核心观点
- AI 转型政府： 政府部门正积极拥抱 AI 技术，将其视为提升效率、降低成本、改善公共服务和推动经济增长的关键工具。Gen AI 和 agentic AI 成为政府关注的焦点，但数据基础建设仍需加强。
- 数据基础建设不足： 大多数政府部门在数据准备方面仍处于早期阶段，缺乏数据基础设施、治理体系、文化氛围和人才技能，导致 AI 应用效果不佳。
- 数据共享挑战： 数据共享对于 AI 应用至关重要，但政府部门在数据共享方面进展缓慢，主要受文化和信任问题阻碍。
- 数据主权担忧： 政府部门对数据、云和 AI 的主权问题表示担忧，这会影响其技术选择和 AI 应用策略。
关键数据
- Gen AI 应用： 近 64% 的政府部门正在探索或实施 Gen AI 项目，其中国防、医疗保健和安全部门最为积极。然而，只有 21% 的部门将 Gen AI 应用于试点或实际部署。
- agentic AI 应用： 90% 的政府部门计划在 2-3 年内探索、试点或实施 agentic AI，表明其对 AI 技术的信心和决心。
- 数据准备成熟度： 不到 25% 的政府部门在任何数据准备方面都达到高成熟度，其中数据基础设施、数据文化和数据分析技能是主要短板。
- 数据共享进展： 只有 35% 的政府部门已推出或全面部署数据共享计划，另有 65% 仍处于规划和试点阶段。
- 数据主权担忧： 64% 的政府部门关注数据主权，58% 关注云主权，52% 关注 AI 主权。
研究结论
- 提升数据基础建设： 政府部门需要加强数据基础设施建设、数据治理、数据文化和人才技能培养，才能有效利用 AI 技术。
- 推动数据共享： 政府部门需要克服文化和信任障碍，推动数据共享，以增强 AI 模型的性能和解决复杂问题。
- 关注数据主权： 政府部门需要在数据主权、云主权和 AI 主权之间取得平衡，确保数据安全和自主可控。
- 可持续发展： 政府部门需要关注 AI 的环境影响，并采取可持续发展措施，降低 AI 技术的能耗和碳排放。
建议
- 以公民和员工为中心： 将数据 AI 项目围绕公民和员工的需求展开，确保其相关性和影响力。
- 加强领导力： 确保 CDO 和 CAIO 具有明确的职责和充足的预算，并提供强有力的领导支持。
- 培养数据文化： 建立共同愿景，采用试错方法，打破数据孤岛，并建立信任机制。
- 提升数据技能： 开展针对业务用户的培训，培养数据分析技能和 AI 伦理意识。
- 加强数据治理： 建立健全的 AI 治理和合规框架，并定期进行数据审计和评估。
- 建设技术基础： 投资于云数据基础设施，确保数据互操作性，并采用渐进式现代化方法。
- 关注环境影响： 评估 AI 项目的环境足迹，并采取可持续发展措施。
