Wstęp

Administracja publiczna stoi obecnie w obliczu szeregu narastających wyzwań, które obniżają jej zdolność do sprawnego i rzetelnego świadczenia usług. Po pierwsze, błędy ludzkie wynikające z przeciążenia pracowników, monotonii zadań czy ograniczeń poznawczych wciąż generują koszty dla systemu i narażają obywateli na niepotrzebne opóźnienia bądź pomyłki (Reason, 1990). Po drugie, kryzys demograficzny i związane z nim niedobory kadr w urzędach publicznych prowadzą do wzrostu obciążenia pracowników oraz wydłużania się procedur administracyjnych (European Commission, 2020). Wreszcie różne gałęzie administracji, np. wymiar sprawiedliwości borykają się z chronicznie długimi postępowaniami, co obniża zaufanie społeczne i powoduje narastające zatory w obiegu spraw (Council of Europe, 2019; Gawlik, Łoboda, 2021).

Zawarty w tytule niniejszego opracowania termin „robokracja” odnosi się do modelu zarządzania publicznego, w którym kluczowe decyzje są podejmowane nie przez urzędników, lecz przez autonomiczne algorytmy, czy też roboty wyposażone w zaawansowane mechanizmy uczenia maszynowego (Kolek 2025, Wirtz i in., 2019). W odróżnieniu od tradycyjnych systemów wspomagania decyzji (decision support systems), które pełnią funkcję doradczą, robokracja przenosi część uprawnień decyzyjnych na rzecz maszyn, zyskując potencjalnie na szybkości i eliminując błędy wynikające z czynnika ludzkiego (Janssen i in., 2012). Znaczenie robokracji polega na możliwości znaczącej poprawy efektywności procesów administracyjnych, optymalizacji alokacji zasobów oraz zwiększenia transparentności i powtarzalności decyzji (Rahwan i in., 2019).

Głównym celem niniejszego artykułu jest zbadanie możliwości i ograniczeń wdrożenia rozwiązań robokratycznych w administracji publicznej oraz ocena jej wpływu na jakość, szybkość i odpowiedzialność decyzji administracyjnych. W szczególności badanie to stawia sobie za zadanie ocenę, w jakim stopniu autonomiczne algorytmy mogą zredukować błędy ludzkie i przeciwdziałać skutkom kryzysu demograficznego, a także analizę wpływu robokracji na czas rozpatrywania spraw oraz wydajność procesów w instytucjach administracyjnych i sądowych.

W kontekście zarządzania publicznego coraz częściej podejmowane są badania nad wykorzystaniem technologii cyfrowych i algorytmicznych narzędzi decyzyjnych. Koncepcje takie jak New Public Management (NPM) czy Digital-Era Governance akcentują rolę efektywności i innowacji w administracji, jednak tradycyjnie koncentrują się na optymalizacji procesów, a nie na pełnej automatyzacji decyzji (Dunleavy i in., 2006; Osborne, Gaebler, 1992). W literaturze poświęconej e-administracji zwraca się uwagę na potencjał systemów informatycznych w przyspieszaniu obiegu dokumentów i transparentności, ale stosunkowo rzadko omawia się zastosowanie zaawansowanych algorytmów decyzyjnych lub robotów („robokracja”) jako niezależnych podmiotów podejmujących decyzje administracyjne (Janowski, 2015; Kettunen, Kallio, 2017).

Zagadnienie efektywności w administracji publicznej analizowane jest z perspektywy ograniczeń instytucjonalnych i zasobowych. Kryzys demograficzny i niedobory kadr w wielu krajach UE prowadzą do przeciążenia pracowników administracji i spowolnienia procedur (European Commission, 2020). Równocześnie badania nad błędami ludzkimi w organizacjach publicznych wskazują na ryzyko systemowych pomyłek, związanych z przeciążeniem poznawczym urzędników (Reason, 1990; van der Aalst, 2016). W kontekście wymiaru sprawiedliwości zwraca się uwagę na długotrwałość postępowań sądowych oraz obciążenie sądów nadmiarem spraw, co generuje opóźnienia i obniża zaufanie obywateli (Council of Europe, 2019; Gawlik, Łoboda, 2021).

Badania nad zastosowaniem sztucznej inteligencji w administracji koncentrują się głównie na wspomaganiu decyzji (decision support systems), analizie dużych zbiorów danych oraz automatyzacji rutynowych zadań (Janssen i in., 2012; Mergel i in., 2019). Niemniej jednak większość studiów ma charakter teoretyczny bądź opisowy, a niewiele dotyczy rzeczywistych implementacji autonomicznych systemów decyzyjnych ocenianych pod kątem efektywności, etyki oraz odpowiedzialności administracyjnej (Wirtz i in., 2019).

Na potrzeby niniejszej pracy przyjęto jednolitą nomenklaturę, w której termin zarządzanie stosowany jest jako odpowiednik pojęcia governance. Użycie tego tłumaczenia ma na celu zachowanie spójności terminologicznej oraz ułatwienie odbioru tekstu w kontekście polskojęzycznym. Wszelkie odniesienia do literatury anglojęzycznej, w której pojawia się termin governance, będą interpretowane i omawiane w ramach pojęcia zarządzanie.

Identyfikacja luki badawczej

Mimo rosnącej liczby publikacji dotyczących cyfryzacji i e-administracji, istnieje istotna luka dotycząca kompleksowej analizy „robokracji” jako autonomicznego modelu zarządzania publicznego. Można zatem stwierdzić, że brakuje badań empirycznych oceniających:

Zidentyfikowana luka badawcza wskazuje na konieczność sięgnięcia do istniejących opracowań naukowych, które – choć w większości koncentrują się na zagadnieniach cyfryzacji, e-administracji i wykorzystania algorytmów w sektorze publicznym – mogą stanowić punkt wyjścia do pogłębionej analizy „robokracji” jako odrębnego modelu. Przegląd literatury przedmiotu pozwoli zatem określić, w jaki sposób dotychczasowe badania odnoszą się do kluczowych obszarów zidentyfikowanej luki, a także wskaże, jakie koncepcje teoretyczne, wyniki badań empirycznych oraz studia przypadków mogą być użyteczne w projektowaniu ram analitycznych dla niniejszego opracowania.

Przegląd literatury przedmiotu

E-administracja traktowana jest jako fundament modernizacji sektora publicznego, obejmując digitalizację obiegu dokumentów, usług online oraz interaktywne platformy komunikacji z obywatelami. Badania wskazują na znaczący potencjał w zakresie przyspieszenia procedur i podniesienia transparentności, zwłaszcza dzięki wdrożeniom systemów zarządzania dokumentami (Dunleavy i in., 2006) oraz koncepcji Digital-Era Governance (Osborne, Gaebler, 1992; Janowski, 2015). Niemniej jednak większość analiz skupia się na procesach wspomagających, a nie na autonomicznych mechanizmach decyzyjnych, co pozostawia obszar „robokracji” słabo zbadanym.

Literatura dotycząca efektywności administracji publicznej podkreśla konieczność optymalizacji zasobów i pomiaru wyników (van Dooren i in., 2015). W modelu New Public Management (NPM) akcentuje się wdrażanie KPI oraz benchmarking między jednostkami, co jednak nie zawsze prowadzi do istotnej redukcji czasu obsługi spraw (European Commission, 2020). Ponadto badania proces mining („odkrywanie procesów”, albo analiza procesów na podstawie logów zdarzeń) pokazują, że cyfrowe odwzorowanie procedur ujawnia wąskie gardła, ale brak jest prób wykorzystania robotów do ich automatycznego przełamywania (van der Aalst, 2016).

Błędy popełniane przez urzędników wynikają zarówno z obciążeń poznawczych, jak i rutynizacji zadań. W klasycznej analizie przyczyn (root-cause analysis) ujawniono, że większość pomyłek ma źródło w systemowych niedociągnięciach organizacyjnych, nieindywidualnej niekompetencji (Reason, 1990). W administracji publicznej prowadzi to do powtarzających się korekt, odwołań i długotrwałych kontroli wewnętrznych, co obciąża budżet i wydłuża procedury (van der Aalst, 2016).

Starzenie się społeczeństw UE oraz odpływ wykwalifikowanych kadr z sektora publicznego powodują deficyty personelu i wzrost kosztów szkoleń nowych pracowników (European Commission, 2020). Analizy prognostyczne wskazują, że bez znaczącej automatyzacji liczba spraw przypadających na jednego urzędnika wzrośnie o kilkadziesiąt procent w ciągu najbliższej dekady (Mergel i in., 2019). Brak personelu przekłada się bezpośrednio na wydłużanie terminów załatwiania spraw i spadek satysfakcji obywateli.

Wymiar sprawiedliwości w większości krajów europejskich boryka się z przewlekłością postępowań, co potwierdzają coroczne raporty Rady Europy (Council of Europe, 2019). Gawlik i Łoboda (2021) wskazują, że średni czas trwania spraw cywilnych przekracza 18 miesięcy, co prowadzi do obniżenia zaufania społecznego i presji na uproszczenie procedur. Dotychczas proponowane rozwiązania opierają się głównie na zmianach legislacyjnych i zwiększaniu liczby sędziów, nie zaś na wdrożeniu autonomicznych systemów rozstrzygania rutynowych kwestii.

Zastosowanie sztucznej inteligencji w administracji ogranicza się głównie do systemów wspomagania decyzji oraz analizy danych (Janssen, i in., 2012; Mergel i in., 2019). Coraz częściej pojawiają się pilotażowe projekty chatbotów czy systemów klasy RPA (Robotic Process Automation), jednak ich rola sprowadza się do odciążenia pracowników w zadaniach powtarzalnych (Wirtz i in., 2019). Pełna robotyzacja decyzji („robokracja”) pozostaje na poziomie koncepcyjnym, bez szeroko udokumentowanych implementacji empirycznych oceniających skutki wdrożenia takich rozwiązań (Rahwan i in., 2019).

Analiza rozwiązań w wybranych krajach

W odpowiedzi na zidentyfikowaną lukę badawczą, opracowano serię komparatywnych studiów przypadków, które pozwolą ocenić realne efekty wdrożeń autonomicznych algorytmów decyzyjnych w sektorze publicznym. Analiza zawierała odniesienie się do transparentności i legitymizacji decyzji algorytmicznych, odpowiedzialności prawnej (kto ponosi odpowiedzialność za błąd?), a także percepcji obywateli i pracowników administracji (akceptacja, zaufanie). Celem badania było zbiorcze zestawienie zarówno wymiaru efektywnościowego (czas załatwiania spraw, liczba błędów formal-nych, obciążenie urzędników), jak i społeczno-prawnego (transparentność, odpowiedzialność, akceptacja) tych wdrożeń.

Badanie miało charakter celowy (Yin, 2018) i opierało się wyłącznie na danych zastanych. W pierwszym kroku zgromadzono metryki operacyjne z publicznych rejestrów oraz z raportów rządowych: średni czas rozpatrywania wniosków administracyjnych, odsetek błędów formalnych wymagających korekty, a także wskaźniki obciążenia pracą (sprawy przypadające na etat). Równolegle zestawiono dane o odwołaniach od decyzji algorytmicznych oraz wyniki ogólnokrajowych badań satysfakcji obywateli (np. Eesti Digital Survey, Singapore Citizen Satisfaction Index, Eurobarometer).

Dyskusja

Przeprowadzone komparatywne studia przypadków potwierdzają przewidywania teorii Digital-Era Governance, według której integracja zaawansowanych technologii informacyjnych w administracji publicznej prowadzi do radykalnych oszczędności czasu i zasobów (Dunleavy i in., 2006). Wyniki z Estonii i Danii – redukcja czasu obsługi o 80–90% – są zgodne z wcześniejszymi obserwacjami w literaturze, że pełna cyfryzacja i automatyzacja procesów usuwa wąskie gardła biurokratyczne, o jakich pisali Osborne i Gaebler (1992). Jednocześnie jednak nasze dane pokazują, że sama technologia nie wystarcza: kraje, które nie wspierały wdrożeń odpowiednimi mechanizmami zarządzania (Wielka Brytania), osiągnęły tylko połowiczne korzyści – 50-procentowe skrócenie czasu, ale relatywnie wysoki odsetek odwołań i umiarkowane zaufanie społeczne.

Zgodnie z teorią błędów ludzkich (Reason, 1990), przeniesienie części decyzji na autonomiczne algorytmy minimalizuje błędy poznawcze i rutynowe pomyłki urzędników. Nasze wyniki z Singapuru, gdzie liczba odwołań spadła z 6,2% do 1,1%, potwierdzają, że algorytmy RPA mogą skutecznie zastąpić człowieka w zadaniach o wysokiej powtarzalności. Jednak zgodnie z analizą Rahwana i współautorów (2019) problemem staje się ryzyko „błędu maszynowego” i niezamierzonych konsekwencji w sytuacjach baterii nieprzewidzianych przypadków, co potwierdziło się w raporcie National Audit Office (2022) dotyczącym Wielkiej Brytanii.

Dalsze pogłębienie dyskusji wymaga odniesienia się do literatury o AI governance. Wirtz, Weyerer i Geyer (2019) wskazują, że kluczem do społecznej akceptacji jest transparentność oraz jasne ramy odpowiedzialności. Estonia wprowadziła centralny Rejestr Algorytmów, a Singapur – ombudsmana ds. AI, co przełożyło się na najwyższe wskaźniki zaufania (82% i 75%). Te mechanizmy pokrywają się z rekomendacjami Floridiego i współpracowników (2018), którzy podkreślają konieczność publicznego rejestrowania krytycznych systemów AI oraz zapewniania „explainability” decyzji.

Nasze studium pokazuje także, że zaangażowanie obywateli i interesariuszy w proces audytu i oceny systemów algorytmicznych może wzmocnić legitymizację robokracji. Podobne wnioski przedstawili Janssen, Charalabidis i Zuiderwijk (2012) w analizie korzyści otwartych danych: tam, gdzie rządy udostępniają procedury decyzyjne i zapraszają do dialogu, spada opór społeczny. Dania, poprzez interaktywny dashboard, pokazała, że nawet przy braku centralnego rejestru można osiągnąć wysoki poziom akceptacji (77%).

Z perspektywy prawnej, wyniki sygnalizują potrzebę wyraźnego określenia odpowiedzialności za błędy algorytmu. W literaturze prawniczej (Gawlik, Łoboda, 2021) zwraca się uwagę, że bez wyraźnych regulacji instytucjonalizacja procedur odwoławczych prowadzi do chaosu prawnego. Singapur i Estonia, które wprowadziły niezależnego ombudsmana i komisje ds. AI, uniknęły długotrwałych sporów sądowych i zwiększyły przewidywalność postępowań.

Podsumowanie

W niniejszym artykule przeprowadzono komparatywne studia przypadków rozwiązań robokratycznych w administracji publicznej czterech krajów – Estonii, Singapurze, Wielkiej Brytanii i Danii. Głównym celem było zbadanie rzeczywistych efektów tych wdrożeń zarówno z perspektywy operacyjnej (czas obsługi spraw, liczba błędów formalnych, obciążenie urzędników), jak i społeczno-prawnej (transparentność decyzji, mechanizmy odpowiedzialności, zaufanie obywateli).

Należy zatem stwierdzić, że zaawansowana automatyzacja sprawia, że w krajach o najwyższej dojrza-łości cyfrowej (Estonia, Dania) pełna automatyzacja procesów skutkowała spektakularnymi redukcjami czasu obsługi (80-90%) i obciążenia pracą urzędników, potwierdzając tezy Osborne’a i Gaeblera dotyczące przedsiębiorczego państwa, które dzięki technologiom osiąga efektywność rynkową.

Z kolei silne mechanizmy zarządzania dzięki centralnym rejestrom algorytmów (Estonia), ombudsmani ds. AI (Singapur) oraz obowiązkowe audyty i sprawozdania (Wielka Brytania, Dania) okazały się warunkiem niezbędnym do budowania odpowiedzialności prawnej i jakości decyzji. Mechanizmy te w pełni wpisują się w rekomendacje Rahwana i współpracowników oraz Wirtza i współautorów, wskazujące na potrzebę formalnych ram nadzoru nad AI w sektorze publicznym.

Modele otwartych danych, jak te prezentowane przez Janssena i współpracowników, przyczyniły się do zwiększenia akceptacji społecznej. Interaktywne dashboardy (Dania) oraz publikacja kodu źródłowego (W. Brytania) – choć w różnym zakresie – podniosły poziom zaufania obywateli do decyzji algorytmicznych, nawet tam, gdzie mechanizmy zarządzania były mniej rozbudowane.

Pełen potencjał robokracji może zostać zrealizowany wyłącznie poprzez połączenie tych trzech elementów. Sama technologia, bez transparentnych i formalnych procedur nadzoru, nie wystarcza do zapewnienia społecznej legitymacji ani minimalizacji ryzyka prawnego. Z kolei nawet najbardziej rygorystyczne ramy zarządzania okażą się nieskuteczne, jeśli nie zostaną wsparte szybką i przejrzystą wymianą informacji z obywatelami.

Kompleksowe podejście – łączące zaawansowaną automatyzację, silne mechanizmy zarządzania oraz otwartą komunikację – stanowi klucz do skutecznego i odpowiedzialnego wdrażania robokracji w administracji publicznej. Tylko w ten sposób możliwe jest osiągnięcie wysokiej efektywności operacyjnej przy jednoczesnym zachowaniu transparentności, odpowiedzialności prawnej oraz zaufania społecznego.

Warto jednakże podkreślić, że typ idealny robokracji nie powinien być postrzegany wyłącznie jako wzór „maksymalnej efektywności” ani – z drugiej strony – jako synonim „odhumanizowania” administracji. Ideał robokracji leży tam, gdzie technologie autonomiczne wspierają racjonalność i szybkość decyzji, a jednocześnie pozostają osadzone w ramach przejrzystych procedur zarządzania oraz ludzkiej odpowiedzialności. Tylko takie połączenie – pełna automatyzacja powtarzalnych zadań i jednoczesna wrażliwość na wartości społeczne, prawa obywatelskie i potrzebę empatycznej komunikacji – może zrealizować obietnicę robokracji: skuteczną administrację, która nie utraci spo-łecznej legitymacji ani wymiaru humanistycznego.