Jak wam idzie? Czyli o ludziach i wdrożeniach AI w administracji | How are things going? People and AI in public administration
Klaudia Wojciechowska
28 września 2024
Przy setkach opisów konkretnych scenariuszy wdrożeń AI zazwyczaj trudno ocenić czy technologiczne rozwiązania były trafne i czy to w ostateczności naprawdę działają. Podobnie jak w Polsce, więcej, z większą ekscytacją i nadzieją pisze się o tym co zamierza się zrobić i dlaczego to będzie super. I, że rozwiązuje tyle problemów. To łatwy i atrakcyjny komunikat, który też łatwo przedostaje się do mediów i rankingów. Trudniej mówi się o tym co ostatecznie wyszło. Że miało rozwiązywać problem X, ale ostatecznie rozwiązuje problem Y i to nie do końca i nie dla wszystkich. Ale, że jest poprawiane i będzie lepiej. Tego nikt nie opublikuje. A jak opublikuje to raczej prześmiewczo. I wtedy nikomu nie chce się dalej nad tym pracować. Choć to byłaby taka niesamowita wiedza i lekcja. I odwaga! No i wreszcie: jak często czytacie o tym kto to robi? Jaki zespół? Z kogo się składa? Dlaczego z tych osób? Jakie mają motywacje? Jakie doświadczenia? Jak im idzie?
Do tych przemyśleń zachęcił mnie blog Digital People. Można w nim znaleźć informacje o procesie tworzenia niektórych rozwiązań (nie tylko o wynikach tych wdrożeń) i o zespołach jakie nad tym pracują. W bardzo stereotypowym urzędniczym świecie, wszystko co technologiczne to… dział IT. A może by tak właśnie zrobić inaczej?
Zainspirowała mnie historia, struktura i zadania zespołu Government Digital Service. To 750-osobowy zespół, który wdraża usługi cyfrowe w domenie gov.uk w całym kraju. Działa w ramach większego urzędu czyli Departamentu Nauki, Innowacji i Technologii. Zespół GDS i opisywane przez nich projekty w brytyjskiej administracji to świetny przykład tego jak można myśleć o technologii w administracji czyli:
1. komplikować (!), wydłużać ścieżkę od szybkiego pomysłu do wdrożenia. Bardzo często gotowy pomysł na techniczne rozwiązanie wybranego problemu przechodzi bezpośrednio z ministerialnego gabinetu do działu IT. I, co nietrudno zgadnąć, nieuchronnie prowadzi do porażki. Bo to zazwyczaj nie w technologii kryje się rozwiązanie.
Co powinno znaleźć się na tej wydłużonej ścieżce od pomysłu do realizacji? Po pierwsze: konsultacje pomysłu z osobami spoza własnego zespołu by dostać inne spojrzenie, by nazbierać więcej wiedzy o potrzebie, by wyjść ze swojej bańki. Takie konsultacje nie muszą mieć formalnego charakteru. Nawet lepiej kiedy początkowo buduje się wokół nich nieformalne, zwinne, kreatywne koalicje, zdolne do siania intelektualnego, organizacyjnego fermentu. Wówczas ciekawych opinii, nieskrępowanych urzędniczym językiem można dostać dużo więcej. Warto też poświęcić czas by dowiedzieć się czy podobne wdrożenia są w innych urzędach, a nawet administracjach na świecie, skontaktować się z tymi urzędami i zapytać: jak wam poszło? Co poszło ok? Co się nie udało? Nawet ChatGPT czy Perplexity świetnie podpowiada gdzie takie praktyki są.
2. zbierać dane w ramach urzędu i dbać o to by były aktualne, kompletne, bezpieczne i… dostępne do wykorzystania! Dane to wiedza i bezcenny kapitał. W kontekście automatyzacji i AI źródła ważnych danych to choćby profil naszych klientów urzędowych czy struktura ruchu na stronie internetowej. Wartością będą dane o najczęstszych problemach zgłaszanych przez infolinię, informacje o czasie jaki zabiera odpowiedź na często pojawiające się pismo czy skargę. Warto wiedzieć w jakich najczęściej sprawach ludzie piszą do nas maile. Te informacje to świetny start do tego, by zastanowić się co warto automatyzować, kogo to będzie dotyczyć, komu to ułatwi pracę i w jakim zakresie. W administracji brytyjskiej pracują z tymi zasobami zespoły analityczne (data scientists). Co dokładnie robią, można przeczytać choćby w artykule Data science is a team sport autorstwa urzędników i urzędniczek z brytyjskiego GDS.
3. budować interdyscyplinarne, przekrojowe zespoły w ramach urzędu i nie tylko. Zamykanie się w departamentalnych bańkach nie pomoże efektywnemu wdrożeniu. Jest ryzyko, że w departamencie nie dostrzeżone zostaną inne powiązane projekty, dostępne zasoby, albo ważne ograniczenia. Spłaszczanie struktury zarządzania projektem, upodmiotowienie jej członkow i członkiń, poznanie i spisanie dostępnych umiejętności i wiedzy w zespołach może sprawić, że wspólna praca będzie nie tylko efektywniejsza, kompleksowa, ale też przyjemniejsza, edukacyjna. Może doprowadzić do innych odkryć, projektów w urzędzie, pomoże odszukać nowe liderki i liderów.
4. włączać do tych zespołów różnorodne osoby jeśli chodzi o potrzeby, wiek czy sprawność. Jak myślimy o AI, które utrwala uprzedzenia i stereotypy, to nie dzieje się tak tylko dlatego, że dane wejściowe mają wadę. Prawdopodobnie dzieje się też tak dlatego, że w planowaniu wdrożeń i w samych wdrożeniach nie biorą udziału osoby o zróżnicowanych cechach i potrzebach. Budujemy zespoły złożone z ludzi podobnych do nas, z podobną wiedzą. Warto czasem pomyśleć by wyjść poza ten schemat i skorzystać z nieoczywistych kontaktów, wiedzy i połączeń.
5. dzielić się informacjami o tym jak wygląda proces realizacji pomysłu. W brytyjskim departamencie handlu służy do tego blog. W sierpniu znalazł się na nim artykuł o tym jak struktura zarządzania projektami AI pomaga we wdrażaniu projektów opartych o sztuczną inteligencję. Można poczytać o tym kto jest zaangażowany i dlaczego, z kim są rozmowy, jakie są trudności, co już się udało i co jeszcze nie.
Pomimo tego, że brytyjskie rozwiązania mogą nie przystawać do polskiej rzeczywistości to znam wiele osób urzędniczych w służbie cywilnej, które wybiorą najbardziej czasochłonne zadanie i zamiast szybko zlecić realizację działowi IT, zechcą spróbować zbudować wokół tego wyzwania sprawny, różnorodny zespół. Bardzo na to czekam!
Klaudia Wojciechowska
September 28, 2024
With hundreds of descriptions of specific AI implementations, it's usually difficult to assess whether the technological solutions were accurate and whether it's really working in the end. As in Poland, it is more popular to write about what is going to be done and why it will be great. And that it solves so many problems... It's an easy and attractive message that also easily gets into the media and rankings. It's harder to talk about what eventually came out. That it was supposed to solve problem X, but in the end it solves problem Y and not entirely and not for everyone. But that it is being improved and will be better. This is what no one will publish. And if it gets published it is rather a meme. And then no one wants to continue working on it. Although it would be such an amazing knowledge and lesson. And courage! And finally: how often do you read about who is doing it? What kind of team? Who does it consist of? Why of these people? What motivations do they have? What experiences do they have? How are they doing?
I was encouraged to write these thoughts by the Digital People blog. There you can find information about the process of creating some solutions (not just the results of those implementations) and the teams that work on it. In a very stereotypical government office world, everything technological goes to... the IT department. How about just doing things differently?
I was inspired by the history, structure and tasks of the Government Digital Service team. It's a 750-person team that implements digital services in the gov.uk domain across the country. It operates within a larger authority, the Department of Science, Innovation and Technology. The GDS team and the projects they describe in the UK government are a great example of how to think about technology in government. What then could be the recipe to undertake successful projects?
1. complicate (!), lengthen the path from a quick idea to implementation. Very often, a ready idea for a technical solution to a selected problem goes directly from the ministerial cabinet to the IT department. And, not hard to guess, it inevitably leads to failure. Because it is usually not in the technology where the solution lies.What should be on this extended path from idea to implementation? First: consultation of the idea with people outside your own team to get a different perspective, to gather more knowledge about the need, to get out of your bubble. Such consultations don't have to be formal. Even better when you initially build informal, nimble, creative coalitions around them, capable of sowing intellectual, organizational ferment. Then you can get a lot more interesting opinions, unfettered by bureaucratic language. It's also worth taking the time to find out if similar implementations are in other offices, or even administrations around the world, to contact those offices and ask: how did it go for you? What went ok? What went wrong? Even ChatGPT or Perplexity gives great hints as to where such practices are.
2. collect data within the office and ensure that it is up-to-date, complete, secure and... available for use! Data is knowledge and an invaluable asset. In the context of automation and AI, sources of important data include the profile of our official customers or the traffic structure of the website. The value will be data about the most common problems reported by the helpline, information about the time it takes to respond to a frequently occurring letter or complaint. It's useful to know what are the most common issues people email us about. This information is a great start to think about what is worth automating, who it will affect, who it will make work easier and to what extent. In the UK administration, analytical teams (data scientists) are working with these resources. What exactly they do can be read, for example, in the article Data science is a team sport by officials and civil servants from the UK GDS.
3. build interdisciplinary, cross-cutting teams within the office and beyond. Getting locked into departmental bubbles will not help effective implementation. There is a risk that other related projects, available resources, or important constraints within the department will not be recognized. Flattening the project management structure, empowering its members, recognizing and listing available skills and knowledge in teams can make joint work not only more effective, comprehensive, but also more enjoyable, educational. It can lead to other discoveries, projects in the office, help to find new leaders.
4. include diverse people in these teams in terms of needs, age or ability. As we think about AI perpetuating biases and stereotypes, it's not just because the input data is flawed. It is probably also because people with diverse characteristics and needs are not involved in the planning of deployments and in the deployments themselves. We build teams made up of people similar to us, with similar knowledge. It's worth thinking sometimes to go beyond this pattern and take advantage of non-obvious contacts, knowledge and connections.
5. share information about what the process of implementing an idea looks like. In the UK Department of Commerce, a blog is used for this purpose. In August, it featured an article about how the AI project management structure helps implement AI-based projects. You can read about who is involved and why, who the discussions are with, what the difficulties are, what has already succeeded and what has not yet.
Despite the fact that British solutions may not match the Polish reality, I know many civil servants who will choose the most time-consuming task and, instead of quickly outsourcing to the IT department, want to try to build an efficient, diverse team around this challenge. I am very much looking forward to that!