今年以来，深圳、杭州、苏州等多地政府单位宣布接入DeepSeek（深度求索）大模型，推动AI在政务领域的应用，“AI+政务”引发关注。

“AI逐渐嵌入政务办公、城市治理、民生服务及辅助决策等场景。”快思慢想研究院院长田丰表示，“AI+政务”可以提升决策效率。例如，湖北利川通过DeepSeek大模型与OA（办公自动化）系统的深度融合，实现了政策文件秒级检索、公文格式自动修正等功能，大幅提升机关办文效率。

“AI+政务”还可以助力精准环境管控，借助多模态大模型，结合卫星遥感、无人机监控和公共车辆摄像头等，实现对城市空间的感知分析，用于环保卫生、垃圾监管、用地冲突处理等。

不过，“AI+政务”领域也存在一些问题。联通数字科技有限公司首席技术官杨海明坦言，目前，“一窝蜂”应用AI的问题较严重，“为了用AI而用AI”的现象较普遍。例如有些部门仅接入满血版DeepSeek大模型后就宣布完成智能化工作，而对大模型后续能力提升、应用场景深入等都未作认真考量。田丰也直言，由于缺乏长期战略规划，“运动式”推进AI的现象也存在。一些部门缺乏持续运营“AI+政务”产品的能力。

一些政府部门采集的数据质量不高、更新不够及时。还有些采集的数据多以自身为中心，未从市场需求出发，也没有根据市场需求挖掘数据价值，导致不少数据闲置、浪费。田丰举例说，交通事故现场数据对智能驾驶企业很有价值，但这类数据通常仅掌握在政府部门手中，较少反哺相关企业。与此同时，这些数据会被定期清理，导致数据资产未能发挥高价值。

田丰建议，政府单位制定涵盖“AI+政务”应用的长期战略，明确具体行动计划，确保政策有效落实。同时，设立类似首席AI官的职位，发挥青年创新人才作用，提升公务员AI素养。杨海明建议坚持问题导向和需求导向。一方面，聚焦实际问题，形成“AI+政务”应用的有效闭环；另一方面，聚焦实际需求，对政府侧效率和百姓侧需求进行深入研究，找到下一步发展方向。

针对数据难题，杨海明建议，由国家或开源社区建设一些标准数据集作为基础，从技术层面对意识形态进行把关，“要像给学生提供规范教材一样，给AI提供规范的高质量数据。”

提及数据基础设施建设，田丰建议整合算力、网络和能源等基础设施资源，以市或多城市为单位构建AI算力中心和数据平台，实现数据基础设施资源的共享与高效利用。

“推动AI应用于政务时，可以先从高频、低风险系统试点，再向中低频、高风险系统迭代，建立赛马机制，并推动经验分享与复制。”田丰强调，“要鼓励创新、包容试错。”

杨海明强调，从隐私安全到伦理风险，从敏感数据泄露再到大模型幻觉导致错误判断等，这些潜在风险也是AI用于政务时必须考量的问题。