Inwestycje w narodową sztuczną inteligencję w Polsce wkraczają na kolejny poziom. W poprzednim wpisie analizowałem bezpośrednie odpowiedzi Ministerstwa Cyfryzacji dotyczące budżetu na modele PLLuM i Polstral. Jak wówczas ustaliłem, na stworzenie, rozwój oraz utrzymanie samego projektu PLLuM i projektów towarzyszących (HIVE AI, HIVE 2) wydano dotąd ponad 37,4 milionów złotych, do czego doszły koszty operacyjne rzędu 6,25 mln zł oraz 843 tys. zł na współpracę z francuskim Mistral AI. Pisałem również o 35 milionów złotych na piaskownice AI, które będą rozwijane bez sektora prywatnego.Pisałem również o blisko 774 milionach złotych wydanych z budżetu państwa i UE (każdy po połowie tej kwoty) na dwie AI Factory od naukowych ośrodków PCSS i Cyfronet AGH oraz zdalne korzystanie z fińskiego Lumi AI (tzw Antena za 10 mln EUR). Dotychczas zabudżetowano 846,4 miliony złotych. W czerwcu 2026 roku właśnie dowiedzieliśmy się o kolejnych 151 milionach złotych wydatkowanych na państwowe działania w AI HUB. Łączne wydatki z budżetu państwa i UE sięgną blisko 1 miliarda złotych, a dokładnie 997,4 miliona złotych licząc po kursie 4,3 EURPLN.

W czerwcu Komitet ds Cyfryzacji zaakceptował projekt AI HUB na kwotę 151 milionów złotych z programu “Fundusze Europejskie na Rozwój Cyfrowy 2021–2027 (FERC)“. Tak jak i poprzedni projekt, tak i ten realizowany będzie w trybie niekonkursowym. Pobrałem ten dokument i przeanalizowałem, co dokładnie kryje się za tą kwotą, jakie problemy ma rozwiązać ten unijny zastrzyk gotówki oraz jak wygląda szczegółowy harmonogram wdrożenia do 2029 r.

Z jakim problemem mierzy się polskie państwo w zakresie rozwoju i wdrażania AI w administracji publicznej?

Z dokumentu wyłania się obraz fragmentycznego podejścia i braku standardów w polskiej e-administracji. Z badań NASK powołanych w raporcie wynika, że aż 81% urzędników oczekuje automatyzacji rutynowych zadań, a 48% chce narzędzi klasy Generative AI. Jednocześnie tylko 30% jednostek administracji centralnej potrafi korzystać z analityki dużych zbiorów danych.

Jednym z kluczowych wyzwań jakie ma rozwiązać projekt AI HUB jest uzależnienie od zagranicznych modeli AI. Dziś wykorzystywane są głównie modeli amerykańskie i trochę tylko europejskie (Mistral) co wymusza adaptację do obcych wartości i nie gwarantuje zgodności z polskim prawem. Resort wskazuje również na problem chaosu i rozproszonych pilotaży. Obecne wdrożenia AI w urzędach mają głównie charakter lokalny i wyspowy. Brakuje wspólnej infrastruktury co prowadzi do powielania wydatków i braku spójności. Kolejnym zdiagnozowanym problemem są nowe obowiązki wynikające z europejskiego AI Act. Administracja publiczna nie posiada centralnego ośrodka kompetencji ds AI, który pomagałby oceniać ryzyko, audytować algorytmy i zarządzać prawami autorskimi oraz RODO. Eksperci ministerstwa wskazują również na rozproszenie zasobów danych oraz brak narzędzi i mechanizmów zapewniających ich efektywną analizę, integrację i automatyzację procesów działania administracji. Brakuje również skalowalnej i bezpiecznej infrastruktury AI umożliwiającej rozwój, dostosowywanie i wdrażanie rozwiązań opartych na sztucznej inteligencji do konkretnych przypadków użycia.

Ponadto, w obecnym stanie brak jest instytucjonalnego i technologicznego zaplecza, które pełniłoby funkcję:

• centralnego punktu informacyjnego,
• centrum kompetencji,
• środowiska testowego dla wdrożeń AI (sandbox),
• platformy współpracy i wymiany wiedzy w zakresie AI.

Projekt AI HUB odpowiada na tę lukę, tworząc spójny, centralny ekosystem wsparcia dla rozwoju i bezpiecznego stosowania sztucznej inteligencji, zgodny z wymogami Aktu o Sztucznej Inteligencji oraz potrzebami administracji publicznej i innych interesariuszy.

Jakie są główne wskaźniki sukcesu projektu AI HUB?

Cel 1: Budowanie długoterminowej współpracy z instytucjami badawczymi, ośrodkami naukowymi i sektorem prywatnym

• KPI 1: Liczba opracowanych i udostępnionych produktów AI (narzędzi, modeli, usług) — wartość docelowa: 10
• KPI 2: Liczba wystąpień na konferencjach międzynarodowych prezentujących wyniki projektu — wartość docelowa: 10
• KPI 3: Liczba wizyt w zagranicznych ośrodkach badawczych związanych z wymianą wiedzy eksperckiej — wartość docelowa: 5
• KPI 4: Liczba porozumień o współpracy z zagranicznymi ośrodkami badawczymi / podmiotami komercyjnymi — wartość docelowa: 3

Cel 2: Stworzenie centralnego ośrodka zarządzania, rozwijania i wspierania wdrożeń AI

• KPI 1: Instytucje publiczne otrzymujące wsparcie na opracowywanie usług, produktów i procesów cyfrowych — wartość docelowa: 3
• KPI 2: Liczba podmiotów wspartych w zakresie rozwoju usług, produktów i procesów cyfrowych — wartość docelowa:
• KPI 3: Liczba rozwiązań informatycznych i technologicznych w ramach współpracy międzysektorowej — wartość docelowa: 3
• KPI 4: Użytkownicy nowych i zmodernizowanych publicznych usług, produktów i procesów cyfrowych — wartość docelowa: 100 000 osób

Cel 3: Usprawnienie procesów administracyjnych i ograniczenie pracy manualnej

• KPI 5: Liczba jednostek administracji publicznej, które wdrożyły modele AI — wartość docelowa: 25 szt.

Cel 4: Zapewnienie kadrze administracji publicznej dostępu do narzędzi, platform i wiedzy

• KPI 6: Liczba pracowników korzystających z platformy wspomagającej realizację wdrożeń w administracji publicznej — wartość docelowa: 4 000 osób

Cel 5: Zapewnienie administracji publicznej jednolitej i skalowalnej infrastruktury danych oraz modeli AI

• KPI 7: Sumaryczna wielkość zgromadzonych zbiorów danych tekstowych — wartość docelowa: 300 mld tokenów LUB 2 terabajty (wartość aktualna: 150 mld tokenów / 1 TB)
• KPI 8: Liczba opracowanych polskojęzycznych dużych modeli językowych dedykowanych dla zastosowań w administracji publicznej — wartość docelowa: 5 szt.

Cel 6: Zwiększenie efektywności realizacji procesów urzędowych poprzez dostępną i operacyjną platformę AI

• KPI 9: Liczba przykładowych wdrożeń rozwiązań agentowych z pełną dokumentacją replikacji — wartość docelowa: 2
• KPI 10: Liczba uruchomionych platform umożliwiających udostępnienie rozwiązań cyfrowych — wartość docelowa: 2
• KPI 11: Liczba polskich dużych modeli językowych (LLM) udostępnionych przez dedykowany interfejs programowania aplikacji (API) — wartość docelowa: 2
• KPI 12: Liczba serwerów Model Context Protocol (MCP) dostosowanych do zastosowań urzędowych udostępnionych na platformie AI i procesów automatyzacji — wartość docelowa: 3
• KPI 13: Liczba agentów AI opartych na różnych modelach językowych udostępnionych na platformie AI i procesów automatyzacji — wartość docelowa: 2
• KPI 14: Skrócenie średniego czasu obsługi wybranych spraw administracyjnych objętych pilotażem AI — wartość docelowa: 15%

Dla KPI 9-13 częstotliwość pomiaru – jednorazowo w dniu zakończenia projektu; dla KPI 14 częstotliwość pomiaru – kwartalnie w okresie trwania pilotaży oraz w dniu zakończenia projektu.

Jakie są produkty końcowe projektu AI HUB i data wdrożenia?

Wbrew pozorom AI HUB to nie po prostu kolejna platforma internetowa, lecz całe środowisko operacyjno-technologiczne, na które złożą się dwie główne platformy:

• Asystent AI dla urzędników – 09-2026
• Wdrożone duże modele językowe udostępnione przez API – 06-2028
• Asystenci AI w e-usługach i zmodyfikowany system mObywatel (modyfikacja modułu Chatbot) – 03-2029
• Zintegrowana mapa dojrzałości cyfrowej – 05-2029
• API dla wszystkich modułów – 06-2029
• Platforma AI HUB, na którą składa się Platforma danych i modeli sztucznej inteligencji oraz Platforma AI i procesów automatyzacji – 06-2029
• Raporty końcowe z testów bezpieczeństwa, wydajności i badań UX – 06-2029
• Publikacje naukowe i technologiczne oraz materiały promocyjne związane z wdrożeniem metod sztucznej inteligencji i automatyzacji w administracji publicznej – 06-2029
• Kampanie edukacyjne dla urzędników i obywateli – 06-2029
• Udostępnione środowisko deweloperskie na potrzeby wdrożeń AI -01-2029

Jakie są kamienie milowe i planowane termin ich osiągnięcia AI HUB?

Planowany okres realizacji projektu to od lipca 2026 r. do czerwca 2029 r. 

• Wdrożono istniejące rozwiązania AI – Asystent AI dla urzędników – 2026-09-30
• Zatwierdzony dokument architektury rozwiązania dla Platformy danych i modeli oraz platformy AI i procesów automatyzacji, wymagania, analiza biznesowa, techniczna i rynkowa – 2026-12-31
• Uruchomiono współpracę operacyjną z partnerami naukowymi, JST i administracją publiczną – 2027-06-30
• Wdrożono Platformę Danych i Modeli – 2027-12-31
• Wdrożono Platformę AI i Procesów Automatyzacji – 2028-04-30
• Wdrożono usprawnione istniejące narzędzia – 2028-09-30
• Dostarczono Asystentów AI dla e-usług – 2029-03-31
• Wykonano wdrożenia pilotażowe w JST i administracji publicznej – 2029-03-31
• Opracowano zintegrowaną mapę dojrzałości cyfrowej i benchmark wdrożeń AI – 2029-05-31
• Przeprowadzono działania edukacyjno-konsultacyjne – 2029-06-30
• Zakończono realizację projektu i odebrano wszystkie produkty końcowe, w tym uzyskane pozytywne wyniki testów: bezpieczeństwa, wydajności i badań UX Przygotowano raporty podsumowujące realizację projektu – 2029-06-30

Kto to zbuduje AI HUB? 

Ponownie wyłącznie państwowe podmioty. Beneficjentem jest Ministerstwo Cyfryzacji, ale w konsorcjum partnerów znalazły się kluczowe polskie instytucje naukowe i ośrodki superkomputerowe: NASK-PIB, Instytut Badawczy IDEAS, Politechnika Wrocławska, UAM w Poznaniu, ACK Cyfronet AGH, PCSS przy ICHB PAN oraz resorty rozwoju (MRIT) i spraw zagranicznych (MSZ).

Jak zostanie wydane 151 mln zł? Struktura kosztów i ryzyka

Z całkowitej kwoty 151 mln zł brutto aż 79,71% pochodzi z dofinansowania unijnego (FERC), a pozostałe 20,29% z budżetu państwa. Co ciekawe, w kosztorysie netto (65,9 mln zł) największe pozycje stanowią:

• Oprogramowanie i usługi wdrożeniowe (105,2 mln zł brutto) – prace konfiguracyjne, licencje, subskrypcje, zakup mocy obliczeniowych oraz rozbudowa portalu AI.gov.pl.
• Koszty zarządzania i wynagrodzenia zespołu (26,1 mln zł brutto) – pula na zatrudnienie inżynierów, architektów i kierowników projektów w MC i u partnerów naukowych.
• Infrastruktura (8,4 mln zł brutto) – rozbudowa środowiska deweloperskiego o serwery z układami GPU i pamięciami masowymi do trenowania modeli.
• Działania promocyjne i edukacyjne (9,2 mln zł brutto) – kampanie i szkolenia podnoszące kompetencje urzędników.

Projekt nie jest wolny od ryzyk. W sekcji poświęconej bezpieczeństwu autorzy dokumentu wprost wymieniają ryzyko ataku na logikę modeli, m.in. poprzez wstrzykiwanie promptów (prompt injection) czy zatruwanie danych (data poisoning). Aby temu zapobiec, planowane jest wdrożenie specjalistycznych bramek filtrujących API, separacja środowisk oraz tzw. Red Teaming (kontrolowane ataki hakerskie na model przed jego udostępnieniem). Zidentyfikowano również wysokie ryzyko oporu samych urzędników przed przyjęciem nowej technologii.

Ile kosztuje utrzymanie projektu po 2029 roku?

Warto dodać, że po zakończeniu finansowania z Unii w 2029 r. roczny koszt utrzymania i trwałości całego ekosystemu AI HUB z polskiego budżetu oszacowano na ok. 11-12 mln zł rocznie aż do 2034 r.

Czy w rozwiązaniu będą użyte rozwiązania pozaeuropejskie?

Częściowo tak. Infrastruktura ma być hybrydowa: serwery GPU w Rządowej Chmurze Obliczeniowej, PCSS, Cyfronet AGH i WCSS, a logika aplikacyjna w MS Azure lub RChO. System operacyjne serwerowe: użycie rozwiązań open source tam gdzie to możliwe (Linux). Użycie usług managed tam gdzie to uzasadnione np. Serwery baz danych azure, App Service. W RChO zgodnie ze specyfikacją RChO. Serwery aplikacji: Rozwiązania managed (App Service, Container Apps) tam gdzie to uzasadnione, w innym wypadku Kubernetes. Wszystkie
aplikacje muszą być skonteneryzowane.

Co do RChO to:

• Gestorem Rządowej Chmury Obliczeniowej (RChO) jest Ministerstwo Cyfryzacji.

• Fizyczną infrastrukturę, utrzymanie centrów danych oraz usługi chmurowe dla RChO dostarcza państwowy Centralny Ośrodek Informatyki (COI), który pełni rolę operatora technicznego infrastruktury chmurowej państwa w ramach Inicjatywy Wspólnej Infrastruktury Informatycznej Państwa (WIIP).

• W kontekście samego projektu AI HUB, obok RChO wykorzystywana jest również infrastruktura chmury hybrydowej oraz moce obliczeniowe (serwery GPU) dostarczane przez polskie akademickie centra superkomputerowe:

  • ACK Cyfronet AGH (Kraków),

  • PCSS (Poznańskie Centrum Superkomputerowo-Sieciowe),

  • WCSS (Wrocławskie Centrum Sieciowo-Superkomputerowe),

  • oraz usługi chmury komercyjnej (m.in. Microsoft Azure).

Nacjonalizacja sztucznej inteligencji czyli brak sektora prywatnego i PPP

Wszystkie przytoczone przeze mnie nakłady, sięgające blisko 1 miliarda złotych, pokazują powracający schemat: państwowa strategia AI budowana jest niemal w całości w oparciu o sektor publiczny, z pominięciem partnerstwa publiczno-prywatnego (PPP) i bezpośredniego zaangażowania polskiego biznesu czy modeli takich jak Bielik. Całość środków kierowana jest do odbiorców państwowych, obejmującego resorty, instytuty badawcze, agencje wykonawcze (NASK, COI) oraz publiczne uczelnie i akademickie centra komputerowe. Większość z nich realizowana jest w ramach niekonkurencyjnych zamówień publicznych. Taki model koncentracji kapitału wokół narodowego AI niesie ryzyko stworzenia technologii odizolowanej od realiów rynkowych, gdzie biznes traktowany jest jedynie jako ewentualny podwykonawca w przetargach, a nie równorzędny partner budujący trwały ekosystem innowacji. Nie skaluje to też naszego ekosystemu AI ani polskich rozwiązań.