以深圳为例，“人工智能+政务服务” 5个应用 | 人工智能治理（1）

《工作方案》核心抓手在于统一智能体“深小i”。过去几年，各地政务服务建设了大量基于关键词匹配的问答机器人，实际体验中常出现“答非所问”或“死循环”。《工作方案》核心是构建一个全市统一的对公众智能应用体系“深小i”。这并非一个简单的UI升级，而是技术架构的归一化。《工作方案》规定，各区、各部门原则上不再独立进行政务大模型建设和部署。所有应用需基于深圳市政务云和人工智能通用支撑平台。“深小i”是前端入口，在后台统一算力调度和模型基座的具象化。《工作方案》规划了以下具体的N个落地场景。

场景一“边聊边办”的智能申报。这是从“问”到“办”的关键跨越。传统的在线办事需要用户在复杂的表单中寻找字段、上传材料。《工作方案》提出“边聊边办”模式，利用大模型的意图识别和多轮对话能力，将填表过程转化为对话过程。对于情形明确、材料简单的高频业务，用户与“深小i”交互时，系统自动提取对话中的关键信息，完成表单预填、材料上传和进度查询。这一场景的技术难点在于非结构化对话数据与结构化审批系统的对接。这需要后台建立完善的事项数智化梳理平台，将高频事项的表单字段、审核要点进行标准化解析，使模型能够准确映射用户意图与业务字段。

场景二智能辅助受理与审批。在行政审批端，基层工作人员面临的最大痛点是材料繁杂、比对耗时。场景聚焦于“人机协同”。依托业务受理审查要点和历史审批案例，AI系统介入受理环节。自动核验，辅助受理人员对申报材料进行OCR识别和语义比对，自动判断材料完整性和合规性。辅助裁量，为审批人员提供智能化审查建议，甚至辅助起草审核意见。这能降低退件率，通过标准化的算法规则，减少人为裁量权的随意性，提升审批的一致性。

场景三多模态智能咨询导办。针对“政策找不准、流程看不懂”的痛点，《工作方案》要求升级交互模式。区别于传统的文本问答，新的智能咨询体系接入了文本、语音、图片、视频等多模态能力。例如，用户上传一张证照图片，系统应能直接识别并告知该证照可办理的业务。用户通过语音提问，系统能直接调取相关的办事视频指引。《工作方案》强调了“人工客服”的兜底机制，对于AI无法解决的复杂问题，系统需无缝流转至云上政务大厅或专业人工坐席，形成“智能问答－人工处置－工单流转”的闭环，避免用户在机器服务中碰壁。

场景四语义驱动的智能搜索与问数。目前的政务搜索大多基于全文检索或关键词匹配，查准率有限。《工作方案》提出优化语义理解算法，突破关键词局限。智能搜索，用户输入口语化描述，如“我要开餐馆”，搜索引擎能直接关联到市场监管局的行政许可事项，而不是仅仅列出包含“餐馆”二字的新闻资讯。交互式智能问数，依托政务服务数据仓库，支持用户通过自然语言查询数据。系统能自动生成SQL语句或调用API，将跨部门、跨层级的办件数据进行分析，并以可视化图表形式输出。这对数据治理和元数据管理的质量提出了极高要求。

场景五智能民生诉求分拨。在传统的“12345”热线等民生诉求处理中，工单的分拨流转往往耗费大量人力，容易出现推诿。在此场景，AI应用NLP技术分类任务，对群众电话诉求进行自动转译和意图识别，结合部门职责清单和历史记录，用智能算法将工单精准分拨至责任单位，利用模型对办理结果进行智能复核，并自动分析诉求热点，实现从“被动接单”到“主动预警”的转变。

AI应用落地离不开高质量数据集。《工作方案》强调要“全市统一政务知识管理”。大模型本身存在“幻觉”问题，如果直接用于政务服务风险极大。《工作方案》明确，要采用RAG技术，建立高质量专业化政务数据集。要汇聚法规、政策、脱敏办件数据、办事指南等，对数据分级分类标签化管理。在社保、医保、公积金等高频领域，要构建结构化知识图谱，确保模型回答的准确性和可追溯性。《工作方案》提出，要优化人工智能应用项目的评估方式，这反映了政府部门意识到AI项目与传统软件开发在成本结构上的差异，算力消耗、数据标注和模型调优将占据更大比重。

这个《工作方案》中，深圳叫停了分散式模型建设，转向“统一底座、统一知识、统一入口”的架构。对于技术供应商和政务IT从业者而言，未来的工作重点将不是重复造轮子、重复训练基础模型，而是专注于垂直场景的知识工程和业务流程的数智化重构。将非结构化的政务知识转化为机器可理解的结构化数据，这5个应用场景才能真正产生实效。

文/李正，数字理政；数字菁英网《人工智能治理系列》刊载