在美国州政府中部署生成式AI：试点、扩展、采用
内容提要
Gen AI为美国州政府提供了改善服务和交付的机会，但需要管理风险。州领导者应设定风险防范措施，并在准备广泛采用之前试点低风险应用。Gen AI可以处理非结构化数据，使组织能够创新。州领导者应制定Gen AI战略，并解决采用、治理、技术和数据、人才和运营等问题。可以使用四种Gen AI应用原型：大数据驱动的决策制定、系统创新、用户互动和个性化内容。州政府可以从提高效率、改善居民体验、实用洞察和增强人才管理中受益。州领导者应制定采用路线图，建立治理机制，评估基础设施和数据需求，准备人才，并确定Gen AI采用的业务流程。
延伸解读
生成式AI在州政府的独特价值
与传统AI不同，生成式AI能够处理非结构化数据，这使州政府可以跨越旧有数字化方法，直接利用大量文本、图像等数据。文章指出，这种能力有助于提升居民体验、提高生产力、减少积压，并现代化遗留IT系统。对于面临招聘困难和预算压力的州政府，生成式AI提供了一条创新路径，但需注意其风险，如数据安全和隐私问题。
破解常见误解，务实推进采用
文章澄清了几个关于生成式AI的误解：它并非遥远未来技术，许多组织已在日常工作中使用；它并非技术专家专属，自然语言界面使其易于使用；它不一定需要彻底改造IT基础设施，许多现成工具可在现有基础上部署；它也不只会消灭工作，某些职业如STEM岗位可能增加。州领导者应基于这些事实制定策略，避免被误导。
四类应用原型与实施关键
文章提出四种生成式AI应用原型：大数据驱动决策、系统创新、用户互动和个性化内容。这些原型可帮助州政府从低风险试点开始，逐步扩展。实施时需关注五个领域：采用路线图、治理、技术与数据、人才和运营。例如，建立跨职能治理团队、评估基础设施、准备人才，并识别高价值业务流程。试点与规模化准备应同步进行。
治理与风险防范是成功基石
生成式AI的采用需要健全的治理框架。文章强调，只有21%的组织制定了员工使用政策，32%的组织处理AI相关不准确问题。州政府应建立跨职能团队，涵盖机构领导、数据科学家、法律和网络安全专家，以缓解不准确、网络安全、合规、隐私和公平性风险。治理机制应随技术演进不断更新，确保安全采用。
Q&A
美国州政府采用生成式AI时，应该采取怎样的策略来平衡风险与创新？
州领导者应设定风险防范措施，并在广泛采用之前试点低风险应用，同时准备大规模推广。这种方法可以在建立治理和采用路线图的过程中实现实时应用和学习。
生成式AI在美国州政府中有哪些具体的应用原型？
四种应用原型包括：大数据驱动的决策制定（内容合成）、系统创新（编码）、用户互动（客户参与）和个性化内容（内容生成）。
州政府如何从生成式AI中受益？
州政府可以通过提高运营效率（如每年节省约20%成本）、改善居民体验（如虚拟助手提供24/7支持）、提供实用洞察（如分析非结构化数据）和增强人才管理（如简化招聘流程）来受益。
州政府在制定生成式AI战略时，需要关注哪些关键领域？
需要关注五个关键领域：采用路线图、治理、技术和数据、人才和运营。
州政府如何建立生成式AI的治理机制？
应建立跨职能团队提供持续监督、方向和护栏，成员包括机构领导、数据科学家以及工程、法律和网络安全专家，以整合多样化的专业知识，安全地探索和采用生成式AI。
生成式AI对州政府的人才管理有什么影响？
生成式AI可以改善招聘和员工发展，特别是在招聘关键角色和简化核心HR流程（如撰写职位描述）方面。同时，领导者需要准备应对生成式AI对招聘、留任和能力建设的影响，并制定相应的人才策略。
