Konec éry tabulek?

Jak umělá inteligence mění tvář oficiálních statistik.

Zatímco svět fascinovaně sleduje schopnosti generativní umělé inteligence v psaní textů a tvorbě obrázků, v zákulisí národních statistických úřadů se odehrává tichá revoluce. Tradiční instituce stojí před existenční výzvou i obrovskou příležitostí: jak zajistit, aby data v éře umělé inteligence nejen přežila, ale stala se rychlejšími, levnějšími a kvalitnějšími.

Žijeme v době definované rychlým technologickým pokrokem a nekonečným množstvím datových zdrojů. Uživatelé, kteří dříve navštěvovali weby statistických úřadů, dnes své dotazy stále častěji směřují na AI chatboty a velké jazykové modely (LLM). Aby oficiální statistiky v tomto novém prostředí obstály a neztratily svou relevanci coby veřejný statek, musí projít zásadní transformací.

Série nedávných seminářů pořádaných před 57. zasedáním Statistické komise OSN jasně ukázala, že statistické úřady už nemohou být pouhými pasivními dodavateli dat, ale musí se stát aktivními správci v celém AI ekosystému. Tato transformace má dvě hlavní roviny: „stranu poptávky“ (AI readiness), tedy jak stroje data konzumují, a „stranu nabídky“ (produkci), tedy jak AI pomáhá data vůbec vytvářet.

Od únavné rutiny k algoritmickému dohledu

Zásadní průlom se odehrává přímo ve výrobních procesech. Národní úřady zjišťují, že díky AI mohou produkovat kvalitnější výstupy s nižšími náklady. Příkladem může být mexický statistický úřad (INEGI), který nasadil velké jazykové modely pro zpracování otevřených odpovědí ze sčítání lidu.

Dříve tento proces vyžadoval armádu expertů, kteří manuálně kódovali a třídili obrovské objemy odpovědí. Nasazením AI se podařilo snížit manuální zátěž o 50 % při zachování úctyhodné přesnosti 94,3 %. Experti tak nemusí trávit čas rutinou, ale řeší jen ty nejsložitější případy, u kterých si algoritmus není jistý. Role statistika se tím dramaticky mění: z vykonavatele úkolů se stává kontrolor a dohlížitel nad chováním AI modelů.

Satelity místo dotazníků

V některých částech světa tradiční sběr dat jednoduše naráží na fyzické a finanční limity. Indonéský statistický úřad (BPS) čelil obrovským logistickým problémům a nákladům při každoměsíčním fyzickém mapování zemědělské sklizně po celém svém obřím souostroví.

Řešením se stala inovativní kombinace umělé inteligence a družicových snímků. Díky strojovému učení a satelitním datům, která dokážou proniknout i skrz oblačnost, dnes Indonésie predikuje fáze pěstování a sklizně rýže kontinuálně a bez nutnosti vysílat do terénu tisíce pracovníků. Tento přístup dosahuje ve většině provincií přesnosti přesahující 80 %, a fyzické kontroly v terénu slouží už jen k validaci výsledků.

Soukromí v době umělé inteligence

S novými technologiemi však přicházejí i nová rizika. AI modely jsou v podstatě tvořeny daty, na kterých byly natrénovány, a tato data mohou být často citlivá. Hrozí tak nebezpečí, že by model mohl tajné informace nechtěně vyzradit, nebo by mohlo dojít k jeho reverznímu inženýrství.

Odpovědí na tyto obavy jsou takzvané Technologie pro posílení soukromí (PETs), kterými se zabývá i specializovaná laboratoř OSN (UN PET Lab). Podle expertů z nizozemského statistického úřadu tyto nástroje umožňují bezpečně trénovat AI modely na zašifrovaných nebo distribuovaných datech, aniž by si zapojené instituce musely citlivá data navzájem odkrýt (například prostřednictvím federativního učení nebo bezpečných enkláv). Tyto technologie představují klíč k budování důvěry mezi veřejností a technologickými platformami.

Otevřenost a trojitá šroubovice

Aby statistické úřady neskončily u pouhých izolovaných pilotních projektů, musejí inovace zavádět systémově. Indický národní statistický úřad předvedl, jak překonat počáteční paralýzu pomocí úzké spolupráce mezi vládou, akademickou sférou a startupy. Statistické úřady si totiž často samy nevystačí s interními technickými kapacitami, a proto potřebují proaktivně navazovat partnerství. Během krátké doby se Indii podařilo nasadit do ostrého provozu řadu AI řešení, včetně specializovaných chatbotů a sémantického vyhledávání.

Základem udržitelného úspěchu na celosvětové úrovni pak musí být radikální otevřenost. Jak zdůraznili experti z Rwandy, sdílení kódu a otevírání vývoje přes platformy typu GitHub je naprosto klíčové. Pokud jedna země vyvine fungující nástroj pro automatické kódování povolání, neměla by jiná země začínat od nuly. Úřady musejí sdílet své modely a validované nástroje, z čehož budou těžit zejména rozvojové státy.

Připravenost rozhodne o přežití

Výzva spojená s nástupem umělé inteligence přesahuje pouhé pořízení nových technologií. Jde o fundamentální změnu toho, jak musí být oficiální data a metadata strukturována – musí být čitelná, srozumitelná a nalezitelná pro stroje.

Tradiční výstupy, jako jsou textové zprávy v PDF nebo statické zobrazení tabulek na webu, jsou pro AI modely velmi obtížně interpretovatelné. Cílem takzvané „AI připravenosti“ je poskytovat data a metadata tak, aby byla primárně strojově čitelná a pro stroje přímo srozumitelná. To v praxi znamená publikovat data ve vysoce strukturovaných a standardizovaných formátech, ke kterým lze přistupovat automatizovaně. Aby AI systém uživateli doručil správnou a kontextuálně relevantní odpověď, musí být surová data obohacena o jasná metadata, například jaký je jejich zdroj, časová platnost atd. Je také důležité, aby byla data propojena do hlubších logických souvislostí. K tomu slouží znalostní grafy, které definují vztahy mezi jednotlivými proměnnými. Hovoří se rovněž o nezbytnosti budování federativní architektury, která umožní najít správná data z velkého množství národních zdrojů prostřednictvím datového ekosystému (např. UN Systém Data Commons). Ten zaručí, že data i modely mluví společným jazykem. V neposlední řadě je třeba, aby statistické úřady zajistily ochranné mantinely pro využití dat umělou inteligencí a zavedly licenční dohody, jimiž vymezí, jaká data lze využívat a šířit dál.

Národní statistické úřady zkrátka musejí vybudovat nezbytné technické základy, od standardizace po licencování, ale zároveň před nimi stojí úkol připravit své zaměstnance na práci s AI a udržet si v očích veřejnosti punc nezpochybnitelné důvěryhodnosti. Pokud se jim podaří spojit technické inovace s odpovědným řízením a globální spoluprací, zajistí si v éře chytrých strojů nejen své přežití, ale i trvalý růst.