Administracja publiczna · Obsługa obywateli

Obywatel pyta własnymi słowami, a jedenastu agentów ustala, kto odpowie

Czołowy polski urząd dozoru technicznego dostaje tysiące zapytań od obywateli w sprawie pozwoleń, bezpieczeństwa urządzeń i certyfikacji. Obywatele pytają codziennym językiem, a odpowiedzi kryją się w gęstej dokumentacji technicznej rozproszonej po wielu działach. Poprzedni chatbot wymagał wybrania kategorii przed zadaniem pytania, a większość ludzi nie potrafiła tego zrobić. Zamiast tego zaprojektowaliśmy architekturę wieloagentową, która kieruje pytanie do 11 wyspecjalizowanych obszarów wiedzy.

Kluczowe rezultaty

11

Obszarów wiedzy, każdy z własnym agentem dziedzinowym

Auto

Pytanie samo trafia we właściwe miejsce, bez wybierania kategorii

Potoczny → fachowy

Codzienny język dopasowany do dokumentacji technicznej

Klient: Polski urząd dozoru technicznego (objęty NDA)
Urząd centralny odpowiedzialny za bezpieczeństwo urządzeń, uprawnienia operatorów i zgodność techniczną w infrastrukturze przemysłowej i publicznej. Instytucja jest objęta NDA, dlatego nie podajemy jej nazwy.

Branża: Administracja publiczna i dozór techniczny
Zastosowanie: Chatbot wieloagentowy dla obywateli
Podejście AI: Architektura wieloagentowa z RAG
Zakres wiedzy: 11 wyspecjalizowanych dziedzin
Platforma: Azure, OpenAI, Qdrant, Langfuse
Współpraca: Projekt architektury i działający prototyp

W skrócie

Dlaczego ludzie się poddawali i dzwonili do urzędu

Urząd nadzoruje bezpieczeństwo i zgodność urządzeń technicznych w całej Polsce, od maszyn przemysłowych i zbiorników ciśnieniowych po windy i urządzenia w wesołych miasteczkach.
Obywatele opisują swoją sytuację zwykłą polszczyzną, np. „montuję w budynku nowy kocioł, czego potrzebuję?”, a odpowiedzi znajdują się w precyzyjnej, specjalistycznej dokumentacji prawnej.
Stary chatbot wymagał wybrania kategorii na początku, nie umiał obliczać terminów związanych z pozwoleniami i nie łączył wiedzy, gdy pytanie dotyczyło kilku dziedzin.
Teraz główny agent czyta pytanie i przekazuje je wyspecjalizowanym agentom, których ono dotyczy, więc nikt nie musi znać wewnętrznej struktury urzędu, żeby dostać odpowiedź.

Punkt wyjścia

Wyzwanie

Obywatele pytali o złożone przepisy techniczne codziennym językiem. Poprzedni chatbot wymagał, żeby z góry znali właściwą kategorię, nie umiał liczyć terminów ani łączyć wiedzy z różnych dziedzin, więc ludzie się poddawali i dzwonili do urzędu.

Instytucja nadzoruje bezpieczeństwo i zgodność urządzeń technicznych w całej Polsce, od maszyn przemysłowych i zbiorników ciśnieniowych po windy i urządzenia w wesołych miasteczkach. Obywatele i firmy pytają, jakich pozwoleń potrzebują, jakie wymagania bezpieczeństwa obowiązują, jak złożyć wniosek o badanie i jakie są terminy.

Odpowiedzi kryją się w gęstej dokumentacji technicznej i prawnej, napisanej precyzyjnym, specjalistycznym językiem. Obywatele tak nie pytają. Opisują swoją sytuację potocznie i oczekują, że system sam ustali, które przepisy mają zastosowanie.

Wcześniejszy chatbot miał trzy poważne ograniczenia. Kazał najpierw wybrać kategorię, a większość ludzi nie wiedziała, do której należy ich pytanie. Nie radził sobie z obliczaniem dat, od których zależą terminy i okresy ważności pozwoleń. Nie potrafił też łączyć wiedzy z więcej niż jednej dziedziny, gdy pytanie wykraczało poza jedną z nich.

Budowa

Co zbudowaliśmy

Zaprojektowaliśmy od podstaw nową architekturę, która odpowiada na te konkretne ograniczenia, i dostarczyliśmy działający prototyp obejmujący wszystkie 11 obszarów wiedzy.

01

Jeden orkiestrator, jedenastu specjalistów

Zamiast jednego chatbota, który próbuje wiedzieć wszystko, główny agent kieruje pytanie do wyspecjalizowanych agentów, a każdy z nich ma własną bazę wiedzy z jednej dziedziny: pozwolenia, kategorie urządzeń, wymagania bezpieczeństwa, procedury. Obywatel po prostu pyta. Główny agent ustala, których dziedzin dotyczy pytanie, i przekazuje je dalej.

02

Potoczny język dopasowany do fachowego

Najtrudniejsza jest przepaść między tym, jak obywatel opisuje swoją sytuację, a tym, jak napisano dokumentację. Ktoś, kto pyta o „duży metalowy zbiornik w mojej fabryce”, musi trafić do dokumentacji o zbiornikach ciśnieniowych, klasach bezpieczeństwa i procedurach badań. Wyszukiwanie i prompty zaprojektowaliśmy tak, żeby niezawodnie pokonywały tę przepaść.

03

To, czego nie umiał stary system

Nowa architektura automatycznie oblicza terminy i okresy ważności pozwoleń, dopytuje, gdy pytanie jest niejednoznaczne, i łączy wiedzę z kilku dziedzin, gdy pytanie obejmuje ich więcej.

04

Wiedzę utrzymują eksperci, a nie programiści

Bazą wiedzy zarządza się przez edytowalne listy SharePoint, więc eksperci merytoryczni w instytucji aktualizują i rozszerzają treści bez udziału programisty. To była świadoma decyzja: trafność odpowiedzi zależy od aktualności treści, a ludzie, którzy znają je najlepiej, nie powinni potrzebować umiejętności technicznych, żeby o nią dbać.

05

Wdrożenie zgodne z wymaganiami bezpieczeństwa instytucji

Prototyp działa na Microsoft Azure z autoryzacją przez Entra ID i monitoringiem w Langfuse. Spełnia to wymagania instytucji i dokładnie pokazuje, jak system sobie radzi.

Obywatel pyta własnymi słowami, a jedenastu agentów ustala, kto odpowie

Co się zmieniło

Rezultaty

Przed

Obywatele musieli wybrać kategorię przed zadaniem pytania. Brak obliczania terminów, brak możliwości łączenia wiedzy z różnych dziedzin, a wiele osób się poddawało i dzwoniło do urzędu.

Po

Obywatele pytają zwykłym językiem, a pytanie samo trafia we właściwe miejsce. Obliczanie terminów jest wbudowane, pytania z pogranicza dziedzin działają, a pracownicy bez przygotowania technicznego aktualizują wiedzę w SharePoint.

Prototyp pokazał, że architektura wieloagentowa rozwiązuje konkretne problemy, z którymi nie radził sobie poprzedni system: kierowanie pytań, obliczanie terminów i pytania z kilku dziedzin naraz.

Obywatele opisują swoją sytuację naturalnie i trafiają do właściwego obszaru wiedzy bez znajomości wewnętrznej struktury i terminologii urzędu.

To podejście sprawdzi się w każdej instytucji, która ma złożoną bazę wiedzy z wielu dziedzin i użytkowników niebędących ekspertami: zamiast jednego chatbota, który próbuje wiedzieć wszystko, wyspecjalizowani agenci i warstwa, która kieruje właściwe pytanie do właściwego eksperta.

Pytania o ten projekt

Co Polski urząd dozoru technicznego (objęty NDA) zautomatyzował z użyciem AI?

Chatbot wieloagentowy dla obywateli. Obywatele pytali o złożone przepisy techniczne codziennym językiem. Poprzedni chatbot wymagał, żeby z góry znali właściwą kategorię, nie umiał liczyć terminów ani łączyć wiedzy z różnych dziedzin, więc ludzie się poddawali i dzwonili do urzędu.

Co dał ten projekt?

Obszarów wiedzy, każdy z własnym agentem dziedzinowym: 11. Pytanie samo trafia we właściwe miejsce, bez wybierania kategorii: Auto. Codzienny język dopasowany do dokumentacji technicznej: Potoczny → fachowy.

Jaka technologia za tym stoi?

Architektura wieloagentowa z RAG. Wykorzystana technologia: Architektura wieloagentowa, OpenAI, Qdrant, RAG, Microsoft Azure, Entra ID, Langfuse, SharePoint Lists, Python.