官公庁・公的機関におけるAI
正しい事実を知り、そして、自信を持ってリードしましょう。AIと生成AIが官公庁・公的機関の業務を変革し、生産性と効率性の向上に貢献します。これらのテクノロジーを使えば、情報をより簡単に処理し、実際の行動を起こす前に仮想シミュレーションを実施できます。そして、そのシミュレーションを元に、有害事象を防ぎ、未知の事態に備え、懸念領域をより早く正確に検出することができるのです。その結果、コミュニティとより有意義に関わり、管理対象のリソースをより適切に活用できるようになります。
官公庁・公的機関向けAIユースケース
SASのデータおよびAIソリューションを活用すれば、政府の生産性が加速します。より徹底的に計画を立てることができ、より多くのリソースを有効活用してプログラムを実行できます。そして、これまで以上に自信を持ってコンプライアンスを遵守し、考え抜かれた準備をして、より精度の高い予測ができます。AIを使用すると、政府機能全体の効率と効果が高まります。
障害補償請求のための文書分析
AIを使用して、活用しきれていない政府データからvalueを引き出します。コンピュータビジョン、機械学習、テキストアナリティクスを使用すると、インテリジェントなドキュメント処理により、スキャンされたドキュメント画像からコンテキスト情報が抽出され、ダウンストリームの意思決定やアナリティクスが可能になります。
当ソリューションの価値：
- 生産性の向上
- コスト削減
- 複雑さの軽減。
当ソリューションで使用されているAI技術：
- コンピュータビジョンモデル。
- 機械学習モデル
AIの活用による効果：
- 政府のファイリングおよび情報システムをモダナイズします。
- 情報の調査や検索に必要な時間を大幅に短縮します。
- インサイトのために活用できる情報量を拡大します。
- ミッションが市民サービス、調査、業務のいずれであっても、組織がそのミッションを積極的に達成できるようにします。
AIモデルが提供する価値：
- 画像や文書からキー情報を自動的に抽出し、構造化されたフォーマットに落とし込み、ダウンストリームのアナリティクスと意思決定ができるようにします。
- 現在のOCR/RPAプロセスを強化して、特に不鮮明な文書、チェックボックスや手書きのフォームといった読み取りが難しいフォームからの情報抽出の精度と品質を大幅に向上させます。
- その時点で、データを調査に使用したり、アラートを生成したりできます。また、抽出したエンティティの検索や、新たに構造化されたデータを既存のプロセスに活用することもできます。
調査に特化したcopilot
アナリティクスとAIを使って事前にフィルタリングされた膨大なインテリジェンスデータを掘り下げ、最も関連性の高い情報を抽出する専門知識を備えたcopilotが、難しい質問にも回答します。大規模言語モデル（LLM）を調査アナリティクスと連結させると、インテリジェンスから貴重な情報を特定するタスクがより目標を定めやすくなり、より迅速かつ簡単になります。
当ソリューションの価値：
- 生産性の向上
- 公共の安全性が向上する
- 信頼できるインサイト
当ソリューションで使用されているAI技術：
生成AIのcopilotは、アナリティクスプラットフォームを通じてプレフィルタされた情報を利用して、関心のある要素をさらに正確に特定し、どの追加情報を収集または検討すればよいか明らかにします。
AIの活用による効果：
- 調査プロセスを改善し、情報の要約にとどまらず、欠落データの特定やデータ間の関連付けを行う調査員にとって関心の高い潜在的な情報を浮き彫りにします。
- さまざまな記録やデータソースからの情報を照合し、エンティティをマッピングする分析プラットフォームの使いやすさを向上させます。
- 組織のベストプラクティスから説明可能な方法で物語を生成して重要な詳細情報を説明することにより、調査プロセスの中にあるギャップを特定します。
- 事実を解釈する役割を維持しながら、調査員に必要な情報を提供します。
AIモデルが提供する価値：
アナリティクスプラットフォーム上に構築されたLLM：
- 調査システムの上部に配置されており、収集され、解決され、マッピングされ、関連付けられた情報を抽出します。
- 検索エンジンとLLM間のクエリと応答を調整します。これを受け、LLMは新しい知識と学習データを使用して、より適切な応答を生成します。
- 説明可能で、監査可能で、説明責任のある応答を返し、その結果を導いた特定の引用や文書を示します。
社会給付のためのSAS支払いインテグリティ
品質保証をサポートし、過払いリファラルをトリアージし、給付金の回収を自動化するために、危険性の高いエラーで社会給付金のケースを特定します。SASのソリューションは、低所得世帯を支援する米国ベースのプログラムである「補充的栄養支援プログラム（SNAP）」と「貧困家庭一時扶助プログラム（TANF）」をサポートしています。
当ソリューションの価値：
- 意思決定の迅速化
- 成果の向上。
- フロードの検出と予防、あるいはより迅速な問題解決。
- 改善された顧客体験。
当ソリューションで使用されているAI技術：
- SNAP受給資格審査のエラーに影響を与えるキー入力変数を特定し、関連付けする、機械学習による多変量回帰分析。
- 適切なピアグループを識別するためのAIモデリング。
- リスクスコアリングと危険性の高いエラーケースをランキング付けするための、機械学習デシジョンツリー。
- 潜在的なエラー、過払い、ケース処理中のエラーに対する潜在的な不正をリスク評価することで、不正なリファラルをトリアージするAIモデリング。
AIの活用による効果：
- SNAPの品質保証チームが、サンプル抽出を行わずにすべてのケースを評価し、不適切な支払いに至る新たなパターンを特定できるようにします。また、支給が開始する前にエラーを修正できるようにします。
- SNAPの給付金回収チームが、過払いリファラルを効果的にトリアージして、有効性とROIを向上できるようにします。
- SNAP給付金回収チームが、過払い金の判定を自動化して効率性を最大化できるようにします。
AIモデルが提供する価値：
- すべてのアクティブなSNAPのケースをリスクスコアリングし、危険性の高いケースのエラーをより迅速に発見します。
- 過払いリファラルをリスクスコアリングし、より効果的に付加価値業務をトリアージします。
- SNAPのケースをピアグループ化し、キー入力変数を識別して相関分析を行います。
米国の州人事サービス省は、過払い金判定プロセスの一部を自動化し、処理時間を数日から数時間に短縮しました。
パブリックコメント分析
自然言語処理、テキスト分析、およびLLMを使用して、大量の書面によるフィードバックを分類、統合、要約します。このアプローチによって、テーマを識別し、フィードバックをグループ化し、重要なポイントの簡潔な要約を生成できるため、書面によるフィードバックの処理プロセスがより簡単、迅速、正確に行えます。
当ソリューションの価値：
- 生産性の向上
- 信頼できるインサイト
- 複雑さの軽減。
当ソリューションで使用されているAI技術：
- 自然言語処理（NLP）
- LLM。
AIの活用による効果：
NLPとテキストアナリティクスをLLMと組み合わせると、次のような効果が得られます。
- ハルシネーションの回避：関連データを事前にフィルタリングし、正確なアウトプットを保証します。
- valueを出すまでの時間を短縮：処理中のデータが少なくなるため、Llama2のような小規模なLLMを使用します。
- コストの削減：LLMに送信されるデータを削減し、APIの呼び出しとコンピューティングリソースを最小限に抑えます。
- プライバシーとセキュリティの確保：ローカルベクトルデータベースを使用して微調整し、機密データを保護します。
- 検証のサポート：LLMのアウトプットをトレースできるようにし、透明性と信頼性を強化します。
AIモデルが提供する価値：
NLPとLLMを組み合わせることで次のことが実現できます：
- 何万件ものフィードバックの読み込み
- コメントの中で繰り返し現れるテーマの識別
- 否定的な反応など、センチメントの特定
- 推奨事項のコンパイル
- 繰り返されるテーマ、類似したテーマ、または顧客が定義したテーマ別にコメントを要約
南部諸州エネルギー委員会は、SAS®Viya®を使用して、膨大な量の地質データ、規制データ、地域社会のセンチメントデータを迅速かつ正確に分析および管理しています。
洪水の予測と対策整備
機械学習のアルゴリズムとデジタルツイン用の合成データを使用することで、推測作業をせずに、洪水の予測と対策を行います。履歴データを用いて開発したAI機能搭載モデルです。ハイパーローカライズされたデータが不足している地域でも導入可能で、データギャップを効果的に補うことができます。
当ソリューションの価値：
- 公共の安全性が向上する
- 成果の向上。
- 非常に正確な予測が行える
当ソリューションで使用されているAI技術：
機械学習モデルが早期警告検出システムを作成し、合成データがサポートしているデジタルツインテクノロジーによって洪水浸水モデルの予測ができます。
AIの活用による効果：
- 保護する：リアルタイムな可視化と洪水予測により、市民の安全確保と緊急対応サービスの質を向上させます。
- 対応する：対応を自動化および合理化することで、洪水事故による財産やインフラストラクチャへの影響を軽減します。
- 改善する：リアルタイムな状況認識とヒストリカルデータに基づくインサイトにより、緊急時計画の効果を高めます。
AIモデルが提供する価値：
- 自動アラートによる現在の状況モニタリングなど、リアルタイムなインサイトと状況認識を提供
- 自動的に変更しながら、将来の洪水を予測
- 履歴分析およびフォレンジック分析
- 予測された洪水浸水モデル
- 緊急時計画者向けのシミュレーション。さまざまな災害のモデルを改善
フロリダ州ヒスパニック商工会議所（FSHCC）は、SASと提携して、定期的な雨や洪水が発生した際の地元マイアミデイド郡自治体の状況認識能力を向上させています。
自主的な税務コンプライアンス
Non-Invasive Compliance and Enforcement（NICE）ソリューションにより、税務当局と国民の間の透明性と信頼性を高めます。これは顧客向けシステムで、納税者が申告書を提出する際の入力内容をリアルタイムで分析し、それを税務署が入手できるデータと比較します。分析によって適用可能な法律や政策に基づく潜在的な教育的プロンプトを特定し、納税者に推奨事項を提供します。リアルタイムなフィードバックにより、コンプライアンスとスコアが自発的に向上し、潜在的な不正リスクを説明してくれます。これにより、納税者は追加の法的執行措置を受けることなく、申告内容を修正することができます。
当ソリューションの価値：
- 業務効率の最大化。
- カスタマーエンゲージメントの増大。
- 規制遵守。
当ソリューションで使用されているAI技術：
- 機械学習モデル（教師ありおよび教師なし機械学習モデルを含む）
- 納税者のセグメンテーション
- エンティティ解決
- 予測的アナリティクスと指示的アナリティクス
AIの活用による効果：
- サイロ化された所得税、付加価値税、関税データ、および国際的なパートナーや機関のデータから、総合的なインサイトを獲得
- コンプライアンスの強化
- 規制の施行
- リソースの最適化
- 納税者と税務当局の間にリスペクトを構築
AIモデルが提供する価値：
- 税務コンプライアンスに関する広範かつ詳細な情報を提供し、申告書類における不正リスクや潜在的なエラーを自動的に特定する、完全に統合された分析システム。
- 国内外のパートナーから提供されたサードパーティデータを含む、入手可能なデータの包括的な分析。システムは、潜在的なコンプライアンス上の矛盾を自動的に識別し、フラグを立てます。
- 納税者の履歴を総合的に把握し、納税活動に基づく適切な租税教育、政府機関によるコンプライアンス業務の最適化を図る予測分析、および包括的な不正リスクの継続的なスコアリング。
不動産評価の信頼性
不動産および販売データを使用することで、従来の方法よりも速く、簡単に、そして正確に、毎日住宅不動産の価値を再評価できます。このシステムは、不動産に存在する他の要因と照らし合わせて、不動産について考慮すべきあらゆる要因の真のvalueを提供します。
当ソリューションの価値：
- 信頼できるリアルタイムなインサイト
- 収益の拡大。
- 複雑さの軽減。
当ソリューションで使用されているAI技術：
- 機械学習による高度な回帰ツリー分析
AIの活用による効果：
- 統合された、データのリアルタイムビューで、意思決定を強化します
- リソースを最適化し、政府の仕事の効果を高めます
- データのプライバシーを保護しつつ、AIの透明性を確保することで、社会からの信頼性を高めます
- 混乱と不確実性の時代に備えて万全な準備を整えます
AIモデルが提供する価値：
- すべての販売について、毎日検討し直します。不動産販売データを使用して、毎日何千ものデシジョンツリーを実行します。これらのデシジョンツリーを元に、アルゴリズムがすべての不動産のあらゆる要素の値を抽出します。
- 重要度によるランキング。アルゴリズムは、不動産の価値に最も影響を与える要因を識別します。
- すべての資産の再評価。機械学習アルゴリズムは、コミュニティ内のすべての資産価値を計算します。これにより、評価者のオフィスは住宅、近隣地域、またはコミュニティ全体の市場動向を把握できます。
連続量のデータの正確性評価システム
異常なデータフィードや操作されたデータフィードを識別してフラグを付け、データの真実性と信頼性を高めます。国家安全保障においては、敵対者が騙したり誤解を招かせる目的で積極的にデータを改ざんすることが多いため、当社のソリューションはデータに対して懐疑的な姿勢で臨みます。
当ソリューションの価値：
- データガバナンス：
- 安全性の向上。
- 信頼できるインサイト
当ソリューションで使用されているAI技術：
このソリューションは、SAS Intelligent Decisioningに埋め込まれた階層型分析アプローチを使用し、複数のAIおよび機械学習の技術を利用して、挿入された悪意のあるデータを検出し、警告します。ハイブリッドアプローチには次のものが含まれます。
- 予測モデリング：ニューラルネットワーク、デシジョンツリー、その他のモデルを使用して、レガシーデータから新しいパターンを発見します。
- テキストアナリティクス：膨大な構造化されていないテキストデータから、意味のある情報を抽出します。
- 異常検出：回帰分析、クラスタリング、シーケンス分析などの手法を適用して、異常なパターンを特定します。
- ビジネスルールの自動化：疑わしいパターンを取り入れた高度なルールに基づいて、データフィードをフィルタリングします。
- エンティティベースのネットワーク分析：データソースと異常値の間にあるつながりを特定します。
- 複合学習モデル：教師あり、半教師あり、教師なし学習モデルを組み合わせて使用することで、攻撃者による悪意のあるデータの挿入が難しくなります。
AIの活用による効果：
- 重要なインフラストラクチャ管理には、データフィードの監視が不可欠です。システムの危殆化を防ぐことで回復力を高めます。重要なインフラストラクチャは、敵対的な国家からの標的になりやすいです。
- 早期検出により、顧客満足度とミッションの有効性が向上します。データの異常値は、悪意、システムの不安定性、または今後のメンテナンスの問題を示している可能性があります。
- データの正確性を継続的に監視し、改善イニシアチブを実施することで、コスト削減につながります。データドリブンな分析によって、システムが非効率化している根本原因を特定し、迅速かつ効果的な改善を可能にします。
AIモデルが提供する価値：
- データの正確性を継続して監視します。
- 機械学習アルゴリズムにより、異常なデータフィードや悪意のあるデータフィードの識別が容易になり、データの品質と真実性が保証されます。
- 新しいデータソースの迅速な取り込みとキュレーションにより、SAS DataOpsプロセスを使用してミッションの実行を改善し、効率的なシステムセキュリティ分析を実現します。
- 悪意のあるデータの挿入や、その他の問題を検出し、リアルタイムなデータの正確性を示すスコアカードで、ダウンストリームシステムをサポートします。
- SAS ModelOpsプロセスを使用し、状況の変化や敵の対策に応じてモデルのパフォーマンスを継続的に監視して、迅速に更新または交換を行います。
