_(1).png)
弥合AI差距：下一代知识访问如何为政府解锁任务成果
内容提要
政府机构在扩展AI应用时面临数据准备不足、技能缺口和安全合规等挑战。下一代联邦知识访问通过混合检索、开放协议和安全控制，连接权威数据与AI代理，确保主权、可审计性和公众信任。领导者应优先投资治理检索层，从设计之初考虑数据主权，并选择开放标准平台，以实现高效、合规的AI规模化部署。
延伸解读
数据就绪是规模化AI的首要瓶颈
IDC调查显示，72%的公共部门受访者认为从试点到生产规模化AI困难重重，而主要障碍并非模型选择，而是数据就绪、技能缺口和安全合规。传统数据仓库仅支持结构化数据的定期分析，无法满足代理式AI对实时、非结构化知识（如政策、案例记录、日志）的访问需求。因此，领导者应将数据就绪视为AI规模化的前提条件，而非并行工作流。
主权与治理需从架构设计之初考虑
随着欧盟AI法案等法规出台，数据驻留（46%）、安全护栏（43%）、可审计性（40%）等已成为公共部门部署AI的关键优先级。这些要求不能事后添加，而应作为架构决策影响平台选型和系统设计。IDC指出，政策制定者希望AI基础设施在危机时可控制，这反映了从数据位置要求向战略自主的转变。因此，领导者应在选型早期评估治理和主权需求。
开放标准与混合检索是避免锁定的关键
下一代知识访问依赖混合检索（结合关键词与语义搜索）和开放协议（如模型上下文协议MCP），以支持RAG和代理式AI。采用开放标准可防止供应商锁定，保持互操作性和战略自主性。同时，内置权限过滤、审计日志等安全控制可降低合规风险。领导者应选择基于开放标准的平台，以适应政策演变和地缘政治变化。
Q&A
政府机构在扩展AI应用时面临哪些主要挑战？
根据IDC对685名公共部门受访者的调查，72%的人认为将AI从试点扩展到生产环境非常或有些困难。主要障碍包括技能差距、安全与合规风险以及数据准备不足。
什么是下一代知识访问？
下一代知识访问是一种先进的信息查找、理解和使用方法，超越了传统搜索和静态知识库。在公共部门中，它使AI系统和操作员能够在正确的时间、以正确的上下文访问正确的知识，无需手动搜索分散的来源。
为什么政府面临扩大AI应用的压力？
政府面临财政压力、监管义务增加和公民期望提高，同时AI正在改变可能性。领导者被要求用更少的资源提供更好的成果，因此转向AI来弥合差距。AI不再只是可选的创新，而是政策和服务交付的优先事项。
传统数据平台与下一代知识访问有何区别？
传统数据仓库主要用于定期报告和分析，处理结构化、精选数据，通过SQL查询检索，主权控制有限。下一代知识访问则用于实时AI基础和代理检索，支持结构化、非结构化和半结构化数据，采用混合检索（词汇和语义），内置驻留、审计和权限过滤，最适合RAG、代理式AI和对话助手。
为什么代理式AI提高了对检索质量的要求？
代理式AI的性能取决于检索到的信息质量。当AI代理支持关键流程（如案件管理、许可、拨款管理或网络安全威胁检测）时，糟糕的检索会影响下游行动，导致错误累积和合规风险。此外，65%的受访者计划为不同用例使用不同模型，35%计划编排多种模型，这需要一致且可信的上下文。
政府机构在扩展生成式AI和代理式AI时优先考虑哪些治理和主权要求？
根据IDC研究，公共部门组织优先考虑：数据驻留保证（46%）、安全护栏（包括基于检索的接地和政策过滤器）（43%）、提示和操作的可审计性（40%）、人工审批（39%）以及模型来源和软件物料清单（38%）。这些要求必须从一开始就考虑，而不是部署后添加。
下一代知识访问的三大趋势是什么？
三大趋势是：混合检索作为标准模式（结合关键词和语义搜索）、开放集成协议（如模型上下文协议MCP）以及安全风险控制（如权限过滤、编辑、审计日志和来源追踪）。这些趋势将搜索转变为AI就绪的检索服务，同时保持数据在合规位置。
实施下一代知识访问后，政府机构可以期待哪些任务成果？
机构可以期待：统一的操作画面打破数据孤岛，提高可见性和决策速度；通过整合碎片化搜索和检索工具提高效率；通过内置权限过滤、编辑和审计日志减少合规风险；加快AI用例（如网络安全、案件管理和公民服务）的生产时间；以及战略自主权，能够根据政策要求在主权或本地环境部署。
公共部门领导者在扩展AI时应优先考虑哪些事项？
三个优先事项：1）将数据准备视为先决条件，而不是并行工作流，在扩展AI试点前投资治理检索基础；2）从一开始就设计主权，将数据驻留、可审计性和人工监督视为架构要求；3）选择基于开放标准的平台，以防止锁定并保持战略自主权。
