从想法到影响：政府领导人负责任的人工智能实施指南

将人工智能雄心转化为现实价值 2025年10月 将人工智能的雄心转化为现实价值 在全球范围内，各国政府越来越多地采用人工智能（AI），目的不仅是为了提高公共服务效率，更是为了改变其为公民交付成果的方式。现在的问题已不再是是否应该采用AI，而是如何负责任、有效且大规模地实施。 五项基本基础为了人工智能的成功。 数据和科技 基础平台（包括云），现代架构，系统以及能够实现高级功能的高质量、可访问的数据资产和产品 随着政府从规划转向实施，一个关键问题随之出现：他们如何理解和准备人工智能全面规模化所带来的全部复杂性——超越成功的试点和概念验证项目，以实现真正的公共价值？ 2才能和技能 综合数字素养加上专门的数据科学与人工智能技能在整个组织中战略性地。 在我们第一份报告中,1基于与牛津经济研究院进行的大量研究（参见第3页的研究方法），我们展示了人工智能如何正在重塑政府提供公共服务的方式，这体现在六个关键价值驱动因素：生产力和效率、员工体验、公民和最终用户体验、战略服务规划、财务优化、风险与韧性。 3自适应文化 一种拥抱实验、持续学习和随着技术进步而快速进化的创新思维。 我们强调了在数据和人工智能方面做出强有力的战略承诺的重要性，与组织的整体愿景保持一致。我们还概述了五个关键基础：数据和技术、人才和技能、适应性文化、信任和符合道德的治理，以及协作生态系统（参见“人工智能成功五项关键基础”侧栏）。 信任和伦理治理 通过透明数据实践、强大的隐私保护和道德框架建立信心，使人工智能系统服务于公共利益。 但即便这些基础已经具备，从战略到影响的旅程仍然充满挑战。许多大胆的愿景常常在试点项目中停滞不前，受限于数据与基础设施的限制、隐私与伦理问题、员工抵制与整合障碍、技能短缺或投资回报率（ROI）不明确。 5 协作生态系统 跨越政府、产业和民间社会的强大合作伙伴关系，支持互操作性，加速创新和实施。 迅速采取行动消除这些壁垒的政府可以解锁新的效率并提升公民体验。那些犹豫不决的风险是落后，因为延 误会导致成本上升，错失生产力增长和更智能的政策制定的机遇，以及公众期望无法满足。当其他国家进步时，跟不上步伐会损害信任并在数字化进程中拉大差距。 谁应该阅读这份报告，以及为什么？ 研究方法 这份报告帮助政府领导者驾驭复杂性并推动有效执行，无论是他们刚开始接触人工智能还是扩展现有的工作。它面向那些负责数字化转型和人工智能战略的人员——例如首席数据官、首席人工智能官、首席技术官 2024年7月至12月期间，与牛津经济学院合作，德勤全球组织进行了研究，以回答这样的问题：政府如何利用数据和人工智能创造更多公共价值？我们对来自14个国家的492位政府领导人进行了调查，他们在自己的组织的数据和人工智能计划中拥有丰富的经验或参与。这些角色包括首席执行官、首席信息官、首席数据官、首席战略官、首席人工智能官、首席创新官、首席运营官或运营总监。运营, 首席技术官, 总监普通和专员。 官员、委员和总干事。负责监督公共部门创新的政策制定者，以及从事监管、伦理和合规角色的专业人士，指导负责任的AI应用，也将发现这份报告高度相关。 借鉴采访中的见解以及他们所告知的开创性公共服务举措，它提供了一张路线图，用于释放人工智能的全部潜力并将雄心转化为可衡量的成果。我们提供了关于五个关键步骤的实用见解：识别高影响力和变革性机遇、为负责任实施做准备、试点和评估解决方案、为解决方案建立组织准备、衡量价值，以及分享学习以确保持续改进。更广泛的政府采用。 为了补充定量数据并深入洞察，我们进行了46次深度定性访谈。这些访谈包括38次与公共官员的访谈、4次与学术和政策专家的访谈，以及4次与参与人工智能部署的私营部门领导的访谈。这些访谈提供了关于数据和人工智能采用成熟度、面临的挑战以及应对这些挑战的最佳实践的额外视角。 希娜·汤普森毕马威全球政府和公共部门人工智能联合主管 高级AI工具，包括EY大型语言模型（LLM）、EYQ和微软小冰， 托马斯·埃尔文博士ey全球政府与公共部门人工智能联合主管 曾用于合成文稿并提取关键发现。EYQ利用大量文本数据，通过自然语言处理(NLP)技术识别模式和主题。Copilot通过生成摘要和强调文稿中的重要点来帮助完善这些见解。这些人工智能工具共同帮助实现定性数据的有效和准确合成，支持关键发现和趋势的识别。 朱莉·麦克奎恩EY全球政府与基础设施洞察领袖 内容 引领AI落地之路：政府领导者的五步路线图 执行摘要 解决方案：一个经过验证的五步路线图 挑战 全球各国正从探讨是否应该采用人工智能，转向研究如何负责任且大规模地实施它。虽然许多人拥有坚实的人工智能基础，但从想法到实际影响的征程仍然挑战性的，加粗的愿景往往由于基础设施和数据限制、安全问题、技能短缺、文化变革阻力、集成复杂性、资金不足和投资回报率不明确而停滞不前。这导致在需要果断行动以释放效率、改善结果和建立信任时出现实施瘫痪。 1识别并优先考虑高影响力的机会： 从期望成果开始，而非技术。自上而下的战略协同与一线员工和公民自下而上的洞察相结合，用于识别有意义的用例。想法漏斗、创新中心和优先级框架等结构化流程有助于过滤和排序倡议。治理结构确保监督并与公共价值目标保持一致。 2为负责任地实施做准备: 在进行试点之前，评估数据和基础设施的准备工作，包括技术架构、数据质量和安全协议。隐私和伦理必须从一开始就融入其中，而与监管机构的早期参与可以避免昂贵的修订。伦理监督、风险管理以及跨职能治理委员会对于确保合规性和建立信任至关重要。 3 初步实施并评估： 飞行员在旨在反映现实世界环境的受控环境中验证人工智能解决方案。成功取决于明确定义的目标、跨职能合作以及最终用户的早期参与以确保相关性。严格的评估和迭代开发有助于塑造可扩展的解决方案。关键的是，有效的试点支撑了可信的商业案例——清晰地展示价值。 这份报告基于与牛津经济学的合作研究，为政府领导人提供了一份从战略雄心到可衡量的实践指南影响。它借鉴了 46 深入访谈，依托先进的人工智能工具进行数据合成，并重点介绍了来自澳大利亚、爱沙尼亚、法国、加拿大、英国和美国等国家的成功案例。这些案例展示了在纪律和远见卓识的指导下，人工智能如何以目标为导向、以公民为中心且可扩展。 成本、安全性和可扩展性。没有这些，人工智能计划有被搁置的风险。薄弱的正当理由或未解决的执行问题。 4建立组织为扩展做好准备： 根据现有结构、战略目标、文化以及数字化成熟度，选择一个运营模式——集中式、分散式或混合式。变革管理至关重要，清晰的沟通和共同设计有助于克服对人工智能工具的抵制。通过培训、招聘和普及项目建立内部人工智能能力，支持可持续采用。敏捷采购方法可以拓宽供应商准入，促进创新，并加强共同开发可扩展解决方案的内部能力。 5衡量、学习和分享以持续影响： “ KPIs和基线指标应在实施前建立，捕捉全面的利益，包括运营效率、生产力、服务质量以及可访问性，以更广泛的社会效益，如经济发展、包容性、可持续性和韧性。仪表盘和评分卡追踪所交付的价值，而利益相关者的反馈则能够实现实时改进。通过跨机构活动和案例研究分享经验教训，可以加速政府内部的更广泛采用，并建立一个持续改进的文化。 真正的挑战不是证明人工智能有效——而是证明它在复杂的公共部门中规模化地有效。环境。成功取决于 一个能够全面涵盖预期成本、展示可衡量效益，并包含一套可信的用户参与和采纳计划的商业案例。这是成功试点项目与真正提供公共价值的计划之间的区别。 祈使句 随着人工智能的发展，公众的期望不断提高。推迟行动的政府面临的风险是扩大差距和侵蚀信任。随着债务不断增长和预算不断减少，需求不断上升，他们必须以更少的资源做更多的事情——这需要超越人类能力的高效性。没有人工智能，这些挑战就无法应对。 希娜·汤普森毕马威全球政府和公共部门人工智能联合主管 行动窗口正在缩小，但路线图清晰。对于领导者准备好采用这种结构化方法，人工智能提供了变革的潜力。迅速且策略性地行动的政府可以在关键维度上释放重要价值，包括运营效率、员工体验、公民参与、战略规划、财务管理与韧性。 导航人工智能实施旅程：五步路线图为政府领导人 我们的第一份报告揭示了，尽管许多政府有战略愿景和强大的AI基础，但一个关键执行差距仍然存在。2组织持续努力弥合成功试点与企业级部署之间的差距——这是一个需要对技术和组织复杂性。以下五步路线图提供了一个经过验证的方法论，用于克服这种实施挑战。 各国在人工智能方面并不缺乏雄心——但往往缺乏将这些雄心转化为持久影响力的机制。我们的研究始终表明，成功取决于自律的执行：将人工智能计划与战略成果保持一致、建立完善的治理和伦理监督机制、致力于测试、迭代和学习，以及建立负责任扩大的组织能力。 朱莉·麦克奎恩EY全球政府与基础设施洞察领袖 01 识别并优先考虑高影响和变革性的机遇 每一段变革性的AI旅程都不是从算法或基础设施，但需以结果为导向。先驱政府不会问“我们如何使用人工智 在实现中最重要的是“ 能？”，而是会问“我们的目标是怎样的结果——人工智能能帮忙吗？” 任何一个 AI 项目就是它以目标为导向……AI 只是一个需要被导向目标的工具。 从真实、高影响力的问题和机遇开始 高级公务员 经济增长与更好的监管 维多利亚 澳大利亚 澳大利亚维多利亚州的交通与规划部说明了如何战略目标可以引导人工智能用例的开发。其交通数据平台整合结构化与非结构化数据，以辅助预测建模和实时洞察。交通与规 划部的首席数据与数字官杰森·奥苏认为，该计划并非定位为人工智能项目，而是作为解决特定挑战的方案：如何改善公民的交通服务。 从一线员工和服务使用者那里捕捉见解的自下而上的方法，对于战略协同同样是非常重要的补充。正如日本数字厅前局长丸川圭介所说：“如果我们只强加自上而下的方法，而不知道实际情况， 机构通过数字化儿童咨询记录来体现这一方法，使咨询师能够录制咨询内容，从而减少职业倦怠，同时为未来的AI分析创建结构化数据。正如村上所解释的那样，“我们不仅仅是为了效率而数字化。我们正在为AI支持未来的更好决策打下基础。” 采用自上而下的方法，可以将用例识别与组织的整体战略和愿景相结合，有助于防止零散的努力。例如，在美国马里兰州，所有人工智能用例都根据州长的10项战略重点进行评估，以确保它们与更广泛的政策目标保持一致。3 4 那些在这个平衡上做得很好的政府: ■通过调查和反馈会议让公民和员工参与进来，了解他们的真实需求和痛点。 案例示例 减轻国家高速公路客服中心工作人员的负担 ■利用现有代理数据来确定服务存在缺陷或效率低下的领域。 在国家公路，数字实验室负责人卡姆兰·阿什拉夫和他的团队在企业内部识别出了一个明确的运营痛点：大量的常规出行规划查询，例如道路封闭和交通状况，占用了客服人员处理复杂客户呼叫的时间。作为解决方案，团队开发了一个由自然语言处理和客户接触代理设计主题驱动的聊天机器人。该聊天机器人被设计用来处理低优先级出行旅程和交易性查询 - 让员工有更多宝贵时间专注于更高优先级的事件。 ■举办跨职能和跨政府工作坊，进行头脑风暴并收集来自各方的用例想法业务单元、代理机构与部门。 ■专注于公共价值创造，确保每个潜在用例都与更广泛的组织使命和成果保持一致. 这种方法确保人工智能计划解决真实的运营挑战和公民需求，而不是出于技术本身而追求技术。 正如卡姆兰·阿什拉夫告诉我们那样，“当客户可能正处于困境或路上有危险时，我们需要我们经验丰富的操作员尽快到位，安全地解决事件。” 探索政府各部门的转型机遇 数据和人工智能作为唯一解决方案的作用往往会被夸大，但被忽视的是商业变革的核心目的：设计能够为员工和客户在其角色和旅程中创造价值的体验。这就是为什么我们确保我们的解决方案是以以人为本和迭代的过程贯穿始终创建的。6 开创性政府正在利用集成数据集和共享技术平台,在全政府层面探索变革性的人