Rozhovor s Jiřím Molnárem – expertem implementace projektu DigiKvalifikace

Jiří, pro lidi mimo IT svět – co vlastně jako expert implementace nebo IT konzultant ve státní správě celý den děláte? Na čem konkrétně pracujete a s kým? 

Když to řeknu jednoduše – pomáhám převádět požadavky úřadů do funkčních IT řešení. Moje práce je hodně o propojování světů – na jedné straně jsou lidé z praxe, kteří vědí, co potřebují (například sběr dat, formuláře, evidence nebo analýzy), a na druhé straně jsou vývojáři. Já stojím mezi nimi a zajišťuji, aby to, co se navrhne, dávalo smysl technicky i prakticky.

Státní správa a moderní technologie – to zní jako docela napínavý mix. Jak vnímáte toto prostředí zevnitř? Zaostává za soukromým sektorem, nebo je to jinak? 

Zvenku to často vypadá, že státní správa technologicky zaostává, ale realita je složitější. Ano, jsou tu omezení – legislativa, bezpečnostní požadavky nebo veřejné zakázky zpomalující zavádění novinek. Na druhou stranu se tam řeší věci v mnohem větším měřítku než v běžných firmách – systémy, které používají statisíce lidí, nebo práce s daty na úrovni celé republiky. Často nejde o to, že by technologie nebyly moderní, ale spíš o to, že změny musí být velmi opatrné a dobře zdokumentované. Z mojí zkušenosti se to postupně zlepšuje – roste tlak na digitalizaci a kvalitu dat. 

Co vás na práci pro stát baví a co vás naopak občas vytáčí? 

Baví mě hlavně to, že ta práce má reálný dopad. Když se něco povede, pomůže to velkému množství lidí nebo zjednoduší práci úřadům. Taky mě baví řešit složitější problémy – třeba když se pracuje s velkým množstvím dat nebo je potřeba propojit více systémů, které spolu původně vůbec nepočítaly. Na druhou stranu občas dokáže být frustrující tempo. Některé věci by šly technicky vyřešit rychle, ale procesně to trvá mnohem déle. A pak je to klasika – když se narazí na starší systémy nebo řešení, která nebyla navržená na dnešní potřeby, tak se musí hledat cesty, jak je rozumně obejít nebo zlepšit postupnými kroky.

AI ve státní správě

O umělé inteligenci se dnes mluví úplně všude – ale jak to vypadá ve státní správě? Má AI v českém veřejném sektoru skutečně svoje místo, nebo zatím zůstává spíš na papíře? 

Má – ale zatím spíše v menším měřítku, než jak se o ní mluví. Ve státní správě dnes AI není něco, co by plošně řídilo agendy. Spíš se objevuje v konkrétních use-casech – například práce s texty, třídění dokumentů nebo pomoc při analýze dat. Zásadní rozdíl oproti soukromému sektoru je v tom, že stát musí mnohem víc řešit bezpečnost, ochranu dat a transparentnost. Takže nasazení AI je opatrnější a pomalejší. Z mojí zkušenosti ale AI rozhodně není jen „na papíře“. Spíš jsme ve fázi, kdy si jednotlivé týmy zkouší, kde jim dává smysl – a hledají praktické využití, nejen marketing.

Kdybychom se vsadili – kolik procent úředníků v české státní správě podle vás dnes AI opravdu aktivně využívá? A na co AI používají?

Kdybych si měl tipnout, tak aktivně ji dnes používá zhruba 20–30 % lidí – hodně ale záleží na konkrétním úřadu a typu agendy. Typicky jde o jednotlivce nebo menší týmy, kteří si AI sami vyzkoušeli a našli pro ni praktické využití. Zatím nejde o nástroj, který by byl plošně zavedený shora jako standardizované řešení. V praxi se AI využívá například pro formulaci a úpravu textů, shrnutí rozsáhlých materiálů, základní analýzu dat nebo jako technická podpora při práci s IT – například při návrhu kódu nebo databázových dotazů.

Kde vidíte největší potenciál AI ve státní správě – a kde naopak největší rizika nebo překážky pro její nasazení?

Největší potenciál vidím v tom, že AI může výrazně ušetřit čas u rutinních činností. Typicky tím myslím: zpracování a třídění dokumentů, práce s formuláři a daty, podpora rozhodování na základě velkých objemů informací… To jsou věci, které dnes často zabírají hodně času a jsou do určité míry opakovatelné. Naopak největší překážky jsou: legislativa a ochrana dat, nedůvěra a opatrnost (což je do určité míry správně), kvalita vstupních dat (AI je tak dobrá, jak dobrá jsou data), integrace do existujících systémů (které bývají starší a složitější). A pak je tu i riziko přeceňování. AI není všemocný nástroj. Když nejsou dobře nastavené procesy, tak to nevyřeší. 

Nový nástroj pro Úřad práce 

Nedávno jste pracoval na novém nástroji pro sběr dat pro Úřad práce. Co bylo tím impulzem – proč se vlastně rozhodlo, že stávající řešení nestačí?

Hlavní impuls byl poměrně jednoduchý – stávající řešení přestávalo stačit tomu, co se od něj očekávalo. V našem případě šlo o rozsáhlý sběr dat od firem, kde se s postupným rozvojem ukázalo několik limitů, například omezená flexibilita formulářů nebo složitější práce s daty a jejich následnou interpretací. Jinými slovy, systém jako takový fungoval dobře, ale nebyl připravený na tempo, jakým rostly požadavky na rozsah a kvalitu dat. Zároveň se proměnila i očekávání – dnes už nestačí data pouze sbírat, ale je potřeba je aktivně zpracovávat, analyzovat a využívat pro další rozhodování. Nešlo tedy o to, že by původní řešení bylo špatné. Spíše narazilo na své přirozené limity v kontextu nových požadavků.

Jak taková příprava vypadá v praxi? Od prvního nápadu po spuštění – co jsou ty nejdůležitější kroky a kde bývají největší kameny úrazu?

Zvenku může celý proces působit jako čistě technická záležitost, ve skutečnosti je ale z velké části o pochopení reálného fungování v praxi. Obvykle začíná sběrem požadavků, tedy snahou přesně definovat, co jednotliví uživatelé skutečně potřebují. Na to navazuje návrh struktury dat a formulářů tak, aby dávaly smysl nejen z pohledu uživatele, ale i z hlediska jejich dalšího analytického využití. Následně přichází samotné technické řešení, které musí být navrženo s ohledem na objem dat, stabilitu a budoucí rozšiřitelnost. Klíčovou fází je testování v reálném provozu, které často odhalí limity nebo nečekané scénáře použití. Celý proces pak pokračuje průběžným laděním a úpravami na základě zpětné vazby. Za největší kámen úrazu považuji už samotný začátek, tedy správné vymezení toho, jaká data se mají sbírat a za jakým účelem. U dotazníkových šetření nejde pouze o formulaci otázek, ale o jejich srozumitelnost pro respondenty, zajištění konzistence odpovědí a celkový návrh struktury tak, aby byla data dále využitelná. Další významnou výzvou je výkon a práce s daty. Ve chvíli, kdy systém pracuje s tisíci respondentů a komplexními formuláři, začínají se řešit aspekty, které se u menších projektů prakticky neprojevují – zejména rychlost zpracování, stabilita, import a export dat nebo jejich validace.

Co vás na tomto projektu nejvíce překvapilo – ať už pozitivně, nebo negativně? 

Pozitivně mě překvapilo, jak moc záleží na detailech. Třeba drobná změna ve formulaci otázky nebo ve struktuře formuláře může mít obrovský dopad na kvalitu dat. To je něco, co si člověk uvědomí až v praxi. Taky mě mile překvapilo, že když se podaří nástroj dobře navrhnout, uživatelé – v tomto případě firmy – jsou ochotní spolupracovat a data vyplňovat relativně kvalitně. Naopak negativně nebo spíš realisticky mě nepřekvapilo, jak složité je propojit technické řešení s reálným provozem. A pak klasika – věci, které na papíře vypadají jednoduše, se v reálu ukážou jako složitější. Třeba validace dat nebo jejich následné zpracování – to jsou oblasti, kde se láme kvalita celého řešení.

Sebevzdělávání

IT se mění závratnou rychlostí – co bylo moderní před pěti lety, je dnes zastaralé. Jak vy osobně držíte krok? Máte nějaký systém, rituály, zdroje, které vám fungují?

Upřímně – nemám pocit, že by šlo „udržet kompletně“ krok. IT je dnes tak široké, že si člověk musí vybírat, čemu věnuje pozornost. U mě to funguje spíš prakticky než teoreticky. Tedy nejvíce se naučím ve chvíli, kdy něco reálně řeším. Když narazím na problém, jdu do hloubky a tím se posunu dál. Aktivně sleduji spíše konkrétní oblasti, které používám. Nemám vyloženě rituál typu „každý den hodinu studuji novinky“. Spíš průběžně nasávám informace z praxe – dokumentace, diskuse, a hlavně zkušenosti ostatních. A možná důležitější, než sledovat všechno nové je umět si říct, co naopak ignorovat. Ne každý trend má pro práci reálný přínos.

Je nějaký moment, kdy jste si uvědomil, že musíte udělat velký skok a přeučit se na něco úplně nového? Jak to zvládáte psychicky – to, že v IT nikdy nemůžete říct: teď to umím, hotovo?

Takových momentů bylo víc. Typicky když se člověk dostane z menších projektů do prostředí, kde řeší tisíce záznamů, výkon databází nebo stabilitu systému v reálném provozu. Najednou zjistíte, že věci, které fungovaly „nějak“, přestávají stačit. Musí se začít přemýšlet jinak. Ano, psychicky to není vždy úplně komfortní, protože v IT vlastně nikdy není hotovo. Ale časem si člověk zvykne na to, že to je normální stav.

Sledujete nějaký trend nebo technologii, která vás teď nejvíce zaujala – nebo naopak znepokojila?

Asi nikoho nepřekvapí, že nejvíc viditelný trend je teď AI. Zaujalo mě, jak rychle se z ní stal praktický nástroj – třeba při práci s kódem nebo daty. To je reálný posun, který šetří čas. Na druhou stranu mě trochu znepokojuje ten extrémní hype kolem ní. Mám pocit, že se často vytváří dojem, že AI všechno vyřeší – ale v praxi pořád platí, že bez kvalitních dat a dobře nastavených procesů, a hlavně i výstupní kontroly moc nepomůže.

Na závěr

Kdybychom měli shrnout – jak se digitální projekty ve státní správě vyvíjejí rok od roku? Daří se to Česku lépe, nebo stále bojujeme se stejnými problémy?

Pokud bych měl ten vývoj shrnout v delším horizontu, tak je patrný postupný posun od jednorázových řešení k systematičtějšímu přístupu. Dříve často vznikaly projekty, které splnily konkrétní zadání, ale už se méně řešilo, jak budou fungovat za dva nebo tři roky. Dnes je mnohem větší důraz na udržitelnost, škálovatelnost a reálné využití v praxi. Zásadně se proměnil i pohled na data. Zatímco dříve bylo hlavním cílem data získat, dnes se klade důraz na jejich kvalitu, strukturu a možnost dalšího zpracování. To se promítá jak do návrhu systémů, tak do způsobu práce jednotlivých týmů. Současně roste potřeba propojování systémů napříč institucemi, což s sebou přináší nejen technologické, ale i organizační výzvy. Na druhé straně je potřeba říct, že některé problémy zůstávají dlouhodobě stejné. Typicky jde o složitější rozhodovací procesy, závislost na starších systémech nebo nutnost koordinace mezi více institucemi, které mají odlišné priority a postupy. Vývoj tedy není skokový, ale spíše evoluční. Přesto je podle mého názoru klíčové, že se změnila samotná otázka – už se neptáme, zda digitalizovat, ale jak to dělat kvalitně a udržitelně.

Co byste poradil někomu, kdo přemýšlí, jestli se vydat podobnou cestou – IT ve veřejném sektoru? Je to práce pro zapálené jedince, nebo i pro ty, kdo hledají jistotu?

IT ve veřejném sektoru má svá specifika, která je dobré si uvědomit předem. Nejde o prostředí, kde se změny prosazují rychle a kde je možné vše optimalizovat čistě z technického hlediska. Naopak je nutné počítat s širším kontextem – legislativním, procesním i organizačním. Na druhou stranu právě tato komplexita z něj dělá velmi zajímavé prostředí. Člověk se zde setká s problémy, které mají reálný dopad na velké množství uživatelů, a zároveň pracuje s daty a systémy, které mají výrazně větší rozsah než v běžných komerčních projektech. To klade vyšší nároky nejen na technické řešení, ale i na schopnost porozumět souvislostem a komunikovat napříč různými typy stakeholderů. Z mé zkušenosti nejde ani tak o to, zda je tato práce vhodná pro „zapálené jedince“, nebo pro ty, kteří hledají stabilitu. Spíše je klíčová kombinace obojího – schopnost dlouhodobě pracovat na komplexních problémech, zachovat si trpělivost a zároveň mít motivaci věci posouvat dopředu. Pokud bych měl dát jednu praktickou radu, pak je to připravenost na to, že největší výzvy často nejsou technologické. Navrhnout funkční řešení je jen jedna část práce. Tou druhou, neméně důležitou, je jeho prosazení a udržení v prostředí, kde se potkává více institucí, pravidel a očekávání.