Secure AI agents for public institutions

Den 17. juni 2026 præsenterede Siesta AI sin tilgang til sikre AI-agenter i det tjekkiske Deputeretkammer under et internt arrangement med fokus på e-Stat. Diskussionen kredsede om et praktisk spørgsmål, som offentlige institutioner møder hver dag: hvordan man kan øge tempoet i research, udarbejdelse og administrativt arbejde uden at svække sikkerhed, auditerbarhed, adgangskontrol eller eksisterende it-arkitektur.

Efterhånden som offentlige institutioner udforsker AI, er nøglespørgsmålet ikke længere, om modeller kan skrive udkast eller opsummere dokumenter. Det sværere spørgsmål er, om de kan fungere i regulerede miljøer, hvor hver kilde, tilladelse, handling og output skal kunne forklares og gennemgås.

eStat og udfordringerne i lovgivningsmæssige arbejdsgange

eStat blev drøftet som en platform, der skal understøtte lovgivningsmæssige arbejdsgange og bidrage til en bredere modernisering af den offentlige administration. I den sammenhæng delte Siesta AI, hvordan sikre AI-agenter kan støtte dokumenttungt arbejde uden at erstatte kernesystemer eller ændre etablerede beslutningsprocesser.

Offentlige institutioner har typisk adgang til meget information. Den operationelle udfordring er at håndtere den: dokumenter spredt over flere arkiver, parallelle versioner i omløb via e-mail, tilladelser der varierer mellem afdelinger, og beslutninger der skal kunne begrundes med henvisninger, som holder til gennemgang. Det er præcis her, et styret “assistance-lag” kan reducere manuelt arbejde, samtidig med at ansvaret bliver, hvor det hører hjemme.

Hvor sikre AI-agenter kan hjælpe, uden at erstatte kernesystemer

I lovgivnings- og administrative arbejdsgange kommer værdien ofte af at fjerne “skjult arbejde” rundt om den officielle beslutning: at lede efter kilder, tjekke om en reference stadig er gyldig, sammenligne versioner eller omsætte møderesultater til strukturerede næste skridt. Når de trin udføres manuelt, bliver processen langsommere og mere fejlbehæftet, især under tidspres.

Et konkret referencepunkt er Siesta AI’s demo-miljø på https://zakony.siesta.ai/. Det viser, hvordan kildeforankret retrieval og strukturerede outputs kan understøtte juridisk og lovgivningsmæssigt arbejde, for eksempel ved at:

fremhæve potentielt relevante bestemmelser i tjekkisk lov til vurdering hos faglige reviewere
markere områder, der kan kræve forfatningsretlig gennemgang
linke til relevant EU-ret og forpligtelser, hvor det er relevant
flagge mulige dubletter, overlap eller konflikter med eksisterende regulering
understøtte lovteknisk gennemgang, herunder manglende definitioner, brudte henvisninger og interne inkonsistenser
udarbejde strukturerede udkast, resuméer og ændringsforslagslignende tekst baseret på leverede input og bilag

Ud over udkast kan styrede agenter også hjælpe med administrative opgaver som at opsummere lange dokumenter, sammenligne dokumentversioner, forberede strukturerede opfølgninger efter møder og udtrække action items til menneskelig bekræftelse. I regulerede miljøer er disse muligheder mest nyttige, når kildehenvisninger, rettigheder og godkendelsestrin er synlige, ikke implicitte.

Hvad offentlige institutioner bør måle

For at holde evalueringen forankret bør man fokusere på resultater, man kan verificere i reelt arbejde: den tid det tager at finde relevante kilder, tidligere udkast og relaterede ændringer; den samlede gennemløbstid for udarbejdelse af notater, resuméer, ændringsforslag og udvalgsnoter uden at sænke kvaliteten af review; fejlrate forårsaget af forældede versioner eller oversete afhængigheder; samt acceptgraden for citationer, dvs. hvor ofte reviewere kan godkende outputs uden at sende dem tilbage til omarbejdning.