W październiku 2017 roku Zjednoczone Emiraty Arabskie opublikowały narodową strategię sztucznej inteligencji i w ciągu kilku dni powołały pierwszego na świecie ministra ds. AI — 27-letni Omar Sultan Al Olama objął stanowisko, które wtedy nie istniało nigdzie indziej. Siedem lat później ZEA ogłosiły cel, który brzmi jak science fiction: przeniesienie połowy federalnych operacji rządowych na agentyczną AI w ciągu zaledwie dwóch lat. Pytanie, które powinno spędzać sen z powiek każdemu obserwatorowi tej transformacji, nie brzmi „czy ZEA to zrobią” — brzmi „kto odpowiada, gdy maszyna pomyli się w sprawie obywatela”.
Co to jest agentyczna AI i czym różni się od zwykłej automatyzacji?
Agentyczna AI (ang. agentic AI) to systemy zdolne do samodzielnego planowania i wykonywania złożonych sekwencji działań bez bezpośredniego nadzoru człowieka przy każdym kroku — w odróżnieniu od klasycznej automatyzacji, która realizuje z góry zaprogramowane reguły.
Klasyczny chatbot czeka na pytanie i odpowiada. Agent AI może samodzielnie zebrać dane z wielu źródeł, podjąć decyzję procesową, zlecić działanie innemu systemowi i potwierdzić wykonanie — wszystko w ramach jednego zadania, bez pośrednika. To jakościowa zmiana, nie ilościowa.
W kontekście rządowym różnica jest szczególnie istotna: system automatyzujący wypłatę zasiłku wykonuje regułę uchwaloną przez parlament. System agentyczny może interpretować niejasne przypadki, priorytetyzować zadania i generować rekomendacje w czasie rzeczywistym — operując w szarej strefie, którą dotychczas zajmował urzędnik z doświadczeniem zawodowym.
Jak ZEA planują wdrożyć agentyczną AI w administracji?
W bieżącym miesiącu ponad 100 federalnych urzędników wzięło udział w warsztatach zorganizowanych przez Narodowy Komitet ds. Projektu Agentycznej AI. Spotkanie otworzyło strategiczną fazę programu, który zakłada konwersję połowy operacji rządu federalnego na modele agentyczne do 2027 roku.
Program zbudowany jest wokół siedmiu filarów: strategia i projekty, prognozowanie i wywiad strategiczny, polityki, struktury i zarządzanie, wyniki rządowe, globalna konkurencyjność oraz innowacje w pracy rządowej. Urzędnicy omawiają wskaźniki efektywności i mechanizmy zapobiegające powielaniu wdrożeń przez różne ministerstwa.
Infrastruktura technologiczna, na której program będzie działać, nie jest improwizowana. ZEA dysponują już suwerenną chmurą, cyfrową tożsamością obywatelską i systemem proaktywnej oceny wyników rządu opartym na AI, który przetwarza ponad 150 milionów punktów danych miesięcznie. To poziom gotowości danych, którego większość rządów europejskich jeszcze nie osiągnęła.
Zasada przewodnia: człowiek prowadzi, AI umożliwia
Warsztaty były prowadzone według sformułowanej zasady: human leads, AI enables — człowiek prowadzi, AI umożliwia. Huda Al Hashimi, wiceminister ds. Gabinetu Ministrów do Spraw Strategicznych, określiła spotkanie jako operacyjny początek wdrażania modeli AI w działalności rządowej.
Zasada brzmi zachowawczo, ale język inauguracyjny programu był wyraźnie ambitniejszy. Szejk Mohammed bin Rashid Al Maktoum, zapowiadając program, mówił o systemach „zarządzających operacjami i realizujących niezależne sekwencje działań bez interwencji człowieka”. Oba sformułowania mogą być jednocześnie prawdziwe w ramach tysięcy różnych zadań — jednak napięcie między nimi nie zniknie samo.
Redakcja IWD Partner: Obserwując tę inicjatywę, trudno oprzeć się wrażeniu, że ZEA weszły w fazę, w której każdy rząd musi prędzej czy później zadać sobie jedno pytanie: czym różni się algorytmiczny błąd od urzędniczego błędu pod względem odpowiedzialności prawnej? Kraje Unii Europejskiej od lat budują regulacyjne ramy dla AI, podczas gdy ZEA budują systemy — i dopiero teraz dobierają do nich ramy. To odwrócona kolejność, która może okazać się skuteczniejsza albo bardzo kosztowna. Historia regulacji technologicznych sugeruje, że odpowiedź zależy od tego, czy ramy powstaną przed pierwszym głośnym incydentem, czy po nim.
Dlaczego klasyfikacja zadań jest najtrudniejszym elementem całego projektu?
Kluczowym wyzwaniem nie jest technologia ani budżet, lecz klasyfikacja uprawnień decyzyjnych — metodyczna odpowiedź na pytanie, które zadania rządowe wolno powierzyć autonomicznemu systemowi, a które może on jedynie rekomendować.
Żaden rząd na świecie nie opublikował dotychczas obronnej, weryfikowalnej metodyki takiej klasyfikacji. To nie jest niedopatrzenie — to odzwierciedlenie głębokiej trudności problemu. Rozróżnienie między „agent wykonuje” a „agent rekomenduje” musi uwzględniać co najmniej trzy wymiary: wagę skutków dla obywatela, odwracalność decyzji oraz dostępność mechanizmu odwoławczego.
Materiały opublikowane po warsztatach obejmują filary programu, wskaźniki, struktury zarządzania i plan szkoleń. Nie opisują jednak, co obywatel może zrobić, gdy autonomiczny system błędnie rozpatrzy jego sprawę, ani gdzie spoczywa odpowiedzialność prawna w takim przypadku. Ta luka nie jest specyficzna dla ZEA — ona definiuje stan całej dziedziny.
Dwie narracje tego samego projektu
Program funkcjonuje równolegle w dwóch językach komunikacyjnych. Język inauguracyjny podkreśla autonomię i przełomowość: ZEA jako „pierwszy rząd na świecie, który na szeroką skalę wdraża agentyczną AI”. Język implementacyjny podkreśla nadzór i stopniowość: piloci, wskaźniki, ramy, priorytety.
Obydwa języki są politycznie użyteczne i technicznie uzasadnione — ambitna wizja przyciąga inwestycje i talenty, ostrożna implementacja minimalizuje ryzyko operacyjne. Problem polega na tym, że bez opublikowanej taksonomii decyzji trudno ocenić z zewnątrz, po której stronie tej osi konkretne wdrożenia faktycznie się znajdują.
Dlaczego agentyczna AI w rządzie ma znaczenie?
Eksperyment ZEA jest pierwszą próbą wdrożenia agentycznej AI w skali całej administracji federalnej — nie jednego ministerstwa, nie pilotowego projektu, ale systemowej transformacji operacji państwowych. Wyniki tej próby będą obserwowane przez każdy rząd, który rozważa podobny kierunek.
Skala jest bezprecedensowa: program dotyczy połowy federalnych operacji rządowych ZEA, państwa liczącego około 9,3 miliona mieszkańców (dane z 2023 roku, Federalny Urząd Statystyczny ZEA), obsługiwanego przez kilkadziesiąt ministerstw i agencji. Jeśli uda się zbudować działające ramy klasyfikacji i odpowiedzialności, staną się one de facto wzorcem dla innych krajów Zatoki Perskiej i — prawdopodobnie — rynków wschodzących globalnie.
Dla obywateli kluczowe są dwie kwestie: szybkość i sprawiedliwość. Agentyczna AI może skrócić czas obsługi spraw administracyjnych z tygodni do minut. Jednak bez mechanizmów odwoławczych dostosowanych do decyzji autonomicznych systemów, przyspieszenie może oznaczać też przyspieszenie błędów trudnych do zakwestionowania.
Dla globalnej społeczności AI projekt ZEA dostarcza czegoś bezcennego: realnych danych z wdrożenia w warunkach produkcyjnych na dużą skalę. Niezależnie od wyniku — sukcesów i porażek — ta wiedza będzie miała wartość badawczą, której nie zastąpią żadne symulacje laboratoryjne.
Powiązane pojęcia z AI i uczenia maszynowego
- Agentyczna AI (Agentic AI) — systemy sztucznej inteligencji zdolne do samodzielnego planowania i wykonywania wieloetapowych zadań bez ciągłego nadzoru człowieka.
- LLM (Large Language Model) — wielki model językowy trenowany na ogromnych zbiorach tekstu, stanowiący często rdzeń systemów agentycznych.
- Human-in-the-loop — model nadzoru, w którym człowiek zatwierdza lub koryguje decyzje systemu AI na kluczowych etapach procesu.
- Suwerenna chmura — infrastruktura chmurowa kontrolowana przez państwo, zapewniająca przechowywanie i przetwarzanie danych rządowych poza jurysdykcją obcych podmiotów.
- Taksonomia decyzji AI — systematyczna klasyfikacja zadań według stopnia autonomii, którą można im powierzyć, z uwzględnieniem ryzyka i mechanizmów odpowiedzialności.
Na podstawie materiałów źródłowych.
