Kancelaria Prezesa Rady Ministrów, Kancelaria Senatu i Prokuratoria Generalna testują właśnie narzędzie, które ma podpowiadać urzędnikom podstawy prawne i pisać za nich pisma. Wirtualny asystent urzędnika działa na polskim modelu językowym PLLuM, a dwie albo trzy jego funkcje mają trafić do realnej pracy jeszcze w tym roku.
Kluczowe fakty:
- Kancelaria Prezesa Rady Ministrów, Kancelaria Senatu i Prokuratoria Generalna testują wirtualnego asystenta urzędnika opartego na polskim modelu językowym PLLuM, a dwie lub trzy jego funkcje mają trafić do realnej pracy jeszcze w 2025 roku.
- Narzędzie składa się z trzech testowanych funkcji: asystenta ogólnego odpowiadającego na pytania pracowników administracji, asystenta prawnego podpiętego pod bazy orzeczeń sądów i materiałów NIK oraz modułu automatycznej anonimizacji pism.
- Po zakończeniu testów narzędzie ma być udostępnione bezpłatnie na osobnej platformie oraz zintegrowane bezpośrednio z systemami biurowymi urzędów administracji centralnej.
O szczegółach poinformowali w poniedziałek 24 sierpnia na spotkaniu z dziennikarzami wiceminister cyfryzacji Dariusz Standerski oraz prof. Szymon Łukasik, dyrektor Ośrodka Badań nad Bezpieczeństwem Sztucznej Inteligencji w NASK. To pierwszy moment, w którym państwowy model językowy przestaje być demonstracją możliwości, a zaczyna być narzędziem pracy w centralnej administracji.
Chcesz czytać więcej treści związanych z AI?
Dodaj AIPORT.pl do preferowanych źródeł Google
Trzy funkcje, trzy urzędy na pierwszej linii
Wirtualny asystent urzędnika nie jest jednym programem, tylko zestawem funkcji o bardzo różnym stopniu dojrzałości. W testach są obecnie trzy:
- Asystent ogólny. Odpowiada na pytania pracowników sektora publicznego dotyczące administracji centralnej. Działa podobnie do czatbota, którego obywatele znają z aplikacji mObywatel.
- Asystent prawny. Podpięty pod bazy orzeczeń sądów i materiały kontrolne NIK, ma proponować odpowiedzi na problemy prawne razem ze wskazaniem źródeł. To najtrudniejszy element całego projektu.
- Automatyczna anonimizacja. Usuwa z pism dane wrażliwe: imiona, nazwiska, daty, informacje pozwalające zidentyfikować konkretną osobę.
Do końca roku ma dołączyć czwarty element, generator pism do spraw powtarzalnych. Po zamknięciu testów narzędzie ma być udostępnione bezpłatnie na osobnej platformie oraz zintegrowane wprost z systemami biurowymi urzędów administracji centralnej.
Jak sprawdza się model, który ma mówić o prawie
Procedura testowa jest prosta i dlatego przekonująca. Tester wpisuje konkretny problem prawny, asystent generuje dwie albo trzy wersje odpowiedzi, a człowiek wskazuje tę, która najbliżej trafia w rzeczywisty stan prawny. Powtarzane setki razy daje to obraz tego, gdzie model błądzi.
Standerski pokazał to na przykładzie transkrypcji aktu małżeństwa zawartego za granicą przez osoby tej samej płci. System ma w takiej sytuacji podać nie tylko świeże rozporządzenie, ale też orzeczenie Naczelnego Sądu Administracyjnego i wyrok TSUE, i złożyć z tego notatkę.
„Asystent prawny musi być już precyzyjny” – podkreślił wiceminister. Testy mają potrwać jeszcze kilka tygodni.
Anonimizacja, która na razie kasuje za dużo
Najciekawszy szczegół z całego spotkania dotyczy funkcji z pozoru najprostszej. Model rozpoznaje daty i posłusznie je usuwa. Wszystkie. Łącznie z datą wystawienia dokumentu, która przecież żadną daną wrażliwą nie jest.
To dokładnie ten rodzaj błędu, którego nie widać w benchmarkach, a który wywraca wdrożenie w praktyce. Odróżnienie daty urodzenia od daty pisma wymaga rozumienia funkcji, jaką dana pełni w dokumencie, a nie samego rozpoznania wzorca. Zespół NASK dopracowuje to teraz.
Jestem ostrożnym optymistą i mówię to jako ktoś, kto od dwóch lat obserwuje kolejne zapowiedzi cyfryzacji administracji. Tym razem widzę różnicę: nie ogłasza się gotowego produktu, tylko opowiada o tym, co jeszcze nie działa. Ministerstwo samo przyznaje, że anonimizator kasuje niewłaściwe daty, a asystent prawny jest najtrudniejszym elementem układanki. Taka szczerość to dobry znak, bo alternatywą jest wdrożenie czegoś, co robi wrażenie na konferencji prasowej i sypie się w pierwszym tygodniu.
Mam jednak dwa pytania, na które nie usłyszałem odpowiedzi. Pierwsze dotyczy pomiaru. NASK przyznaje, że nie zna dokładnego odsetka błędnych odpowiedzi asystenta w mObywatelu, a wiedzę o pomyłkach czerpie głównie od użytkowników. Przy narzędziu prawnym taki tryb kontroli jakości nie wystarczy. Potrzebne są twarde liczby publikowane cyklicznie, a nie zapewnienia.
Drugie pytanie jest o ludzi. Urzędnik podpisujący pismo bierze za nie odpowiedzialność, to jasne. Ale człowiek, któremu system podsuwa gotowy, poprawnie brzmiący tekst z przypisami do orzeczeń, po kilku miesiącach przestaje czytać go tak uważnie jak na początku. Znam ten mechanizm z lotnictwa i z medycyny. Wytyczne weryfikacji, o których mówi ministerstwo, będą ważniejsze niż sam model.
Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl
Podpis zostaje po stronie człowieka
Ministerstwo powtarza konsekwentnie jedną zasadę: system nie podejmuje decyzji. Za treść dokumentu przygotowanego z pomocą asystenta odpowiada urzędnik, który go podpisuje, a podpis oznacza, że zapoznał się z treścią, przeanalizował ją i bierze za nią odpowiedzialność.
Prof. Łukasik dodał drugą warstwę zabezpieczeń, techniczną. Duża część par pytanie-odpowiedź używanych przy rozwijaniu modelu powstaje ręcznie i przechodzi weryfikację specjalistów. Na tej podstawie budowane są zbiory testowe. Dane przetwarzane przez asystenta mają zostawać w zamkniętych systemach.
Osobno wygląda kwestia danych treningowych. NASK deklaruje pozyskiwanie ich albo bezpośrednio na podstawie umów z właścicielami, albo z internetu z poszanowaniem wyłączeń TDM, czyli sprzeciwu autora wobec trenowania modeli na jego twórczości. Do tego dochodzą klasyfikatory oceniające jakość danych i weryfikacja każdego źródła. To zgodność zarówno z prawem autorskim, jak i z unijnym AI Act oraz polską ustawą o systemach sztucznej inteligencji.
Opisz krótko, czego potrzebujesz. Jesteśmy największym HUB-em AI w Polsce — w naszej bazie znajdziesz blisko 500 zweryfikowanych firm specjalizujących się w AI. W Twoim imieniu poprosimy 3-5 dopasowanych wykonawców o kontakt w ciągu 48 godzin.
PLLuM już pracuje, tylko nikt nie wie dokładnie gdzie
Asystent urzędnika nie jest pierwszym wdrożeniem. Model działa w mObywatelu, gdzie użytkownicy odbyli już ponad 730 tys. rozmów i wymienili ponad 1,1 miliona wiadomości. Pytają najczęściej o samą aplikację, dokumenty, paszporty i rejestrację pojazdów.
W samorządach mapa wygląda następująco: Gdynia używa PLLuM do obsługi zapytań obywatelskich i przeszukiwania Biuletynu Informacji Publicznej, Poznań pilotażowo w Biurze Poznań Kontakt, Łódź do wyszukiwania dokumentów wewnętrznych, Międzyzdroje do analizy dokumentów i wyciągania z nich danych, a samorząd województwa lubuskiego w procesach wewnętrznych. Z modelu korzystają też Ministerstwo Cyfryzacji i Ministerstwo Rozwoju i Technologii.
Pełnej skali nie zna nikt, łącznie z twórcami. PLLuM jest dostępny na otwartej licencji, więc można go uruchomić bez informowania kogokolwiek. NASK zapowiada udział w co najmniej kilkudziesięciu wdrożeniach administracyjnych w najbliższych latach. Prof. Łukasik ocenił, że mowa już o jednym z większych wdrożeń dużego modelu językowego w europejskiej administracji publicznej.
Więcej o samym modelu i jego miejscu wśród polskich projektów AI opisywaliśmy w indeksie polskiego ekosystemu sztucznej inteligencji.
Polska tania, Hiszpania droga, efekt podobny
Tu robi się ciekawie, jeśli spojrzeć na pieniądze. Na PLLuM przeznaczono początkowo 14,5 mln zł, a konsorcjum HIVE odpowiedzialne za wdrożenia dostało dodatkowo 19 mln zł dotacji. W przeliczeniu to kilka milionów euro.
Dla porównania hiszpańska ALIA, model o 40 miliardach parametrów trenowany w Barcelona Supercomputing Center, to program wart około 240 mln euro. Niemiecki Teuken-7B z konsorcjum OpenGPT-X kosztował mniej więcej 14 mln euro. Portugalska Amália, ogłoszona 1 lipca 2026 roku, powstała za około 7 mln euro. Komisja Europejska poszła jeszcze inną drogą i w lipcu udostępniła własny model instytucjonalny zbudowany na otwartym Mixtralu 8x7B od Mistral AI.
Różnica między tymi projektami nie leży w liczbie parametrów, tylko w tym, ile z nich faktycznie trafiło do codziennej pracy urzędów. Analiza europejskich modeli publicznych opublikowana w lipcu pokazała, że ALIA przy budżecie 240 mln euro zanotowała w miesiąc 231 pobrań na Hugging Face, a PLLuM przegrywa pod tym względem z ochotniczo budowanym Bielikiem. Liczba pobrań to jednak wskaźnik popularności wśród deweloperów, nie wdrożeń instytucjonalnych. I akurat na tym drugim polu Polska wypada lepiej, niż wynikałoby to z rankingów pobrań.
Co poczuje obywatel po drugiej stronie okienka
Najbliższe dwa lata mają zmienić nie tylko pracę urzędnika, ale też sposób, w jaki obywatel styka się z państwem w sieci. Ministerstwo pracuje nad projektem Multiportal RP, w którym głównym elementem gov.pl przestaną być kafelki, banery i menu, a stanie się nim okno rozmowy.
„Będziemy rozmawiać z naszym portalem” – podsumował Standerski. Zaplecze serwisów rządowych ma zostać przebudowane z rozproszonego zbioru dokumentów i wpisów w spójną bazę danych, co ma wyeliminować sytuacje, w których dwa urzędy podają obywatelowi sprzeczne informacje o tej samej sprawie. Dostosowanie stron ma potrwać rok albo dwa.
Równolegle z Rządowym Centrum Legislacji powstaje e-Legislacja, projekt przenoszący tworzenie prawa z plików Worda do baz danych. Ma z tego wyjść objaśnianie przepisów obywatelom oraz automatyzacja ocen skutków regulacji. Model uczy się też upraszczania języka urzędowego, a Szefowa Służby Cywilnej zachęca urzędy do przekazywania materiałów treningowych.
Do końca obecnej kadencji ministerstwo planuje opublikować listę systemów AI wykorzystywanych w administracji. To akurat zapowiedź, którą warto zapamiętać i o którą warto potem zapytać.
Za każdą polską firmą AI stoi konkretny człowiek z imieniem i nazwiskiem, często ten sam w kilku miejscach naraz, i to właśnie ludzie, nie tabelki finansowania, są prawdziwym bohaterem tego artykułu.
Sądy poczekają, i słusznie
Na pytanie o asystenta prawnego w sądownictwie Standerski odpowiedział bez entuzjazmu. Dopóki sądy nie są w pełni scyfryzowane, takie narzędzie nie będzie działać efektywnie. Wiceminister opowiada się za stosowaniem AI w sądach, ale w sprawach, które zjadają czas, a nie w samym orzekaniu: przy protokołach i przy anonimizacji.
Ta druga funkcja mogłaby dać efekt najszybciej. Automatyczna anonimizacja skróciłaby oczekiwanie na publikację wyroków, co jest problemem, o który środowisko prawnicze upomina się od lat. Ale najpierw model musi nauczyć się, że data wystawienia dokumentu nie jest tajemnicą.
Źródła i metodologia
Artykuł powstał na podstawie analizy redakcji AIPORT.pl oraz materiału z konferencji prasowej Ministerstwa Cyfryzacji i NASK z 24 sierpnia 2026 roku, relacjonowanej przez Rzeczpospolitą, Polską Agencję Prasową, ISBtech, wnp.pl, CRN oraz Dziennik Gazeta Prawna. Dane porównawcze o europejskich modelach publicznych pochodzą z materiałów Barcelona Supercomputing Center na temat projektu ALIA oraz z informacji Slator o modelu instytucjonalnym Komisji Europejskiej, uzupełnionych o publikacje dotyczące portugalskiej Amálii i niemieckiego Teuken-7B. Wypowiedzi Dariusza Standerskiego, wiceministra cyfryzacji, oraz prof. Szymona Łukasika, dyrektora Ośrodka Badań nad Bezpieczeństwem Sztucznej Inteligencji w NASK, pochodzą z relacji z konferencji prasowej. Komentarz redakcyjny i ocena kontekstu branżowego: Piotr Wolniewicz, Redaktor Naczelny AIPORT.pl. Artykuł będzie aktualizowany w miarę pojawiania się nowych informacji o wdrożeniach wirtualnego asystenta urzędnika i kolejnych wersjach modelu PLLuM.
