Πώς τοπικά και ανοιχτά συστήματα ΤΝ μπορούν να βελτιώσουν τις υπηρεσίες της κεντρικής διοίκησης και της αυτοδιοίκησης, με χαμηλότερο κόστος, προστασία των δεδομένων και δημόσια λογοδοσία
Η τεχνητή νοημοσύνη μπορεί να μειώσει τον χρόνο διεκπεραίωσης διοικητικών υποθέσεων, να υποστηρίξει τους δημόσιους υπαλλήλους και να βελτιώσει την εξυπηρέτηση των πολιτών. Ωστόσο, το αποτέλεσμα δεν εξαρτάται κυρίως από το αν το κράτος θα προμηθευτεί το ισχυρότερο γλωσσικό μοντέλο. Εξαρτάται από το αν έχει προσδιορίσει σωστά το πρόβλημα, αν διαθέτει ποιοτικά δεδομένα, αν εκπαιδεύσει το προσωπικό και αν μπορεί να ελέγξει τη λειτουργία του συστήματος.
Τα διεθνή δεδομένα επιβεβαιώνουν αυτή την εικόνα. Ο ΟΟΣΑ μελέτησε 200 εφαρμογές ΤΝ σε βασικές λειτουργίες κυβερνήσεων. Το 57% υποστηρίζει την αυτοματοποίηση, απλούστευση ή εξατομίκευση υπηρεσιών, το 45% τη λήψη αποφάσεων και την πρόβλεψη, ενώ το 30% αποσκοπεί στη βελτίωση της λογοδοσίας και στον εντοπισμό ανωμαλιών. Η ΤΝ χρησιμοποιείται, συνεπώς, όχι μόνο για εργασίες ρουτίνας, αλλά και για την επεξεργασία της μεγάλης ποσότητας πληροφοριών που παράγει καθημερινά η διοίκηση.
Από τη γενική εξαγγελία στη συγκεκριμένη διοικητική ανάγκη
Μια αποτελεσματική δημόσια εφαρμογή δεν πρέπει να ξεκινά με την αγορά ενός μοντέλου, αλλά με ένα σαφώς ορισμένο πρόβλημα. Ένας δήμος, για παράδειγμα, θα μπορούσε να χρησιμοποιήσει ένα τοπικά εγκατεστημένο γλωσσικό μοντέλο για να ταξινομεί τα αιτήματα που φτάνουν με ηλεκτρονικό ταχυδρομείο ή μέσω μιας πλατφόρμας αναφορών. Το σύστημα θα μπορούσε να διακρίνει αν ένα αίτημα αφορά φωτισμό, καθαριότητα, ύδρευση, κοινωνική υπηρεσία ή τεχνικό έργο, να εντοπίζει την αρμόδια μονάδα και να προτείνει σχέδιο απάντησης στον υπάλληλο.
Αντίστοιχα, μια περιφέρεια μπορεί να χρησιμοποιήσει ΤΝ για την αναζήτηση πληροφοριών σε αποφάσεις, εγκυκλίους, τεχνικές μελέτες και χρηματοδοτικά προγράμματα. Αντί ο υπάλληλος να αναζητεί χειροκίνητα δεκάδες έγγραφα, μπορεί να διατυπώνει ένα ερώτημα και να λαμβάνει απάντηση με παραπομπές στα συγκεκριμένα αποσπάσματα από τα οποία προκύπτει.
Στην κεντρική διοίκηση, συστήματα ΤΝ μπορούν να βοηθούν στη σύγκριση νομοθετικών διατάξεων, στον εντοπισμό αντιφάσεων μεταξύ εγκυκλίων, στην προετοιμασία απαντήσεων προς τους πολίτες και στην ανάλυση των σχολίων μιας δημόσιας διαβούλευσης. Μπορούν επίσης να εξετάζουν δεδομένα συμβάσεων και πληρωμών, επισημαίνοντας ασυνήθιστες μεταβολές κόστους, κατατμήσεις προμηθειών ή επαναλαμβανόμενες καθυστερήσεις. Η τελική αξιολόγηση, όμως, πρέπει να παραμένει σε αρμόδιο δημόσιο λειτουργό.
Η ΤΝ ως βοηθός του υπαλλήλου και όχι ως αόρατος διοικητής
Το σημαντικότερο ίσως εύρημα προέρχεται από μεγάλη πειραματική εφαρμογή παραγωγικής ΤΝ σε 1.559 δικαστές στο Πακιστάν. Η χρήση του εξειδικευμένου συστήματος JudgeGPT, όταν συνοδεύτηκε από στοχευμένη εκπαίδευση, συνδέθηκε με αύξηση κατά 6,3% των υποθέσεων που επιλύθηκαν, χωρίς εμφανή υποβάθμιση της ποιότητας. Αντίθετα, η παροχή του εργαλείου με γενική μόνο επιμόρφωση δεν είχε αντίστοιχο αποτέλεσμα.
Το δίδαγμα για την ελληνική διοίκηση είναι σαφές. Δεν αρκεί να αγοραστούν άδειες χρήσης και να οργανωθεί ένα σύντομο σεμινάριο. Οι υπάλληλοι χρειάζονται εκπαίδευση πάνω σε πραγματικές υποθέσεις της υπηρεσίας τους, στα όρια του εργαλείου, στην επαλήθευση των απαντήσεων και στην προστασία των δεδομένων.
Η ΤΝ μπορεί να προτείνει, να ταξινομεί, να συνοψίζει και να εξηγεί. Δεν πρέπει να απορρίπτει αυτόματα ένα κοινωνικό επίδομα, να αποφασίζει την επιβολή προστίμου ή να χαρακτηρίζει έναν πολίτη ύποπτο χωρίς ουσιαστικό ανθρώπινο έλεγχο. Η εμπειρία από αλγοριθμικά συστήματα ελέγχου κοινωνικών παροχών στη Δανία δείχνει ότι μια αμφισβητήσιμη διοικητική κρίση μπορεί να ενσωματωθεί σε ένα μοντέλο, να εφαρμοστεί σε εκατομμύρια ανθρώπους και να γίνει δυσκολότερο να ελεγχθεί.
Γιατί χρειάζονται τοπικά και ανοιχτά μοντέλα
Οι περισσότερες δημόσιες υπηρεσίες δεν χρειάζονται ένα τεράστιο μοντέλο γενικού σκοπού. Χρειάζονται μικρότερα μοντέλα, προσαρμοσμένα στην ελληνική γλώσσα και σε συγκεκριμένα διοικητικά πεδία. Ένα μοντέλο 7 έως 12 δισεκατομμυρίων παραμέτρων, κατάλληλα συμπιεσμένο, μπορεί να λειτουργήσει σε οικονομικά προσιτό εξοπλισμό εντός ενός δήμου, ενός κοινόχρηστου κέντρου δεδομένων ή μιας δημόσιας υπολογιστικής υποδομής.
Η τοπική λειτουργία σημαίνει ότι τα ερωτήματα των πολιτών, τα διοικητικά έγγραφα και τα προσωπικά δεδομένα δεν χρειάζεται να αποστέλλονται σε εξωτερική εμπορική υπηρεσία. Περιορίζονται επίσης οι επαναλαμβανόμενες χρεώσεις ανά ερώτημα και η εξάρτηση από έναν προμηθευτή, ενώ το σύστημα μπορεί να συνεχίσει να λειτουργεί ακόμη και αν αλλάξουν οι εμπορικοί όροι μιας πλατφόρμας.
Χρειάζεται, πάντως, ακρίβεια στον όρο «ανοιχτό». Ένα μοντέλο ανοιχτών βαρών επιτρέπει την τοπική εκτέλεση και προσαρμογή, χωρίς να δημοσιοποιεί κατ’ ανάγκη τα δεδομένα και ολόκληρη τη διαδικασία εκπαίδευσής του. Ένα πληρέστερα ανοιχτό μοντέλο δημοσιεύει επιπλέον τον κώδικα, την τεχνική τεκμηρίωση, τις μεθόδους αξιολόγησης και επαρκείς πληροφορίες για τα δεδομένα. Για εφαρμογές του Δημοσίου πρέπει να προτιμώνται οι περισσότερο ελέγξιμες λύσεις, με άδειες που επιτρέπουν τη χρήση, την τροποποίηση, τον έλεγχο και την επαναδιάθεση.
Απαντήσεις βασισμένες σε επίσημες πηγές
Ένα δημόσιο σύστημα ΤΝ δεν πρέπει να απαντά αποκλειστικά με βάση όσα έχει απομνημονεύσει κατά την εκπαίδευσή του. Η ασφαλέστερη προσέγγιση είναι η ανάκτηση πληροφοριών από ελεγχόμενες πηγές πριν από την παραγωγή της απάντησης.
Ένας ψηφιακός βοηθός δήμου, για παράδειγμα, πρέπει να αναζητεί κάθε φορά τις ισχύουσες αποφάσεις, τους κανονισμούς, τις προθεσμίες και τα απαιτούμενα δικαιολογητικά. Κάθε απάντηση πρέπει να συνοδεύεται από σύνδεσμο προς το επίσημο έγγραφο, ημερομηνία τελευταίας ενημέρωσης και σαφή δήλωση όταν δεν υπάρχουν επαρκή στοιχεία. Με τον ίδιο τρόπο, ένα υπουργείο μπορεί να συνδέσει το σύστημα με ΦΕΚ, εγκυκλίους, αποφάσεις της Διαύγειας και στοιχεία δημοσίων συμβάσεων.
Το GlossAPI και τα ελληνικά δημόσια σώματα κειμένων μπορούν να αποτελέσουν βάση για την ανάπτυξη και αξιολόγηση τέτοιων εφαρμογών. Η επένδυση σε ανοικτά, επιμελημένα και μηχανικώς αναγνώσιμα δεδομένα θα αποδώσει περισσότερο από την επαναλαμβανόμενη αγορά πρόσβασης σε ολοένα μεγαλύτερα μοντέλα.
Κοινή δημόσια υποδομή αντί για εκατοντάδες ασύνδετες προμήθειες
Οι μικροί δήμοι δεν μπορούν να συγκροτήσουν ξεχωριστές ομάδες ΤΝ ούτε να αξιολογήσουν μόνοι τους σύνθετες προσφορές προμηθευτών. Χρειάζεται μια κοινή δημόσια υποδομή, η οποία θα παρέχει πιστοποιημένα ανοιχτά μοντέλα, ασφαλή φιλοξενία, πρότυπες διεπαφές, εργαλεία ανάκτησης εγγράφων και μηχανισμούς αξιολόγησης.
Οι εφαρμογές πρέπει να επικοινωνούν με τα μοντέλα μέσω ανοιχτών προτύπων, ώστε ένα μοντέλο να μπορεί να αντικατασταθεί χωρίς να ξαναγραφτεί ολόκληρο το πληροφοριακό σύστημα. Ο πηγαίος κώδικας των εφαρμογών που χρηματοδοτούνται από δημόσιους πόρους πρέπει να δημοσιεύεται σε δημόσιο αποθετήριο. Έτσι, μια εφαρμογή που αναπτύχθηκε για έναν δήμο θα μπορεί να επαναχρησιμοποιηθεί από άλλους, αντί να πληρώνεται πολλές φορές η ίδια λειτουργία.
Κάθε πιλοτική εφαρμογή πρέπει, τέλος, να συνοδεύεται από μετρήσιμους δείκτες: χρόνο διεκπεραίωσης πριν και μετά, ποσοστό λανθασμένων απαντήσεων, αριθμό υποθέσεων που χρειάζονται ανθρώπινη διόρθωση, κόστος ανά ολοκληρωμένη υπόθεση και βαθμό ικανοποίησης πολιτών και υπαλλήλων. Τα αποτελέσματα, οι συμβάσεις, τα τεχνικά χαρακτηριστικά και οι αξιολογήσεις επιπτώσεων πρέπει να δημοσιοποιούνται.
Η ΤΝ μπορεί να κάνει το κράτος ταχύτερο και περισσότερο προσιτό. Για να το κάνει και καλύτερο, χρειάζεται δημόσιος έλεγχος, ανοιχτή τεχνολογία, εκπαιδευμένο προσωπικό και διαρκής αξιολόγηση. Το ελληνικό Δημόσιο δεν χρειάζεται απλώς ένα ακόμη μοντέλο. Χρειάζεται την ικανότητα να γνωρίζει πότε το μοντέλο βοηθά, πότε σφάλει, πόσο κοστίζει και ποιος λογοδοτεί για τη χρήση του.
Πηγές άρθρου:
- OECD, Governing with Artificial Intelligence: The State of Play and Way Forward in Core Government Functions: Η έκθεση εξετάζει 200 εφαρμογές ΤΝ σε έντεκα κυβερνητικές λειτουργίες και τεκμηριώνει τόσο τις δυνατότητες όσο και τα εμπόδια για την αξιοποίησή της στον δημόσιο τομέα.
- World Bank, World Development Report 2026: The Promise of Artificial Intelligence: Η έκθεση συνδέει την αποτελεσματική χρήση της ΤΝ με τη θεσμική ετοιμότητα, την ποιότητα των δεδομένων, τις δεξιότητες του προσωπικού και την αξιολόγηση των αποτελεσμάτων.
- OECD, Survey on Drivers of Trust in Public Institutions 2026 Results: Παρέχει συγκριτικά δεδομένα για την εμπιστοσύνη των πολιτών στη χρήση ΤΝ από το κράτος και αναδεικνύει τις ανησυχίες για διαφάνεια, δικαιοσύνη και προστασία προσωπικών δεδομένων.
- Ash, Mehmood και Goessmann, Courts of Tomorrow: Evidence from a Nationwide Rollout of Generative AI: Μεγάλης κλίμακας πειραματική μελέτη που δείχνει ότι τα οφέλη της ΤΝ στη δικαιοσύνη εξαρτώνται από τη στοχευμένη εκπαίδευση των χρηστών και τη σωστή επιλογή εργασιών.
- Amnesty International, Coded Injustice: Surveillance and Discrimination in Denmark’s Automated Welfare State: Τεκμηριώνει τους κινδύνους που δημιουργούνται όταν αλγοριθμικά συστήματα κοινωνικής πρόνοιας λειτουργούν χωρίς επαρκή διαφάνεια, δυνατότητα αμφισβήτησης και αποτελεσματικό ανθρώπινο έλεγχο.
- Ευρωπαϊκή Ένωση, Κανονισμός (ΕΕ) 2024/1689 για την Τεχνητή Νοημοσύνη: Αποτελεί το βασικό ευρωπαϊκό κανονιστικό πλαίσιο για την ανάπτυξη και χρήση συστημάτων ΤΝ, με υποχρεώσεις ανάλογες προς τον κίνδυνο και ειδικές εγγυήσεις για τα συστήματα υψηλού κινδύνου.
- Νόμος 5321/2026, Μέτρα εφαρμογής του Κανονισμού (ΕΕ) 2024/1689: Καθορίζει το ελληνικό πλαίσιο εποπτείας των συστημάτων ΤΝ, τις αρμόδιες αρχές και τα εθνικά μέτρα για την εφαρμογή του ευρωπαϊκού Κανονισμού.