政务与公共服务：2 个真实落地案例

原来的样子

痛点：前台已数字化，后台仍高度依赖人工：群众上传的身份证、营业执照、合同、发票多为照片且质量参差，工作人员逐张点开肉眼审核录入，单件约 15 分钟；慢、累（长时间盯屏幕）、业务量上不去，还影响合作方的成本与整个服务模式的可持续性。

过去的做法：靠人：打开图片肉眼审核，再人工处理后续业务。流程运行已久，甚至不认为这是需要解决的问题。

AI 怎么切进去

• 以遗留系统运维为入口进入现场，在驻场过程中自己发现真正的需求
• 把问题一路往后拆：审核效率决定办件能力，办件能力影响群众服务与合作方运营成本
• 识别材料后让数据自动流转、流程继续往下执行，把 AI 嵌进业务而不是并排放一个工具

可迁移的做法

• 不要等客户把需求写成"我要一个 AI 审核系统"：真正的需求往往不会自己跳出来
• FDE 必须长期靠近现场，很多需求访谈一次问不出来
• 如果 AI 只是多出一个页面、还要人工复制粘贴，价值会大打折扣

落地之后

单件审核从约 15 分钟的人工逐张核对，转为识别与流转自动化，办件能力不再受人工盯图限制。

原来的样子

痛点：难点是把业务、数据、空间、工具四件事连起来，再加"人"这第五件事：10 个部门的工作方式、指标理解与计算规则都不同。单项分析约 1 小时，跨部门完整报告要 3–5 天甚至接近一周。

过去的做法：规划师查资料 → 进 GIS 专业工具叠图层、跑脚本、做空间计算 → 形成本部门判断 → 多部门再汇总。数字化程度其实不低，缺的是连接。

AI 怎么切进去

• 先把规划师每天反复做、规则相对明确、数据可追溯的那部分工作接下来
• 让 AI 理解各部门的业务语言、计算规则与工作流，生成规划师看得懂也认的结果
• 把多部门分析汇总成可复用的研判流程，让领导的一句提问能快速得到有依据的答案

可迁移的做法

• 判断场景是否值得做 AI 的四个条件：重复发生、重复成本高、工作流可定义、事实与数据可追溯
• 专业软件与高素养用户不是障碍，真正的障碍是跨部门语义与规则的打通
• FDE 不能每接一个项目就重新定制：把经验抽象成可复用方法与模块，才能规模化

落地之后

跨部门研判从 3–5 天的汇总周期，压缩为可快速响应领导提问的流程。