核心观点
- 政府技术正成为国家竞争力、机构能力和公众信任的基础驱动力。预计到2034年，公共部门数字化转型将带来9.8万亿美元的机遇。
- 自主AI（Agentic AI）是政府实现数字化转型潜力的关键杠杆。与早期专注于狭窄任务的AI应用不同，自主AI系统可以协调多步骤流程、整合多个信息来源并根据上下文和不断变化的情况调整其行动。
- 自主AI标志着从流程数字化到结果协调的转变。它能够计划、决策和跨整个工作流程执行，从而提高效率、一致性和公民满意度。
- 政府面临着既要加速又要受约束的挑战。公民期望不断上升，财政空间收紧，许多政府被要求在资源有限的情况下提供更多服务。
- 自主AI为政府提供了在规模上实现运营改进的可靠途径。然而，成功部署需要战略性的、基于证据的采用，并考虑到公共价值、风险和实施复杂性。
关键数据
- 90%的受访公共部门机构计划在两到三年内探索或部署自主AI。
- 50%的核心政府职能在自主AI潜力和实施复杂性方面表现出中等到高程度的准备。
- 预计到2027年底，超过40%的自主AI项目将因成本上升、商业价值不明确或风险控制不足而取消。
研究结论
- 政府应采用基于职能而不是部门的视角来评估自主AI的采用。职能是指跨组织边界执行的重复性工作流程，而不是孤立的任务或部门。
- 政府应平衡自主AI的雄心与可行性。在操作化之前，应权衡高自主AI潜力与实施复杂性。
- 政府应从准备就绪程度高的职能开始。这些建立了能力和信心，为处理更复杂的职能做好了准备。
- 地方环境决定了成功。全球分数是基准。地方基础设施、监管环境和文化规范决定了什么是可能的。
- 政府应定期重新评估自主AI的采用情况。今天排名靠后的职能可能会在明天进入中等或高准备程度领域。
政府准备框架
该报告介绍了一个用于评估政府自主AI准备情况的系统框架，该框架评估了70个核心政府职能（或“职能”），并将其映射到三个准备领域：
- 高准备领域：适合早期部署，具有健全的保障措施。例如，网络安全监控、公共信息和指南提供、系统性能监控等。
- 中准备领域：适合分阶段实施，需要额外的使能条件、能力建设或分析。例如，案例跟踪和协调、福利计算和分配、欺诈检测和预防等。
- 低准备领域：适合监控、迭代测试和长期准备。例如，政策执行、政策规划和战略等。
政府实施路线图
该报告还提供了一个将全球格局转化为地方路线图的六步方法：
- 建立地方基准：评估决定可行性的跨部门条件，例如数字成熟度、数据基础设施、云准备情况、劳动力能力、资金、政治意愿、法律和监管清晰度以及公民接受度。
- 制定明确的风险缓解策略：解决可能提高复杂性的因素，例如可持续性、劳动力准备情况、价值一致性、基础设施弹性和可解释性。
- 重新评估职能分数：使用本地知识调整全球分数。
- 确定和准备实施顺序：从高准备程度的职能开始，并认识到职能之间的依赖关系。
- 通过测试进行验证：在全面部署之前，通过小规模试点进行验证。
- 随着条件的变化而迭代：将框架作为动态诊断工具，随着时间的推移重新访问评估。
成功案例
报告还提供了几个自主AI在公共部门中的实际应用案例，例如乌克兰的Diia.AI国家AI助手、德国的基于AI的建筑许可证系统和阿拉伯联合酋长国的人力资源AI代理，这些案例说明了自主AI在政府运营中创造有形价值的能力。
