Liczba zamówionych robotów jest testem wdrożenia, a nie dowodem na istnienie rynku robotów

Humanoidalny robot usługowy wraz z inżynierem kontroluje urządzenia infrastruktury publicznej w nowoczesnym koreańskim obiekcie.

Plan Korei Południowej zakładający zakup około 1700 robotów AI w 2027 roku stawia sektor publiczny w roli wczesnego klienta. To liczba wystarczająco duża, by przyciągnąć uwagę, ale sama w sobie nie dowodzi jeszcze, że powstał trwały rynek fizycznej AI. Ważniejsze pytanie brzmi: co te zakupy ustalą, gdy maszyny trafią do rzeczywistych miejsc użyteczności publicznej? Czy będą w stanie wykonywać określone zadania, działać wśród ludzi i w zmiennych warunkach, a także pozostać przydatne po zakończeniu początkowej demonstracji lub cyklu zamówień.

Rządowy briefing dotyczący sektora publicznego mówi o około 5000 skumulowanych zakupów publicznych do 2030 roku. Cel ten należy oddzielić od szerszej krajowej ambicji osiągnięcia liczby 200 000 robotów. Pierwsza liczba dotyczy planowanych zakupów publicznych, druga zaś jest znacznie szerszym celem i nie powinna być traktowana jako potwierdzona liczba zamówień. Rozróżnienie ma znaczenie, ponieważ krajowa liczba robotów może rosnąć dzięki prognozom, programom pilotażowym i wdrożeniom prywatnym, nie pokazując przy tym, że instytucje państwowe znalazły systemy zdolne do niezawodnej pracy po akceptowalnym koszcie.

Planowane wdrożenia obejmują bardzo różne środowiska. W dokumencie wskazano bezpieczeństwo publiczne, pracę dotkniętą niedoborem siły roboczej, edukację i kulturę, badania, rolnictwo, opiekę społeczną, infrastrukturę oraz obronność. Nie są to środowiska wymienne. Robot wykorzystywany w badaniach może być oceniany na podstawie jakości danych lub eksperymentów; system przydzielony do zadań związanych z bezpieczeństwem publicznym musi zapewniać niezawodną nawigację i przewidywalne zachowanie w pobliżu cywilów; maszyna rolnicza może działać na zewnątrz, w nierównym terenie i przy zadaniach trudnych do ustandaryzowania. Traktowanie każdego zakupu jako tego samego rodzaju „robota AI” zacierałoby różnice operacyjne, które decydują o powodzeniu wdrożenia.

Ta różnorodność oznacza również, że program sprawdza kilka założeń naraz. Chodzi o to, czy agencje potrafią wskazać zadania odpowiednie do automatyzacji, czy dostawcy mogą dostosować produkty do tych zadań oraz czy instytucje publiczne są w stanie przejąć praktyczne obowiązki wynikające z posiadania takich systemów. Zamówienia publiczne mogą stworzyć pierwszego klienta i zapewnić twórcom dostęp do środowisk operacyjnych trudnych do odtworzenia w laboratorium. Mogą też doprowadzić do powstania zbioru zainstalowanych urządzeń, których wartość trudno zmierzyć, jeśli przed zakupem agencje nie określą, jakiej pracy od nich oczekują.

Podsumowanie polityki przedstawia zakupy publiczne jako element szerszych działań mających przenieść roboty z fazy rozwoju do praktycznego zastosowania. Ministerstwo Handlu, Przemysłu i Zasobów opisało natomiast proces, w którym agencje publiczne oceniają produkty przed programem zaplanowanym na 2027 rok. Nacisk położono na roboty, które zakończyły rozwój i testy terenowe. To istotne zastrzeżenie: sugeruje, że państwo nie powinno kupować wyłącznie na podstawie prototypu, krótkiej demonstracji ani obietnicy przyszłych możliwości. Proces zamówień jest więc także sprawdzianem tego, czy dostawcy potrafią przedstawić dowody, że ich systemy są gotowe do pracy w środowiskach, w których agencje zamierzają je wykorzystywać. (Ministry of Trade, Industry and Resources; Korea Policy Briefing)

Użytecznym sposobem odczytania liczby 1700 robotów jest potraktowanie jej jako okazji do pomiaru, a nie jako ostatecznego werdyktu. Zakupy mogą pokazać, które zadania są wykonalne pod względem technicznym, gdzie nadal potrzebny jest nadzór człowieka i jak duże dostosowanie jest konieczne, by robot działał poza kontrolowanym miejscem. Mogą ujawnić różnicę między maszyną, która dobrze radzi sobie podczas zaplanowanej próby, a taką, która wielokrotnie wnosi rzeczywisty wkład w usługę publiczną. Pokażą też, czy agencje mają personel, szkolenia, zaplecze serwisowe i procesy decyzyjne potrzebne do przekształcenia zakupionego systemu w narzędzie wykorzystywane w codziennej pracy.

W związku z tym kluczowym testem nie jest to, czy Korea Południowa potrafi umieścić tysiące robotów w instytucjach publicznych. Chodzi o to, czy te instytucje mogą uzyskać wiarygodne dane operacyjne z kupowanych maszyn. Udane wdrożenie powinno połączyć konkretnego robota z jasno określoną potrzebą publiczną i sprawić, że jego rezultaty będą widoczne: bezpieczniejsza praca, uzupełniona luka kadrowa, lepszy dostęp do usługi albo bardziej regularne wykonywanie zadania, z którym ludzie już teraz mają trudności. Dopóki takie dowody nie pojawią się we wszystkich planowanych obszarach, liczba zamawianych robotów pozostaje ważnym eksperymentem polityki publicznej, ale nie dowodzi, że rynek robotów rozwiązał trudniejszy problem — uczynienia fizycznej sztucznej inteligencji użyteczną w codziennych warunkach.

Co pierwsze wdrożenia muszą udowodnić w terenie

Planowane zamówienia publiczne Korei Południowej będą miały znaczenie tylko wtedy, gdy roboty zostaną potraktowane jak systemy do pracy, a nie efektowne demonstracje. Ministerstwo Handlu, Przemysłu i Zasobów informuje, że instytucje publiczne oceniają produkty przed programem na 2027 rok, a plan zamówień nadaje priorytet robotom, które zakończyły rozwój i testy terenowe. Najważniejsze pytanie jest więc praktyczne: czy maszyna potrafi powtarzalnie wykonywać określone zadanie w zwykłym środowisku publicznym, przy jednoczesnym udokumentowaniu tego, co muszą robić ludzie wokół niej?

Pierwszą miarą powinno być wykonanie zadania. Każde wdrożenie wymaga konkretnej pracy, jasnej definicji sukcesu oraz zapisu, jak często robot kończy ją bez przejęcia kontroli przez człowieka. System bezpieczeństwa publicznego należy na przykład oceniać względem wyznaczonej procedury inspekcji lub reagowania, a robota rolniczego albo infrastrukturalnego — względem pracy, do której wykonania został kupiony. „Autonomia” jest zbyt szerokim pojęciem, by służyć jako wynik. Robot, który porusza się po obiekcie, lecz nie potrafi wykonać zadania, może być zaawansowanym prototypem, a nie działającą usługą publiczną.

Drugim kluczowym wskaźnikiem jest częstotliwość interwencji. Nadzór człowieka może być konieczny ze względów bezpieczeństwa i oceny sytuacji, ale instytucje powinny odróżniać zaplanowany nadzór od ciągłego ratowania systemu. Nabywcy muszą wiedzieć, jak często pracownicy korygują trasę, przestawiają przedmiot, uruchamiają system ponownie albo przejmują zadanie wymagające manipulowania obiektami. Takie interwencje mogą ujawnić słabości w rozpoznawaniu otoczenia, nawigacji, zręczności lub organizacji pracy. Mogą też pokazać, że robotowi przydzielono zadanie wykraczające poza jego udowodnione możliwości. W obu przypadkach dziennik interwencji jest bardziej użyteczny niż ogólne twierdzenie, że maszyna korzysta ze sztucznej inteligencji.

O tym, czy robot o odpowiednich możliwościach technicznych będzie faktycznie użyteczny, zdecydują dostępność i odzyskiwanie sprawności. Instytucje powinny śledzić czas pracy, okresy zakończonej pracy, nieudane uruchomienia, nieplanowane zatrzymania, opóźnienia związane z ładowaniem oraz czas potrzebny na przywrócenie systemu do działania. W tym samym teście należy uwzględnić czas naprawy. Nabywca publiczny bierze na siebie zależność operacyjną, a nie kupuje laboratoryjnego obiektu. Jeśli drobna usterka unieruchomi robota do czasu znalezienia specjalisty lub części zamiennej, system może zwiększyć obciążenie kadrowe zamiast je zmniejszyć.

Nawigację należy testować w zmieniającym się otoczeniu, a nie tylko na zmapowanych trasach. Ludzie się przemieszczają, przedmioty trafiają w nowe miejsca, zmieniają się nawierzchnie, a dostęp może zostać zablokowany. Oceny powinny uwzględniać reakcję robota na zablokowaną drogę, zmianę oświetlenia lub widoczności oraz nieznany układ otoczenia. Trzeba też jasno określić limity ładowności i manipulowania obiektami. Humanoidy mogą pasować do przestrzeni zaprojektowanych dla ludzi, ale ludzki kształt sam w sobie nie zapewnia użytecznej siły, równowagi, zasięgu ani kontroli dłoni. Systemy kołowe i czworonożne mogą lepiej sprawdzać się w transporcie, inspekcjach lub na nierównym terenie. Ponieważ program obejmuje wszystkie trzy typy, „robot AI” nie powinien być traktowany jako jedna kategoria produktów z jednym standardem wydajności.

Obsługa danych, szkolenie operatorów i przekazanie systemu do użytkowania również są zdolnościami terenowymi. Instytucje muszą wiedzieć, jakie informacje robot zbiera, gdzie są one przechowywane, kto może uzyskać do nich dostęp oraz co dzieje się, gdy maszyna się zgubi, błędnie rozpozna obiekt albo będzie wymagać zdalnej pomocy. Pracownicy muszą umieć uruchomić i zatrzymać system, rozpoznać niebezpieczne zachowanie, obsługiwać wyjątki oraz zgłaszać usterki po odejściu zespołu demonstracyjnego dostawcy. Ocena powinna zatem obejmować czas szkolenia, odpowiedzialność za nadzór oraz procedurę postępowania w razie nieprzewidywalnego zachowania lub utraty łączności.

Testy te nadają konkretne znaczenie rządowemu naciskowi na zakończony rozwój i próby w warunkach terenowych. Robot przetestowany w terenie to nie po prostu robot, który pojawił się w danym miejscu. To urządzenie, którego ograniczenia, potrzeby konserwacyjne, obciążenie nadzorem i działanie w zmiennych warunkach zostały udokumentowane. Zakupy w 2027 roku mogą dostarczyć cennych danych eksploatacyjnych, jeśli każdemu wdrożeniu będzie towarzyszyć jasno określone zadanie, punkt odniesienia i przejrzyste raportowanie. Sama instalacja nie oznacza sukcesu. Różnica między kupionym robotem a robotem użytecznym ujawni się podczas kolejnego zwykłego dnia pracy.

Dlaczego państwo kupuje także cały ekosystem

Plan zakupów jest częścią szerszej strategii przemysłowej. Korea Południowa zamierza przeznaczyć do 2030 roku 2,3 bln wonów na rozwój rodzimych humanoidów, łącząc zakupy publiczne z możliwościami potrzebnymi do budowania, obsługi i udoskonalania robotów w kraju. Ma to znaczenie, ponieważ robot nie jest samodzielnym urządzeniem w takim sensie, w jakim może nim być konwencjonalny produkt biurowy. Jego działanie zależy od całego łańcucha komponentów i usług: siłowników zapewniających ruch, dłoni umożliwiających manipulowanie przedmiotami, czujników postrzegających otoczenie, układów obliczeniowych przetwarzających informacje, baterii podtrzymujących pracę, oprogramowania koordynującego zachowanie oraz danych pomagających systemom się doskonalić.

Deklarowanym celem rządu jest zwiększenie udziału krajowych komponentów kluczowych z około 45 do 80 proc. W wąskim ujęciu to cel dotyczący łańcucha dostaw. Szerzej można go odczytać jako próbę ograniczenia zależności kraju od zagranicznych źródeł części, które decydują o tym, czy system fizycznej AI da się naprawiać, dostosowywać i produkować na dużą skalę. Zamówienia publiczne mogą zapewnić producentom początkowy rynek, ale same nie zagwarantują, że komponenty opracowane lokalnie będą niezawodne i opłacalne. Odpowiedzi na te pytania przyniesie dopiero wielokrotne użytkowanie: czy siłownik zachowa niezawodność, czy czujnik będzie nadal działał w trudnym środowisku, czy bateria zapewni wymagany rytm pracy i czy oprogramowanie da się utrzymywać po zakończeniu fazy demonstracyjnej.

Równie ważna jest badawcza strona programu. Strategia zakłada zakup 250 humanoidów w 2027 roku i 1080 do 2030 roku dla uniwersytetów oraz finansowanych przez państwo instytutów badawczych. Jednostki te nie są po prostu kolejnymi pozycjami w krajowym bilansie. Mają trafić do miejsc, w których naukowcy będą mogli oceniać systemy, gromadzić dane i rozwijać zaplecze techniczne. Uniwersytety i publiczne instytuty badawcze mogą również ujawnić słabości, które krótki pokaz produktu pozwala ukryć: niestabilne działanie, skomplikowane procedury operatora, ograniczone możliwości manipulowania przedmiotami albo potrzebę większego nadzoru człowieka, niż sugeruje prezentacja sprzedażowa.

Powstaje w ten sposób sprzężenie zwrotne między zakupami a rozwojem. Instytucje publiczne stają się pierwszymi klientami, producenci zyskują okazje do testowania produktów, badacze otrzymują dostęp do maszyn i danych z eksploatacji, a decydenci mogą obserwować, które możliwości pozostają niedopracowane. Taki obieg jest użyteczny tylko wtedy, gdy wnioski wychodzą poza pojedyncze ośrodki. Robot wykonujący wąskie zadanie w starannie przygotowanych warunkach może być wartościowy dla badań, a jednocześnie nie nadawać się jeszcze do szerokiego wdrożenia. Istotne pytanie brzmi, czy rezultaty tych zakupów wpłyną na późniejsze projekty, wybór komponentów, praktyki bezpieczeństwa i decyzje zakupowe, zamiast pozostać odizolowanymi demonstracjami.

Rządowy program testowania i kupowania produktów startupów dodaje do tego podejścia kolejną warstwę. Jego założenie jest proste: agencje publiczne mogą pomóc młodym firmom zweryfikować produkty, stając się ich pierwszymi nabywcami, także w kontekście inteligentnych miast. To odpowiedź na dobrze znany problem w robotyce: firma może mieć obiecujący prototyp, ale nie dysponować realistycznym środowiskiem klienta, w którym mogłaby dowieść jego niezawodności. Wczesny klient publiczny zapewnia dostęp do rzeczywistych warunków pracy i wdrożenia referencyjnego, które pomaga firmie dopracować produkt.

Ten sam mechanizm niesie ze sobą wyraźne ryzyko. Dotowana demonstracja może sprawić, że system będzie wyglądał na dojrzały komercyjnie, choć jego ekonomika zależy od publicznego wsparcia, wyjątkowo cierpliwych operatorów albo warunków łatwiejszych niż te spotykane gdzie indziej. Startup może przeprowadzić udany pilotaż, a jednocześnie nie mieć sieci serwisowej, możliwości napraw, dostaw komponentów ani wsparcia programowego potrzebnych do rutynowego użytkowania. Zakupy publiczne muszą więc odróżniać produkt, który można zademonstrować, od produktu, który można utrzymać w działaniu.

Z tego powodu strategię ekosystemową należy oceniać nie tylko na podstawie liczby zakupionych robotów ani udziału komponentów określanych jako krajowe. Powinna ona pokazywać, czy instytucje publiczne potrafią przekształcić zakupy w trwałą wiedzę techniczną i operacyjną. Potrzebne są między innymi dane o całkowitym koszcie posiadania, częstotliwości interwencji człowieka, dostępności części zamiennych oraz możliwości aktualizowania i naprawiania systemów po wdrożeniu. Program o wartości 2,3 bln wonów, zakupy humanoidów dla instytucji badawczych, cel lokalizacji produkcji oraz inicjatywa testowania i kupowania rozwiązań od startupów wskazują na ten sam kierunek: państwo próbuje jednocześnie zbudować rynek, bazę dostawców i infrastrukturę uczenia się. O powodzeniu zdecyduje to, czy te elementy będą wzajemnie się wzmacniać w codziennej pracy, a nie samo wywołujące wrażenie początkowe wdrożenie.

Lista kontrolna czytelnika: jak ocenić, czy wdrożenie działa

Najlepszym sposobem śledzenia planu zakupów robotów przez Koreę Południową jest traktowanie każdego zakupu jako sprawdzalnej umowy na świadczenie usług publicznych, a nie jako dowodu, że kraj osiągnął określony poziom automatyzacji. Sama liczba urządzeń w nagłówku niewiele mówi, jeśli agencje nie ujawnią, co maszyny mają robić, w jakich warunkach i przy jakim wsparciu ludzi. Pierwsze pytanie ma więc charakter operacyjny: kto po zakupie jest właścicielem robota i kto odpowiada za to, by był użyteczny po zakończeniu wydarzenia inauguracyjnego, budżetu pilotażowego lub okresu demonstracyjnego?

Odpowiedzialność ta powinna obejmować więcej niż samo posiadanie sprzętu. Kupujący potrzebują stałego budżetu na aktualizacje oprogramowania, części zamienne, przeglądy, cyberbezpieczeństwo, szkolenia i naprawy. Robot działający wyłącznie wtedy, gdy na miejscu są inżynierowie dostawcy, może nadal mieć wartość w ściśle określonej próbie, ale nie powinien być liczony jako trwałe zwiększenie możliwości sektora publicznego. Dokumenty zamówień i późniejsze oceny powinny jasno wskazywać, czy koszty serwisu są wliczone, jak szybko trzeba usuwać awarie oraz czy agencja będzie mogła nadal obsługiwać system, jeśli dostawca zmieni profil działalności albo przestanie wspierać dany model.

Taka sama kontrola dotyczy danych. Roboty wdrażane w bezpieczeństwie publicznym, opiece społecznej, rolnictwie, infrastrukturze, badaniach naukowych i innych wrażliwych obszarach mogą wytwarzać informacje o miejscach pracy, obiektach, mieszkańcach, pacjentach lub środowiskach operacyjnych. Czytelnicy powinni pytać, kto kontroluje te dane, czy można je eksportować w użytecznych formatach oraz czy agencje mogą wykorzystywać zapisy z terenu do porównywania dostawców lub ulepszania przyszłych systemów. Jeśli przydatne dane operacyjne pozostają zamknięte na platformie dostawcy, publiczny zakup może stworzyć zależność zamiast wspólnego fundamentu dla lepszych robotów. Nie chodzi tylko o to, czy maszyna zbiera dane, lecz także o to, czy instytucja finansująca wdrożenie może wyciągać z nich wnioski.

Kolejną praktyczną miarą jest udział pracowników. Robot może zostać wprowadzony, by odpowiedzieć na niedobór siły roboczej, ograniczyć narażenie na niebezpieczną pracę, wesprzeć edukację i kulturę albo zwiększyć zasięg usług opieki społecznej i infrastruktury. Tych celów nie da się ocenić wyłącznie na podstawie demonstracji technicznej. Pracownicy, a w stosownych przypadkach także związki zawodowe, powinni uczestniczyć w definiowaniu zadania, wskazywaniu niebezpiecznych sytuacji brzegowych i zgłaszaniu momentów, gdy system zamiast zmniejszać obciążenie, je zwiększa. Właściwym punktem odniesienia często nie jest robot kontra człowiek, lecz zmieniony przepływ pracy: które etapy znikają, jakie nowe obowiązki nadzorcze się pojawiają i kto ma zajmować się wyjątkami, których maszyna nie potrafi rozwiązać?

Ta ostatnia kwestia ma znaczenie, bo łatwo przecenić autonomię. Humanoidalny, kołowy lub czworonożny robot może poruszać się po przygotowanej trasie albo wykonywać wąską sekwencję działań, jednocześnie polegając na zdalnym nadzorze, ręcznym przywracaniu działania lub starannie kontrolowanym otoczeniu. Instytucje publiczne powinny raportować, jak często potrzebna jest interwencja człowieka, ile trwają takie interwencje oraz czy wyniki zmieniają się, gdy oświetlenie, teren, obiekty, pogoda lub tłum różnią się od warunków testowych. System, który działa niezawodnie przy operatorze znajdującym się w pobliżu, nadal może być właściwym narzędziem do konkretnego zadania, ale model zatrudnienia i całkowity koszt muszą być jawne.

Ograniczenia regulacyjne powinny stanowić część tej samej oceny. Gdy robot działa wśród ludzi, wchodzi na teren pracy, obsługuje sprzęt lub wspiera czynności związane z opieką, wdrożenie trzeba oceniać zgodnie z zasadami bezpieczeństwa i odpowiedzialności obowiązującymi w danym miejscu. Deklarowane możliwości nie zwalniają z konieczności określenia granic działania, procedur eskalacji do człowieka, kontroli konserwacyjnych oraz rejestrowania incydentów i sytuacji potencjalnie wypadkowych. Publiczna wartość zakupu zależy częściowo od tego, co dzieje się, gdy maszyna zachowuje się nieoczekiwanie: czy zatrzymuje się bezpiecznie, czy człowiek może przejąć kontrolę oraz czy awaria prowadzi do udokumentowanej korekty, zamiast do cichego wycofania systemu.

Na koniec warto porównać obiecywaną korzyść z konkretnym punktem odniesienia. Czy robot zmniejsza mierzalne ryzyko? Czy uzupełnia braki kadrowe, których instytucja nie mogłaby inaczej zaspokoić? Czy poprawia czas reakcji, dostępność, niezawodność lub jakość jasno określonej usługi publicznej? I czy osiąga to przy akceptowalnym całkowitym koszcie, obejmującym nadzór, zaplecze, szkolenia, zarządzanie danymi, naprawy i wymianę? Te pytania mówią więcej niż liczba zamówionych jednostek, ponieważ łączą zakup z rezultatami, które instytucja może zweryfikować.

Wdrożenie w Korei Południowej będzie miało znaczenie, jeśli przyniesie powtarzalne dowody z rzeczywistych miejsc pracy: dowody, że konkretny robot potrafi wykonać określone zadanie w opisanych warunkach, przy możliwym do opanowania nadzorze i wsparciu. Trwałym rezultatem nie będzie sama krajowa liczba jednostek. Będzie nim zasób wiedzy terenowej pokazujący, gdzie fizyczna AI działa, gdzie pozostaje nieopłacalna lub zawodna oraz co instytucje publiczne muszą zbudować wokół niej, aby technologia służyła ludziom, a nie tylko zajmowała miejsce pilotażowe.