czego my zrobić nie możemy - stworzyć wiarygodne, ustandaryzowane źródła danych. Jeśli powstanie dobre API i jeden standard, resztą zajmie się rynek." Deklaruje przy tym, że otwarte dane mogą zrodzić konkurencję dla jego własnego serwisu: „Ale właśnie o to chodzi. Chcemy ucywilizować rynek." Kuśmierek proponuje, by przy każdym nowym publicznym systemie IT sprawdzać, co zbuduje na nim ktoś spoza zespołu - i czy dane będą dostępne oraz zrozumiałe.