行业投资评级 - 报告未明确提及行业投资评级 [1][2][3] 核心观点 - 生成式人工智能（GenAI）在公共管理中的应用具有巨大潜力 能够帮助填补效率缺口 加速数字化进程 并使公共管理更加高效 [3] - GenAI可以自动化处理目前占用员工60%至70%时间的任务 例如内容合成与创建 编程支持以及公民互动 [3] - 全球各国政府正在通过制定国家战略和针对性推广来利用GenAI的潜力 例如丹麦 英国和意大利 [3] - 德国政府计划到2025年投资15亿欧元 以扩大德国的AI地位 并释放与AI相关的潜力 [3] - 目前 公共管理部门主要通过试点项目和概念验证（PoC）来使用GenAI 但真正的潜力在于规模化 跨部门的广泛应用 [3] 成功因素总结 成功因素1：创建广泛使用GenAI的必要框架 - 需要建立可靠的监管框架 包括数据保护要求和官方AI支持通信的法律框架 [5] - 员工需要明确的程序规则来指导GenAI的应用 [5] 成功因素2：促进GenAI解决方案的集中提供 - 集中提供功能性的GenAI解决方案可以促进更广泛的使用 特别是对于较小的机构 [8] - 集中提供可以统一技术接口 数据格式 请求和技术架构解决方案 [9] 成功因素3：扩展现有技术基础设施 - 需要适当的技术基础设施来支持GenAI解决方案的扩展 包括数据平台 矢量数据库 前端和后端基础设施以及提示库 [10] - 数据质量对于GenAI模型的高质量输入至关重要 [11] 成功因素4：系统性地扩展能力和吸引GenAI人才 - 需要扩展或建立相关能力 包括招聘数据工程师和软件工程师 并培训现有员工 [13] - 公共管理部门需要通过特殊薪酬模型 明确的职业发展路径和灵活的工作模式来吸引新人才 [13] 成功因素5：促进GenAI解决方案的交流 - 需要建立一个简单的交流平台 以便于分享成功的GenAI解决方案 避免重复工作 [14] - 技术平台或知识数据库可以促进跨部门的透明度和交流 [14] 成功因素6：建立有效的GenAI风险管理 - 需要建立有效的风险管理机制 包括输入监控 输出监控和协议记录 [15] - 风险管理应确保灵活性和避免单一供应商依赖 [16] 成功因素7：确保灵活性和避免依赖 - 通过技术抽象 使用供应商无关的软件和合同管理来避免单一供应商依赖 [16]