LOKALIT

Przetestowaliśmy 13 modeli sztucznej inteligencji na zadaniach z urzędu. Co działa lokalnie

· 6 min czytania · LOKALIT

Sztuczna inteligencja może działać na sprzęcie w urzędzie, bez wysyłania danych do chmury i bez abonamentu za każde zapytanie. Zanim cokolwiek zaproponujemy klientowi, sprawdzamy to sami. W listopadzie 2026 roku przetestowaliśmy 13 modeli o otwartych wagach na zadaniach wziętych z codziennej pracy urzędu i domu kultury, a potem gotowych asystentów zbudowanych na najlepszych z nich. Wszystkie dane w teście były fikcyjne.

Jak testowaliśmy

Wszystko działało lokalnie, na laptopie z kartą graficzną 16 GB i 64 GB pamięci.

Etap 1, modele. Każdy z 13 modeli dostał te same 8 zadań po polsku, każde powtórzone dwa razy:

  1. odpowiedź na wniosek zgodnie z regulaminem,
  2. streszczenie protokołu z posiedzenia z listą decyzji, także dokumentu liczącego ok. 30 stron,
  3. post na Facebooka, opis na Instagram z limitem znaków i tekst na ekran do 12 słów,
  4. przeniesienie zapisów na półkolonie z maili do tabeli,
  5. anonimizacja pisma: imiona, adresy, telefony, PESEL, e-maile, numery kont,
  6. pytania do regulaminu, w tym jedno, na które w dokumencie nie ma odpowiedzi,
  7. przepisanie urzędowego komunikatu na prosty język,
  8. poprawa błędów ortograficznych i interpunkcyjnych.

Do tego dwa testy agentów: obsługa narzędzi (rezerwacja sali i mail, z celowymi pułapkami) oraz agent przeglądający stronę gminy. Każdą odpowiedź oceniliśmy w skali od 1 do 5, osobno oznaczając zmyślenia i wycieki danych1.

Etap 2, asystenci. Na najlepszych modelach zbudowaliśmy gotowych asystentów, każdy z własnym przepisem i automatyczną kontrolą wyniku. Sprawdziliśmy ich w przeglądarce, tak jak korzystałby z nich pracownik, razem z automatyzacją zapisów, rezerwacją z zatwierdzaniem oraz grafiką i animacją2.

Wyniki modeli

Średnia ocena w 8 zadaniach (skala 1 do 5)
Gemma 4 26B: 4,9Gemma 4 26B4,9Qwen3.8 27B: 4,9Qwen3.8 27B4,9Gemma 4 31B: 4,9Gemma 4 31B4,9Gemma 4 12B: 4,6Gemma 4 12B4,6gpt-oss 20B: 4,3gpt-oss 20B4,3Bielik 11B: 4,0Bielik 11B4,0PLLuM 12B: 3,6PLLuM 12B3,6

Wybrane modele z 13 testowanych. Laptop z kartą graficzną 16 GB, dane fikcyjne.

Źródło: Test LOKALIT, listopad 2026

Dane w tabeli
ModelOcena
Gemma 4 26B4,9
Qwen3.8 27B4,9
Gemma 4 31B4,9
Gemma 4 12B4,6
gpt-oss 20B4,3
Bielik 11B4,0
PLLuM 12B3,6

Najlepiej wypadła Gemma 4 26B: średnia 4,9, żadnego zmyślenia, żadnego wycieku danych i oba testy agentów zaliczone. Na karcie 16 GB gotowy projekt pisma pojawiał się po ok. 4 do 5 sekund. Wśród mniejszych modeli najlepsza była Gemma 4 12B (4,6), która potrzebuje ok. 9 GB pamięci1.

20 z 20danych osobowych zamaskowały najlepsze modele w teście anonimizacji
0zmyśleń dobrych modeli przy pytaniu, na które w regulaminie nie było odpowiedzi
4–5 sna gotowy projekt pisma (Gemma 4 26B, karta graficzna 16 GB)

Źródło: Test LOKALIT, listopad 2026

Polski model nie znaczy lepszy. Bielik 11B pisał świetną polszczyzną, ale nie trzymał limitów znaków i słabo radził sobie jako agent. PLLuM 12B w zadaniu anonimizacji bez zabezpieczeń przepuścił 16 z 20 danych osobowych. Gemma 4 pisała po polsku równie dobrze, a lepiej trzymała format i chroniła dane. Modele polskie wdrażamy jako opcję, gdy klient tego chce1.

Wszystkie modele, które polecamy, mają licencję Apache 2.0, która pozwala na komercyjne wdrożenie, także w instytucjach publicznych1.

Asystenci w praktyce

8 z 8poprawnych odpowiedzi z regulaminu, każda w 1 do 3 sekund, z odwołaniem do dokumentu
6 z 6zgłoszeń z 5 maili trafiło poprawnie do tabeli, w 9 sekund
0akcji wykonanych bez zgody pracownika w teście rezerwacji sal

Źródło: Test LOKALIT, etap 2, 17 listopada 2026

Pracownik korzysta z asystentów w przeglądarce, na swoim koncie, a automatyzacje działają na serwerze w budynku.

Dlaczego konfiguracja ma znaczenie. Te same modele bez przygotowania potrafiły zmyślić adres, przepuścić dane albo odpowiedzieć pustym polem. W ustawieniach domyślnych asystent dokumentów odpowiadał pusto albo się zapętlał; po naszej konfiguracji odpowiedział poprawnie na 8 z 8 pytań. Wartość wdrożenia to nie sam model, tylko przepisy, szablony instytucji, zatwierdzanie i dobrze ustawione narzędzia2.

Plakaty i grafiki

Lokalny model może też przygotować ilustrację do plakatu, grafikę na Facebooka albo animowaną planszę na ekran w holu. Test pokazał jednak wyraźną granicę: modele graficzne przekręcają polskie napisy. Zamiast „Bożonarodzeniowy” pisały na przykład „Bożonarodzieniówy”. Dlatego u nas model tworzy tylko ilustrację, a tekst wstawia szablon instytucji. Tak przygotowany plakat miał bezbłędną polszczyznę2.

ZadanieCzas na karcie 16 GB
Ilustracja do plakatu albo grafika na Facebookaok. 40 s
Animowana plansza na ekran, 5 sekundok. 3,3 min
Usunięcie tła ze zdjęciaok. 3 s

Gdy na jednej karcie graficznej jednocześnie działa czat i tworzenie grafiki, jedno i drugie zwalnia mniej więcej czterokrotnie. Przy kilku osobach naraz grafikę najlepiej kolejkować albo dać jej osobną kartę2. Wszystkie modele graficzne, których używamy, mają licencje pozwalające na użycie komercyjne.

Jaki sprzęt, jaki model

ZestawSprzętDla kogoModel
Startkomputer lub Mac, 16 do 32 GB pamięci1 do 3 stanowisk, mały dom kultury, bibliotekaGemma 4 12B, przy 32 GB Gemma 4 26B
Serwer S/Mserwer z jedną kartą graficzną 24 GBbiuro, dom kultury, mała gminaGemma 4 26B
Serwer M+/L48 GB pamięci karty albo 128 GB pamięci współdzielonejwiększy urząd, wiele osób naraz, grafika równolegle z czatemGemma 4 31B albo Qwen3.8 27B

Jakość modeli zmierzyliśmy. Szybkość na Macu i na serwerach z kartą 24 GB lub większą to na razie nasz szacunek, który potwierdzimy w kolejnych testach. Orientacyjnie Mac z 36 GB pamięci wystarczy dla 1 do 3 osób z modelem Gemma 4 26B, a do grafiki i animacji karta graficzna NVIDIA pozostaje szybsza. Jeśli urząd nie ma odpowiedniego sprzętu, pomagamy go dobrać do potrzeb i budżetu.

Uczciwe granice

Mówimy wprost, czego sztuczna inteligencja nie powinna robić sama, bo pokazał to nasz test12:

  1. Wszystko, co wychodzi na zewnątrz, zatwierdza człowiek. Bez zatwierdzania 4 z 11 modeli zmyśliły adres e-mail odbiorcy, a jeden ogłosił, że wysłał wiadomość. Z zatwierdzaniem żadna akcja nie wykonała się bez zgody pracownika.
  2. Pisma tylko z szablonem instytucji. Bez szablonu 6 z 13 modeli dopisało wymyślony adres lub telefon urzędu. Z szablonem żaden z czterech sprawdzonych modeli.
  3. Anonimizacja to wstępne maskowanie, filtr i kontrola człowieka, nigdy automatyczna publikacja, np. w BIP.
  4. Limity znaków liczy system, nie model, bo część modeli ich nie dotrzymuje.
  5. Polskie napisy na grafikach wstawia szablon, nie model.
  6. Nie odnawiamy archiwalnych zdjęć z ludźmi. W teście powiększanie starego zdjęcia zniekształciło twarze.
  7. Agent w przeglądarce działa tylko na liście dozwolonych stron. W teście jeden model bez polecenia próbował wejść do zewnętrznego sklepu internetowego.

Sztuczna inteligencja nie zastąpi pracownika i nie daje stuprocentowego bezpieczeństwa. Dobrze wdrożona zdejmuje za to z ludzi powtarzalną pracę, a dane zostają w budynku.

O tym, dlaczego dane w urzędzie wymagają szczególnej ochrony, piszemy w tekście Bezpieczeństwo danych w urzędzie.

Źródła

  1. Test LOKALIT, etap 1, 14 i 15 listopada 2026 roku: 13 modeli, 8 zadań po polsku, 2 testy agentów, dane fikcyjne.
  2. Test LOKALIT, etap 2, 17 listopada 2026 roku: 6 asystentów z automatyczną kontrolą na 5 modelach, interfejs w przeglądarce z bazą dokumentów, automatyzacja zapisów, agent z zatwierdzaniem, grafika i animacja, dane fikcyjne. Pełny raport techniczny udostępniamy na prośbę.

Przeczytaj też