AI 驱动政务热线发展研究报告 （2025） 清华大学数字政府与治理研究院 2025 年 2 月 目录 前言................................................................................................................................ 1 一、大模型赋能政务热线：从数字化到数智化跃迁 ...........................................................................7 （一）政务热线的新定位：从“接诉即办”到“治理枢纽”.................................8 （二）技术融合下的服务升级——以北京接诉即办为例.................................... ............................................................................................22 （四）治理...................................................................................................

AI 驱动政务热线发展研究报告 （2025） 清华大学数字政府与治理研究院 2025 年 2 月 目录 前言................................................................................................................................ 1 一、大模型赋能政务热线：从数字化到数智化跃迁 ...........................................................................7 （一）政务热线的新定位：从“接诉即办”到“治理枢纽”.................................8 （二）技术融合下的服务升级——以北京接诉即办为例.................................... ............................................................................................22 （四）治理...................................................................................................

和 各国内部的不平等。接着，它探讨了生产率和劳动力动态，重点关注经 济增长和体面工作。从国家层面看，报告分析了支持人工智能的采用、 适应和发展所需的要求数和政策。从国际角度看，它考虑了全球人工智 能治理的需求，以引导人工智能走向包容性和公平的发展，强调了国际 合作的重要性。 版权所有 © Adobe Stock vi 本报告探讨了五个核心主题： 第七章 第七章 工智能发展，将 重点从技术转向人。人工智能技术应补充而非取代人类工人，生产结构 也应重组，以确保国家、企业和工人之间公平分享利益。同时，加强国 际合作也非常重要，以使各国能够共同创造包容性的人工智能治理。 前沿技术，尤其是人工智能（AI），正在深刻地改变我们的经济和社会 ，重塑生产流程、劳动力市场以及我们生活和互动的方式。人工智能是 否会加速实现可持续发展目标，还是会加剧现有的不平等，使弱势群体 而非替代人类能力，并有助于维持发展中国家的竞争 力。 三个关键杠杆点——三个可能导致人工智能变革级 联的关键杠杆点是基础设施、数据和技能。这些为评 估一个国家应对人工智能的准备工作、制定有效的产 业和创新政策，以及加强全球人工智能治理和合作提 供了基础。 前沿技术可能会侵 蚀发展中国家低成 本劳动力的比较优 势 政策焦点 7 2 版权所有 © Gorodenkoff - Shutterstock 利用人工智能提高生产力和

企业发展需求的领先技术 优势，这对企业未来发展具有显著的现实意义。这些关键优势包括：全面立 体的多云安全保障体系、先进的AI技术能力、高效普惠的数据运营管理能 力、稳定可靠的多云治理和协同、持续优化的成本治理能力、开放合规的全 球服务体系等。IDC调研显示，目前，超过一半的中国企业处于复杂多云阶 段，而处于有序复杂和战略价值实现阶段的企业不到�/�，从整体上看，企业 在提高多云成熟度方面还有很长的路需要探索。 布局和实践时，会在后续的云环境建设中，侧重考察云服务商基于智能算力 的AI开发、AI应用能力。 多云战略促进数据技术能力发展，实现灵活数据治理，改善决策与管控能 力：在数据需求持续多样化的今天，企业出于不同的管理域、安全域要求， 将考虑采用更灵活的治理、分析和应用模式，包括区块链技术支撑下的数据 流通，以及数据不出域前提下的联邦学习、隐私计算等。这些更大范围的协 作模式也会带来对不同云环 企业将多云战略作为推进智能化发展的重要选择，主要原因在于： 随着智能化技术的应用日益广泛，企业需要处理的数据量急剧增加，且数据 类型和来源也变得更为多元。多云架构允许企业根据数据特性和处理需求选 择最合适的计算、存储和治理方案。 图� 多云战略成为支撑全球企业发展AI和数字化业务的首要选择 来源：IDC，���� 问题：以下哪个选项最符合贵公司未来��个月的云战略方向，以更好地支持人工智能和数字化业务发展？ 多云策略

技术路径的选择需兼顾适配性与前瞻性。企业应当基于流程智能四层架构理论，在感知层、认知层、 决策层和执行层找到合适的技术路线。同时，流程智能化必须突破数据孤岛与流程割裂。 企业可以通过构建穿透式数据治理体系，突破数据孤岛。物理穿透层面，企业通过多模态数据中枢 整合异构数据源，形成全域数据资产池。逻辑穿透层面，企业可以建立动态数据血缘图谱，利用 AI 自动识别数据关联关系。价值穿透层面，企业基于知识图谱技术建立跨域语义关联。 为可量化的 业务指标，并基于流程价值贡献度模型明确资源投入优先级。 同时，企业需建立跨职能变革管理委员会，通过战略对齐度看板实时监控部门协同状态，确保组织 变革与流程重构同步演进。这种系统化治理模式能够突破传统机制下的决策迟滞，在战略层构建起 “目标-资源-行动”强关联的敏捷响应体系。 关键成功要素 2，流程梳理 流程智能化的基础在于流程梳理，其作为成功关键主要体现在五个维度。 现战略与执行的动态映射。基于业务架构与流 程架构的贯通，将战略目标拆解为可执行的流程组件，确保 AI 与价值创造路径精准对齐。第三，企 业需要建立数据治理底层规则。通过明确数据采集点、流转路径及质量标准，形成"数据-流程-决策 "闭环治理框架。第四，识别流程熵增的优化靶点。企业通过拓扑关系分析揭示跨系统断点与冗余环 节，为 AI 提供明确的优化约束与决策依据。第五，沉淀持续改进的机制框架。企业构建包含流程责

业务活动、专业流程等赋能的数 字化专业人才队伍，成为企业转型发展的重要节点或关键所在。 1.数字化人才  传统数字人才定义：聚焦技能领域 2018 年前后，清华大学经济管理学院互联网发展与治理中心的研究团队借鉴经济合作与 发展组织（OECD）关于信息通信技术（ICT）的框架，将数字人才的能力划分为 ICT 基础技 能、ICT 专业技术以及 ICT 辅助技能三大范畴。同时，从产品与服务的价值链数字化转型视角 能力域 管理变革 能力域 开发实施 能力域 支付运营 能力域 赋能质量 能力域 营销客服 能力域 第 13 页 维度二 (67 个能力 项) 战略 规划 数字化战略规划、治理、信息安全战略开发、客户和业务监测与研究、 业务创新计划、产品/服务计划、企业及业务架构设计、财务管理、 风险管理、可持续发展、技术趋势监测与研究、持续性管理、IT 基 础设施及资源规划、网络 实战阶段：企业真实项目案例解析  Step4 认证阶段：国际证书+国家级认证 数字化技术人才 认知 | 训练 | 实战 | 认证 数字化产品研发 前端开发 后端开发 系统架构 嵌入式开发 人工智能 数据治理 大数据 数据库 云计算 IT 运维 软件测试 信创 信息安全 网络技术 虚拟化技术 数字化技术人才的重点培养方向涵盖了数字化产品研发、人工智能、信息安全、云计算、 大数据等 16 大模块，

来源：Strategy& 分析 人工智能在汽车领域的机遇 Strategy& … … … … … 8 量身定制的AI治理是公司在实现有效扩展中的关键。 数据与人工智能治理选项，重点在于“中心辐射”模型 去中心化模型 “中心辐射”模型 集中化模型 集团 集团 集团 协调区域 对枢纽团队与辐射团队责任影响的含义 （selection） 中心辐射 基础设施与平台/工具提供，技术与合作伙伴关系 发言人：具体的技術要求定義，具體工具操作 平台与基础设施 人工智能在汽车领域的机遇 Strategy& 数据/人工智能能力 业务（功能/国家）权力平衡注：数据/人工智能治理的“中心辐射”模型涉及一个精简的中心团队提供核心服务（“中心”）， 去中心化/专用业务团队实施解决方案（“辐条”以虚线向中心汇报）。协调区域中央化的程度取决于具体公司情况。 来源：Strategy& 来源：Strategy& 分析 B 用例 什么？（？） 探索 发展 A 影响 D 抱负 （为何？） 路线图 哪种方式？（） 愿景/抱负 成功因素 成熟度 执行计划 C 策略 企业 如何？ 治理与组织 能力与流程 建筑与技术 技能与文化 人工智能在汽车领域的机遇 Strategy& 信任的AI是解决伦理和监管挑战的关键。 建立并监控人工智能用例规划、数据、模型、验证和部署的全面信任框

院合作，对医学科研、临床辅助、数据治理等多场景进行赋能。 深睿医疗同样着力数据平台智能化，于 3 月推出了 DeepwiseTrioData 多模态医疗大数 据平台。Deepwise TrioData 构建的智能工具提供了全新的技术能力，包括全面覆盖了 数据采集、治理、数据标签化全流程的多模态数据治理引擎和包含大语言模型、影像通 用模型、多模态大模型的多模态 AI 引擎；同时以丰富的形式提供了全周期治理能力开 放、数据服务定制化能力开放、多模态 的商业化形势仍不明朗，少有企业能够扭亏为盈。 过去针对医疗 AI 的探讨中，我们习惯于将 AI 作为一个独立解决方案，从产品的角度解 决它的商业化难点，但近日《中国医学伦理学》期刊上发表的文章《人工智能医疗监管 与治理创新：突破现行规范框架的思考》从法律法规的角度谈起了商业化解决之道。 作者东软医疗系统股份有限公司陈炳澍、西安交通大学法学院王玥认为：AI 发展过程中 难免冲击现有法律规范社会秩序、伦理道德，但 推动监管模式分层级的突破和创新 随着人工智能技术进步，采用自动技术的人工智能应用会越来越多，需要逐步考虑突破 现行法律伦理框架进行进一步探索，以制定与技术进步相适应的法律和治理体系，可以 考虑借鉴自动驾驶领域的分级监管，以推动治理框架能够适配新的技术。作者具体建议 如下： 1. 根据风险程度确立人工智能产品的使用方式 针对特定应用场景、风险程度较低和技术成熟度较高的产品，可尝试进行独立使用"的

动收入增长。 银行面临着独特的挑战 对许多银行而言，建立一个足够强大的风险管理环境，为 人工智能在更多领域的部署提供支持，特别是在信贷决策 或合规监控等受到高度监管的领域，仍面临着诸多的难 题。对数据治理、运营完整性和监管审查的担忧，使得进 展不顺。与此同时，技术的快速进步，再加上专有人工智 能平台与开源人工智能平台的不断竞争，使局面变得更为 复杂，银行也因此难以明晰应从何处着手加大投入。 银行拥抱新兴人工智能代理 些技术能够让监管机构、客户以及公司内 部人员充分信任，这对企业而言至关重 要。 为人工智能应用打造可持续的技术和 数据基础设施 数据是一项重要的战略资产，也是所有人 工智能举措的基础。银行应建立强大的数 据治理框架，重点关注质量、集成和安 全，为长期可扩展性奠定基础。这就要求 对可以为大量交易、复杂风险模型和实时 决策提供支持的企业级人工智能基础设施 进行投资。 培养利用人工智能提升人类潜能的文 基于具有生成式人工智能增强潜力 但可能需要开发更加集成化和定制 化的解决方案的任务。 复杂度高 基于可能可以利用生成式人工智能增强， 但可能需要开发集成和定制解决方案，以 及需要通过全面治理和变革管理以应用人 工智能的任务。 人力资源 信息技术 后台 中台 前台 58% 69% 57% 54% 62% 58% 63% 70% 69% 64% 30% 5% 28% 4%

和人力资源部门的领导者共同 对 AI 成果负责，凸显在整个企业内采用 AI 的战略重要性。让治理成为协同创新成果的 关键要素，重新构想运营模式，确保有效、 负责任地整合智能体 AI。 让员工为未来做好准备。 设立流程协调者和数字资源管理员等新角色 来管理组织内 AI 助手、模型和治理准则的使 用和共享。引入制衡机制，对智能体 AI 做 出的自主决策进行监督。定期举办黑客马拉 松，汇集不同观点，构想 年五大趋势：人智共创未来 点燃创新纪元 15 与此同时，AI 监管的分散化也让企业领导者从不同的视角审视企业的某些方面。例如，37% 的受访高管表示 2025 年将更多地在地区层面管理数据战略和治理，而 26% 的受访高管则表 示将采取更全球化的方法。尽管如此，69% 的受访高管预计其组织会因采用 AI 而受到监管罚 款。 19 随着相关法规得到更广泛的确立和采用，高管们预计这种风险将会降低。例如，57% 将推动产品和服务创 新。 30 该如何做呢？首先要比以往更快、更全面地分析客户和市场数 据，然后改变战略，跟上不断变化的需求。这就需要将业务模式集中在 精心设计的人机交互上，并建立强有力的支持治理结构，同时重新思考 组织架构和工作流程。 掌握正确的方法可以帮助企业在竞争中保持领先，并改善与客户的关 系。例如，在已经将生成式 AI 用于产品创意生成的受访高管中，有 90% 表示 AI