Generatywna sztuczna inteligencja niesie ze sobą obietnicę rozszerzania inteligencji i prędkości uczenia się. Zanim to jednak nastąpi, menedżerowie ds. IT (CIOs) z sektora publicznego będą musieli skoncentrować się na unowocześnieniu swoich organizacji.
- AI w sektorze publicznym - technologiczne zapóźnienie
- Rządy obudzą się i zorganizują, dopasowując do rynków danych, aby zwiększać PKB
- Sztuczna inteligencja usprawni zarządzanie zarówno na poziomie lokalnym, jak i ogólnokrajowym
AI w sektorze publicznym - technologiczne zapóźnienie
Wartość generatywnej sztucznej inteligencji (GenAI) i dużych modeli językowych (LLM) opiera się na danych. Dlatego właśnie w tym roku wciąż będziemy mogli obserwować koncentrowanie się odpowiadających za ten obszar decydentów na wdrażaniu platform danych i strategii w obszarze danych. Wszystko to ze względu na chęć poprawy efektywności kosztowej i wspomnianą obietnicę, jaką nowe technologie, takie jak GenAI i LLM, mogą zaoferować sektorowi publicznemu.
W skali globalnej sektor publiczny jest technologicznie zapóźniony w stosunku do ogółu gospodarki nawet o 18-24 miesiące. W efekcie dopiero w 2025 lub 2026 roku naprawdę zobaczymy, w jaki sposób generatywna sztuczna inteligencja i LLM-y mogą pomóc w uwolnieniu wartości drzemiącej w ustrukturyzowanych danych, co w konsekwencji doprowadzi do poprawy wydajności usług i efektywniejszej realizacji misji publicznej.
Rządy obudzą się i zorganizują, dopasowując do rynków danych, aby zwiększać PKB
Poszczególne państwa zaczynają zdawać sobie sprawę z wartości, jaką niosą ich niezależne dane oraz popyt na te dane. Dla przykładu – istnieje zapotrzebowanie na hiperlokalne dane pogodowe, trendy finansowe (takie, jak choćby informacja o miejscu składania zeznań podatkowych) czy dane migracyjne. Można je bowiem wykorzystać do wielu celów, takich jak modelowanie ekonomiczne, raportowanie bądź planowanie infrastruktury.
Coraz więcej rządów już wkrótce zacznie również zwracać uwagę na korzyści, jakie zapewnia udostępnianie swoich danych na rynkach i organizować się w celu podjęcia działań w tym zakresie. Dane mogą okazać się niezwykle przydatne i wartościowe, gdy będą udostępniane na przykład w celu przyspieszenia rozwoju ekosystemu start-upowego, zwiększenia lokalnej innowacyjności czy tworzenia miejsc pracy i sprawnego rozwiązywania problemów.
Sztuczna inteligencja usprawni zarządzanie zarówno na poziomie lokalnym, jak i ogólnokrajowym
Dzięki inwestycjom w technologie SaaS i zwiększonej wymianie danych między sektorem publicznym i prywatnym, zarówno jednostki samorządu terytorialnego, jak i rządy zaczynają wykorzystywać dane w czasie zbliżonym do rzeczywistego, by kształtować politykę budżetową.
Zamiast poświęcać wiele miesięcy na pozyskiwanie i przetwarzanie danych dotyczących wartości domów w celu poinformowania właścicieli o kwocie podatku od nieruchomości, decydenci będą mogli analizować te dane stopniowo w miarę ich napływania, co zdecydowanie usprawni funkcjonowanie administracji. Co więcej, rządzący będą mogli dużo dokładniej zaplanować podział środków budżetowych na drogi, szkoły czy bezpieczeństwo publiczne.
To nie pieśń przyszłości. Technologie SaaS już dziś umożliwiają w niektórych państwach przyspieszenie realizacji procesu przyznawania pieczy zastępczej, w tym dopasowanie odpowiednich opiekunów do dzieci, a następnie wspierają rodziny w przydzielaniu zasobów społecznych i finansowych na rzecz dzieci objętych opieką.
Autor: Jeff Frazier, Head of Global Public Sector w Snowflake