Studium przypadku powstało na podstawie doświadczeń, którymi Łukasz Ściebior (MUZA) i Katarzyna Reszka (Muzeum Warszawy) podzielili się podczas prezentacji w programie ERC2026 w Berlinie.
Pierwsze narzędzia AI powstały w trakcie prac rozpoczętych w 2024 roku przy wdrożeniu MUZA w Muzeum Warszawy. Kolejne funkcje wprowadzono w ramach rozwoju systemu w 2026 roku.
MUZA to przeglądarkowy system do zarządzania zbiorami, dokumentacją i procesami muzealnymi. Narzędzia AI wspierają w nim wybrane czynności.
Codzienne wyzwania w zarządzaniu zbiorami
Karty obiektów, fotografie, wyniki badań, dokumentacja konserwatorska, dane o wypożyczeniach i przemieszczeniach oraz treści do publikacji bywają rozproszone między systemem, arkuszami, dokumentami i folderami. Niepełne rekordy, różne określenia tych samych materiałów i konieczność wielokrotnego przepisywania danych utrudniają katalogowanie i kwerendy. Oddzielne narzędzia do przygotowania, recenzowania i publikowania treści komplikują też współpracę między działami.
System MUZA łączy dane o zbiorach i związane z nimi procesy w jednym środowisku. Ułatwia ujednolicanie terminologii, wyszukiwanie informacji i ponowne użycie danych, np. przy wystawach, wypożyczeniach i publikacji zbiorów. AI wspiera wybrane etapy tej pracy.
Wdrożenie w Muzeum Warszawy
Muzeum Warszawy zarządza około 765 000 obiektów. Znaczną część zbiorów stanowią fotografie, które budzą zainteresowanie odbiorców i często wymagają pogłębionych badań historycznych.
W poprzednim systemie dane wprowadzano przez lata w różny sposób. Ograniczone możliwości kontroli terminologii, sprawdzania spójności danych i automatyzacji utrudniały porównywanie, łączenie i wyszukiwanie rekordów. Migracja około 300 000 rekordów do MUZA uwidoczniła skalę pracy związanej z uzupełnianiem i porządkowaniem danych. Część fotografii zawierała odręczne notatki, etykiety i pieczęcie, które mogły pomóc w ustaleniu kontekstu historycznego.
Opracowanie kart obiektów z pomocą AI
Pierwszy moduł AI powstał w odpowiedzi na potrzeby rozpoznane podczas wdrożenia. Na podstawie zdjęcia i dostępnych informacji o obiekcie może zaproponować opis, słowa kluczowe, materiał i technikę, datowanie, możliwe autorstwo, wymiary oraz wartości wybranych pól ewidencyjnych. Podpowiada też terminy ze słownika kontrolowanego i może zasugerować nowe hasło.
Punktem wyjścia może być zdjęcie wykonane telefonem, jeśli zawiera informacje przydatne do opracowania obiektu. Propozycje służą jako materiał do dalszej pracy inwentaryzatorów, kustoszy i innych specjalistów.
Odczytywanie informacji z fotografii
Moduł wykorzystuje optyczne rozpoznawanie znaków (OCR), by przygotować wstępną transkrypcję napisów, etykiet i pieczęci, także z rewersu fotografii. Pracownik może porównać wynik ze zdjęciem, poprawić zapis i ocenić, czy informacja jest przydatna w karcie obiektu. Interpretacja historyczna należy do specjalistów.
Weryfikacja danych i odpowiedzialność zespołu
Treści przygotowane z pomocą AI mogą zawierać błędy, pominięcia i nieuzasadnione stwierdzenia. W systemie MUZA można oceniać propozycje pole po polu, porównywać je z dodatkowymi źródłami, sprawdzać wskaźniki pewności oraz akceptować, poprawiać lub odrzucać poszczególne sugestie.
Kustosz ocenia treść i podstawę źródłową, a inwentaryzator sprawdza jakość danych, wymagane pola i terminologię. Recenzent może przygotować i sprawdzić szkic, a uprawniona osoba zatwierdza treść w danym polu. Informacje przygotowane z pomocą AI są oznaczane.
Wyszukiwanie w zbiorach z użyciem RAG
Czat AI w systemie MUZA korzysta z RAG (retrieval-augmented generation). System wyszukuje informacje w wybranych, podłączonych źródłach muzealnych, a model językowy wykorzystuje odnalezione fragmenty do przygotowania odpowiedzi w języku naturalnym.
Użytkownik może zapytać o obiekty bez znajomości dokładnego terminu katalogowego, przejść do rekordów przywołanych w odpowiedzi i zapisać wybrane obiekty na liście roboczej. Ułatwia to kwerendy, pracę badawczą i przygotowanie wystaw, np. wyszukiwanie obiektów według tematu, twórcy lub kontekstu.
Źródła danych dla RAG
W prezentowanym rozwiązaniu czat korzysta głównie z opisów obiektów i wybranych metadanych przechowywanych w MUZA. Można dołączyć m.in. zdigitalizowaną dokumentację, bibliografię, książki, materiały badawcze i wybrane repozytoria. Dodatkowe źródła wybiera się, przygotowuje i indeksuje na potrzeby konkretnego wdrożenia.
Bezpieczeństwo danych i infrastruktura
Konfigurację omawianą podczas przygotowań do ERC2026 zaprojektowano do działania lokalnie, w infrastrukturze zarządzanej przez zespół MUZA lub instytucję. Jeśli model jest uruchomiony lokalnie, pobrane fragmenty rekordów są przetwarzane w tej infrastrukturze. Przy korzystaniu z modelu zewnętrznego przetwarzanie przekazywanych mu fragmentów zależy od konfiguracji i zasad dostawcy.
Instytucja może określić, które źródła są indeksowane, jakie dane są dostępne w wyszukiwaniu, gdzie są przetwarzane i kto ma dostęp do modułu. Poziom ochrony i wiarygodność odpowiedzi zależą m.in. od infrastruktury, modelu, uprawnień, integracji, utrzymania i zasad przetwarzania danych.
Opisy dla różnych odbiorców
Narzędzia wprowadzone do systemu MUZA w 2026 roku pozwalają przygotować na podstawie tej samej karty obiektu szkice opisów dla dzieci, dorosłych, badaczy, edukatorów, zespołów wystawienniczych i osób w spektrum autyzmu. Zespół sprawdza, redaguje i zatwierdza tekst przed wykorzystaniem w muzeum lub publikacją w zbiorach online.
Dostępność treści
System MUZA pomaga wskazać obrazy bez tekstu alternatywnego i przygotować jego wersję roboczą. Wspiera też transkrypcję nagrań, tworzenie dostępnych napisów, identyfikowanie rozmówców, efektów dźwiękowych i dźwięków tła oraz przygotowanie audiodeskrypcji obrazów i filmów.
W przypadku filmu system może przygotować kompletny roboczy scenariusz audiodeskrypcji. Analizuje nagranie segmentami, opisuje to, co widać, i przypisuje opisom kody czasowe. Pracownik może przejść do właściwej sceny, sprawdzić tekst z oryginałem i pobrać scenariusz jako plik WebVTT. Ułatwia to pracę nad dostępnością dużych zbiorów cyfrowych.
Tłumaczenia z terminologią muzealną
Pracownicy mogą tłumaczyć wybrane pola lub opisy, porównywać propozycję z oryginałem i sprawdzać treść przed publikacją. W systemie można skonfigurować terminologię instytucji oraz pozostawić wybrane nazwy własne i wyrażenia w języku oryginału.
MUZA w codziennej pracy muzeum
System wspiera ewidencję i zarządzanie zbiorami, dokumentację i digitalizację, archiwa, konserwację, wypożyczenia i depozyty, przemieszczenia obiektów, wystawy, projekty oraz portale zbiorów. Ułatwia współpracę działów, migrację i porządkowanie danych, ogranicza przepisywanie informacji i pozwala wykorzystywać te same dane w różnych procesach.
Od pierwszego wdrożenia do dalszego rozwoju
Prace rozpoczęte z Muzeum Warszawy w 2024 roku pozwoliły odpowiedzieć na problemy z niepełnymi rekordami i pracochłonnym opracowaniem zbiorów. W 2026 roku do systemu MUZA dodano kolejne narzędzia do kwerend, opisów dla różnych odbiorców, dostępności i tłumaczeń. Zakres wdrożenia zależy od danych, procesów, terminologii, infrastruktury i wymagań bezpieczeństwa instytucji. Za weryfikację treści i ostateczne decyzje odpowiada zespół muzeum.
Porozmawiajmy o AI i zarządzaniu zbiorami w Twoim muzeum
Rozważasz wykorzystanie AI do katalogowania, kwerend, dostępności, tłumaczeń lub wyszukiwania w zbiorach?
Skontaktuj się z zespołem MUZA.
