AI技术的不断发展，如今已经渗透入各行各业里边，这篇文章主要讲述的是AI技术在政府部门业务已经有了落实案例内容，想要了解更多内容就接着往下看吧！
本文内容主要来自于：个人过往实际产品和项目工作（机密内容均已脱敏~），以及我对此相应的思考。本文主要面向：对“AI落地案例”感兴趣，或对政府部门业务（尤其是12345业务、城市治理业务）感兴趣的童鞋们~
通过阅读本文，可以了解/学习到：
这里絮絮念一下：我们进入任何一个行业，不论是想要进入还是已经进入了，对该行业的业务进行学习、调研和梳理是不可或缺的。这里给一下【如何进行业务调研】的实用方法，供参考：
好了，上面5点中的前3点，若能够基本掌握，就可以进行 业务的调研和梳理了，如若后2点也掌握了，给老板提供决策支撑外，也可以自行尝试产品规划了（说的容易，做起来还是很难的喔~~）。
我按照上述方法，对12345业务的发展趋势、市场情况、以及实际业务情况进行了调研和分析（线上+线下调研交流结合），最终产出了 12345业务调研及市场分析报告，以及相对应的产品解决方案。好了，感兴趣的童鞋，我们一起往下看吧~
（关于我个人在前司负责过的产品解决方案，可移步至百度云官网（搜索 “全要素治理引擎”），这里就不放了，读者完全可以有自己的思考和设计方案）。
12345政务服务便民热线（简称12345热线），是由各地市人民政府设立的，主要用于受理市民投诉、举报、建议、咨询等非紧急民生诉求的公共服务平台，提供“7×24小时”全天候人工服务。
在我国的23个省、5个自治区、4个直辖市，市民或企业均可以通过拨打“区号-12345”号码或使用官方-市长信箱、手机短信、手机客户端、微博、微信等方式留言，提出投诉、举报、建议、咨询等非紧急民生诉求。
（注：有些不发达地区，可能还未开设12345热线，有些地区可能也未开设微信公众号等线上服务平台——是否建设这些平台，取决于当地政府的业务需求和财政情况）。
习近平总书记2019年在上海考察时强调，要提高城市治理现代化水平，抓好 “城市运行一网统管”，坚持从群众需求和城市治理突出问题出发，把分散式信息系统整合起来，做到实战中管用、基层干部爱用、群众感到受用。
在AI时代，各行各业均在寻得利用大模型、AI技术解决实际业务中的管理难、效率低等问题，12345业务也不例外，至今仍处于 基础设施逐步完善，且“上层建筑”（AI智能化应用）不断搭建过程中。
这里给出，基于我调研后产出的“12345业务流程”现状：
做多了政府的业务，发现公安也好、城管城运也罢，都是这套业务流程（上报->分发->处置->结案），这和OA系统的审批、报销流程也无大异。
是否建立了信息化系统？业务需求有哪些？痛点有哪些？需求/痛点被解决的如何了？
信息化现状：经调研，国内的657个县级以上城市中，有七成以上均建立了【12345业务协同办理系统】，而在此基础上，有些城市（如北京、上海、重庆、珠海、广州、杭州、成都等一线及新一线城市）也进行了 AI化改造（改造持续进行中）。
行业普遍痛点：
图来自个人调研后整理绘制，禁止商业使用、禁止抄袭
各角色痛点：
图来自个人调研后整理绘制，禁止商业使用
业务需求&痛点被解决的如何了？
终于进入到了 本篇的正题：AI技术（ASR & NLP）在12345业务场景中，有哪些运用？落地的效果又如何呢？我们一起来看看吧~
在上面的讲解中，我们已经了解了12345业务的办理，主要是依托于【12345热线协同办理平台】，那它主要长什么样子呢？通常长下面这样：
该系统的角色和用户：负责12345业务的各级部门（在文章开头已经讲到了），包括：【市级12345部门】、【各市下辖的区12345分中心&区委办局&市委办局】、【各区下辖的街道办/街镇/乡&各市委办局的二级单位】、【各街镇/乡下辖的社区/村】，在每个部门根据所负责业务内容的不同，会设置不同的角色类型。
比如在市中心和区分中心：一般均会设有专门的一线坐席人员，受理市民上报的12345问题，对其进行记录、解答、分派等。——坐席一般会使用专门的【坐席工作台】模块。
委办局等承办单位，通常不会直接接听市民电话，所以工作台的接打电话功能，可以不为其配置。各委办局等承办单位，日常用的较多的是【工单管理】模块，用于查看“待办”、“已办”，进行案件/工单的办结申请等业务操作。
——设计上述系统，前提也是要进行业务流程、业务角色的梳理与设计，搞清楚需要哪些角色类型？每类角色，需要进行什么业务操作？——据此，才能设计好角色权限及用户管理相关的后台管理功能。
好，了解了上述类似于OA系统的用户有哪些？那在这个12345业务场景中，哪里用到了AI技术呢？
目前在坐席工作台上，一些集成商已经与各AI厂商（百度、阿里、浪潮等）建立合作，提供一些AI提效功能插件，比如在通话场景（多轮对话场景）中的AI运用：
a.语音转文字功能 ，已经实际应用。——但粤语、方言ASR效果仍具有较大的挑战，实战效果并不好（没有几家厂商能够做好）。
b.基于语音转写后的文本，识别其中的核心要素（如地址、人名、机构名、时间等要素或词槽），对其智能分类（打分类标签如“社会保障-基本生活保障-停水”、研判承办部门），也已经应用。——机器抽取效果，AI大厂一般可以达到精确率70%左右。
c.根据转写后的文字，以及语音语调，识别市民和坐席的情绪 、以及坐席发言是否有违规/敏感词 ，也已经应用。——机器分析市民情绪倾向，可有效坐席调整应对话术策略，提高问题解决率、满意率；——机器分析坐席发言是否有违规，可以有效为坐席绩效考评提供技术和证据支撑。
d.根据语音转文字的结果，进行工单小结生成（摘要生成能力，同现在的大模型的信息压缩能力） ，帮助坐席减轻 记录整理工单的负担。——在大模型技术的加持下，其效果显著提升。
e.坐席给市民解答问题，一些智能推荐功能 ：如类案推荐、话术推荐、法条推荐，也已经被应用。——但目前法条推荐、话术推荐还未广泛应用（据我了解）。
法条推荐，话术推荐等功能，一些AI厂商还在逐步完善当中（原因主要是：法条数据的梳理，以及历史法条-工单训练集的构建，相对较难。这是因为：不同地区对同一问题采用的法条，并不完全一致，这就造成了法条推荐功能，可能无法规模化，AI厂商只能不断地增加训练语料，以此提高模型泛化能力——但模型训练能力提高的瓶颈在于：法条和工单关系数据获取本身就较难，往往只能通过一些实际项目获取）。
承办单位：对上一环节下派的工单，进行分析，主要分析其适用于哪个法条或政策。在这个业务环节中，诸如 法条推荐、类案推荐等智能化推荐功能，也已经被运用。——落地的情况，仍是类案推荐相对容易，而法条或政策推荐难度较大（原因前面已阐述）。
一些智能客服的技术和产品，比如“智能语音机器人回访”、“短信回访”、“语音质检”、“文本质检”、“情绪检测与识别”等，也已经运用到了 该12345热线场景下。
各级承办部门，需要定期出报告，如周报、月报、年度报告等，一些报告的撰写耗时耗力，且强依赖于撰写报告人员的业务水平，水平高的人员，写一篇质量较高的文章可能相对较快，但每天都相同的工作内容，很容易让人产生“倦怠感”，从而工作效率和主动性也会下降。
因此，各类报告撰写辅助工具，已经产生并应用。百度此前针对该场景提供了：报告撰写辅助工具，其主要原理便是利用了 【NLP文本聚类能力】 和批数据处理技术。
【NLP文本聚类能力】接口的输入、输出：
输入是：一批工单文本数据（或是指定时间范围、筛选条件，查出来一批工单文本数据）。
输出是：TOPN个 类簇，每个类簇包括：工单标题（必填）、工单涉事主体（选填）、工单事发地点（选填）、工单主体描述（必填），以及大小（即构成该类簇的数据条数）。
在底层，则运用到了NLP的要素抽取、NLP文本分类、短文本相似判别、KNN等能力；在更底层，则是会用到 word2sec、依存句法分析等能力。
本文以12345业务为例，先后介绍了：
总的来看，各类AI能力，都是依托于系统功能模块之上的，离开系统功能模块，AI也就无法发挥价值和作用。
所以，要想运用AI手段，来提高团队或公司的业务效能，其前提是具备良好的“基础设施”，即构建AI所必需的前置条件。如果系统功能逻辑还未完整，系统功能模块还尚缺失，那应该先把 信息化系统建好后，再考虑AI赋能的事情也不迟。（这也是AI厂商，在选择合作伙伴时考虑的一个要点）。
只懂AI，不懂系统业务逻辑的产品经理，虽说在AI、大模型泛滥的时代，这样的人也能找到工作，甚至待遇更好。但是随着时间推移，我坚信：既有宏观架构能力，又有AI、策略专业知识的产品经理，才能走的更久、更远~共勉！
本文由 @南方碟道 原创发布于人人都是产品经理。未经许可，禁止转载
题图来自Unsplash，基于CC0协议
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。