Připomínkování odborných studií bylo donedávna klíčovou fází ověřování kvality poradenských výstupů. Šlo o kombinaci expertního posouzení, diskuze a dolaďování textu. V posledních dvou letech se ten mechanismus proměnil, a ne k lepšímu.

Připomínkování metodou Ctrl a C

V praxi dnes často dochází k tomu, že politický zástupce nebo úředník vezme poradenskou studii, nahraje ji do jazykového modelu a požádá o její zhodnocení. Výstupem bývá rychlý text, který působí strukturovaně, logicky a odborně. Seznam chyb, návrhy na doplnění, přepis doporučení. Tento text se pak bez hlubšího přemýšlení a bez kritické validace kopíruje zpět do připomínek adresovaných poradci, a to včetně typických znaků daného modelu.

Tento proces má tři typické znaky.

  • Standardizovaná forma. Objevují se obecné fráze typu „text je třeba zpřehlednit“ nebo „chybí kvantifikace“ bez skutečného vztahu k obsahu dokumentu.
  • Ztráta kritického filtru. Úředník se stává spíše prostředníkem mezi AI a poradcem než hodnotitelem, který přemýšlí nad dopady a provázaností doporučení.
  • Uniformita výstupů. Připomínky působí, jako by byly psané jedním stylem, bez ohledu na odbornost či priority daného úřadu.

Co to dělá s kvalitou práce

Efekt je dvojí. Na jedné straně stojí zrychlení připomínkového řízení, odstranění jazykových a formálních chyb a větší dostupnost kritického pohledu i pro méně zkušené úředníky.

Na druhé straně vzniká riziko odtržení připomínek od reálných potřeb a kontextu daného úřadu, oslabuje se odborný dialog mezi zadavatelem a poradcem a uniformní kritika místo zlepšení kvality často jen generuje šum.

Fenomén outsourcovaného úsudku

Problém nespočívá primárně v samotném využití AI, ale v absenci kritického filtru.

„Veřejná správa outsourcuje nejen analytickou práci na poradce, ale následně i zpětnou vazbu na algoritmus.“

Čtyři pravidla, aby AI zůstala pomocníkem

Pokud má AI v připomínkovém procesu fungovat jako pomocník, nikoli jako náhrada úsudku, je potřeba čtyř věcí.

  • Zavést metodiku pro využívání AI při připomínkování. Jasně odlišit, co je doporučení stroje a co lidský úsudek.
  • Kombinovat AI s expertním posouzením. Nebrat ji jako jediný zdroj připomínek.
  • Vzdělávat úředníky v kritickém čtení výstupů AI, aby dokázali odlišit podstatné od banálního.
  • Udržovat dialog s poradci, kde je zpětná vazba založená na konkrétních potřebách a strategických cílech.

Současný trend je symptomem širší změny ve fungování veřejné správy. Technologická dostupnost zrychluje procesy, ale zároveň redukuje hloubku odborného dialogu. Pokud má mít spolupráce mezi poradci a veřejnou správou smysl, nelze přenechat kritické myšlení plně algoritmům.

Jan Havránek
Partner · AQE advisors

Vede strategické projekty pro města a kraje. Specializuje se na strategické plánování, reformy veřejné správy a ekonomiku rozvoje území.