政务AI的下一站,不是“万能助手”,而是100个行业数智专家

过去两年，很多地方做政务大模型，都有一个相似的目标：

做一个什么都懂的政务AI助手。

政策可以问它，材料可以让它写，数据可以让它查，最好还能帮领导分析决策。

这个想法很好理解。

既然大模型什么都能聊，那能不能给政府也做一个类似的“万能助手”？

但最近看了越来越多真正进入业务的政务AI项目后，我反而越来越觉得：

政务AI最终可能不会走向一个无所不能的超级助手。

更现实的形态，很可能是：

一个统一的AI底座，上面生长出几十个甚至上百个懂不同业务的“数智专家”。

懂行政复议的，就专门干行政复议。

懂自然资源的，就处理不动产、规划和土地业务。

懂12345的，就负责理解诉求、分拨工单和分析热点。

懂招商的，就找企业、读产业链、匹配政策。

懂城市运行的，就看交通、防汛、燃气、管网和城市生命线。

这可能才是政务AI真正进入深水区之后的样子。

一为什么“万能政务助手”越来越不够用了？

原因其实很简单。

政府不是一个业务。

政府是由大量专业业务组成的复杂组织。

一个普通人问：

“企业开办需要什么材料？”

这是知识问题。

大模型通过知识库，很容易回答。

但如果换成：

“这份规范性文件是否合法？”

问题就完全不同了。

它需要理解法律法规、上位法、历史文件、政策边界，还要掌握合法性审核规则。

再比如：

“这家企业适不适合我们招商？”

它需要理解企业工商、融资、产品、产业链、当地产业规划、土地、人才甚至上下游企业。

再比如防汛。

它需要同时理解：

气象、河道、管网、积水点、道路、人口、应急资源。

这些都叫“政务AI”，但背后其实是完全不同的专业世界。

所以，越往业务深处走，越会发现：

政府真正缺的不是一个什么都会一点的AI，而是很多真正懂业务的AI专家。

二北京“法仪大模型”已经出现了这个雏形

最近北京发布的“法仪大模型应用”很有代表性。

它不是只做一个“司法AI助手”。

而是直接拆成了12个场景。

行政复议有自己的“AI能手”。

合法性审核有自己的“AI质检员”。

行政立法有“AI秘书”。

行政执法有“AI导航员”。

法律援助有“AI接待员”。

12348热线有“AI百事通”。

还有法治信息、社区矫正、材料识别、安全研判、认证授权等不同专业能力。

这些应用已经累计办理业务20万次，并经过一年以上生产环境调优。

这个案例最值得研究的地方，其实不是“大模型”。

而是它正在把一个抽象的：

司法大模型

拆成一个个具体的：

数字业务专家。

这可能是一个非常重要的变化。

三政务AI正在从Chat走向Profession

过去我们理解大模型，习惯从Chat开始。

打开一个聊天框：

“您好，请问有什么可以帮助您？”

所以第一批政务大模型，大量都是：

政策问答、知识查询、公文写作、材料总结。

这些应用没有问题。

但它们有一个共同特点：

离真正的业务还比较远。

真正进入业务以后，AI需要的不只是“会聊天”。

而是：

懂专业。

所以我认为，政务AI正在经历三个阶段。

第一阶段：政务知识助手

核心是：

“你问，我答。”

政策咨询、知识检索、办事指南、公文辅助。

第二阶段：业务智能体

核心变成：

“你交给我一个任务。”

审核一份材料。

整理一份案件。

分析一批12345工单。

生成一份招商企业画像。

检查一个项目申报材料。

AI开始完成具体工作。

第三阶段：行业数智专家

这个阶段就更进一步。

AI不仅会完成任务，还逐渐掌握：

行业知识+业务规则+历史经验+实时数据+工具调用+工作流程。

它开始像一个真正的专业岗位。

这时候，我们面对的就不再是一个“聊天机器人”。

而更像一个：

数字公务员、数字专家或者数字同事。

四国家政策其实已经开始沿着这个方向布局

今年5月发布的《智能体规范应用与创新发展实施意见》很值得重新看。

文件没有笼统地说“建设政务智能体”，而是已经按照具体行业和业务拆开。

政务服务领域，探索事项辅助审批、政策咨询、主动服务智能体。

司法领域，探索全流程办案辅助、证据审查、法律文书生成智能体。

公共安全领域，发展监测预警、应急处置、救援调度智能体。

城市治理领域，则提出在城市规划、建设、基础设施安全运行等环节应用智能体。

甚至招标投标，也单独提出建设全链路智能体。

这说明一个变化：

智能体开始按照“业务岗位”而不是按照“技术能力”划分。

这个区别非常重要。

未来我们可能很少再问：

“这个城市有没有政务大模型？”

而是问：

有没有审批智能体？

有没有招商智能体？

有没有规划智能体？

有没有防汛智能体？

有没有执法智能体？

五这也意味着：未来不是100个大模型

这里特别容易产生一个误解。

既然有100个专业智能体，是不是意味着政府需要训练100个大模型？

当然不是。

恰恰相反。

未来更合理的技术架构可能是：

所以真正大量增长的，不一定是模型。

而是：

Agent。

北京今年推进政务服务数智化时，已经明确提出建设模型矩阵应用支撑、大模型数据中枢、大模型应用评测管理平台，整合不同领域智能体服务入口，同时统筹政务算力和高质量数据集。

这其实已经很接近：

底座统一、模型共享、智能体专业化。

北京经开区甚至已经提出集中打造政务“智能体工厂”，探索AI原生的“城市数字指挥官”。

所以未来政府AI体系，很可能不是：

100个部门建设100套大模型。

而是：

一套公共AI能力，生产100个业务专家。

六为什么我更愿意把它叫“数智专家”，而不是智能体？

因为“智能体”还是一个技术词。

普通业务人员真正关心的是：

它能帮我干什么？

如果告诉一个自然资源局工作人员：

“我们给你部署一个Agent。”

他可能没有感觉。

但如果告诉他：

“这是一个不动产登记数智专家，它懂登记规则、历史档案、空间数据和相关法规，可以帮你审核材料、查找档案、发现异常。”

业务人员马上知道它有什么用。

所以未来AI应用的包装方式可能也会发生变化。

过去叫：

XX大模型平台。

未来越来越可能叫：

招商数智专家

规划数智专家

防汛数智专家

12345数智专家

行政复议数智专家

政策数智专家

项目审批数智专家

技术退到后面。

业务站到前面。

我认为这反而是AI真正成熟的表现。

七未来一座城市可能需要哪些“数智专家”？

如果按照智慧城市的主要业务粗略划分，我认为很容易就能列出几十类。

政务服务

政策咨询、智能审批、材料预审、惠企政策匹配、企业服务。

城市治理

城市事件研判、城管执法、12345、社区治理、城市运行分析。

规划建设

国土空间规划、工程审批、施工安全、城市更新、违建识别。

城市安全

防汛、燃气、桥梁、地下管网、消防、应急指挥。

产业发展

招商、产业链分析、企业画像、项目研判、经济运行监测。

民生服务

就业、养老、医疗、教育、住房、社会救助。

数据管理

数据治理、数据目录、数据质量、数据授权运营、自然语言查数。

而北京今年公布的智慧城市场景创新需求中，已经出现医疗器械审评辅助大模型、自然语言转SQL、视频时空智能分析、智慧社区智能服务等非常细分的需求。

所以“100个”并不是重点。

它代表的是一种趋势：

AI能力正在从一个大而全的平台，分解成大量小而专业的业务能力。

八但这里有一个风险：不要又变成100个智能体大跃进

看到这里，可能很容易得出一个结论：

那我们赶紧建设100个智能体。

我反而认为这是下一阶段最应该警惕的事情。

因为智能体同样很容易出现：

数量很多，使用很少。

今年建设30个。

明年建设100个。

最后每个智能体每个月只有几十次调用。

那只是把过去“建平台”的问题，换成了“建智能体”。

真正应该采用的逻辑还是：

从高频、刚需、成熟的业务开始。

先问：

这个岗位每天是不是有大量重复劳动？

有没有相对明确的业务规则？

有没有足够的数据和知识？

AI结果能不能验证？

能不能真正接入业务流程？

如果答案都是“是”，再做。

所以未来政府AI建设真正应该追求的不是：

“百智能体”。

而应该是：

“百个真正有人使用的数字专家”。

九这对智慧城市企业意味着什么？

这个变化其实会直接改变智慧城市市场。

过去企业卖给政府的东西主要是：

平台、系统、数据库、驾驶舱。

未来可能增加一种新的产品：

数字专家。

而且它的竞争方式完全不同。

过去比的是：

谁的平台功能更多。

以后可能比：

谁更懂这个业务。

比如做一个招商数智专家。

真正的壁垒可能不是调用了哪个大模型。

而是：

你有没有产业链知识？

有没有企业数据库？

懂不懂招商流程？

能不能识别一家企业真正的投资意图？

有没有历史招商案例？

能不能和CRM、企业库、政策库连接？

这意味着未来AI时代，行业公司的优势反而可能重新变得重要。

因为通用模型越来越容易获得。

真正稀缺的是：

行业Know-how。

十政务AI真正的竞争，正在从“模型能力”变成“专家能力”

过去两年，我们讨论最多的问题是：

哪个大模型最好？

参数多少？

推理能力怎么样？

上下文多长？

这些当然重要。

但当基础模型能力越来越接近之后，政务AI真正拉开差距的东西可能会变成：

谁拥有更好的行业数据。

谁理解更深的业务规则。

谁能够沉淀专家经验。

谁能够进入真实业务流程。

谁能够持续从业务反馈中学习。

最后形成的，不是一个越来越大的聊天机器人。

而是一支越来越专业的：

“数字专家队伍”。

11结语

所以我越来越觉得：

政务AI的下一站，并不是建设一个能够回答所有问题的“超级政务助手”。

它更可能是：

底层有统一的模型、算力、数据和安全体系；

上面生长出大量专业智能体；

每一个智能体只专注解决一个具体问题。

一个懂招商。

一个懂审批。

一个懂法律。

一个懂规划。

一个懂防汛。

一个懂城市运行。

它们不需要什么都会。

但在自己的岗位上，要足够专业、足够可靠，而且真的有人每天使用。

如果说上一阶段政务AI解决的是：

“让政府拥有AI”。

那么下一阶段真正要解决的可能是：

“让每一个专业岗位，都拥有一个真正懂业务的AI同事。”

这可能才是“人工智能+政务”真正开始规模化的时刻。