背景趋势
大模型能力迭代速度很快，但政务 AI 落地经历了从技术惊艳走向审慎落地的过程，行业主要矛盾已经不是 “模型能不能实现功能”，而是政府组织该如何用好 AI。伴随政务 AI 相关政策出台，政务数字化从 1.0 烟囱式建设、2.0 中台集约模式，迈入3.0 AI 原生阶段，原有业务系统不再只是人的操作入口，转变为可供智能体调用的组织能力。
白皮书基于全国 11 个不同层级、不同地域真实落地样本，提炼四大核心洞察，完整落地路径围绕三问展开：敢不敢用、能不能用、值不值得用，最终归宿是实现 “组织可托付”。
- 洞察一：管得住，破解 “敢不敢用”—— 六层可信护栏解决组织与流程墙问题 很多机构 AI 个人试用效果好，但组织推广困难，根源是撞上组织墙、流程墙。AI 介入公文起草、合同审查等具备法律效力的职务工作，单纯靠公有云 / 私有化等部署形态只能解决数据存放问题，无法明确权责划分、定责溯源，必须配套治理制度。 通过六层可信（身份、数据、权限、过程、结果、责任），搭配多租户、四层权限、审计三色规则划分人机权责：AI 处理改错无风险的工作，需要承担法律责任的环节交由人处理，做到全程留痕、人工签署确认，用确定性制度保障组织敢于规模化使用 AI，而不是只停留在小范围试用。
- 洞察二：用得好，破解 “能不能用”—— 业务蒸馏沉淀组织资产 政务 AI 不能局限简单单点问答，要深度嵌入业务全链路。模型本身不再是瓶颈，成败关键在于场景嵌入深度。 落地核心标准不是上线多少套系统，而是项目结束后沉淀了什么：把业务专家隐性经验通过业务蒸馏，转化成可复用技能（Skill）、知识库、连接器，把能力沉淀在组织内部，不会随人员流动流失，真正实现 AI 能用、好用。
- 洞察三：说得清，破解 “值不值得用”—— 五本账计量真实组织效能 不能仅依靠 “单次节省工时” 来评估政务 AI 价值，该口径往往算不通投入产出。要把治理视作可计量服务，依靠五本账综合评估：个体时间释放、流程周期压缩、组织知识沉淀、决策近实时感知、风险留痕可溯。 推行 “一地建设、全省复用、先立规矩、按需调用” 的省级智能中枢模式，实现责任可追溯、效果可核验，看清 AI 带给组织的长期综合价值。
- 洞察四：走向 “组织可托付”—— 重构生产力与生产关系，个人与组织双向奔赴 “组织可托付” 不是和前三点并列，而是前三者全部落地之后的最终结果。
- 对组织：做到权责可控、资产留存，实现数据不出域、行为可审计、权限可管控、风险可处置，机密数据、职务成果归属组织。
- 对个体：改变经验被单向抽取，建立激励认可机制，尊重业务专家贡献的智慧价值，通过组织目标实现个人价值，超级个体成就超级组织。
核心观点：政务 AI 竞争胜负手不在于模型参数大小，而在于场景纵深与治理厚度；理想状态为 “公务员做判断，AI 助理处理事务”，实现从 “任务可完成” 升级到 “组织可托付”。
二、案例实践总结
白皮书收录 11 个案例，分为政务政府类样本、公共机构与国企外溢样本，覆盖税务、公积金、科研智库、政务中枢、消防、律所、交易集团、检验检测、科技国企等多元场景，实践共性与分类总结如下：
（一）政务政府类案例（7 个）
- 深圳税务局｜深税悦悦（税务智能助手）
- 痛点：传统 QA 问答机器人维护成本高，纳税人诉求满足度不足 60%，业务量上涨但人工坐席无法扩充。
- 做法：依托 ADP 智能体平台打造 7×24 小时咨询服务，业务专家借助 WorkBuddy 维护知识库，评测驱动持续调优。
- 成效：从一问一答升级为办问一体，纳税人自助满足率超97%，已经在国内 10 省市税务局试用推广，试点成效获央媒报道。
- 邯郸公积金｜邯小金（公积金 AI 智能体）
- 痛点：业务已经 100% 线上办理，希望升级安全能力，实现 7×24 小时智能服务。
- 做法：国内首创公积金数字柜台模式，融合大模型、人脸核身、电子签，实现“咨询即受理、对话即办理”边聊边办。
- 成效：退休提取业务 3 分钟办结；业务协同办理时长压缩 70%，民生服务满意度 90% 以上；模式可复制迁移到医保、教育民生政务场景。
- 国家数据发展研究院｜WorkBuddy VPC 科研办公项目
- 痛点：研究员大量精力消耗在检索、整理资料等琐事；知识资产分散；涉密研究材料对数据安全要求极高。
- 做法：私有化 VPC 部署 AI 办公智能体，构建智能知识中枢，覆盖查、搜、写、问、析、连六大动作，AI 处理资料整理，研究员聚焦研判洞见。
- 成效：国家级智库首个 AI 办公智能体落地；租户隔离、沙箱执行、全程留痕保障数据安全；支持自定义技能沉淀研究经验。
- 数字广东｜AI Coding 工具服务框架
- 痛点：粤系列平台体量巨大研发压力大；AI 工具分散试用缺乏统一管控；政务数据合规要求严苛。
- 做法：WorkBuddy SaaS 旗舰版，一个坐席同时具备办公、研发两套能力，落实六个统一（身份、组织、授权、计量、权限、审计），统一多模型额度池，沙箱审计防护。
- 成效：276 个坐席覆盖全研发办公链条；研效看板量化 AI 产出；成本可预测可管控，支持沉淀组织技能资产。
- 天泽智联｜消防智能语音巡检项目
- 痛点：消防告警外呼依靠人工，并发能力弱；录音分散质检举证困难，接通率受排班限制。
- 做法：语音智能体嵌入消防云平台，告警自动触发外呼，未接通自动重拨、升级人工；全量录音用于质检分析。
- 成效：智能体承接误报核实、回访工作，释放人力专注处理真实警情，告警触达自动化完成。
- 广东省政数局｜湾擎・WorkBuddy 省级政务智能中枢
- 痛点：基层政务重复工作繁重；垂直业务系统智能化改造成本高；跨部门企业数据分散，安全与信创适配要求高。
- 做法：建设全国省级政务智能中枢 “湾擎”，完成信创全栈私有化适配，具备查问写搜析连六大能力，制定湾擎系列标准规范，粤政易移动端联动。
- 成效：首批 18 家省直单位试点，模型调用超 186 万次；把过去千万级系统改造简化为 API 对接，完成医保 AI 预审、企业画像、政策智能解析等场景落地。
- 陕西数据局｜陕西政务 AI 中台
- 痛点：各地厅局重复建设 AI 项目，缺少统一底座；私有化、数据不出域要求严格，需要快速完成 POC 验证。
- 做法：搭建分层政务 AI 大模型平台，ADP+OCR+ASR+TTS 全栈能力，订阅制采购服务，实现一地建设全省复用。
- 成效：底座服务全省 36 个厅局、10 个地市；形成西北省级政务 AI 标杆，为后续业务扩展打下基础。
（二）公共机构与国企外溢案例（4 个）
- 广东金唐律所：解决案件台账分散、执业期限靠人脑记忆、专业知识沉淀于个人等痛点；AI 自动结构化案件信息、分级预警执业期限，法律业务封装成可复用技能；降低重大执业事故风险，合同修订、案件登记效率大幅提升。
- 广州交易集团：万亿级公共资源交易平台，核心数据要求不出域；VPC 专享部署 WorkBuddy，统一底座区分办公、研发双入口，与自研垂域大模型 “e 招智胜” 双轮驱动；实现 AI 用量可计量审计，130 席位满足集团合规转型。
- 广电运通：数千人员工、三千人研发团队，AI 工具分散不成体系；采用 SaaS 旗舰版，集团框架采购部门按需开通席位；统一审计计量口径，先研发试点再全集团推广，177 账号起步，避免一次性大额浪费。
- 广检集团：检测业务标准体系庞杂、版本多，文书重复工作量大；VPC 专享版部署，把海量国内外标准纳入知识库，实现标准差异比对、标书初稿生成；知识模板沉淀为组织资产，减少对个人经验依赖，向下属分支机构复制推广。
（三）案例实践启示
- 部署形态多元共存，没有绝对优劣：公有 SaaS、VPC 专有云、完全私有化可以在同一个组织不同业务线并行选择，选型核心匹配自身数据安全风险。
- 人机权责清晰是底线：AI 负责事务性、重复性工作，关键判断、风险决策、签署审批保留人工兜底，配套留痕审计机制，杜绝无退出机制的全自动化。
- 资产沉淀＞系统上线：优秀项目共性是把业务经验固化为知识库、Skills 技能，实现知识留存组织，不因人员流动流失。
- 价值评估拒绝单一工时指标：兼顾效率、知识沉淀、风险管控、流程压缩等多维度；省级项目优先采用 “统一底座、多单位复用” 集约模式，降低重复建设成本。
- 政务 AI 可以向外溢出：政务 AI 的治理、智能体建设方法论，可迁移到律所、检测机构、国企交易平台等市场化专业机构，解决组织知识管理、流程提效的同类问题。
- 落地路径：选场景→选部署形态→建立制度规矩→沉淀组织资产，先试点验证，再逐步规模化推广。
结语
从 “任务可完成” 到 “组织可托付”，中间隔着的不只是模型能力的差距，更是治理、资产与计量这三件慢功夫。本白皮书收录的 11 个跨层级、跨地域样本，可以压缩成一条可走的路径：选场景，选形态，立规矩，沉淀资产。敢不敢用、能不能用、值不值得用，三问有先后，决定迈步的方向；管得住、用得好、说得清，三把标尺并列，衡量这条路走了多远。
五个场域的经验还说明了另一件事：这条路径没有统一的入口。政务服务的办理闭环、机关运行的职务行为托管、数智研发的架构重构、智能中枢的集约供给，起点各不相同，节奏也不必对齐。个人工具的自觉、SaaS 形态的部门试点、专有云与完全私有化的中枢集约，可以在同一级政府的不同条线同时并存。部署形态本身并无优劣，差别在于各自能消解哪一类可信顾虑。
海外先行国家的做法值得参考：把分散的合规要求收敛为可复用的认证与清单，常常比再建一套系统更有价值。反面教训同样清楚 —— 缺少人工兜底与退出机制的自动化，容易把当期效率一次性兑付成长期风险。这也是本白皮书反复强调 “以多租户、四层权限和审计三色划线界定人机权责” 与关键动作人工签署的原因。
这一年多真正被释放出来的，是长期沉淀在一线业务专家身上的知识与判断力 —— 它们第一次可以被写进系统、被复用、被计量，并在人员更替之后留在组织里。托付的前提从来不在于系统足够聪明，而在于这些知识与判断力被放进确定的边界，有权责清晰的经手人，每一次调用都留得下记录。
模型能力的边界还在往外扩张，治理的厚度却只能由组织自己生长出来。这份报告能提供的只是一份可供对照的坐标，真正的答案写在每一个愿意先立规矩、再谈规模的组织现场。
来源：腾讯云计算（北京）有限责任公司、腾讯研究院
