Prasmju plaisa bremzÄ viedÄs pilsÄtas un AI ievieÅ”anu. Uzziniet, kÄ paÅ”valdÄ«bÄm strukturÄt lomas, datus un 90 dienu pieeju, lai panÄktu rezultÄtu.
AizpildÄm viedo pilsÄtu prasmju plaisu ar AI palÄ«dzÄ«bu
PubliskajÄ sektorÄ ir neÄrts paradokss: tehnoloÄ£iju iepirkumi bieži notiek ÄtrÄk nekÄ cilvÄku sagatavoÅ”ana darbam ar tÄm. RezultÄts ir pazÄ«stams gandrÄ«z katrai paÅ”valdÄ«bai ā sensori ir uzstÄdÄ«ti, datu platforma āirā, pilotprojekts ir palaists, bet ikdienas lÄmumos tas viss dzÄ«vo pÄrÄk klusi. ViedÄs pilsÄtas prasmju plaisa nav abstrakta problÄma. TÄ ir iemesls, kÄpÄc satiksmes analÄ«tika netiek izmantota plÄnoÅ”anÄ, kÄpÄc enerÄ£ijas pÄrvaldÄ«bas paneļi paliek āIT lietaā, un kÄpÄc iedzÄ«votÄji nejÅ«t ieguvumu.
SmartCitiesWorld podkÄsts par viedo pilsÄtu prasmju trÅ«kumu (ar pilsÄtu un nozares lÄ«deru pieredzi no Stavangeras, Tamperes, ItÄlijas paÅ”valdÄ«bÄm un ASV) trÄpa precÄ«zi: pilsÄtas nevar transformÄties ar tehnoloÄ£iju vien. ManuprÄt, 2025. gada kontekstÄ ir vÄl viens slÄnis ā mÄkslÄ«gais intelekts. AI publiskajÄ sektorÄ var gan paÄtrinÄt pakalpojumu uzlaboÅ”anu, ganā¦ padarÄ«t prasmju plaisu redzamÄku un sÄpÄ«gÄku, ja to ievieÅ” bez cilvÄku, procesu un pÄrvaldÄ«bas āmugurkaulaā.
Å is ieraksts ir daļa no sÄrijas āMÄkslÄ«gais intelekts publiskajÄ sektorÄ un viedajÄs pilsÄtÄsā. MÄrÄ·is ir praktisks: parÄdÄ«t, kÄ paÅ”valdÄ«bas var mÄrÄ·tiecÄ«gi aizpildÄ«t prasmju trÅ«kumu, izmantojot AI kÄ palÄ«gu (nevis aizvietotÄju), un kÄ sakÄrtot vadÄ«bu, lai viedÄs pilsÄtas risinÄjumi tieÅ”Äm strÄdÄtu ikdienÄ.
KÄpÄc viedo pilsÄtu prasmju plaisa 2025. gadÄ kļuvusi asÄka
Atbilde Ä«si: jo viedpilsÄtu projekti arvien vairÄk ir par datiem, droŔību un pÄrmaiÅu vadÄ«bu ā nevis par āvienu aplikÄcijuā vai āvienu sensoruā. AI tikai palielina prasÄ«bu latiÅu.
Pirms dažiem gadiem daudz ko varÄja āizvilktā ar motivÄtu projektu komandu un piegÄdÄtÄja atbalstu. Tagad pilsÄtu infrastruktÅ«ra kļūst savienota: satiksmes vadÄ«ba, sabiedriskais transports, komunÄlie pakalpojumi, droŔība, klientu apkalpoÅ”ana, Ä£eotelpiskie dati. Tas nozÄ«mÄ, ka pieaug nepiecieÅ”amÄ«ba pÄc cilvÄkiem, kuri prot:
- sasaistÄ«t politikas mÄrÄ·us ar datiem un KPI (ne tikai āmÄrÄ«t visuā)
- saprast datu kvalitÄti, datu koplietoÅ”anu un integrÄcijas
- ieviest AI atbildÄ«gi (privÄtums, skaidrojamÄ«ba, aizspriedumi, audits)
- vadÄ«t ieinteresÄtÄs puses (departamenti, kapitÄlsabiedrÄ«bas, iedzÄ«votÄji)
VÄl viena realitÄte: publiskais sektors konkurÄ par tiem paÅ”iem datu un AI speciÄlistiem, par kuriem cÄ«nÄs privÄtais sektors, bet ar citÄm algÄm, citiem atlases tempiem un stingrÄkiem iepirkumu noteikumiem. TÄpÄc āatrodam 5 datu zinÄtniekusā bieži nav stratÄÄ£ija. TÄ ir cerÄ«ba.
KÄdas prasmes patiesÄ«bÄ trÅ«kst (un kÄpÄc ar āIT nodaļuā nepietiek)
Atbilde Ä«si: visvairÄk pietrÅ«kst hibrÄ«do prasmju ā cilvÄku, kas saprot gan pilsÄtas pakalpojumu loÄ£iku, gan datus, gan iedzÄ«votÄju vajadzÄ«bas.
PodkÄsta ideja, ka pÄrmaiÅÄm vajag āpareizos cilvÄkusā, ir jÄiztulko konkrÄtos amatos un kompetencÄs. ViedÄs pilsÄtas un AI publiskajÄ sektorÄ nav tikai inženierija. TÄs ir arÄ« pÄrvaldÄ«ba.
1) Produkta domÄÅ”ana publiskajos pakalpojumos
PaÅ”valdÄ«bÄm bieži trÅ«kst cilvÄku, kas spÄj pakalpojumu uztvert kÄ āproduktuā: definÄt lietotÄjus, ceļus (journeys), mÄrÄ«jumus, iterÄcijas. Bez tÄ AI projekti kļūst par demo.
Praktiska pazÄ«me, ka Ŕīs prasmes trÅ«kst: projekts tiek vÄrtÄts pÄc āvai piegÄdÄtÄjs piegÄdÄjaā, nevis pÄc āvai pakalpojums kļuva ÄtrÄks, taisnÄ«gÄks, lÄtÄksā.
2) Datu pÄrvaldÄ«ba un datu kvalitÄte
AI nevar bÅ«t labÄks par datiem, uz kuriem tas balstÄs. PilsÄtÄs dati ir izkaisÄ«ti pa sistÄmÄm un kapitÄlsabiedrÄ«bÄm, definÄ«cijas atŔķiras, kvalitÄte ir nevienmÄrÄ«ga.
Līdz ar to ir vajadzīgi:
- datu īpaŔnieki (business owners), ne tikai tehniskie administratori
- vienotas definÄ«cijas (piem., kas ir āsÅ«dzÄ«baā, āincidentā, āpakalpojuma izpildes laiksā)
- datu pieejamības un piekļuves politika
3) AI riska vadÄ«ba un Ätika (praktiski, ne teorÄtiski)
PubliskajÄ sektorÄ AI kļūdas maksÄ dÄrgi reputÄcijÄ. TÄpÄc prasme āievÄrot atbildÄ«gÄ AI principusā nav jurista pielikums prezentÄcijÄ ā tÄ ir ikdienas prakse: testÄÅ”ana, auditi, dokumentÄcija, skaidrojumi iedzÄ«votÄjiem.
Snippet viedajiem iepirkumiem: āJa nevaram paskaidrot lÄmumu, mÄs nevaram to automatizÄt.ā
4) Iepirkumu un partnerību prasmes
ViedpilsÄtu projekti bieži izgÄžas nevis tehniski, bet lÄ«gumiski: neskaidri KPI, datu Ä«paÅ”umtiesÄ«bas, integrÄcijas atbildÄ«bas, uzturÄÅ”anas izmaksas pÄc pilotprojekta.
Å eit vajag cilvÄkus, kas prot pasÅ«tÄ«t rezultÄtu, nevis ārindas iepirkuma specifikÄcijÄā.
Kur AI palÄ«dz aizpildÄ«t prasmju trÅ«kumu (bez ilÅ«zijÄm)
Atbilde Ä«si: AI vislabÄk strÄdÄ kÄ spÄju pastiprinÄtÄjs ā automatizÄ rutÄ«nu, strukturÄ zinÄÅ”anas un palÄ«dz pieÅemt datu pamatotus lÄmumus, kamÄr cilvÄki saglabÄ atbildÄ«bu.
Man patÄ«k vienkÄrÅ”s princips: AI ir Ä«paÅ”i noderÄ«gs tur, kur pilsÄtai trÅ«kst laika, nevis tur, kur trÅ«kst atbildÄ«bas. AtbildÄ«ba publiskajos pakalpojumos paliek cilvÄkiem.
AI kÄ āotrÄ lÄ«meÅa analÄ«tiÄ·isā operatÄ«vajos centros
PilsÄtÄs arvien biežÄk veidojas satiksmes, droŔības vai komunÄlo pakalpojumu operÄciju centri. AI var palÄ«dzÄt:
- apvienot signÄlus no vairÄkÄm sistÄmÄm un izcelt anomÄlijas
- klasificÄt incidentus (piem., ielu apgaismojums, bedres, plÅ«di, sastrÄgumi)
- ieteikt nÄkamo darbÄ«bu pÄc noteiktiem noteikumiem (runbook)
Tas samazina slodzi uz speciÄlistiem un vienlaikus rada āapmÄcÄ«buā darbÄ ā darbinieks redz, kÄpÄc AI iesaka konkrÄtu rÄ«cÄ«bu.
AI kÄ palÄ«gs klientu apkalpoÅ”anÄ (ar stingriem noteikumiem)
PaÅ”valdÄ«bu e-pakalpojumi un kontaktcentri bieži cieÅ” no sezonÄlas slodzes (ziemÄ ā ceļu uzturÄÅ”ana, rÄÄ·ini; gada beigÄs ā iesniegumi, atskaites, pabalsti). AI var:
- automÄtiski Ŕķirot iesniegumus pÄc temata un steidzamÄ«bas
- sagatavot atbildes melnrakstus darbiniekiem
- palÄ«dzÄt atrast normatÄ«vo pamatojumu un iekÅ”ÄjÄs procedÅ«ras
SvarÄ«gs nosacÄ«jums: ācilvÄks cilpÄā un skaidri definÄti gadÄ«jumi, kuros AI nedrÄ«kst atbildÄt pats (piem., sensitÄ«vi sociÄlie jautÄjumi).
AI iekÅ”ÄjÄm mÄcÄ«bÄm: no dokumentu haosa uz zinÄÅ”anu sistÄmu
Prasmju plaisa bieži izskatÄs Å”Ädi: pieredzÄjis kolÄÄ£is zina, kÄ ālietas notiekā, bet tas nav pierakstÄ«ts; jaunais kolÄÄ£is mÄcÄs lÄni; kļūdas atkÄrtojas.
AI balstÄ«ts iekÅ”Äjais asistents (ar piekļuvi tikai pÄrbaudÄ«tiem dokumentiem) var:
- atbildÄt uz ākÄ mÄs darÄm X?ā jautÄjumiem
- piedÄvÄt procesu soļus un veidlapas
- palÄ«dzÄt sagatavot lÄmumu projektus un atskaites
Tas ir tieÅ”s ieguldÄ«jums kapacitÄtes celÅ”anÄ bez milzÄ«ga personÄla pieauguma.
KÄ paÅ”valdÄ«bai uzbÅ«vÄt prasmju programmu, kas iztur realitÄti
Atbilde Ä«si: sÄciet ar lomÄm un rezultÄtiem, izveidojiet 90 dienu prakses ciklu, un tikai tad paplaÅ”iniet ar apmÄcÄ«bÄm un sertifikÄtiem.
ApmÄcÄ«bas paÅ”as par sevi nav slikta ideja. ProblÄma ir tÄ, ka tÄs bieži nav piesaistÄ«tas reÄlÄm darba situÄcijÄm. StrÄdÄ pieeja, kas apvieno mÄcÄ«Å”anos, piegÄdi un pÄrvaldÄ«bu.
1) DefinÄjiet 6 kritiskÄs lomas (nevis āvajag vairÄk cilvÄkuā)
Tipiskai pilsÄtai vai novadam viedÄs pilsÄtas un AI publiskajÄ sektorÄ kontekstÄ pietiek sÄkt ar Å”Ädu kodolu (dažreiz vienÄ personÄ apvienojot vairÄkas lomas):
- Pakalpojuma īpaŔnieks (business owner) ar KPI atbildību
- Datu pÄrvaldnieks (data steward/owner) ar definÄ«cijÄm un kvalitÄti
- AI produkta vadÄ«tÄjs (AI use-case lead) ar ievieÅ”anas ceļu
- DroŔības un privÄtuma koordinators (kopÄ ar DPO/IT droŔību)
- Iepirkumu/partnerÄ«bu vadÄ«tÄjs digitÄlajiem risinÄjumiem
- PÄrmaiÅu vadÄ«bas cilvÄks (komunikÄcija, apmÄcÄ«bas, adopcija)
Ja Ŕīs lomas nav skaidras, AI projekti kļūst par ākopÄ«gu atbildÄ«buā ā un praksÄ tas nozÄ«mÄ āneviena atbildÄ«buā.
2) Izveidojiet 90 dienu āuse-case sprintuā ar reÄlu piegÄdi
VietÄ, kur parasti taisa pilotu bez turpinÄjuma, es ieteiktu citu struktÅ«ru:
- 1.ā2. nedÄļa: problÄma, lietotÄji, KPI, datu audits (kas ir, kas nav)
- 3.ā6. nedÄļa: prototips ar reÄliem datiem + riska izvÄrtÄjums
- 7.ā10. nedÄļa: testÄÅ”ana, kvalitÄtes mÄrÄ«jumi, droŔības pÄrbaudes
- 11.ā13. nedÄļa: ievieÅ”ana darbplÅ«smÄ, apmÄcÄ«bas, atbalsta modelis
SvarÄ«gi: sprinta rezultÄts nav slaidu komplekts. RezultÄts ir darbojoÅ”s process, pat ja sÄkumÄ neliels.
3) IebÅ«vÄjiet atbildÄ«gÄ AI ākontrolpunktusā
Lai AI publiskajÄ sektorÄ bÅ«tu uzticams, katram lietojumam jÄbÅ«t:
- skaidram mÄrÄ·im (kÄds lÄmums/pakalpojums uzlabojas)
- datu aprakstam (izcelsme, kvalitÄte, aizspriedumu riski)
- skaidrojamÄ«bai (ko var paskaidrot iedzÄ«votÄjam)
- uzraudzÄ«bai (monitorings, kļūdu eskalÄcija)
Å ie kontrolpunkti nav ābremzeā. Tie ir veids, kÄ izvairÄ«ties no publiskas kļūdas, kas pÄc tam iesaldÄ inovÄcijas uz gadiem.
Ko var mÄcÄ«ties no pilsÄtu pieredzes: vadÄ«ba un sadarbÄ«ba kÄ tehnoloÄ£ija
Atbilde Ä«si: labÄkie rezultÄti rodas tur, kur pilsÄta izveido pastÄvÄ«gu sadarbÄ«bas modeli starp departamentiem, nevis dzÄ«vo projektos.
PodkÄsta dalÄ«bnieku profils (pilsÄtu vadÄ«tÄji un nozares eksperti) atgÄdina vienu vienkÄrÅ”u lietu: viedÄ pilsÄta ir komandas sports. Un AI to pastiprina.
Praktiski tas nozÄ«mÄ:
- vienu kopÄ«gu pilsÄtas datu āvaloduā (metadati, definÄ«cijas, katalogs)
- kopÄ«gu prioritÄÅ”u portfeli (nevis katram departamentam savs pilots)
- kopÄ«gu arhitektÅ«ras un droŔības rÄmi (lai integrÄcijas nekļūst par parÄdu)
Ja gribat Ätru lakmusa testu: pajautÄjiet, cik ilgi prasa pieslÄgt jaunu datu avotu analÄ«tikai vai AI lietojumam. Ja atbilde ir āmÄneÅ”i, jo jÄiziet cauri piecÄm struktÅ«rÄmā, tad prasmju plaisa ir arÄ« procesu plaisa.
NÄkamais solis: izvÄlieties vienu pakalpojumu un uzlabojiet to mÄrÄmÄ veidÄ
ViedÄs pilsÄtas prasmju plaisa nav jÄaizpilda ar grandiozu programmu no nulles. TÄ jÄaizpilda ar mÄrÄ·tiecÄ«gu, atkÄrtojamu ievieÅ”anas modeli, kur AI palÄ«dz cilvÄkiem darÄ«t darbu labÄk.
Es ieteiktu sÄkt ar vienu no trim āaugstas atdevesā virzieniem, kur AI publiskajÄ sektorÄ parasti dod Ätru ieguvumu:
- iesniegumu un sÅ«dzÄ«bu apstrÄdes Ätrums (klasifikÄcija, marÅ”rutÄÅ”ana, melnraksti)
- infrastruktÅ«ras uzturÄÅ”anas prioritizÄÅ”ana (anomÄlijas, darbu plÄnoÅ”ana)
- satiksmes plÅ«smas analÄ«ze (modeļi, prognozes, scenÄriji)
Un tad ā disciplinÄti ā uzbÅ«vÄt ap Å”o lietojumu lomas, datus, droŔību un adopciju.
DomÄÅ”anas enkurs 2026. gadam: āViedpilsÄta nav sensori. ViedpilsÄta ir spÄja konsekventi pieÅemt labÄkus lÄmumus.ā
KÄ jÅ«su paÅ”valdÄ«bÄ Å”obrÄ«d izskatÄs prasmju plaisa ā vairÄk trÅ«kst datu cilvÄku, pakalpojumu Ä«paÅ”nieku, vai pÄrmaiÅu vadÄ«bas? Atbilde uz Å”o jautÄjumu parasti pasaka priekÅ”Ä arÄ« to, ar ko sÄkt.