政府了解數(shù)據(jù)和人工智能（AI）的潛力，但無所作為的成本正在每日增長。向政府先驅者學習。政府了解數(shù)據(jù)和人工智能（AI）的潛力，但無所作為的成本正在每日增長。向政府先驅全世界各國政府都面臨一個關鍵的拐點，因為它們面臨著一系列挑戰(zhàn)的交匯：財政限制、勞動力壓力和生產(chǎn)率滯后，同時伴隨著復雜的地緣政治和社會問題以及信任程度的侵蝕，我們與牛津經(jīng)濟學合作進行的跨越14個國家的詳細研究顯示,數(shù)據(jù)和人工智能技術恰恰提供了應對這些挑戰(zhàn)所需的技能。它們不僅僅是提高效率的工具——它們代表了政府在本世紀提供公共價值的根本性轉變。采取數(shù)據(jù)和人工智能技術的成本每日都在增加。組織延遲實施的風險在于擴大服務差距、侵蝕公眾信任、削弱財政可持續(xù)性，并最終損害其核心使命。與此同時，正如我們的研究揭示的那樣，先驅者已經(jīng)獲得了顯著的利益，這些利益增強了服務交付和運營本文是兩篇系列文章中的第一篇。在本次初步報告中，我們主要關注研究本身的結果——考察政府人工智能應用的現(xiàn)狀，量化實施差距，確定所面臨的挑戰(zhàn)組織面臨并引入一個框架為實現(xiàn)人工智能，借鑒領先領域的政府組織的見解。我們的第二份報告將基于這些見解，提供關于組織如何應用該框架來推進自身數(shù)據(jù)和人工智能旅程的這項研究為政府領導者提供了在復雜的AI領域中進行導航的可行性見解。組織領導者將找到一個戰(zhàn)略決策框架。首席數(shù)字、信息、數(shù)據(jù)及AI官將獲得克服常見障礙的實用實施路線圖和策略。人才領導者將發(fā)現(xiàn)關于勞動力轉型、學習和發(fā)展以及建立組織準備的方法。更廣泛的領導者將從基于證據(jù)的視角中受益 ,了解領先的政府組織如何利用這些技術來提升服務質量、運營效率和公共價值，從而實現(xiàn)可衡量的改進。我們希望您覺得我們的第一份報告有趣且富有見地的閱讀。從同行那里學習可以提供幫助，以在復雜的世界中實施數(shù)據(jù)分析和人工智能，找到前進的道路。 2我們期待在2025年第三季度與您分享我們的第二份ey全球政府及公共部門數(shù)字化領導EY全球政府及公共部門AI領袖 人工智能時刻在行動 4超越障礙：理解人工智能實施挑戰(zhàn) 2鼓舞行動：如何利用數(shù)據(jù)和人工智能提升公共價值 5數(shù)據(jù)和人工智能：領導者的經(jīng)驗教訓 3開拓者的公式：為人工智能成功奠定基礎 6結論：把握人工智能時刻——一項戰(zhàn)略要務34執(zhí)行摘要由牛津經(jīng)濟學社合作進行的國際EY研究，涉及對近500名高級政府官員的調查，并與14個國家的46名政府領導人和AI專家進行了深入的討論。該研究揭示了政府如何能夠釋放數(shù)據(jù)與AI的變革潛力以創(chuàng)造更大的公共價值，但它們在實現(xiàn)這一目標的道路上還有很長的路要走。關鍵發(fā)現(xiàn)1政府和公共部門組織認識到數(shù)據(jù)和人工智能的價值,但仍然存在實施差距盡管人工智能在政府領域的潛力已得到廣泛認可，64%的人認為采用人工智能將帶來顯著的成本節(jié)約，63%的人認為它可以改善服務，但實際部署水平仍然相對較低，只有26%的人在其組織部分或全部部署了人工智能，只有12%的人實施了生成式這種實施差距隨著政府在資源限制、服務需求上升和公眾信任削弱方面面臨日益增長的壓力而成為一個日益嚴重的問題。它既為那些拖延的人創(chuàng)造了風險，果斷行動的人的機會。這種緊迫性價值認知64%同意采用人工智能將帶來顯著的成本節(jié)約和人63%同意人工智能有潛力改善他們組織的服務。61%同意GenAI將在五年內改變政府的工作方式26%有百分之多少的組織已經(jīng)部分或全部在其組織內部部署了人工智能（不包括生價值認知64%同意采用人工智能將帶來顯著的成本節(jié)約和人63%同意人工智能有潛力改善他們組織的服務。61%同意GenAI將在五年內改變政府的工作方式26%有百分之多少的組織已經(jīng)部分或全部在其組織內部部署了人工智能（不包括生成式人工智能）。已有相當一部分組織在其組織內部分或全部部署了GenAI。12%2調查顯示了一群先驅者，他們正在同時關注技術基礎和組織準備地成功實施人工智能這些先驅者通過遵循一個清晰的方式成功地成功公式：他們在進入人工智能之前奠定了基礎——建立強大的數(shù)據(jù)基礎設施，數(shù)字化流程并首先發(fā)展分析能力。他們開發(fā)全面的數(shù)據(jù)治理和管理實踐。他們專注于技術基礎——現(xiàn)代建筑和優(yōu)質數(shù)據(jù)資產(chǎn)—并行組織準備認識到僅靠技術是不夠的:他們通過強有力的道德準則賦予工人使用人工他們外部合作以彌合技能差距。他們正在為公民接受和使用AI政府服務做準結果令人信服：開拓者更可能報告超出預期的AI計劃。33政府以隱私和安全顧慮、戰(zhàn)略不匹配、薄弱的商業(yè)案例、基礎設施不完善和倫理考慮為首要限制因素。有趣的是，該研究表明，隨著部署的推進，對挑戰(zhàn)的看法反而加劇而不是減先驅者實際上比跟隨者更敏銳地感知這些挑戰(zhàn)，這表明更深經(jīng)驗，他們會對實施障礙形成更復雜的理解，并需要持續(xù)的他們這樣做：做出大膽的戰(zhàn)略承諾到數(shù)據(jù)擁有高管級別贊助和強大的業(yè)務2構建五個基本基礎平衡技術與人文維度：1數(shù)據(jù)和技術：基礎平臺（包括云）、現(xiàn)代架構、系統(tǒng)和高品質、可訪問的數(shù)據(jù)4政府可以加速其釋放分析和人工智能的潛力的4政府可以加速其釋放分析和人工智能的潛力的進程成功不僅僅需要零星的舉措或試點項目——它要求一種能夠同時解決技術、人員、流程和治理的全面方法。通過我們與14個國家政府領導人的討論，我們發(fā)現(xiàn)，主要組織認識到采取行動的緊迫性，理解數(shù)字化轉型不僅僅是一項IT倡議但幫助實現(xiàn)政府戰(zhàn)略優(yōu)先事項核心目的。他們采取了整體性方法，因此焦點不僅限于技術，還在于讓工作者和公民為最大公共價值而使用這些工具。2人才和技能：綜合數(shù)字素養(yǎng)結合專注的數(shù)據(jù)科學與人工智能技能，在整個組織內戰(zhàn)略性地分布3適應性文化：一種擁抱實驗、持續(xù)學習和快速進化的創(chuàng)新思維模式技術進步4信任與道德治理：通過透明的數(shù)據(jù)實踐、強大的隱私保護和道德框架來建立信心,以便人工智能系統(tǒng)服務于公共利益5協(xié)作生態(tài)系統(tǒng)：跨政府、行業(yè)和公民社會的強大合作伙伴關系，支持互操作性并加速創(chuàng)新和實施3有效執(zhí)行駕駛通過制定行動計劃，超越試點和概念驗證（PoCs），全面實施分析和人工智能解決方案。這種整體方法將幫助政府部門逐步系統(tǒng)地推進以實現(xiàn)成功55采用和擴展這些技術，使政府提供公共價值的模式發(fā)生了變革性的轉變我們與行業(yè)領袖和專家的討論揭示了一百多個處于不同發(fā)展階段的不同用例和計劃。這些用例突出了政府通過數(shù)據(jù)和人投資實現(xiàn)的六個關鍵價值來源：通過制定戰(zhàn)略在所有根基上投入承諾和開發(fā)能力，政府可以系統(tǒng)地推進日益復雜的AI應用，為公民提供有意義的益處。生產(chǎn)力和效率：通過運營績效提升降低成本員工體驗：簡化任務以提升員工體驗和增強工作滿意度公民和最終用戶體驗：實現(xiàn)更易于訪問、更主動和個性化的服務戰(zhàn)略服務規(guī)劃：預測需求并實現(xiàn)更智能的資源分配財務優(yōu)化：消除低效，減少欺詐，提升收入風險與韌性：應對威脅，管理運營風險并確保服務連續(xù)性6多種功能：數(shù)字代理機構多種功能：數(shù)字代理機構財政部或稅務社會服務我們調查了來自14個國家的492位政府領導，他們在其組織的數(shù)據(jù)和人工智能項目中具有顯著熟悉度或參與度。這包括了首席執(zhí)行官、首席信息官、首席數(shù)據(jù)官、首席戰(zhàn)略財政部或稅務社會服務首席創(chuàng)新官，首席運營官或運營總監(jiān)，首席技術官，總干事兼專員基礎設施和交通基礎設施和交通澳大利亞加拿大丹麥愛沙尼亞澳大利亞加拿大丹麥愛沙尼亞受訴人畫像也經(jīng)過精心設計，以提供全面覆蓋：25%7為補充定量研究結果并提供更深層次的背景，進行了46次深入的定性訪談，包括38次與政府官員的訪談四名學術和政策專家，以及四名與私營部門領導者合作部署人工智能。這些訪談進一步了解了數(shù)據(jù)和人工智能采用成熟度、遇到的挑戰(zhàn)以及在應對這些先進的AI工具，包括EY大型語言模型（LLM）、EYQ和微軟搭配，被用于合成文本并提取關鍵發(fā)現(xiàn)。EYQ被用于處理和分析大量文本數(shù)據(jù)，通過自然語言處理(NLP)識別模式和主題通過生成摘要和突出轉錄中的要點。這些人工智能工具共同實現(xiàn)了定性數(shù)據(jù)的有效準確綜合,促進了關鍵發(fā)現(xiàn)和趨勢的識別。以下定義在研究中使用，以在不同政府環(huán)境中保持一致性：數(shù)據(jù)和數(shù)字基礎設施數(shù)據(jù)和數(shù)字基礎設施支撐數(shù)據(jù)存儲、處理和通信的基礎數(shù)據(jù)、數(shù)字系統(tǒng)和服務。示例：一個托管各種公共服務應用程序的政府云計算平臺實現(xiàn)高效數(shù)據(jù)共享使用復雜的技術和工具來分析大型和復雜的數(shù)據(jù)集，以發(fā)現(xiàn)見示例：使用預測分析來預測交通模式并優(yōu)化公共交通時刻表。專注于創(chuàng)建能夠執(zhí)行理解自然語言、識別模式、解決問題和從經(jīng)驗中學習等任務的計算機科學分支。示例：一個由市政府用于處理查詢、提供服務信息以及協(xié)助居民提出請求的智能聊天機器人，有助于提高公民參與度和服人工智能的一個子集，能夠基于從訓練數(shù)據(jù)中學習到的模式創(chuàng)建新內容——包括文本、圖像、代碼和其他媒體習和推理能力，能夠在不同的領域中對知識進行上下文相關的示例：一個能與醫(yī)療、教育、交通等各個政府部門無縫集成的系統(tǒng)，可自主地做出明智決策、優(yōu)化資源配置，并適應新的方法論說明：方法論說明：這項調查依賴于參與組織的自我評估，這被認為是一個潛在的偏倚來源。為了減輕這個問題，我們通過訪談過程驗證的關鍵發(fā)現(xiàn)8人工智能時刻910把握人工智能機遇：為何政府必須立即行動社會、政府面臨一個關鍵問題：他們是否真正準備好利用數(shù)據(jù)分析以及人工隨著公共部門領導者應對一場挑戰(zhàn)的完美風暴和日益稀缺的資源，他們正處在一個決定性的時刻。頭條新聞大肆宣揚最新技術突破，如人工智能（AI）和生成式人工智能（GenAI），這些技術提供了變革性的解決方案。這些技術不僅僅是提高效率的工具——它們代表了政府可以在21世紀以何種方式提供公共價值的根本性轉變的方法。當它們大規(guī)模實施時，可以harness和解鎖未被發(fā)掘的人類能力，使政府能夠更好地實現(xiàn)其目標，并為所有人改善結果。機遇過于龐大以至于無法忽視，但實現(xiàn)這一潛力并不容易。在承諾與價值之間仍存在一個關鍵的實施差距。我們的研究表明，很大一部分政府組織在部署數(shù)據(jù)分析方面仍處于早期階段，特別是人工智能和生成式人工智能技術，因為一些實際的和感知的挑戰(zhàn)仍在阻礙進展。對于尋求在復雜環(huán)境中導航的政府高管，有效實施這些技術已不再是為了保持相關性并交付公民的服務行動起來的時候就是現(xiàn)在隨著不采取行動的代價日益增長。推遲實施的國家政府面臨服務差距擴大、失去公眾信任、運營效率進一步落后的風險——最終損害其財政可持續(xù)性以及用已經(jīng)緊張的資源履行其最基本使命的能力。同時，早期采用者已經(jīng)從服務中獲得了顯著的好處成功需要雙重關注在數(shù)字基礎和組織準備兩方面。這些必須并行發(fā)展而不是按順序——不僅是實施技術，同時還要發(fā)展利用這些技術的員工能力。這種平衡方法將我們的研究成果與技術中心分析區(qū)分開來。它強調真正的轉型是通過獲取和整合新技術，以及從根本上重新構想人、流程和技術如何協(xié)同工作來創(chuàng)造公共價值。本文提供戰(zhàn)略建議為政府領導人關于他們的組織如何釋放數(shù)據(jù)和人工智能的全部潛力，以改善其運營并為公民創(chuàng)造更多價值。我們的研究提供：1.對領先組織如何通過實際應用從數(shù)據(jù)和人工智能中獲取實際收益的洞察2.對實施進展的清晰評估以及對阻礙進展的持續(xù)挑戰(zhàn)3.早期成功案例的關鍵經(jīng)驗以及可提供指導的最佳實踐他們的戰(zhàn)略方法4.一本實用的指南，旨在提升其組織在全部五個關鍵基礎上的數(shù)據(jù)和人工智能能力本文探討了從數(shù)據(jù)基礎到高級人工智能能力的歷程，并為處于不同數(shù)字化成熟階段的政府提供了清晰的基于經(jīng)驗和激勵行動：值1112激發(fā)行動：如何利用數(shù)據(jù)和AI提升公共價值數(shù)據(jù)分析與人工智能不僅是有用的工具，更是提升政府應對復雜的國際政治與社會問題以及信任度下降——的核心能力 ,同時人們的需求和期望我們的調查證實，政府領導人理解人工智能的機遇。只有4%的受訪者表示，他們的組織沒有計劃將人工智能作為其數(shù)據(jù)化和數(shù)字化轉型工作的一部分來實施。同意或非常同意人工智能有潛力改善同意或非常同意人工智能有潛力改善其組織的服務的。相信廣泛采用人工智能將帶來顯著的成本節(jié)約和人員重新部署。63%6464%相信GPS組織需要加快數(shù)據(jù)和相信GPS組織需要加快數(shù)據(jù)和AI的采用步伐58%他們對生成式人工智能的潛力同樣持積極態(tài)度：同意或強烈同意，生成式人工智能將在未來五同意或強烈同意，生成式人工智能將在未來五年內改變政府和公共部門的工作方式。同意或非常同意GenAI將會帶來滿足公民需求的顯著改善的公共服務。61%5454%調查結果顯示，組織已經(jīng)部署數(shù)據(jù)分析和人工智能正在經(jīng)歷跨多個領域的廣泛益處：通過提升接入能力和個性化服務增強公民體驗；改進監(jiān)控和節(jié)約效率；通過減少欺詐和錯誤實現(xiàn)更強的安全性；提高員工生產(chǎn)力和滿意度；以及更明智、數(shù)據(jù)驅動決策。圖1：政府部署數(shù)據(jù)分析、人工智能或通用人工智能解決方案所圖1：政府部署數(shù)據(jù)分析、人工智能或通用人工智能解決方案所帶來的實際效益[排名前3的好處，%受訪者]提升公民體驗（即個性化、簡化體驗）改進監(jiān)測和評估成本和效率節(jié)約降低風險、欺詐和錯誤提升員工滿意度和員工專業(yè)發(fā)展增強安全性提升洞察力以輔助決策和質量決策已啟用預防性干預和早期干預n=285.正在組織內部分或全面部署數(shù)據(jù)分析和AI或GenAI解決方案的調公民對在政府服務中使用分析和人工智能的接受程度和信任至關重要，這對于釋放許多這些好處至關重要。在2024年12月至2025年1月期間，EY團隊進行了人工智能情緒指數(shù)研究 1該調查針對來自15個國家的15000名公民的一個代表性研究發(fā)現(xiàn)，公民正在日常生活中擁抱人工智能，并習慣于許多應用。45%的人已經(jīng)使用過人工智能在過去六個月中，政府服務有許多通過現(xiàn)實世界分析和人工智能應用釋放公共價值我們的研究揭示了超過多樣的用例和倡議在不同的發(fā)展階段提供一系列的好處多樣的用例和倡議在不同的發(fā)展階段提供一系列的好處。這些具體的例子展示了數(shù)據(jù)分析并直接解決各國政府面臨的挑戰(zhàn)，在六個關鍵維度上創(chuàng)造這包括：政府聊天機器人網(wǎng)站（例如，用于建議）關于服務） 檢查資格19%政府福利或者服務訪問或使用政府服務訪問或使用政府服務 應用程序或表單為政府服務或利益1314價值驅動生產(chǎn)力和效率響應資源約束和上升服務通過自動化常規(guī)需求任務，優(yōu)化工作流程和增強決策制定以提高速度、準確性和政府服務效率和內部流程。人工智能驅動的任務挖掘和流程智能工具識別操作低效，并建議改進措施。分析工具集成和分析大數(shù)據(jù)為做出更明智的決策而準備的數(shù)據(jù)集制造和資源分配。在一個美國城市，用于繪制跨業(yè)務流程系統(tǒng)和應用用于分析發(fā)票處理工作流自動化該流程和節(jié)省約1,500個手動年工作時間。2增強員工經(jīng)驗解決人才和技能通過增強緩解短缺能力，減少管理負擔，創(chuàng)造更有回報的工作環(huán)境，以及支持學習和發(fā)展。通用人工智能工具，包括大型語言模型，自動化行政管理任務（例如報告）生成，會議紀要和綜合大量數(shù)據(jù))，實時檢索信息并準確回答查詢。GenAI工具提升員工技能通過個性化提供開發(fā)學習體驗，簡化內容創(chuàng)建、策劃課程和提供在英國，一個AI驅動的助手幫助客戶顧問迅速定位和分享可靠信息公民，增加回應乘以50%（降至四）分鐘)和任命顧問對給予的信心加倍建議。3轉換公民經(jīng)驗會議加強公民通過期望個性化，主動響應式且可訪問建立信任的服務滿意度，同時啟用數(shù)據(jù)-驅動洞察，持續(xù)提升服務。多語言的服務可訪問性支持，語音轉文字功能導航服務方面的協(xié)助。對運營數(shù)據(jù)的分析緊急服務（例如，911呼叫數(shù)據(jù)）和警力配備)能夠實現(xiàn)減少一個社會保險機構是增加公民的獲取GenAI聊天機器人用于解決全天候咨詢。提高了速度和質量對用戶響應，而引導更復雜請求業(yè)務顧問六百萬用戶已經(jīng)使用聊天機器人，和雄心是達到100%到2027年實現(xiàn)整合。4增強戰(zhàn)略服務規(guī)劃管理不斷增加的服務通過人工智能的需求預測分析工具預測服務或維護需求，允許預防性干預，更智能的資源分配和服務改進AI系統(tǒng)提高能源需求、交通的預測使用和基礎設施項目成本。使用公民數(shù)據(jù)的預測分析使系統(tǒng)能夠實現(xiàn)廣泛的預防性服務干預措施并增強資源分配。一個州政府部門駕駛使用人工智能工具提高成本準確性和大型的時間估計擴展基礎設施項目超過1.6億美元。部門旨在減少不確定性與金融風險與項目關聯(lián)溢出。5改進財務受托責任通過解決資源限制問題消除低效減少欺詐，提高財務報告，提升收入和優(yōu)化預算實時數(shù)據(jù)分析與人工智能工具提高檢測和預防逃稅和不合規(guī)。預測分析有助于預測收入和支出趨勢，使得更精確預算和更優(yōu)的公共資金。稅務機關使用AI模型主動識別提供退休金的雇主未足額支付風險，實現(xiàn)一個90%的成功率籌集約2.95億美元負債。它也停止了大約2.5億美元虛假稅主張。6加強風險減緩和韌性應對運營連續(xù)性問題，網(wǎng)絡安全威脅，監(jiān)管壓力和先進危機場景監(jiān)控，預測和響應（包括測試和練習練習)功能。人工智能工具，例如機器學習（ML）NLP和預測分析被用于檢測、診斷和解決IT事件。AI可以檢測異常和潛在對關鍵基礎設施的實時威脅時間，允許快速響應一個法國地區(qū)通過了一項IT主權GenAI模型事件解決，最小化IT支持工單的數(shù)量和減少故障排除從高達12小時到僅兩到五分鐘。7參見附錄，了解用例和相關的價值驅動因素的詳細描述。這些成果并非僅通過技術實現(xiàn)，而是通過整合數(shù)據(jù)資產(chǎn)、數(shù)字平臺和人工智能能這些成果并非僅通過技術實現(xiàn)，而是通過整合數(shù)據(jù)資產(chǎn)、數(shù)字平臺和人工智能能力的整體方法取擁有成熟數(shù)據(jù)基礎的政府——包括管理良好的數(shù)據(jù)資產(chǎn)、現(xiàn)代數(shù)據(jù)架構和強大的數(shù)據(jù)素養(yǎng)——最能從人開拓者的公式：1503先驅者的公式：為人工智能成功奠定基礎政府需要加速其數(shù)據(jù)與人工智能計劃，為公民和企業(yè)提供更高的價值。為了確定前進的最佳方式并提高采用率，理解差距所在并計劃解決這些差距至關重要。一個強大的數(shù)據(jù)和數(shù)字基礎設施是所有成功的數(shù)據(jù)分析和人工智能的基礎實現(xiàn)。通過迅速收集、集成存儲和保護其系統(tǒng)中所持有的海量數(shù)據(jù)，并為其使用實施負責任的護欄，政府可以借助高級分析和人工智能直面他我們的研究發(fā)現(xiàn)在實施方面存在階段性進展，數(shù)據(jù)與數(shù)字基礎設施的部署規(guī)模更大，但人工智能和生成式人工數(shù)據(jù)和數(shù)字基礎設施GPS組織在建立其基礎基礎設施方面最為先進，這表明它們理解在集成更先進技術之前需要專注于強大的數(shù)字和數(shù)據(jù)基礎。 雖然比基礎設施要落后，但分析技術的應用在組織中正在發(fā)展人工智能實現(xiàn)大部分組織（71%總計）實現(xiàn)階段，顯示感知之間存在顯著差距人工智能生成式采納最新技術實施率最低，44%處于規(guī)劃階段，23%不計劃1617對GenAI的這種謹慎做法可能反映了需要對固有的風險進行理解和管理的擔憂，包括系統(tǒng)產(chǎn)生有偏見或不正確輸出的可能性，以及由于缺乏監(jiān)管和問責制而給公民造成意外傷害。我們的調查表明超越監(jiān)管框架——強調追求更明智和平衡的方法，以便在圖3：以下哪個最能描述您的組織在數(shù)據(jù)與數(shù)字化轉型方面的數(shù)據(jù)和數(shù)字基礎設施(包括數(shù)據(jù)基礎)數(shù)字化和自動化現(xiàn)有的流程和服務高級數(shù)據(jù)分析人工智能（不包括生成式人工智能）數(shù)據(jù)和數(shù)字基礎設施(包括數(shù)據(jù)基礎)數(shù)字化和自動化現(xiàn)有的流程和服務高級數(shù)據(jù)分析人工智能（不包括生成式人工智能）生成式人工智能第一階段無計劃實現(xiàn)第二階段規(guī)劃概念驗證階段第三階段早期實現(xiàn)階段4已部署，在組織的部分第5階段完全部署，跨組織這一步進式進展反映了組織在逐步建立能力、管理風險和沿途證明價值的同時，所體現(xiàn)的未來三年的投資優(yōu)先事項證實了這種審慎的方法：數(shù)字化投資數(shù)字化投資78%將增加投資66665858將增加投資6060先鋒引領變革為了更好地理解在數(shù)字化和數(shù)據(jù)轉型方面引領方向的組織，我們根據(jù)實現(xiàn)商業(yè)戰(zhàn)略的成功實踐中的幾個組成部分，將我們的492位政府領導人的調查進行了分段：為了更好地理解在數(shù)字化和數(shù)據(jù)轉型方面引領方向的組織，我們根據(jù)實現(xiàn)商業(yè)戰(zhàn)略的成功實踐中的幾個組成部分，將我們的492位政府領導人的調查進行了分段：。01數(shù)據(jù)與數(shù)字化倡議的戰(zhàn)略支持方面：■理解需要快速行動■基于公共物品效益制定一個有說服力的商業(yè)方案020304力我們根據(jù)這些領域的總分數(shù)創(chuàng)建了一個指數(shù)，每個組成部分權重相等，歸一分段揭示了兩個不同的組：剩余的80%被分類as關注者。剩余的80%被分類as關注者。 :先驅者關注者關注者已數(shù)字化或自動化18然而，在部署人工智能（AI）和生成式人工智能（GenAI）方面，差距卻在縮小。先驅者并非追逐炒作和競相采用最新技術，而是優(yōu)先進行基礎工作，這將使后續(xù)成功部署人工智能成為可能（見圖4。）圖4：以下哪個最能描述您組織在數(shù)據(jù)和數(shù)字化轉型方面先驅者關注者數(shù)據(jù)和數(shù)字基礎設施(包括數(shù)據(jù)基礎)現(xiàn)有流程/服務人工智能（不包括生成式人工智能）●●GenAI..受訪者數(shù)量=4921920先驅者正在加大投資在接下來的三年里反映這種邏輯實施路徑：構建強大的數(shù)字基礎設施和數(shù)據(jù)基礎，流程數(shù)字化和分析——為日后更好地部署人工智能和生成式人工智能做好先驅者計劃投資：先驅者關注者數(shù)據(jù)和數(shù)字基礎設施：比追隨者多20%的投資，對比7%%數(shù)字化現(xiàn)有流程：高級數(shù)據(jù)分析：89%與60%的粉絲相比，64%的投資增加了20%以上，與感覺。優(yōu)先數(shù)字化可提供數(shù)據(jù)它干凈、結構化并且為更復雜的應用做好了充分的準備。這有助于避免在未首先建立完善的數(shù)據(jù)治理的情況下實施AI所從數(shù)字化逐漸發(fā)展到人工智能，使政府能夠在學習如何減輕與更復雜的人工智能和生成式人工智能相關的風險的同時，建立必要的技能，這需要強大的數(shù)據(jù)治理和倫理考量。此外，完善的數(shù)字基礎設施有助于更容易地遵守數(shù)據(jù)安全和監(jiān)管標準，保護敏感信息和確保人工智能應用符合但程度較低：人工智能（不包括生成式人工智能）21這種最初的關注為那些在多個維度上（見圖5和6）比跟隨者發(fā)展出更有效的數(shù)字和數(shù)據(jù)基礎的開創(chuàng)者帶來了回報。開創(chuàng)者還在整個組織中嵌入數(shù)據(jù)能力方面取得了更快的進展，而不僅僅是在特定的團隊和部門中。這有助于保持高標準的資料質量和一致性，打破組織壁壘 ,提供統(tǒng)一的數(shù)據(jù)治理和合規(guī)方法，允許可擴展和靈活的資料管理解決方案，并最終促成更有凝聚力和一致性的策先驅者關注者數(shù)據(jù)倫理框架數(shù)據(jù)安全內部數(shù)據(jù)互操作性符合政府法規(guī)外部數(shù)據(jù)互操作性和標準數(shù)據(jù)治理（例如，可追溯性、審計、合規(guī)性）與組織層面的規(guī)則、政策與框架)數(shù)據(jù)可用性和可訪問性%響應整個組織先驅者關注者有效的分享方法數(shù)據(jù)可靠性的可及性有效的分享方法數(shù)據(jù)可靠性的可及性數(shù)據(jù)獲取權利數(shù)據(jù)管理流程分析并展示數(shù)據(jù)和程序數(shù)據(jù)22什么真正區(qū)別先驅者是他們平衡的實施方法，同時兼顧技術基礎和先驅者關注者他們利用外部合作，特別是與大型科技公司和其他私營部門組織合作。他們優(yōu)先發(fā)展人才。他們利用外部合作，特別是與大型科技公司和其他私營部門組織合作。77%的先行者與大型科技公司合作以推進其數(shù)字化轉型和數(shù)據(jù)轉型，而追隨77%的先行者與大型科技公司合作以推進其數(shù)字化轉型和數(shù)據(jù)轉型，而追隨74%的先驅者計劃增加他們71%的先驅者與其他私營公司合作過在未來三年內，與32%的粉71%的先驅者與其他私營公司合作過與關注者的53%形成對比。它們涉及倫理考量與法規(guī)遵從，例如偏見、隱私和透明度的問題。他們與公民互動，并理解公眾信任的重要性。77%的前行者通過數(shù)字素養(yǎng)、培訓和宣傳活動積極為公77%的前行者通過數(shù)字素養(yǎng)、培訓和宣傳活動積極為公民準備數(shù)字服務，而追隨者。或者強烈同意公民已準備好過渡到新的、人工智能驅動服務，與52%的追隨這項基礎工作會產(chǎn)生結果。我們發(fā)現(xiàn)，通過解決變革的技術和人文維度，先驅者獲得了這場變革的最高回報：更有可能將他們人工智能計劃的成功評估為略高于或顯著高于預期（先驅者中有62%的人與追隨者中的26%相比）。開拓者相信他們的表現(xiàn)在國家數(shù)據(jù)與數(shù)字基礎設施方這次勢頭可能會擴大性能差距在兩組之間，除非后面的1超過60%的組織認識到人工智能的潛力，但只有26%已經(jīng)部署了它，評估你所在組織的當前部署狀態(tài)，并制定一個以基礎能力為優(yōu)先事項的現(xiàn)超過60%的組織認識到人工智能的潛力，但只有26%已經(jīng)部署了它，評估你所在組織的當前部署狀態(tài)，并制定一個以基礎能力為優(yōu)先事項的現(xiàn)2組織應遵循從構建穩(wěn)健的基礎設施和數(shù)據(jù)能力到分析，再到人工智能和生成式人工智能的邏輯成熟路徑。您的組織在這段組織應遵循從構建穩(wěn)健的基礎設施和數(shù)據(jù)能力到分析，再到人工智能和生成式人工智能的邏輯成熟路徑。您的組織在這段旅程中處于什么位置？考慮在進入下一階段之前，哪些基礎設施投資需要加強。3并行開發(fā)投資：先驅者通過同時發(fā)展技術基礎設施和組織準備而取得成功。你如何平衡在并行開發(fā)投資：這些先驅者的經(jīng)驗為其他組織提供了一個戰(zhàn)略路線圖來遵循。雖然先驅者證明了什么是可能的，但大多數(shù)組織仍然面臨重大挑戰(zhàn)阻礙其發(fā)展。理解這些障礙對于制定有效的策略來克服它們至關重要。23超越障礙：242504跨越障礙：理解人工智能實施挑戰(zhàn)對政府組織而言，實施數(shù)據(jù)分析、人工智能和生成式人工智能技術，創(chuàng)造了一個具有挑戰(zhàn)性的悖論。雖然他們清楚地認識到變革的潛力，但他們面臨著持續(xù)的障礙，阻礙了進展。我們的研究確定了戰(zhàn)略、技術和組織層面相互關聯(lián)的幾個挑戰(zhàn)，必須解決這些挑戰(zhàn)才能成功實施（見圖7）。最顯著的制約因素包括隱私和安全問題（62%的受訪者提及），缺乏戰(zhàn)略一致性（51%），以及業(yè)務案例薄弱不明確的回報（41%），基礎設施不足（45%）希望加速其人工智能旅程的組織來說至關重要。圖7：以下內部因素在多大程度上制約了貴組織目前采用數(shù)據(jù)和數(shù)字解決方案的能力？（%高和非常高制約）公共部門約束配送挑戰(zhàn)缺乏關于倫理缺乏數(shù)據(jù)隱私和缺乏創(chuàng)新和缺乏創(chuàng)新和稀缺數(shù)據(jù)和數(shù)字技能稀缺數(shù)據(jù)和數(shù)字技能勞動力關于保障工作領導力缺失保障工作基礎設施（例如，）繁重的遺產(chǎn)系統(tǒng)，有限基礎設施（例如，）繁重的遺產(chǎn)系統(tǒng)，有限互操作性）業(yè)務薄弱數(shù)字化轉型業(yè)務薄弱26我們最令人驚訝的發(fā)現(xiàn)之一是，在實施過程中，對挑戰(zhàn)的認知是如何演變的。隨著組織在人工智能技術方面獲得更深的經(jīng)驗 ,這些挑戰(zhàn)往往不是隨著時間的推移而減弱，而是加劇。斷前進時，會發(fā)現(xiàn)新的復雜性，暗示了在整個旅程中需要持續(xù)圖8：在實施階段實施數(shù)據(jù)分析、人工智能或生成式人工智能的五大挑戰(zhàn)。概念驗證概念驗證數(shù)據(jù)隱私和安全問題62%59%62%缺乏數(shù)據(jù)和數(shù)字49%50%55%42%42%45%數(shù)據(jù)基礎設施不足（例如，負擔重的遺留系統(tǒng)）有限的互操作性)41%41%49%對道德的擔憂39%44%46%最引人注目的是，開拓者比追隨者更敏銳地感知這些挑戰(zhàn),這進一步證實了與人工智能深度參與所揭示的想法擁有先進實施的組織已經(jīng)發(fā)展出對有效的實施真正需要，而那些圖9：以下因素在多大程度上限制了您組織目前采用數(shù)據(jù)和數(shù)字解決方案的能力？(%高和很高約束)先驅者關注者數(shù)據(jù)隱私和安全問題缺乏創(chuàng)新和冒險文化數(shù)據(jù)基礎設施不足（例如，負擔重）遺留系統(tǒng)，互操作性有限)缺乏數(shù)據(jù)與數(shù)字化戰(zhàn)略對道德的擔憂缺乏可用資金不明確的ROI稀缺數(shù)據(jù)和數(shù)字技能員工對保護工作表示擔憂27理解挑戰(zhàn)有受訪者的數(shù)據(jù)隱私和安全顧慮被評保護公民數(shù)據(jù)是研究中發(fā)現(xiàn)的單一最重要的限制因素，占62受訪者將隱私和安全顧慮評為高政府組織在這個領域面臨著獨特的挑戰(zhàn)。與私營公司不同，他們掌握著大量的受法律保護的信息，并在嚴格的立法框架下運營。正如日本數(shù)字廳廳長村上敬介解釋的那樣，部門間的數(shù)據(jù)共享會創(chuàng)造出特別復雜的場景：“問題是，是否可以將社會福利部門持有的兒童個人信息提供給教育委員會。這類問題需要逐一勤奮解決。”這些隱私屏障由公民關切所加強，通過EY人工智能情緒指數(shù)研究8揭公民對政府使用人工智能表示謹慎領導機構通過建立全面的數(shù)據(jù)治理框架來應對這些挑戰(zhàn)，該框架為每個數(shù)據(jù)資產(chǎn)指定權限、訪問控制和使用限制。它們制定透明易懂的數(shù)據(jù)使用政策，公民可以輕松理解，并在整個開發(fā)過程中實施隱私設計原則。許多人還開發(fā)出復雜的匿名化和假名化技術 ,在保護敏感個人信息的同時仍然能夠進行有價值的分析。數(shù)據(jù)和人工智能計劃的戰(zhàn)略協(xié)同將缺乏數(shù)據(jù)和數(shù)字化轉型戰(zhàn)略作為采用數(shù)字和數(shù)據(jù)解決方案的一個障被調查者中，有人將缺乏領導意識/許多政府組織未能將其數(shù)據(jù)和人工智能戰(zhàn)略與其更廣泛的使命保持一致，51%的人指出缺乏連貫的數(shù)字化轉型戰(zhàn)略是太經(jīng)常地，計劃關注于工具本身，而不是它們應該實現(xiàn)的戰(zhàn)略成果。這種技術導向未能調動領導層的積極性，30%的受訪者認為缺乏高管意識或支作為丹麥稅務管理局的一名高級公務員建議：最終，確保執(zhí)行委員會上有一些贊助人。至少要有人理解你可以在這些解決方案之上創(chuàng)造的價值，否則，這將非常困這種領導力差距通常表現(xiàn)為過度規(guī)避風險。正如德國一家大型公共IT服務提供商的一位高級公務員險態(tài)度如此嚴重，以至于真的令人不寒而栗。在過去的20多年里，我們提拔到管理層的人都是沒有犯過錯……完全關這種謹慎的做法創(chuàng)造在擴大成功試點方面存在特殊挑戰(zhàn)，此加拿大政府一位高級公務員描述了這用例并證明假設，實際上將其投入生產(chǎn)，因為必須有人擁有它，必須有人領先組織通過創(chuàng)建清晰的AI愿景來克服這些戰(zhàn)略挑戰(zhàn)，將技術計劃明確與任務成果和公共價值聯(lián)系起來。它們確保了解決技術及其戰(zhàn)略潛力的高管支持者，建立了具有明確責任制的治理結構以擴大成功的計劃，并制定了能夠展示短期現(xiàn)代化數(shù)據(jù)基礎設施有受訪人認為不完善的數(shù)字和數(shù)據(jù)基礎遺留系統(tǒng)、處理能力不足和互操作性問題構成了前進的重大障礙，其中45%的受訪者認為數(shù)據(jù)基礎設施不足是主要的制約因在現(xiàn)代化這些系統(tǒng)同時維持運營連續(xù)性所面臨的挑戰(zhàn)創(chuàng)造了特殊復雜性。正如加拿大政府首席數(shù)據(jù)官斯蒂芬·伯特所解釋的那樣：“最大的實施挑戰(zhàn)在于遺留系統(tǒng)……現(xiàn)代化它們……是一個復雜的分階段項目，可能持續(xù)數(shù)年，因為你在修復時必須保持這種現(xiàn)代化要求常常與高層對更明顯的AI應用的熱情競爭，在基礎研究與高級能力之間制造緊張關系。來自英國DEFRA的蘇憑借生成式人工智能的潛力，包括高級領導。在基礎數(shù)據(jù)投資方面，興趣和理解水平并不相同。我們正在努力以規(guī)?；姆绞讲渴鹑斯ぶ悄?，因為基礎薄弱正在阻礙我們底層數(shù)據(jù)的質量成為人工智能性能的關鍵因素。韓國國家信息當您談論數(shù)據(jù)質量時，因為您可以在大約六或八個月內完成數(shù)據(jù)收集和處理。但是檢查至少需要再八個月。我們分析了AI服務中的幻覺或偏見，我們發(fā)現(xiàn)70%或80%的這些偏見和幻覺來超越技術限制，組織數(shù)據(jù)孤島為企業(yè)級應用創(chuàng)造了持續(xù)的障礙。來自澳大利亞的ServiceGen的伊恩·奧珀曼博士強調了這一挑府內部移動數(shù)據(jù)，它就真的很重要。如果你不能將血液輸送到器官中，所有權的存在造成了抵制更廣泛數(shù)據(jù)共享的阻力。正如一位來敢地設法弄清楚如何獲得數(shù)據(jù)……但這仍然是一個挑戰(zhàn)，因為項目認為他們擁有數(shù)據(jù)，即使你可以獲得訪問權限，也無法使28需要從源頭上就進行詳細的規(guī)劃來應對這些挑戰(zhàn)。但正如我們的調查所示，仍有相當一部分組織需要在加強其數(shù)據(jù)基礎、數(shù)據(jù)管理共享、處理存儲等方面做出努力。并且隱私和安全實踐（見圖10）。隨著組織推進數(shù)據(jù)分析和人工智能實施，他們需要優(yōu)先考慮這些能力。圖10：貴組織就未來三年的數(shù)據(jù)和數(shù)字基圖10：貴組織就未來三年的數(shù)據(jù)和數(shù)字基受訪者百分比在一定程度上在中等程度上在很大程度上強化我們的數(shù)據(jù)隱私實踐增強我們的數(shù)據(jù)處理和存儲資源加大我們對數(shù)據(jù)基礎的投入確保更具網(wǎng)絡彈性的基礎設施提高我們數(shù)據(jù)的有效性管理，流程和程序成功的企業(yè)通過平衡即時需求與長期目標、循序漸成功的企業(yè)通過平衡即時需求與長期目標、循序漸進的現(xiàn)代化方法來應對基礎設施挑戰(zhàn)。他們開發(fā)全面的數(shù)據(jù)目錄和元數(shù)據(jù)管理系統(tǒng)，使信息可發(fā)現(xiàn)，實施具有明確標準和驗證流程的質量框架，創(chuàng)建跨部門數(shù)據(jù)共享協(xié)議，解決法律和文化障礙，并投資于提供高級分析所需擴展性的云平臺。29倫理考量與公眾信任提到了關于個人數(shù)據(jù)使用的道德問題。采用分析和人工智能引發(fā)了一些關鍵性的倫理問題，這些問題必須得到解決，其中42%引用擔心個人數(shù)據(jù)使用問題的受訪者并且65%的人同意GenAI的采用正在超越公眾對政府人工智能的信任滯后于其他行業(yè)月期間對15個國家的超過15,000名公民進行了調查，顯示只有39%的人信任政府管理人工智能，而34%的人表示不信任—人工智能的快速崛起和廣泛的媒體報道加劇了公民的公民主要關切包括：人工智能生成的不實信息AI無法控制未經(jīng)同意使用個人數(shù)據(jù)進行的人工智人工智能可能對弱勢群體產(chǎn)生負面缺乏對有害AI使用的問責制當公民接觸人工智能以獲取政府服務時，他們會對人工智能處理個人信息或被用于做出通常由人類負責的決策感到擔憂。例如，雖然60%的人對人工智能預防犯罪感到舒適，但只有45%的人對人工智能做出法律決策感到舒適。在醫(yī)療保健領域，57%的人支持人工智能預測健康問題，但只有37%的人信任人工盡管存在這些擔憂，欲了解更多信息，請參閱在人工智能世界釋放人類潛30給透明度帶來了特殊的挑戰(zhàn)以及問責制。新加坡能源市場監(jiān)管機構的首席數(shù)據(jù)官沈和系數(shù)輸出的傳統(tǒng)回歸方法易于解釋。然而，當我們轉向更復雜的模型時，可解釋性會下降，而我們解釋黑盒領先的組織通過制定清晰的AI倫理框架、設立專門監(jiān)督給透明度帶來了特殊的挑戰(zhàn)以及問責制。新加坡能源市場監(jiān)管機構的首席數(shù)據(jù)官沈和系數(shù)輸出的傳統(tǒng)回歸方法易于解釋。然而，當我們轉向更復雜的模型時，可解釋性會下降，而我們解釋黑盒領先的組織通過制定清晰的AI倫理框架、設立專門監(jiān)督委員會、實施模型可解釋性技術和全面的文檔標準、進行定期偏見審計和影響評估、創(chuàng)建提升數(shù)字素養(yǎng)的公民參與計劃、以及在重大決策中保持適當?shù)娜斯けO(jiān)督來建對于許多公共機構而言，與之相關的風險不可靠的AI輸出仍然超過了潛在利益。由于尹錫國解釋道：\"幫助治理國家的AI服務？不，我們還沒有那種AI服務。即使只有0.0000001%的可能性，它仍然可能是錯誤的。政府的服務真的必須具有誠信。\這造成了創(chuàng)新與謹慎之間的張力，正如一位加拿大高級公務員誤信息的東西。這造成了一種重大的謹慎，以確保我們做的一切都是正確的……你如何平衡謹慎與機會？我認為那才是問題3132引用業(yè)務案例薄弱且投資回報率難以說明人工智能投資的合理性，因為政府資助模式和高水平的官僚主義常常給人工智能的采用帶來重大障礙，而其經(jīng)常具有的投機性質預期收益使獲得投資成為可能困難。41%的受訪者將不明確的投資回報率和薄弱的商業(yè)案例列為限制因素，而38%的人認為缺乏可用資金是一個引用缺乏可用資金作為采用的重要制成功的組織通過制定全面的價值觀框架來解決這些資金限制，這些框架不僅涵蓋簡單的成本削減，還捕捉了有形和無形的收益。它們實施分階段資金模式，根據(jù)已證明的價值而非投機性預測來釋放資源。許多創(chuàng)建專門的創(chuàng)新基金，專門用于實驗，其評估標準不同于運營投資。他們圍繞特定問題構建商業(yè)案例，并設定明確的基線指標，而不是技術本身，并將初始投資集中在具有可證明的ROI模式的用例上。傳統(tǒng)公共部門財務模型對人工智能計劃來說，這構成了特殊的挑戰(zhàn)。人工智能發(fā)展的實驗性質與僵化的公共部門資助方法之間產(chǎn)生了緊張的敏捷思維。在構建的過程中，你不斷進化和完善。然而，政府中的資金模式并不具備敏捷性……資金模式和解決方案此外，由于資金通常與特定機構的計劃掛鉤，而不是與使能技術掛鉤，人工智能投資通常需要33公共部門人才缺口將稀缺數(shù)據(jù)和數(shù)字技能評為高約束。除我們調查受訪者強調稀缺之外數(shù)據(jù)與數(shù)字技能，其他研究則強調人工智能應用導致工作場所技能的重大變革。世界經(jīng)濟論壇的《2025年就業(yè)未來報告》顯示，到2025年，近38%的全球專業(yè)人才的核心技能將發(fā)生轉變或過時。9公共部門雇主中，許多人認為AI對于他們的員工隊伍至關重要。然而，數(shù)據(jù)和AI技能仍然稀缺，并且各行各業(yè)的需求數(shù)量很大。提升公共部門員工的能力對于使用人工智能工具至關重要。然而，埃森哲的研究表明政府落后于其他行業(yè)5000名員工的2025年歐洲調查顯示，只有18%的公共作者感覺自己接受了足夠的AI培訓，在各行業(yè)中最低。相比之下，金融服務業(yè)有41%對AI訓練滿意。不到一半（46%）的公共部門員工正在自學人工智能，而先進制造業(yè)為79%。由于私營部門薪酬的競爭和公共部門工作的持續(xù)負面印象，在員工對該領域工作的興趣方面排名靠后，這表明公共部門工作被認為官僚主義、節(jié)奏緩慢、壓力過大且缺乏職業(yè)發(fā)展圖11：對不同行業(yè)員工和雇主的吸引力感興趣于對雙方都具有高吸引力員工和雇主制造，化學品以及工業(yè)產(chǎn)品金融服務零售、餐館金融服務零售、餐館和酒店能源移動性房地產(chǎn)和施工平均值專業(yè)公司和服務消費品和服務健康科學和健康媒體和娛樂媒體和娛樂政府和平均值公共部門平均值員工對行業(yè)的興趣百分比來源：EY2024重塑工作調查領導機構通過創(chuàng)建具有競爭優(yōu)勢的薪酬結構的清晰AI職業(yè)發(fā)展路徑來彌補這些人才差距，這些結構認可這些技能。他們開發(fā)了綜合技能提升計劃，這些計劃平衡了技術知識與領域理解，在組織內戰(zhàn)略性地部署專業(yè)人才模型。許多人還與學術機構建立正式合作伙伴關系，以創(chuàng)建人才管道，并在其招聘工作中強調獨特的公共服務使命和社會影響潛力。34剛性結構與文化抵抗引用缺乏創(chuàng)新和冒險精神組織文化常常構成人工智能采納的重大障礙，35%的受訪者將缺乏創(chuàng)新和冒險精神視為限制因素。公共部門對穩(wěn)定性的傳統(tǒng)重視和風險規(guī)避給帶來特殊的挑戰(zhàn)人工智能發(fā)展所需要實驗方法。一位來自加拿大政府的資深公并未被很好地理解或接受。我認為我們傾向于用過多的分析使自己陷入僵化，而且我們永遠不做出決定。因此，我們只能退而求其次，選擇最簡單的東西，比如聊天機器人。”公共部門也因其直接影響公民福祉而面臨獨特的制約。正如馬里蘭州高級公務員解釋的那樣：公共部門的風險實驗看起來不同。我們不能像在私營部門那樣失敗……他們享有人員、服務和權利。我們必須對這些事情更這需要在廣泛采用之前建立適當?shù)淖o欄。唐納德·布萊克本(指標中很明顯，以EY2024重塑工作調查為例僅顯示9%的公共部門工人報告勞動力對工作安全性的擔憂增加了阻力。盡管政府重視生產(chǎn)力的提升，但在潛在的人員配置影響方面，領導者們小心翼翼，有31%的人認為勞動力對工作保護方面的擔憂是一種制約。2025年EY歐洲人工智能晴雨表揭示了這些擔憂的深度，其中61%的公共部門工人認為人工智能將取代他們的一些任務，73%的人認為人工智能將減少人員需求，41%的人擔心他們的工作會被EYEY歐洲人工智能晴雨表即將發(fā)布的EY歐洲人工智能晴雨表2025顯示，人工智能正在重塑工作角色，工人擔心它可能會取代任務。隨著人工智能使得更少的工作人員也能完成工作，人們擔心工作崗位將被淘汰。公共部門工人們認為他們工作中的某些任務將被人工智能完認為人工智能的使用將導41%6173領先組織通過為實驗創(chuàng)造安全空間來解決文化阻力，明確參數(shù)和明確的學習目標。他們實施全面的變更管理計劃，既能消除顧慮，又能展示具體效益。許多人制定具體的護欄和治理框架，以在適當?shù)姆秶鷥葘崿F(xiàn)負責任的創(chuàng)新。他們積極讓員工參與AI解決方案的設計，以建立所有權并直接解決擔憂，同時傳達清晰的愿景 ,強調AI將增強而非取代人類工作。人工智能應用的主要障礙——隱私問題、戰(zhàn)略和人才差距、投資回報率不明確、基礎設施不足和倫理問題——在所有實施階段都持續(xù)存在，并且在部署期間往往會加劇。您的組織如何在它們隱私問題、可靠性標準和可解釋性是在廣泛應用之前必須解決的重大因素。你能實施哪些具體措施來建立公民和員基于經(jīng)驗教訓從開拓者盡管這些挑戰(zhàn)很顯著，但我們的研究表明它們并非不可逾越。通過利用成功早期采用者的成熟策略，政府機構能夠通過實施旅程加速其發(fā)展，并開始為公民、員工和社會的整體利益利用數(shù)據(jù)和人工智能的變革潛力。3和組織挑戰(zhàn)（領導承諾、文化、人才差距和資金模式 )。你的組織目前在哪里失衡？哪些具體行動能夠創(chuàng)35數(shù)據(jù)和人工智能：領導者的經(jīng)驗教訓36利用數(shù)據(jù)和人工智能取得成功：領導者的經(jīng)驗教訓政府實施數(shù)據(jù)和人工智能技術的挑戰(zhàn)非常顯著,但并非無法克服。許多組織已經(jīng)成功克服這些障礙加速他們的數(shù)據(jù)和人工智能旅程。我們對14個國家的資深政府官員和人工智能專家進行的深入訪談揭示了領先組織是如何成功實施數(shù)據(jù)和人工智能計劃的；這些發(fā)現(xiàn)為其他不太發(fā)達的政府組織成功框架我們發(fā)現(xiàn)，領先的政府組織通過從戰(zhàn)略制定到落實基礎而成功有效執(zhí)行和價值交付的能力：做出大膽的戰(zhàn)略承諾利用高層贊助、強大的商業(yè)案例和專門的投入，將數(shù)據(jù)與人工智能相結合。構建五個基本基礎平衡技術與人文維度：成功框架我們發(fā)現(xiàn)，領先的政府組織通過從戰(zhàn)略制定到落實基礎而成功有效執(zhí)行和價值交付的能力：做出大膽的戰(zhàn)略承諾利用高層贊助、強大的商業(yè)案例和專門的投入，將數(shù)據(jù)與人工智能相結合。構建五個基本基礎平衡技術與人文維度：創(chuàng)建基礎平臺（包括云）、現(xiàn)代架構、系統(tǒng)和高質量、可訪 培養(yǎng)綜合數(shù)字素養(yǎng)，同時在整個組織中戰(zhàn)略性地分布專門的數(shù)培養(yǎng)一種擁抱實驗、持續(xù)學習和隨著技術進步而快速4信任與倫理治理：通過透明的數(shù)據(jù)實踐建立信心強大的隱私保護措施和道德框架在政府、產(chǎn)業(yè)和民間社會之間建立強大的合作伙伴關系,支持互操作性，并加速創(chuàng)新和實施。有效執(zhí)行駕駛通過創(chuàng)建行動計劃，從戰(zhàn)略過渡到試點和概念驗證，再到全面實施分析和人工智能解決方案。3738協(xié)同生態(tài)系統(tǒng)信任與倫理治理自適應文化才能和技能數(shù)據(jù)和科技協(xié)同生態(tài)系統(tǒng)信任與倫理治理自適應文化才能和技能數(shù)據(jù)和科技驅動有效高層戰(zhàn)略承諾：必要起點戰(zhàn)略承諾體現(xiàn)在一個凝聚的愿景中，該愿景將人工智能計劃與組織的使命及其想要實現(xiàn)的主要成果相一致，并由理解人工智必須自上而下推動變革，需要強有力的領導來克服阻力，并擁有以人工智能技術重塑政府服務民眾和高效運作方式的愿研究表明領先組織投入了大量更重視人工智能的執(zhí)行層教育，比其他技術更為突出，以建立對其潛力的理解，并鼓勵接受風險和開放實驗?！八哔F的愿景很明確。他不想在人工智能領域做些什么。他希望人工智能能改變我們進行外貿的方式。這就是為什么更容易制定商業(yè)案例……我建議任何政府都應該有一個非常清晰、非常崇高的愿景，并明確你想要什么。阿聯(lián)酋外交部“我們見到一些組織向我們表示，他們正積極努力提升高管的技能嘗試以某種方式讓他們理解這項技術他們還沒有用其他技術完成，這些技術已經(jīng)更具增量性。經(jīng)濟增長與更好的監(jiān)管澳大利亞，維多利亞州39可能不會成功……但我們不把它看作是浪費的時間或這傳遞了一個強有力的信息，即員工可以嘗試和失敗，只領先組織已開發(fā)出治理結構，例如人工智能委員會和卓越中心 ,這些結構負責制定人工智能戰(zhàn)略并監(jiān)督實施。例如，美國住房與城市發(fā)展部（HUD）建立了一個人工智能執(zhí)行治理委員會 ,該委員會審查和批準人工智能提案，確保提案與戰(zhàn)略目標保持一致，解決勞動力影響并促進創(chuàng)新，同時遵守安全和道德標我們同時注意到，領導者們正在關注人工智能的長期潛力，并相應地進行投資。他們制定有效的商業(yè)案例，證明潛在的投資回報率有助于確保必要的資金進行與優(yōu)先人工智能應用場景相一致的敏銳戰(zhàn)略性投資。并且他們通過創(chuàng)新的融資模式克服預算挑戰(zhàn)，允許政府在前期花費更少，并基于已證明的價值進行持續(xù)投資。通過靈活的融資模式獲得支持澳大利亞的數(shù)字化轉型局正從大型、高成本項目轉向模塊化項目，多個退出點，基于PoCs和試點項目的實際成果進行考投資決策的方式，以及我們如何鼓勵機構減少前期投入并展示價值……它還有助于在交付過程中降低風險?！?140五項基本基礎：平衡技術與人的維度和需求我們的研究揭示了，成功的AI實施需要一個整體方法，該方法同時解決技術能力和組織準備。以下五個基礎代表了領先組織為促進可持續(xù)、可擴展的AI采用并創(chuàng)造有意義的公共價值而建立的關鍵組成部分。先驅者理解強大的數(shù)據(jù)基礎設施構成了成功的人工智能實施的基礎與僅58%的追隨者相比，88%的人已經(jīng)部署了這一基礎。先驅者關注者先驅者關注者我們發(fā)現(xiàn)領先組織優(yōu)先考慮靈活、可擴展的平臺，這些平臺整合了以前孤立的系統(tǒng)中的數(shù)據(jù)——包括能夠實現(xiàn)大規(guī)模高效數(shù)據(jù)處理的時代湖屋架構和云計算。啟用安全、自動化的數(shù)據(jù)共享啟用安全、自動化的數(shù)據(jù)共享在英國，rAPId是一個為政府部門提供的標準化、開源數(shù)據(jù)共享解決方案。它通過自動化大規(guī)模安全數(shù)據(jù)共享，滿足了公共政策對高質量證據(jù)的需求，并為決策者按需提供高質量數(shù)據(jù)。可在GitHub上獲取，目前已有包“能夠有一種解決方案很棒，以前，那些部門無法負擔數(shù)據(jù)共享的成本，就會繼續(xù)使用Excel電子表格，或者不得不以高昂的成本雇傭人員。現(xiàn)在，如果你擁有AWS，我們只需工智能負責人，唐寧街10號領先組織制定全面的數(shù)據(jù)策略，制定清晰的政策來管理整個數(shù)據(jù)生命周期，從收集和驗證到存儲和使用，認識到數(shù)據(jù)準“每當您開發(fā)一個AI解決方案時，通常你花費80%的時間在數(shù)據(jù)上，20%的時間在解決方案上，因為如今的解決方案，憑借我們所有的工具 ,小菜一碟。丹麥稅務當局，丹麥具，可能使敏感數(shù)據(jù)暴露于外部系統(tǒng)，而沒有適當?shù)墓芾砜刂?。為了監(jiān)督這些復雜的數(shù)據(jù)生態(tài)系統(tǒng)，成功的組織通常會設立專門的負責治理和戰(zhàn)略實施的首席數(shù)據(jù)官和首席人工智能官等領導職位通過傳輸數(shù)據(jù)平臺實現(xiàn)實時決策在澳大利亞，維多利亞州的交通和規(guī)劃部門采用Databric通過傳輸數(shù)據(jù)平臺實現(xiàn)實時決策在澳大利亞，維多利亞州的交通和規(guī)劃部門采用Databric倉架構投資了一個交通數(shù)據(jù)平臺，用于整合來自各種來源的結構化和非結構化數(shù)據(jù)。該平臺擴展了數(shù)據(jù)管理實時處理，這對如今，隨著生成式人工智能的發(fā)展，我們正在收獲成果。因為我們擁有那個平臺，我們擁有大量受全面監(jiān)管和安全保障的數(shù)據(jù)。我們擁有一支在該平臺上接受培訓的團隊。隨著人工智能 ,澳大利亞維多利亞州交通與規(guī)劃部首席數(shù)據(jù)與數(shù)字官412才能和技能人才差距或許是政府組織面臨的最顯著實施障礙，先驅者與追隨者之間在吸引和發(fā)展人工智能技能集的能力上存在巨大差距。雖然79%的先驅者報告稱擁有足夠的技能來推動實施，但只領先組織通過整合內部能力建設與戰(zhàn)略外部合作的多維度人才戰(zhàn)略來解決這一挑戰(zhàn)。他們從全面的人力資源規(guī)劃開始，規(guī)劃人工智能將如何轉變現(xiàn)有角色，識別新興職位，并確定整個組織的關鍵技能需求（參見側邊欄：未來的關鍵技能）。對于現(xiàn)有員工，他們建立數(shù)字學院和學習平臺，大規(guī)模提供培訓，人工智能培訓項目圍繞實際運營挑戰(zhàn)而非抽象概念設計。人工智能與機器學習：精通人工智能和機器學習，包括人工智能提示工程和通用人工智能，對于在政府中整合這些技術至數(shù)據(jù)工程：維護數(shù)據(jù)基礎設施，開發(fā)人工智能與機器學習：精通人工智能和機器學習，包括人工智能提示工程和通用人工智能，對于在政府中整合這些技術至數(shù)據(jù)工程：維護數(shù)據(jù)基礎設施，開發(fā)存儲系統(tǒng)和建筑數(shù)據(jù)分析對于保護敏感信息至關重要網(wǎng)絡安全技能包括數(shù)據(jù)保護和網(wǎng)絡云計算：型至關重要從傳統(tǒng)系統(tǒng)到云端基礎設施。分析性思維與問題解決：在人工智能驅動的政府中，對于解讀數(shù)據(jù)、解決問題和辨別真相至關重要倫理技能：誠信、公平、透明和問責對于維護公眾信任和維護公務員以人為中心的技能：領導力、適應性和情商對于引導多元化團隊、利用技術并韌性、靈活性和敏捷性：保持堅韌、適應性強且能接受變化，有助于提升公共以公共服務使命及其社會影響為核心的人才招募策略，有助于吸引技術人才，使他們不會流向薪酬更高的私營部門職位。根據(jù)維多利亞州交通與規(guī)劃部首席數(shù)據(jù)與數(shù)字官杰森·奧蘇的初創(chuàng)公司競爭。我們必須更系統(tǒng)、更講究方法……為一個州解決交通與規(guī)劃問題是一種很棒的感覺，所以每個人都會加入其超越傳統(tǒng)的招聘和培訓，領先的組織開展創(chuàng)新的人才獲取方式 ,包括獎學金和借調計劃，將來自行業(yè)或學術界的技術專家?guī)У秸哂绊懥Φ奶魬?zhàn)工作中。他們還與技術提供方和大學發(fā)展人才交流伙伴關系，建立互利共贏的關系，在提供尖端技能的同時，為新興人才提供寶貴的公共部門經(jīng)驗。大規(guī)模提升公共部門員工技能阿聯(lián)酋政府創(chuàng)建了Jahiz，一個AI驅動的互動平臺，為員工在數(shù)據(jù)分析、AI、云和網(wǎng)絡安全等一系列技能方面提供個性化培訓。政府已要求所有員工在大規(guī)模提升公共部門員工技能阿聯(lián)酋政府創(chuàng)建了Jahiz，一個AI驅動的互動平臺，為員工在數(shù)據(jù)分析、AI、云和網(wǎng)絡安全等一系列技能方面提供個性化培訓。政府已要求所有員工在Jahiz上進行AI培訓。完成的培訓會記4年年中，已有超過53,000名用戶完成了超過100萬小時的培訓 ,獲得了到2024年中，超過53,000時吸引杰出技術人才解決棘手問題在英國，10號創(chuàng)新獎學金計劃將私營部門的技術專家引入政府一年。它吸引了數(shù)據(jù)科學家和人工智能開發(fā)者等技術人員參與具有高影響力、可交付項目的工作。他們將與政府需要其獨特技能集合的部門高級決策者并獲得10號數(shù)據(jù)科學團隊的指導。該項目已吸引世界級人才，創(chuàng)建了緩解危機、促進高級人工智能模型測試和解決國家挑戰(zhàn)的工具。研究員們參與了諸如加強國家醫(yī)療服務體系、提升清潔能源、建造住房和經(jīng)濟振興等項目。4243成功的AI實施遠不止技術基礎設施——它要求組織文化和思維方式的根本轉變。領先的機構認識到，如果不能解決變革中的人的因素，即使是最先進的AI技術也無法取得成功其潛在價值。這些組織專注于在培養(yǎng)創(chuàng)新、實驗和接受新興技術的舒適環(huán)境中使其繁榮。在這一文化轉型中，核心在于強有力的領導支持風險計算。 ,允許團隊在項目成果不完美的情況下，無需擔心職業(yè)后果而測試新方法。他們還通過數(shù)字實驗室、孵化器和秘密項目小組等結構化創(chuàng)新機制來補充這一領導支持。用于開發(fā)和改進人工智能的保護空間在更廣泛部署之前提供解決方案。在法國孵化公共部門創(chuàng)新在法國孵化公共部門創(chuàng)新法國在創(chuàng)建創(chuàng)新數(shù)字解決方案方面，以政府內部的企業(yè)家精小型自主團隊被賦予權力去實驗和創(chuàng)新，以解決現(xiàn)實中的公共政策問題。識別出問題的公務員被邀請參與開發(fā)解決方案 ,如果成功，則會擴展以解決更廣泛用戶的需求。來自數(shù)字化跨部門署（DINUM）的弗洛里安·德萊森內表示，該機構負責協(xié)調我們絕對不能失敗。然而，我們說，我們注定會失敗，但那除了鼓勵創(chuàng)新之外，這些組織還大力投資變革管理項目，幫助員工適應不斷變化的角色和工作環(huán)境。它們強調關于人工智能將如何補充而不是取代人類員工進行清晰溝通，側重于技術如何消除繁瑣的任務，同時創(chuàng)造更令人滿意的工作機會。許多采用以人為本的設計方法，積極讓員工參與開發(fā)人工智能工具，確保最終系統(tǒng)滿足實際用戶需求，同時在構建解決方案時建立更廣泛的擁有權。最重要的是，他們將初始的人工智能可證明地提升員工體驗創(chuàng)造出超越成本削減的可視化收益，從而產(chǎn)生對進一步采用的“我們以人為本。我們并非將其視為勞動力減少(練習）。我已經(jīng)坦誠地告知我的團隊，這并非私營部門那樣的投資回報率（ROI）。這是經(jīng)驗回報率（ROE）。培養(yǎng)對人工智能的熱情建立領導和員工信心的倡議培養(yǎng)對人工智能的熱情建立領導和員工信心的倡議它組織了教育人工智能周、動手工作坊、法國數(shù)據(jù)保護機構舉辦的倫理講座、研究人員對大型語言模型（LLMs）的解釋，以及持續(xù)性的溝通和培訓計劃。它與高管和總監(jiān)互動，以展示人工智能的能力，以及已建立的透明度和倫理約束。組建了一個專門團隊，為期六個月解決員工關切，并開設了一員工中真正對尋找耶，信息與首席技術官，伊爾德法蘭西大區(qū)4信任與倫理治理建立公共信任對于政府成功實施人工智能至關重要，我們的研究發(fā)現(xiàn)，組織在應對這一挑戰(zhàn)方面存在顯著差異。雖然78%的先驅者已經(jīng)為人工智能的使用制定了嚴格的道德準則，但只有49%的追隨者建立了類似的框架——這可能導致公眾對其人工智能計劃產(chǎn)生潛在抵制風險。領先的組織認識到公民支持取決于感知和現(xiàn)實負責任、合乎倫理的人工智能治理。這些組織從主動的公共參與開始，以了解公民態(tài)度并在實施人工智能之前解決相關擔憂。他們進行定期的磋商、調查和焦點小組討論，以衡量公眾情緒，并利用這些見解來塑造其技術方法和溝通策略。有些人會補充數(shù)字素養(yǎng)計劃，旨在實現(xiàn)所有人群的技術包容，特別關注面臨數(shù)字排最先進的組織直接讓公民參與設計和測試人工智能解決方案 ,創(chuàng)建參與式流程，在提高所得系統(tǒng)的質量的同時建立擁有培養(yǎng)公民的信任阿馬里洛市（德克薩斯州）在社區(qū)合作下開發(fā)人工智能解決方培養(yǎng)公民的信任阿馬里洛市（德克薩斯州）在社區(qū)合作下開發(fā)人工智能解決方案。正如首席信息官里克·加諾（RichGagnon）解釋的那樣，“在私營部門，你創(chuàng)新是為了獲得競爭優(yōu)勢。這在公共部門不適用。你必須與公眾一起創(chuàng)新?！边@種方法被用來啟動該市的數(shù)字人。艾瑪，加速從原型機向生產(chǎn)型的轉變。市進行人工智能測試是可以的，因為已經(jīng)有這些控制措施，而4445提升經(jīng)辦人員對案件的人為判斷丹麥稅務機構使用機器學習識別公民納稅申報表中的模式。提升經(jīng)辦人員對案件的人為判斷丹麥稅務機構使用機器學習識別公民納稅申報表中的模式。該系統(tǒng)并非自動做出欺詐判定，而是將異常情況標記出來供以這種方式檢測異常情況，在保持人工判斷的同時，產(chǎn)生了大量的財務節(jié)約。該組織通過培訓，使工作人員接受了將AI一個輔助工具并通過納入反饋新南威爾士州政府勤奮工作以增強公眾信心關于隱私和安全的一致信息道德、透明化和包容性。正如ServiceGen的聯(lián)合創(chuàng)始人伊 ,因為你能夠展示值得信賴；你真的無法要求被信任?！闭M織了公共活動，包括一個AI峰會，以展示其項目和科據(jù)使用和AI相關的方面，以及隱私增強技術在技術方面，主要組織實施強大的數(shù)據(jù)隱私保護措施，包括透明的知情同意機制和明確的數(shù)據(jù)使用政策。他們制定全面的道德框架，確立負責任的人工智能部署原則和指南，輔以系統(tǒng)的偏見測試規(guī)程，以檢查其模型中的歧視或不公平結果。透明度受到特別強調，治理機制確保人工智能系統(tǒng)的運作和局限性得到清晰記錄并可向公民和監(jiān)督機構解釋。最重要的是，這些組織維護人工智能輔助決策的有效人工監(jiān)督，以問責制，同時確保自動化在重大判定中增強而非取代人類判斷。46領先政府已經(jīng)認識到一個基本人工智能創(chuàng)新真相：沒有哪個單一組織即便是最大的政府實體，也擁有所有用于最大限度地發(fā)揮AI潛力的資源、技能和能力。領先的組織系統(tǒng)性地發(fā)展跨越公共、私營、學術界和公民社會部門的多元化伙伴關系網(wǎng)絡，以加速實施并擴展其能力，遠超其獨立所能實現(xiàn)的程度。這些協(xié)作生態(tài)系統(tǒng)橫跨多個維度。在基礎設施方面，政府與私營部門投資者合作，為人工智能部署開發(fā)必要的基礎設施，包括先進的數(shù)據(jù)中心和可擴展的云平臺。他們與行業(yè)領導者建立戰(zhàn)略技術合作伙伴關系，以獲取難以內部開發(fā)的尖端工具和技能。通過結構化的學術合作，將政府挑戰(zhàn)與大學創(chuàng)新能力相結合，加速研發(fā)進程；而監(jiān)管框架則受益于多方參與，允許治理方法在創(chuàng)新與適當保護之間取得平衡。人才發(fā)展代表了另一個關鍵領域為了合作，領導者創(chuàng)造勞動力與教育機構和科技公司建立技能提升合作伙伴關系，這些關系遠遠超出了傳統(tǒng)的培訓計劃。許多機構在公共部門和私營部門之間實施正式的人才交流機制，以解決當前的技能差距 ,同時建立長期的能力。數(shù)據(jù)共享合作夥伴關系通過跨越組織界限整合互補性數(shù)據(jù)集 ,實現(xiàn)增強模型訓練并產(chǎn)生更豐富的洞察。政府間合作——包括跨機構的橫向合作和跨政府層級的縱向合作——防止重分享實施經(jīng)驗。最先進的組織機構將它們的合作焦點擴展到政府以外，通過創(chuàng)新中心、創(chuàng)業(yè)孵化器和數(shù)字技能計劃，積極支持它們經(jīng)濟體中更廣合作加速人工智能創(chuàng)新和采用法國的合作加速人工智能創(chuàng)新和采用法國的URSSAF通過Urssaf實驗室促進開放式創(chuàng)新，與初創(chuàng)企業(yè)服務提供商，使其能夠快速評估創(chuàng)新解決方案并保持對技術進步的了解。法國勞工部與其他公共服務部門分享其知識，以推進公共部門的AI發(fā)展。法國勞工部與勞工部及INRIA共同參與勞動AI項目，該項目研究人工智能在法國企業(yè)部署對工作、就業(yè)、技能和工作條件的潛在影響。法國勞工部還與其他歐洲公共就業(yè)服務機構就AI和數(shù)字技術進行知識交流。英國國家公路與組織合作英國國家公路與組織合作在移動生態(tài)系統(tǒng)內，通過共享數(shù)據(jù)應用程序接口（API）。這個開放平臺增強了數(shù)字產(chǎn)品和服務，迪拜的人工智能實驗室促進之間的伙伴關系迪拜的人工智能實驗室促進之間的伙伴關系政府和私營部門，為人工智能服務和應用提供工具和支持。政府實體和中小企業(yè)可以參加培訓課程、研討會并獲得人工智能工具的訪問權限，同時加速迪拜的人工智能投資格局。47有效執(zhí)行：從試點到影響從孤立的試點項目過渡到全組織的實施需要自律的執(zhí)行和清晰的路線圖。根據(jù)我們與領先組織的研究，我們建議政府領導者采取以下行動計劃：定義一個人工智能賦能的未來狀態(tài)，闡述數(shù)據(jù)和人工智能將創(chuàng)建一個具有明確權力的專屬治理結構，例如一個跨職能采用敏捷的融資模式，將財務為數(shù)據(jù)和人工智能計劃任命負責任的領導，他們制定一個綜合路線圖，使技術實施與組織變革管理相識別直接影響價值驅動的問題，包括公民服務、員工聚焦以人為本設計，讓最終用戶參與開發(fā)和測試過根據(jù)可行性、影響和戰(zhàn)略一致性系統(tǒng)地優(yōu)先考慮創(chuàng)建一個具有定義成功標準的結構化評估流程，這些標準4提升實施能力創(chuàng)建一個集樞紐和輻條式配送模式相結合核心技能，包含嵌入式專業(yè)人員。構建跨學科團隊，整合技術、領域和變革管理技能。采用增量式方法，從最小可行產(chǎn)品（MVP）開始，并建立卓越中心，培養(yǎng)專門能力并分享最佳實踐。現(xiàn)代化采購流程以支持敏捷開發(fā)、技術創(chuàng)新和物有所值。建立負責任的AI開發(fā)和使用的道德準則，并為員工提供在設計過程中與監(jiān)管機構進行溝通。建立中央委員會以監(jiān)督倫理和法律合規(guī)實施偏差測試協(xié)議以建立公平公正的結果。創(chuàng)建人工智能模型和決策過程的透明文檔。及早并經(jīng)常性地讓利益相關者參與進來保持對人工智能賦能決策的人為監(jiān)督，以提評估您的數(shù)據(jù)成熟度以識別數(shù)據(jù)準確性和完整性的差距,并確定基礎設施投資的優(yōu)先級。建立企業(yè)級數(shù)據(jù)治理收集、共享和使用方面的清晰政策。將數(shù)據(jù)質量改進作為人工智能成功的關鍵前提進行投實施靈活、可擴展的架構，旨在支持未來的AI采取安全設計方法來減輕數(shù)據(jù)隱私和保護風險。開展技能差距評估以確定關鍵