AI สามารถพลิกโฉมหน่วยงานภาครัฐของคุณได้อย่างไร
AI ช่วยให้หน่วยงานภาครัฐสามารถแก้ไขปัญหาที่ซับซ้อนได้ พร้อมทั้งยังรักษาความเป็นส่วนตัวและความโปร่งใสของข้อมูล ตัวแทน AI และการวิเคราะห์ขั้นสูงช่วยให้หน่วยงานต่างๆ สามารถสร้างข้อมูลเชิงลึกที่พร้อมสำหรับการตัดสินใจได้ แม้จะมีข้อจำกัดด้านเวลาและทรัพยากร เรียนรู้ว่าข้อมูลและ AI จาก SAS สร้างความแตกต่างในภาครัฐทั่วโลกได้อย่างไรในปัจจุบัน
กรณีการใช้งาน AI สำหรับภาครัฐมีอะไรบ้าง
เร่งประสิทธิภาพการทำงานของรัฐบาลด้วยข้อมูลและโซลูชัน AI จาก SAS วางแผนได้ละเอียดถี่ถ้วนยิ่งขึ้น ดำเนินโครงการอย่างมีทรัพยากรมากขึ้น ปฏิบัติตามอย่างมั่นใจมากขึ้น เตรียมการอย่างรอบคอบมากขึ้น และคาดการณ์ได้แม่นยำยิ่งขึ้น การใช้ AI ช่วยให้คุณสามารถเพิ่มประสิทธิภาพและประสิทธิผลในการทำงานต่างๆ ของภาครัฐได้
ตัวแทน AI: การวิเคราะห์เอกสารสำหรับการขอรับสิทธิ์สำหรับทุพพลภาพ
ใช้ตัวแทน AI นี้เพื่อค้นพบคุณค่าจากข้อมูลภาครัฐที่ยังไม่ได้ใช้งาน ด้วยเทคโนโลยีคอมพิวเตอร์วิทัศน์ การเรียนรู้ของเครื่อง และการวิเคราะห์ข้อความ การประมวลผลเอกสารอัจฉริยะจะดึงข้อมูลเชิงบริบทจากภาพเอกสารที่สแกนเพื่อใช้ในการตัดสินใจและการวิเคราะห์ในขั้นตอนต่อไป
คุณค่าของโซลูชันนี้:
- เพิ่มผลผลิตมากยิ่งขึ้น
- ประหยัดต้นทุนได้มากขึ้น
- ลดความซับซ้อน
เทคนิค AI ที่ใช้ในโซลูชันนี้:
- โมเดลมุมมองของคอมพิวเตอร์
- โมเดลการเรียนรู้ของเครื่องจักร
AI ช่วยได้อย่างไร:
- ปรับปรุงระบบการจัดเก็บข้อมูลและสารสนเทศของรัฐบาลให้ทันสมัย
- ลดเวลาที่ใช้ในการค้นคว้าและค้นหาข้อมูลได้อย่างมาก
- ขยายปริมาณข้อมูลที่มีประโยชน์ให้มีข้อมูลเชิงลึกมากขึ้น
- วางตำแหน่งองค์กรให้เป็นเชิงรุกในการบรรลุภารกิจ ไม่ว่าจะเป็นบริการประชาชน การสืบสวน หรือการปฏิบัติงานก็ตาม
โมเดล AI ให้:
- การดึงข้อมูลสำคัญจากรูปภาพหรือเอกสารที่สแกนจะดำเนินการโดยอัตโนมัติด้วยโมเดล AI ในรูปแบบที่มีโครงสร้าง ช่วยให้สามารถวิเคราะห์และตัดสินใจในขั้นตอนต่อไปได้
- เสริมกระบวนการ OCR/RPA ที่มีอยู่ในปัจจุบันเพื่อพัฒนาความแม่นยำและคุณภาพของการแยกข้อมูลได้อย่างมีนัยสำคัญ โดยเฉพาะอย่างยิ่งกับรูปแบบเอกสารที่ยากขึ้น เช่น เอกสารที่ไม่ชัดเจน แบบฟอร์มที่มีช่องกาเครื่องหมายหรือลายมือ
- ณ จุดนี้ สามารถนำข้อมูลไปใช้เพื่อการสืบสวนได้ สร้างการแจ้งเตือนได้ ทำให้สิ่งที่แยกออกมาสามารถค้นหาได้ หรือข้อมูลที่มีโครงสร้างใหม่เป็นประโยชน์ต่อกระบวนการที่มีอยู่ได้
นักบินผู้ช่วยเฉพาะกิจเพื่อการสืบสวน
ตอบคำถามได้อย่างมีประสิทธิภาพด้วยผู้ช่วยอัจฉริยะเฉพาะทาง ที่จะเจาะลึกข้อมูลข่าวกรองจำนวนมหาศาลซึ่งผ่านการคัดกรองล่วงหน้ามาแล้วด้วยการวิเคราะห์และ AI เพื่อดึงข้อมูลที่เกี่ยวข้องมากที่สุดออกมา โมเดลภาษาขนาดใหญ่ (LLM) และการวิเคราะห์เพื่อการสืบสวน งานในการระบุข้อมูลที่มีค่าจากข่าวกรองจึงมีความเฉพาะเจาะจงมากขึ้น รวดเร็วขึ้น และง่ายขึ้น
คุณค่าของโซลูชันนี้:
- เพิ่มผลผลิตมากยิ่งขึ้น
- ปรับปรุงความปลอดภัยสาธารณะ
- ข้อมูลเชิงลึกที่น่าเชื่อถือ
เทคนิค AI ที่ใช้ในโซลูชันนี้:
ผู้ช่วยอัจฉริยะ GenAI จะรับข้อมูลที่ผ่านการกรองล่วงหน้าผ่านแพลตฟอร์มการวิเคราะห์ เพื่อระบุองค์ประกอบที่น่าสนใจและแสดงโอกาสในการรวบรวมหรือพิจารณาข้อมูลเพิ่มเติม
AI ช่วยได้อย่างไร:
- ยกระดับกระบวนการสืบสวนโดยก้าวข้ามการสรุปข้อมูลเพียงอย่างเดียว ไปสู่การชี้ให้เห็นเบาะแสที่อาจเป็นไปได้ ระบุข้อมูลที่ขาดหายไป และเชื่อมโยงความสัมพันธ์ระหว่างข้อมูลต่างๆ
- ปรับปรุงการใช้งานของแพลตฟอร์มวิเคราะห์ที่ประสานข้อมูลและจับคู่หน่วยงานจากบันทึกและแหล่งข้อมูลต่างๆ
- ระบุช่องว่างในกระบวนการสืบสวนโดยการสร้างเรื่องเล่าและอธิบายรายละเอียดที่สำคัญโดยใช้แนวทางปฏิบัติที่ดีที่สุดขององค์กรในลักษณะที่อธิบายได้
- เปิดเผยข้อมูลให้กับผู้สืบสวนโดยยังคงรักษาบทบาทในฐานะผู้ตีความข้อเท็จจริงไว้
โมเดล AI ให้:
หลักสูตร LLM บนแพลตฟอร์มวิเคราะห์:
- นั่งอยู่บนระบบการสืบสวนเพื่อคัดแยกข้อมูลที่ได้รับการรวบรวม แก้ไข ทำแผนที่ และเกี่ยวข้อง
- ประสานงานการสอบถามและการตอบสนองระหว่างเครื่องมือค้นหาและ LLM ซึ่งใช้ความรู้ใหม่และข้อมูลการฝึกอบรมเพื่อสร้างการตอบสนองที่ดีขึ้น
- ให้คำตอบที่สามารถอธิบาย ตรวจสอบได้ และรับผิดชอบ ซึ่งชี้ไปที่การอ้างอิงและเอกสารประกอบเฉพาะที่ใช้เป็นแนวทาง
ธรรมาภิบาลในการชำระเงินของ SAS เพื่อสวัสดิการสังคม
ระบุกรณีเกี่ยวกับสิทธิประโยชน์ทางสังคมที่มีความเสี่ยงจะเกิดข้อผิดพลาดสูง เพื่อสนับสนุนการประกันคุณภาพ คัดแยกกรณีการชำระเงินเกิน และกู้คืนสิทธิประโยชน์โดยอัตโนมัติ โซลูชัน SAS สนับสนุนโครงการ Supplemental Nutrition Assistance Program (SNAP) และ Temporary Assistance for Needy Families (TANF) ซึ่งเป็นโครงการในสหรัฐอเมริกาที่ช่วยเหลือครอบครัวที่มีรายได้น้อย
คุณค่าของโซลูชันนี้:
- การตัดสินใจที่รวดเร็วยิ่งขึ้น
- ผลลัพธ์ที่ดีขึ้น
- การตรวจจับและป้องกันการฉ้อโกงที่เข้มงวดยิ่งขึ้นหรือการแก้ไขปัญหาที่รวดเร็วยิ่งขึ้น
- ปรับปรุงการบริการลูกค้า
เทคนิค AI ที่ใช้ในโซลูชันนี้:
- การถดถอยหลายตัวแปรโดยการเรียนรู้ของเครื่องจักรเพื่อระบุและเชื่อมโยงตัวแปรอินพุตหลักที่มีผลต่อข้อผิดพลาดของกรณีคุณสมบัติ SNAP
- การสร้างแบบจำลอง AI เพื่อระบุกลุ่มเพื่อนที่เหมาะสม
- ต้นไม้ตัดสินใจการเรียนรู้ของเครื่องสำหรับการให้คะแนนความเสี่ยงและจัดอันดับกรณีที่มีความเสี่ยงสูงสำหรับข้อผิดพลาด
- การสร้างแบบจำลอง AI สำหรับการจำแนกประเภทการอ้างอิงการฉ้อโกงโดยการให้คะแนนความเสี่ยงสำหรับข้อผิดพลาดที่อาจเกิดขึ้น การชำระเงินเกิน และการฉ้อโกงที่อาจเกิดขึ้นเทียบกับข้อผิดพลาดในการประมวลผลกรณี
AI ช่วยได้อย่างไร:
- ช่วยให้ทีมงานรับรองคุณภาพ SNAP สามารถประเมินกรณีต่างๆ ได้ทั้งหมดโดยไม่ต้องสุ่มตัวอย่าง เพื่อระบุรูปแบบที่เกิดขึ้นซึ่งนำไปสู่การชำระเงินที่ไม่เหมาะสม และแก้ไขข้อผิดพลาดก่อนที่จะมีการออกเอกสารเพิ่มเติม
- ช่วยให้ทีมงานกู้คืนผลประโยชน์ SNAP สามารถจัดลำดับความสำคัญของการอ้างอิงการชำระเงินเกินเพื่อเพิ่มประสิทธิภาพและผลตอบแทนจากการลงทุนได้อย่างมีประสิทธิภาพ
- ช่วยให้ทีมกู้คืนผลประโยชน์ SNAP สามารถดำเนินการตัดสินใจการชำระเงินเกินแบบอัตโนมัติเพื่อเพิ่มประสิทธิภาพสูงสุด
โมเดล AI ให้:
- การให้คะแนนความเสี่ยงสำหรับกรณี SNAP ที่ยังดำเนินการอยู่ทั้งหมด เพื่อตรวจจับข้อผิดพลาดในกรณีที่มีความเสี่ยงสูงได้เร็วขึ้น
- การให้คะแนนความเสี่ยงของการอ้างอิงการจ่ายเงินเกินเพื่อแบ่งแยกงานที่มีมูลค่าสูงได้อย่างมีประสิทธิภาพมากขึ้น
- การจัดกลุ่มเพื่อนกรณี SNAP พร้อมการระบุและการเชื่อมโยงของตัวแปรอินพุตที่สำคัญ
หน่วยงานกระทรวงบริการมนุษย์ของรัฐสหรัฐอเมริกาได้ดำเนินการอัตโนมัติในส่วนของกระบวนการพิจารณาการชำระเงินเกิน จึงทำให้ระยะเวลาในการดำเนินการลดลงจากหลายวันเหลือเพียงไม่กี่ชั่วโมง
การวิเคราะห์ความคิดเห็นสาธารณะ
ใช้ การประมวลผลภาษาธรรมชาติ การวิเคราะห์ข้อความ และ LLM เพื่อจัดหมวดหมู่ สังเคราะห์ และสรุปข้อคิดเห็นที่เป็นลายลักษณ์อักษรจำนวนมาก แนวทางนี้จะระบุธีม จัดกลุ่มข้อเสนอแนะ และสรุปประเด็นสำคัญอย่างกระชับ ทำให้กระบวนการจัดการข้อเสนอแนะที่เป็นลายลักษณ์อักษรง่ายขึ้น รวดเร็วขึ้น และถูกต้องแม่นยำยิ่งขึ้น
คุณค่าของโซลูชันนี้:
- เพิ่มผลผลิตมากยิ่งขึ้น
- ข้อมูลเชิงลึกที่น่าเชื่อถือ
- ลดความซับซ้อน
เทคนิค AI ที่ใช้ในโซลูชันนี้:
- การประมวลผลภาษาธรรมชาติ (NLP)
- นิติศาสตร์มหาบัณฑิต (LL.M.)
AI ช่วยได้อย่างไร:
การรวม NLP และการวิเคราะห์ข้อความเข้ากับ LLM สามารถช่วยได้ดังนี้:
- หลีกเลี่ยงภาพหลอน: กรองข้อมูลที่เกี่ยวข้องล่วงหน้าเพื่อให้แน่ใจว่าผลลัพธ์ออกมาถูกต้องแม่นยำ
- เพิ่มเวลาในการสร้างมูลค่า: ใช้ LLM ขนาดเล็ก เช่น Llama2 โดยประมวลผลข้อมูลน้อยลง
- ลดต้นทุน: ลดข้อมูลที่ส่งไปยัง LLM ลดการเรียก API และทรัพยากรการคำนวณให้น้อยที่สุด
- การรับประกันความเป็นส่วนตัวและความปลอดภัย: ใช้ฐานข้อมูลเวกเตอร์ภายในเครื่องเพื่อปรับแต่งและปกป้องข้อมูลที่ละเอียดอ่อน
- การรองรับการตรวจสอบ: ช่วยให้สามารถติดตามผลลัพธ์ LLM ได้ เพิ่มความโปร่งใสและความน่าเชื่อถือ
โมเดล AI ให้:
การรวมกันของ NLP และ LLM:
- อ่านข้อติชมนับหมื่นชิ้น
- ระบุธีมที่เกิดขึ้นซ้ำๆ ในความคิดเห็น
- ระบุความรู้สึก เช่น ปฏิกิริยาเชิงลบ
- รวบรวมข้อเสนอแนะ
- สรุปความคิดเห็นโดยใช้ธีมที่เกิดซ้ำ คล้ายกัน หรือที่ลูกค้ากำหนด
Southern States Energy Board ใช้ SAS® Viya® เพื่อวิเคราะห์และจัดการข้อมูลทางธรณีวิทยา กฎระเบียบ และความรู้สึกของชุมชนจำนวนมหาศาลด้วยความรวดเร็วและแม่นยำ
การคาดการณ์และเตรียมพร้อมรับมือน้ำท่วม
กำจัดการคาดเดาใน การคาดการณ์และเตรียมการน้ำท่วม โดยใช้อัลกอริธึมการเรียนรู้ของเครื่องและ ข้อมูลสังเคราะห์สำหรับฝาแฝดทางดิจิทัล โมเดลที่ขับเคลื่อนด้วย AI นี้ซึ่งพัฒนาโดยใช้ข้อมูลในอดีต สามารถใช้งานได้แม้ในที่ที่มีข้อมูลเฉพาะพื้นที่อย่างจำกัด ทำให้สามารถเติมเต็มช่องว่างข้อมูลได้อย่างมีประสิทธิภาพ
คุณค่าของโซลูชันนี้:
- ปรับปรุงความปลอดภัยสาธารณะ
- ผลลัพธ์ที่ดีขึ้น
- การพยากรณ์ที่แม่นยำยิ่งขึ้น
เทคนิค AI ที่ใช้ในโซลูชันนี้:
แบบจำลองการเรียนรู้ของเครื่องสร้างระบบตรวจจับการเตือนภัยล่วงหน้า และ เทคโนโลยี Digital Twins ที่รองรับโดยข้อมูลสังเคราะห์ทำให้สามารถสร้างแบบจำลองน้ำท่วมจากการพยากรณ์ได้
AI ช่วยได้อย่างไร:
- ปกป้อง: ปรับปรุงความปลอดภัยของพลเมืองและบริการตอบสนองต่อเหตุฉุกเฉินด้วยการมองเห็นแบบเรียลไทม์และการคาดการณ์น้ำท่วม
- ตอบสนอง: ลดผลกระทบของเหตุการณ์น้ำท่วมต่อทรัพย์สินและโครงสร้างพื้นฐานด้วยการใช้ระบบตอบสนองอัตโนมัติและคล่องตัว
- ปรับปรุง: ปรับปรุงการวางแผนฉุกเฉินด้วยการรับรู้สถานการณ์และข้อมูลเชิงประวัติศาสตร์ที่ดีขึ้น
โมเดล AI ให้:
- ข้อมูลเชิงลึกแบบเรียลไทม์และการรับรู้สถานการณ์ รวมถึงการตรวจสอบสภาพปัจจุบันด้วยการแจ้งเตือนอัตโนมัติ
- การคาดการณ์น้ำท่วมในอนาคตด้วยการเปลี่ยนแปลงอัตโนมัติ
- การวิเคราะห์ทางประวัติศาสตร์และนิติเวช
- การสร้างแบบจำลองการคาดการณ์น้ำท่วม
- การจำลองเพื่อการวางแผนฉุกเฉิน ปรับปรุงการสร้างแบบจำลองสำหรับภัยพิบัติประเภทต่างๆ
หอการค้าฮิสแปนิกแห่งรัฐฟลอริดา (FSHCC) ร่วมมือกับ SAS เพื่อปรับปรุงการรับรู้สถานการณ์สำหรับเทศบาลเขตไมอามี-เดดระหว่างเหตุการณ์ฝนตกและน้ำท่วมตามปกติ
การปฏิบัติตามภาษีโดยสมัครใจ
เพิ่มความโปร่งใสและความไว้วางใจระหว่างหน่วยงานจัดเก็บภาษีและประชาชนด้วยโซลูชั่น Non-Invasive Compliance and Enforcement (NICE) ระบบฝั่งผู้ใช้บริการจะวิเคราะห์ข้อมูลอินพุตแบบเรียลไทม์จากผู้เสียภาษีเมื่อยื่นแบบแสดงรายการ โดยเปรียบเทียบกับข้อมูลที่หน่วยงานจัดเก็บภาษีมีอยู่ การวิเคราะห์นี้จะระบุคำแนะนำเชิงให้ความรู้ที่มีศักยภาพตามกฎหมายและนโยบายที่เกี่ยวข้อง และให้คำแนะนำแก่ผู้เสียภาษี ข้อเสนอแนะแบบเรียลไทม์นี้ช่วยเพิ่มการปฏิบัติตามโดยสมัครใจและคะแนนและคำนึงถึงความเสี่ยงในการฉ้อโกงที่อาจเกิดขึ้น ช่วยให้ผู้เสียภาษีมีโอกาสแก้ไขการยื่นภาษีของตนโดยไม่ต้องบังคับใช้เพิ่มเติม
คุณค่าของโซลูชันนี้:
- เพิ่มประสิทธิภาพการทำงานสูงสุด
- การมีส่วนร่วมของลูกค้าที่มากขึ้น
- การปฏิบัติตามกฎระเบียบที่ได้รับการปรับปรุง
เทคนิค AI ที่ใช้ในโซลูชันนี้:
- โมเดลการเรียนรู้ของเครื่อง รวมถึงโมเดลการเรียนรู้ของเครื่องที่มีการดูแลและไม่มีการดูแล
- การแบ่งกลุ่มผู้เสียภาษี
- การแก้ไขเอนทิตี้
- การวิเคราะห์เชิงทำนาย และการวิเคราะห์เชิงกำหนด
AI ช่วยได้อย่างไร:
- รับข้อมูลเชิงลึกที่ครอบคลุมจากภาษีเงินได้แบบแยกส่วน ภาษีมูลค่าเพิ่ม ข้อมูลภาษีศุลกากร และข้อมูลจากพันธมิตรและสถาบันระหว่างประเทศ
- เพิ่มการปฏิบัติตาม
- บังคับใช้กฎระเบียบ
- เพิ่มประสิทธิภาพการใช้ทรัพยากร
- สร้างความเคารพระหว่างผู้เสียภาษีและหน่วยงานด้านภาษี
โมเดล AI ให้:
- ระบบวิเคราะห์แบบบูรณาการครบวงจรที่ให้มุมมองเชิงลึกอย่างครอบคลุมเกี่ยวกับการปฏิบัติตามภาษี และระบุความเสี่ยงในการฉ้อโกงและข้อผิดพลาดที่อาจเกิดขึ้นในการยื่นแบบแสดงรายการภาษีโดยอัตโนมัติ
- การวิเคราะห์ข้อมูลที่มีอยู่อย่างครอบคลุม รวมถึงข้อมูลจากบุคคลที่สามจากพันธมิตรในประเทศและต่างประเทศ ระบบจะระบุและทำเครื่องหมายข้อขัดแย้งที่อาจเกิดขึ้นได้โดยอัตโนมัติ
- มุมมองแบบองค์รวมของประวัติผู้เสียภาษีและการศึกษาด้านภาษีที่เหมาะสมตามกิจกรรมที่ต้องเสียภาษี การวิเคราะห์เชิงคาดการณ์เพื่อให้แน่ใจว่าความพยายามปฏิบัติตามกฎระเบียบของหน่วยงานได้รับการปรับให้เหมาะสมที่สุด และการให้คะแนนความเสี่ยงจากการฉ้อโกงอย่างครอบคลุมอย่างต่อเนื่อง
ความซื่อสัตย์ในการประเมินมูลค่าทรัพย์สิน
ประเมินมูลค่าทรัพย์สินที่อยู่อาศัยใหม่โดยใช้ข้อมูลทรัพย์สินและการขายทุกวันด้วยความรวดเร็ว ง่ายดาย และแม่นยำกว่าวิธีการแบบเดิม ระบบจะให้มูลค่าที่แท้จริงของทุกปัจจัยที่นำมาพิจารณาสำหรับทรัพย์สิน โดยสอดคล้องกับปัจจัยอื่นๆ ที่มีอยู่ในทรัพย์สินนั้น
คุณค่าของโซลูชันนี้:
- ข้อมูลเชิงลึกที่น่าเชื่อถือแบบเรียลไทม์
- เพิ่มรายได้
- ลดความซับซ้อน
เทคนิค AI ที่ใช้ในโซลูชันนี้:
- การวิเคราะห์ต้นไม้การถดถอยขั้นสูงโดยการเรียนรู้ของเครื่องจักร
AI ช่วยได้อย่างไร:
- เสริมสร้างการตัดสินใจของรัฐบาลด้วยมุมมองข้อมูลแบบบูรณาการแบบเรียลไทม์
- เพิ่มประสิทธิภาพการใช้ทรัพยากร และปรับปรุงประสิทธิภาพการทำงานของรัฐบาล
- เพิ่มความไว้วางใจของสาธารณะ ในขณะที่รักษาความเป็นส่วนตัวของข้อมูลและรับรองความโปร่งใสของ AI
- เตรียมพร้อมให้ดียิ่งขึ้นในการตอบสนองอย่างรวดเร็วในช่วงเวลาแห่งการหยุดชะงักและความไม่แน่นอน
โมเดล AI ให้:
- การพิจารณาการขายแต่ละครั้งใหม่เป็นประจำทุกวัน มีการรันแผนภูมิการตัดสินใจนับพันรายการทุกวันโดยใช้ข้อมูลจากการขายทรัพย์สิน จากต้นไม้การตัดสินใจเหล่านี้ อัลกอริทึมจะดึงค่าของปัจจัยต่างๆ สำหรับคุณสมบัติทุกอย่าง
- การจัดอันดับปัจจัยตามความสำคัญ อัลกอริทึมระบุปัจจัยที่มีอิทธิพลมากที่สุดต่อมูลค่าทรัพย์สิน
- การประเมินมูลค่าทรัพย์สินใหม่ทั้งหมด อัลกอริทึมการเรียนรู้ของเครื่องจะคำนวณมูลค่าของทรัพย์สินทุกชิ้นในชุมชน ซึ่งจะช่วยให้สำนักงานผู้ประเมินสามารถเข้าใจแนวโน้มตลาดสำหรับบ้าน ชุมชน หรือชุมชนทั้งหมดได้
ระบบตรวจสอบความถูกต้องของข้อมูลอย่างต่อเนื่อง
ระบุและทำเครื่องหมายฟีดข้อมูลที่ผิดปกติหรือถูกดัดแปลงเพื่อเพิ่มความเป็นจริงและความน่าเชื่อถือของข้อมูล ในด้านความมั่นคงของชาติ โซลูชันของเราใช้วิธีการที่ไม่ไว้วางใจข้อมูล เนื่องจากผู้ไม่ประสงค์ดีมักเปลี่ยนแปลงข้อมูลด้วยความตั้งใจที่จะหลอกลวงและทำให้เข้าใจผิด
คุณค่าของโซลูชันนี้:
- การกำกับดูแลข้อมูล
- เพิ่มความปลอดภัยมากขึ้น
- ข้อมูลเชิงลึกที่น่าเชื่อถือ
เทคนิค AI ที่ใช้ในโซลูชันนี้:
โซลูชันนี้ใช้แนวทางการวิเคราะห์แบบหลายชั้นที่ฝังอยู่ใน SAS Intelligent Decisioning โดยใช้ เทคนิค AI และการเรียนรู้ของเครื่องจักร หลายประเภทเพื่อตรวจจับและแจ้งเตือนการแทรกข้อมูลที่เป็นอันตราย แนวทางแบบไฮบริดประกอบด้วย:
- การสร้างแบบจำลองเชิงทำนาย: ใช้ เครือข่ายประสาท ต้นไม้การตัดสินใจ และแบบจำลองอื่น ๆ เพื่อเปิดเผยรูปแบบใหม่จากข้อมูลเดิม
- การวิเคราะห์ข้อความ: ดึงข้อมูลที่มีความหมายจากข้อมูลข้อความที่ไม่มีโครงสร้างจำนวนมาก
- การตรวจจับความผิดปกติ: ใช้เทคนิคต่างๆ เช่น การถดถอย การจัดกลุ่ม และการวิเคราะห์ลำดับ เพื่อระบุรูปแบบที่ผิดปกติ
- กฎทางธุรกิจอัตโนมัติ: กรองฟีดข้อมูลตามกฎที่ซับซ้อนที่สะท้อนถึงรูปแบบที่น่าสงสัย
- การวิเคราะห์เครือข่ายตามเอนทิตี: ระบุลิงก์ระหว่างแหล่งข้อมูลและความผิดปกติ
- โมเดลการเรียนรู้แบบผสมผสาน: ใช้โมเดลการเรียนรู้แบบมีผู้ดูแล กึ่งผู้ดูแล และแบบไม่มีผู้ดูแลร่วมกัน เพื่อขัดขวางการแทรกข้อมูลที่เป็นอันตรายจากผู้ไม่หวังดี
AI ช่วยได้อย่างไร:
- การตรวจสอบฟีดข้อมูลสำหรับการจัดการโครงสร้างพื้นฐานที่สำคัญถือเป็นสิ่งจำเป็น ช่วยเพิ่มความยืดหยุ่นโดยป้องกันการประนีประนอมระบบ โครงสร้างพื้นฐานที่สำคัญถือเป็นเป้าหมายที่ทราบกันดีสำหรับรัฐชาติที่เป็นศัตรูกัน
- การตรวจจับแต่เนิ่นๆ ช่วยเพิ่มความพึงพอใจของลูกค้าและประสิทธิผลของภารกิจ ข้อมูลที่ผิดปกติอาจบ่งชี้ถึงเจตนาที่เป็นอันตราย ความไม่เสถียรของระบบ หรือปัญหาการบำรุงรักษาที่กำลังจะเกิดขึ้น
- การตรวจสอบความถูกต้องของข้อมูลอย่างต่อเนื่องและการดำเนินการริเริ่มปรับปรุงสามารถนำไปสู่การประหยัดต้นทุนได้ การวิเคราะห์ที่ขับเคลื่อนด้วยข้อมูลช่วยระบุสาเหตุหลักของความไม่มีประสิทธิภาพของระบบ ทำให้สามารถปรับปรุงได้อย่างรวดเร็วและมีประสิทธิภาพ
โมเดล AI ให้:
- การตรวจสอบความถูกต้องของข้อมูลอย่างต่อเนื่อง
- อัลกอริทึมการเรียนรู้ของเครื่องทำให้การระบุฟีดข้อมูลที่ผิดปกติหรือเป็นอันตรายได้ง่ายขึ้น ช่วยให้มั่นใจถึงคุณภาพของข้อมูลและความเป็นจริง
- การรวบรวมและดูแลข้อมูลต้นทางใหม่อย่างรวดเร็วเพื่อการปฏิบัติภารกิจที่ดีขึ้นและการวิเคราะห์ความปลอดภัยของระบบที่มีประสิทธิภาพโดยใช้ SAS DataOps Process
- บัตรคะแนนความถูกต้องของข้อมูลแบบเรียลไทม์เพื่อตรวจจับการแทรกข้อมูลที่เป็นอันตรายและปัญหาอื่นๆ รองรับระบบปลายทาง
- การตรวจสอบประสิทธิภาพอย่างต่อเนื่องและการอัปเดตอย่างรวดเร็ว หรือการเปลี่ยนโมเดลเมื่อเงื่อนไขเปลี่ยนแปลงและเมื่อคู่แข่งปรับตัว โดยใช้ SAS ModelOps Process
ปรับปรุงประสิทธิภาพการทำงานและประสิทธิผลการทำงานด้วย SAS AI
SAS Viya ทำงานร่วมกับ Generative AI เพื่อช่วยให้เราสามารถสนทนากับหน่วยงานกำกับดูแลเกี่ยวกับหัวข้อต่างๆ ที่เป็นข้อกังวลของผู้มีส่วนได้ส่วนเสียได้อย่างมีข้อมูลมากขึ้นและสร้างสรรค์มากขึ้น เราสามารถนำเสนอข้อมูลในประเด็นที่ประชาชนกำลังกังวลใจได้อย่างชัดเจน และสื่อสารสารสำคัญในเชิงรุก" Dr. Ben Wernette Principal Scientist and Strategic Partnerships Lead Southern States Energy Board
สำรวจกรณีการใช้งานในภาครัฐอื่นๆ ด้วยโซลูชัน AI
ตัวแทน AI
ปรับปรุงประสิทธิภาพ การตัดสินใจ และต้นทุนด้วยการใช้ AI เพื่อดำเนินการงานที่ซับซ้อนโดยอัตโนมัติและตัดสินใจอย่างรอบรู้
- ใช้ตัวแทน AI เพื่อการวิเคราะห์ความคิดเห็นสาธารณะ
- ประมวลผลข้อเสนอแนะที่เป็นลายลักษณ์อักษรได้เร็วขึ้น ง่ายดายขึ้น และแม่นยำยิ่งขึ้นด้วยตัวแทน AI ที่ช่วยจัดหมวดหมู่ สังเคราะห์ และสรุปข้อมูลในระดับขนาดใหญ่โดยใช้ NLP และ LLM พร้อมทั้งระบุหัวข้อและวิเคราะห์อารมณ์ความรู้สึก
การสร้างแบบจำลอง AI
สร้างโปรแกรมที่ช่วยให้คอมพิวเตอร์คาดการณ์ผลลัพธ์และทำงานสำเร็จ เพื่อให้มีประสิทธิผลและนวัตกรรมมากขึ้น
- ใช้การสร้างโมเดล AI สำหรับ Payment Integrity Food Assistance
- ปรับปรุงความโปร่งใสและการปฏิบัติตามข้อกำหนดด้วยโมเดล AI ที่ตรวจจับการฉ้อโกง ป้องกันการอ้างสิทธิ์ที่ไม่เหมาะสม และช่วยให้คุณมั่นใจในถูกต้องในโครงการช่วยเหลือด้านอาหาร
- ใช้การสร้างโมเดล AI เพื่อการปฏิบัติตามข้อกำหนดด้านภาษีขาย
- ดำเนินการอย่างมีประสิทธิภาพมากขึ้นโดยใช้โมเดล AI ที่ให้ข้อมูลการตรวจสอบตามลำดับความสำคัญและข้อมูลภาษีที่ดำเนินการได้ที่ทันสมัยในกระบวนการที่สร้างไว้ล่วงหน้า Data Mart และการแสดงภาพ
- ใช้การสร้างโมเดล AI สำหรับการวิเคราะห์เอกสาร
- แปลงข้อมูลในกระดาษให้กลายเป็นดิจิทัลและวิเคราะห์ข้อมูลเหล่านั้นด้วยโมเดล AI ที่แปลงตัวอักษรที่พิมพ์เป็นสัญลักษณ์เชิงแสงให้กลายเป็นข้อความดิจิทัล และใช้ NLP เพื่อดึงความหมายออกมา
GenAI
Digital Twin
นำทางความไม่แน่นอน – ทดสอบและเพิ่มประสิทธิภาพการทำงานหรือการสร้างสรรค์สิ่งใหม่ด้วยแบบจำลองดิจิทัลของระบบที่ซับซ้อนในโลกแห่งความเป็นจริง
- ใช้ Digital Twin เพื่อการคาดการณ์และเตรียมรับมืออุทกภัย
- กำจัดความไม่แน่นอนในการคาดการณ์และเตรียมรับมือเหตุการณ์น้ำท่วม และใช้ Digital Twin กับอัลกอริธึมการเรียนรู้ของเครื่องเพื่อให้ได้ข้อมูลเชิงลึกแบบเรียลไทม์และสร้างความตระหนักในสถานการณ์
- ใช้ Digital Twin เพื่อคาดการณ์ผลกระทบของการเปลี่ยนแปลงนโยบายภาษีที่เสนอ
- ทำความเข้าใจการเปลี่ยนแปลงภาษีในกลุ่มผู้เสียภาษีเฉพาะกลุ่มก่อนที่จะนำไปใช้งานโดยใช้ Digital Twin อ่านรายละเอียดเพื่อเรียนรู้ว่าสำนักงานการคลัง (Public Service Finance Agency) ของเบลเยียมใช้ Digital Twin อย่างไร
คุณค่าของโซลูชั่น AI จาก SAS
-
แพลตฟอร์ม AI, IoT และการวิเคราะห์ที่ทันสมัยซึ่งขับเคลื่อนโดย SAS Viya 4 ช่วยให้ Rijkswaterstaat ซึ่งเป็นหน่วยงานโครงสร้างพื้นฐานแห่งชาติของเนเธอร์แลนด์ เปลี่ยนจากการบำรุงรักษาโครงสร้างพื้นฐานแบบตอบสนองไปเป็นเชิงคาดการณ์ และได้รับข้อมูลเชิงลึกแบบเรียลไทม์เกี่ยวกับการจราจร อุโมงค์ สะพาน กำแพงกั้นน้ำ และประตูน้ำ
แหล่งข้อมูลที่แนะนำเกี่ยวกับ AI ในภาครัฐ
SAS เป็นผู้นำด้านโซลูชั่น AI
SAS เป็นผู้นำใน Gartner® Magic Quadrant™ ประจำปี 2024 สำหรับสาขาวิทยาการข้อมูลและการเรียนรู้ของเครื่อง
คุณสมบัติผลิตภัณฑ์
เรียนรู้เพิ่มเติมเกี่ยวกับผลิตภัณฑ์ที่ดีที่สุดในระดับเดียวกันของเราเพื่อความมั่นคงแห่งชาติที่ยืดหยุ่นยิ่งขึ้น
