Pogoda 
Wiele organizacji mówi dziś o wykorzystaniu sztucznej inteligencji, ale często kończy się na pojedynczych eksperymentach. GZM postanowiła wykorzystać AI w obszarze, który bezpośrednio dotyczy codziennych podróży mieszkańców – w transporcie publicznym. Co AI realnie zmieniła w sposobie pracy GZM?
Najważniejsza zmiana polega na tym, że zaczynamy traktować sztuczną inteligencję nie jako ciekawostkę technologiczną, ale jako narzędzie, które może realnie wykorzystać w organizacji transportu publicznego dostępnego w sieci Transport GZM. Dobrym przykładem jest nowa wersja portalu Systemu Dynamicznej Informacji Pasażerskiej. Powstała ona wewnątrz GZM i ZTM, przy wykorzystaniu narzędzi AI m.in. do prac programistycznych, analizy danych, projektowania interfejsu i tworzenia algorytmów.
Ale równie ważne jak samo wykorzystanie AI jest to, jak pracowaliśmy nad tym rozwiązaniem. Zamiast wieloletniego procesu, którego efektem jest od razu „gotowy produkt”, zdecydowaliśmy się na pilotaż, zbieranie opinii użytkowników i szybkie wprowadzanie zmian. W ciągu pierwszej połowy pilotażu otrzymaliśmy około 200 uwag, a około 50 z nich przełożyło się już na konkretne poprawki.
To pokazuje, że AI może być elementem szerszej zmiany kultury organizacyjnej: większej elastyczności, szybszego testowania pomysłów i podejmowania decyzji na podstawie danych oraz informacji zwrotnej od użytkowników.
Portal informacji pasażerskiej powstał wewnątrz organizacji, a nie został zamówiony u zewnętrznego wykonawcy. Czy AI może sprawić, że administracja publiczna zacznie częściej sama budować rozwiązania technologiczne, które dotąd kupowała na rynku?
Tak, ale nie oznacza to, że administracja powinna nagle wszystko tworzyć własnymi siłami. AI przede wszystkim zmienia proporcje i możliwości. Jeszcze niedawno stworzenie zaawansowanego rozwiązania informatycznego oznaczało często konieczność zaangażowania dużego zespołu programistów i wielomiesięcznego procesu. Dzisiaj część pracy można znacząco przyspieszyć dzięki narzędziom AI. To daje administracji szansę na budowanie własnych kompetencji i tworzenie przynajmniej części rozwiązań samodzielnie.
W przypadku SDIP bardzo ważne było połączenie dwóch elementów. Z jednej strony mieliśmy narzędzia technologiczne, z drugiej – ludzi, którzy znają transport publiczny, rozkłady jazdy, dane, tabor, pracę przewoźników i przede wszystkim potrzeby pasażerów.
To połączenie jest kluczowe. Sama AI nie stworzy dobrego systemu transportowego. Ale zespół, który zna problem i ma do dyspozycji dobre narzędzia, może dziś zrobić znacznie więcej niż jeszcze kilka lat temu.
Co w praktyce daje GZM posiadanie własnych kompetencji technologicznych: przede wszystkim oszczędności, większą szybkość działania czy większą niezależność od zewnętrznych dostawców?
Wszystkie trzy elementy są ważne, ale nie stawiałbym ich w kolejności: najpierw oszczędności, potem szybkość, a na końcu niezależność. Największą wartością jest możliwość szybkiego reagowania na rzeczywiste potrzeby. Jeżeli własny zespół może samodzielnie zmienić funkcjonalność, przetestować rozwiązanie i sprawdzić reakcję użytkowników, skraca się dystans pomiędzy pojawieniem się problemu a jego rozwiązaniem. To jest szczególnie ważne w usługach publicznych. Nie możemy projektować ich wyłącznie zza biurka. Musimy obserwować, jak korzystają z nich mieszkańcy.
Własne kompetencje oznaczają również większą kontrolę nad wiedzą i danymi. Nie chodzi o to, aby całkowicie uniezależnić się od rynku. Chodzi o to, żeby administracja miała kompetencje pozwalające świadomie decydować, co warto kupić, co rozwijać wspólnie z partnerem zewnętrznym, a co możemy zrobić sami.
Czy jesteście już w stanie policzyć ekonomiczny efekt takiego modelu?
Na tym etapie byłbym ostrożny z podawaniem jednej konkretnej kwoty oszczędności. Sam koszt stworzenia rozwiązania nie pokazuje jeszcze pełnego efektu ekonomicznego. Musimy brać pod uwagę również czas potrzebny na przygotowanie rozwiązania, możliwość szybkiego wprowadzania zmian, koszty utrzymania, rozwijania systemu i reagowania na potrzeby użytkowników. W przypadku projektu technologicznego istotna jest także wartość kompetencji, które pozostają w organizacji.
Dlatego chcemy patrzeć na ten model szerzej niż tylko przez pryzmat faktury za wykonanie systemu. Jeżeli dzięki własnym kompetencjom możemy szybciej stworzyć rozwiązanie, przetestować je na użytkownikach i uniknąć części kosztownych zmian na późniejszym etapie, to również jest wymierna wartość. Jednocześnie nie chcemy budować narracji, że „AI zawsze jest tańsza”. To byłoby zbyt proste. Technologia ma sens wtedy, kiedy rzeczywiście poprawia efektywność i jakość działania.
AI przyspiesza programowanie, ale nie zna specyfiki transportu publicznego tak jak eksperci pracujący w GZM. Gdzie przebiega granica między tym, co można oddać technologii, a tym, co nadal musi pozostać decyzją człowieka?
Ta granica jest bardzo wyraźna. AI może być świetnym narzędziem – może wspierać programowanie, analizować duże ilości danych, proponować rozwiązania czy wskazywać potencjalne problemy. Ale nie zna realiów funkcjonowania transportu publicznego tak jak eksperci pracujący w GZM. To człowiek wie, jakie są uwarunkowania organizacji transportu, jak funkcjonują rozkłady jazdy, przewoźnicy i systemy źródłowe, a przede wszystkim – czego potrzebuje pasażer.
Dlatego traktujemy AI jako narzędzie wzmacniające kompetencje zespołu, a nie zastępujące jego wiedzę i odpowiedzialność. Technologia może zwiększyć możliwości zespołu, ale to człowiek decyduje, czy dane rozwiązanie rzeczywiście odpowiada potrzebom pasażera. W transporcie publicznym ma to szczególne znaczenie – system może być technologicznie bardzo zaawansowany, ale jeżeli pasażer nie potrafi szybko znaleźć potrzebnej informacji, z punktu widzenia użytkownika nie spełnia swojej funkcji.
Czy doświadczenie z portalem sprawiło, że patrzycie dziś inaczej na relację „budować samemu czy kupować na rynku”? Jak decydujecie, które technologie warto rozwijać wewnętrznie, a które nadal lepiej zamawiać?
Zdecydowanie. Najważniejszy wniosek jest taki, że nie ma jednej odpowiedzi dla wszystkich projektów. Jeżeli mamy do czynienia z rozwiązaniem bardzo specyficznym dla GZM, opartym na naszej wiedzy, danych i sposobie organizacji transportu, warto rozważyć rozwój własnych kompetencji. Jeżeli natomiast istnieje na rynku dojrzałe, sprawdzone rozwiązanie, którego samodzielne stworzenie byłoby nieefektywne, nie ma powodu, żeby budować je od zera.
Kluczowe stają się więc kompetencje pozwalające dobrze ocenić tę granicę. Chcemy mieć po swojej stronie ludzi, którzy potrafią zdefiniować problem, ocenić technologię, przygotować założenia i zweryfikować efekt. Dzięki temu możemy być wymagającym partnerem dla zewnętrznych wykonawców, a jednocześnie tam, gdzie ma to sens, budować rozwiązania samodzielnie.
GZM testuje nowe rozwiązania najpierw na niewielką skalę i dopiero na podstawie danych oraz opinii użytkowników decyduje o dalszym wdrożeniu. Czy administracja powinna częściej działać właśnie jak firma technologiczna: prototypować, testować i poprawiać zamiast od razu budować docelowy system?
Myślę, że administracja może się tego modelu wiele nauczyć. Oczywiście musi działać w ramach przepisów i z uwzględnieniem odpowiedzialności za środki publiczne. Ale nie oznacza to, że każda usługa musi być od początku zaprojektowana jako rozwiązanie ostateczne.
Pilotaż SDIP pokazuje wartość takiego podejścia. Udostępniliśmy rozwiązanie użytkownikom i pozwoliliśmy im powiedzieć, co działa, co jest nieintuicyjne, czego brakuje. Efektem są konkretne zmiany. Przykładem jest funkcja „zlokalizuj mnie”, zmiany na mapie, możliwość minimalizowania informacji o pojeździe, śledzenie pojazdu, dodatkowe informacje o godzinach przyjazdu czy udogodnienia w korzystaniu z portalu na smartfonie.
To jest bardzo ważna lekcja: czasami użytkownik najlepiej wie, czego potrzebuje. Administracja nie powinna bać się pokazywać rozwiązania na wcześniejszym etapie, o ile jasno komunikuje, że jest ono testowane i rozwijane.
Jak Waszym zdaniem będzie wyglądał transport publiczny w metropolii za 5–10 lat? Które technologie rzeczywiście zmienią doświadczenie pasażera, a które są dziś bardziej technologiczną modą niż realną wartością?
Z każdym rokiem pasażer będzie prawdopodobnie w coraz mniejszym stopniu myślał o tym, jakim środkiem transportu podróżuje. Będzie chciał po prostu dostać najlepszą informację: kiedy wyjechać, czym pojechać, gdzie się przesiąść i ile potrwa podróż. I naszym zadaniem jest zapewnienie tej usługi.
Dlatego największe znaczenie będą miały technologie, które pozwolą lepiej integrować dane i środki transportu. Informacja o autobusie, tramwaju, pociągu czy Metrorowerze powinna być elementem jednego systemu informacji o podróży. Drugim obszarem będzie predykcja. Nie tylko informowanie pasażera, że autobus jest opóźniony, ale coraz dokładniejsze przewidywanie tego, co wydarzy się za kilka, kilkanaście czy kilkadziesiąt minut. Trzecia rzecz to personalizacja. System będzie mógł coraz lepiej dopasowywać informacje do konkretnej podróży i potrzeb użytkownika.
Gdzie jeszcze w działalności GZM widzicie dziś największy potencjał wykorzystania sztucznej inteligencji?
Transport jest jednym z najbardziej naturalnych obszarów, bo mamy ogromną ilość danych i bardzo dynamiczne procesy. Ale potencjał jest znacznie większy. AI może wspierać planowanie transportu, analizę potoków pasażerskich, zarządzanie infrastrukturą, planowanie przestrzenne czy analizę danych środowiskowych. Ważnym obszarem jest również transformacja energetyczna – od analizy zużycia energii i prognozowania zapotrzebowania po lepsze planowanie inwestycji.
Duży potencjał widzimy także w samej administracji. AI może przejmować część powtarzalnych zadań, wspierać wyszukiwanie i analizowanie informacji czy przygotowywanie zestawień. Dzięki temu pracownicy mogą więcej czasu poświęcać na zadania wymagające wiedzy, doświadczenia i podejmowania decyzji. Chodzi więc nie tylko o to, żeby wykorzystywać AI w kolejnych projektach, ale żeby stopniowo zmieniać sposób, w jaki działa cała organizacja.
