Artykuł pochodzi z wydania: Lipiec-sierpień 2026
Narzędzia sztucznej inteligencji mogą wspierać człowieka w zadaniach, które dotąd z trudem poddawały się automatyzacji. Realne wykorzystanie AI w obszarze zamówień publicznych wymaga jednak najpierw przekształcenia wiedzy, którą zgromadził ten dział jednostki, w uporządkowany zasób.
Postęp w dziedzinie sztucznej inteligencji (AI) następuje lawinowo. Niemal każdy miesiąc przynosi nowe narzędzia i nowe sposoby ich wykorzystania. W ciągu ostatnich trzech lat przeszliśmy od chatbotów odpowiadających na pojedyncze pytania (prompty) do rozwiązań agentycznych, które potrafią samodzielnie zaplanować sposób osiągnięcia celu wskazanego przez użytkownika.
Podstawą działania większości tych narzędzi są modele AI, które zostały wytrenowane na olbrzymich zbiorach tekstów z wykorzystaniem technik uczenia maszynowego. Określamy je mianem dużych modeli językowych (LLM – Large Language Models). Modele te wymagają jednak do wykorzystania ich w praktyce dodatkowych narzędzi, które pozwalają im na komunikację z użytkownikiem, podłączenie do systemów zewnętrznych oraz przetwarzanie danych zapisanych w różnych formatach. Takie narzędzia są – w odróżnieniu od samego modelu AI – są klasycznymi rozwiązaniami programistycznymi i to one decydują w praktyce o możliwych zastosowaniach sztucznej inteligencji.
Dla praktyków istotne jest przede wszystkim to, że narzędzia AI mogą wspierać człowieka w zadaniach, które dotąd z trudem poddawały się automatyzacji ze względu np. na zbyt wielką liczbę opcji do uwzględnienia. Pozwalają także na znaczne przyspieszenie wykonywania czynności, które wcześniej wymagałyby albo dużej ilości czasu, albo dużych nakładów (np. analizy lub streszczenia obszernych dokumentów).
Co jest potrzebne do korzystania z AI
Należy pamiętać, że rozwiązania oparte na AI nie są w pełni deterministyczne. Nie zwracają one zawsze tego samego wyniku według z góry opisanych reguł. W podobnych stanach faktycznych mogą zachować się odmiennie. Dlatego praca z tymi systemami wymaga nowego zestawu kompetencji. Chodzi nie tyle o umiejętność wybierania właściwych zadań do powierzania AI, sprawdzenia wyników, weryfikowania oraz rozpoznawania ryzyk.
Sztuczna inteligencja może działać na trzy podstawowe sposoby:
- generować nowe treści na podstawie wzorców i wiedzy nabytych podczas treningu;
- przekształcać materiały przekazane przez użytkownika: porządkować je, analizować albo redagować;
- korzystać z dodatkowych źródeł udostępnionych AI w chwili wykonywania zadania, np. dokumentów firmowych, treści z internetu lub z zewnętrznych baz danych.
Z punktu widzenia praktyki zamówień publicznych najistotniejsze są dwa ostatnie sposoby.
Sztuczna inteligencja w zamówieniach publicznych
W praktyce zamówionej liczy się nie tyle możliwość samego tworzenia treści czy odpowiadania przez model AI na pytani użytkownika na podstawie wzorców i danych treningowych, ile możliwość pracy na znanych, wypracowanych wcześniej wzorach, obowiązujących przepisach oraz dokumentach konkretnego zamawiającego. Przełóżmy to na praktykę. Jeśli spróbujemy wygenerować warunki udziału w postępowaniu o udzielenie zamówienia publicznego wyłącznie na podstawie krótkiej instrukcji (promptu), to jakość wyniku może być bardzo różna. Jedno jest pewne: taki rezultat może istotnie odbiegać od standardów obowiązujących w danej instytucji, gdyż odpowiedź zostanie wygenerowana na podstawie danych z bazy treningowej użytej do przygotowania modelu AI, której zawartość i jakości nie znamy. Jeśli jednak wykonamy to samo zadanie, przekazując systemowi AI dodatkowy kontekst w postaci wzorowej specyfikacji warunków zamówienia (dalej: SWZ) wraz z opisem konkretnego zamówienia, to wynik będzie zapewne dużo bliższy oczekiwaniom.
W istocie rzeczy praca z systemami AI polega na umiejętnym przekazywaniu systemowi – w celu wykorzystania w zlecanych mu zadaniach – wiedzy dotyczącej przygotowania i prowadzenia postępowań o udzielenie zamówienia publicznego. Najlepiej wyjaśnić to na przykładach.
Przygotowanie SWZ
Powiedzmy, że przygotowujemy SWZ dla nowego zamówienia. Aby to zrobić, potrzebujemy opisu przedmiotu zamówienia oraz znajomości kontekstu zamówienia: potrzeb zamawiającego, doświadczeń z realizacji wcześniejszych podobnych zamówień, wiedzy o rynku i wykonawcach. Dodatkowo potrzebujemy wzorca SWZ oraz umiejętności dostosowania go do konkretnego zamówienia. Chodzi o dobre praktyki instytucji zamawiającej dotyczące przygotowania SWZ oraz doświadczenia z poprzednich postępować, obejmujące pytania wykonawców, ich odwołania i wyniki postępowań.
Zwykle ta wiedza – czyli know-ho – potrzeba do opracowania SWZ nie jest żadnej instytucji zebrana ani ustrukturyzowana. Zawarta jest w sumie doświadczenia i umiejętności osób pracujących w dziale zamówień publicznych. Aby realnie wykorzystać AI we wspieraniu zamówień publicznych, trzeba przekształcić tę wiedzę w uporządkowany zasób. Z jednej strony powinien to być zbiór wzorów, wyciągów z przepisów, opinii, komentarzy, wytycznych i instrukcji. Z drugiej zaś – zestaw praktycznych wskazówek pokazujących, jak i które kwestie są istotne z punktu widzenia dotychczasowej praktyki. Czasami tego typu wskazówki zbiera się w formie listy kontrolnej (tzw. check listy).
Tak przygotowane know-how można wykorzystać na różne sposoby:
- w pełni manualnie, dodając je jako kontekst do polecenia do systemu AI;
- automatycznie lub półautomatycznie, przygotowując tzw. asystentów AI, skille lub agentów AI.
Niezależnie od formy wdrożenia zasada pozostaje podobna: model AI powinien pracować nie na swojej własnej wiedzy, ale na materiale, który odzwierciedla standardy i potrzeby danej instytucji.
[…]
Tomasz Zalewski
radca prawny, założyciel kancelarii Zalewski Legal i Fundacji LegalTech Polska
