AI 如何改變公部門機構的運作？
AI 能在維持數據隱私與透明度的同時，協助公部門機關解決複雜問題。透過 AI 代理與進階分析，即使在人力與時間資源受限的情況下，各機關仍能產出可直接用於決策的洞察。瞭解 SAS 的數據與 AI 技術，如今如何在全球各地公部門帶來改變。
公部門的 AI 應用有哪些？
透過 SAS 的資料與 AI 解決方案，加快提升政府生產力。更周全地規劃、更有效率地執行計畫、更有信心地遵循法規、更有遠見地做好準備，以及更準確地進行預測。善用 AI，您便可在各項政府職能中提升效率與效能。
AI 代理：身心障礙理賠文件分析
使用此 AI 代理，釋放尚未充分利用的政府數據價值。透過電腦視覺、機器學習與文字分析，智慧型文件處理能從掃描文件影像中擷取情境資訊，用於後續決策和分析。
此解決方案的價值：
- 提升生產力。
- 節省更多成本。
- 降低複雜性。
此解決方案採用的 AI 技術：
- 電腦視覺模型。
- 機器學習模型。
AI 如何提供協助：
- 現代化政府歸檔流程與資訊系統。
- 大幅降低研究與尋找資訊所需的時間。
- 擴展可用於洞察分析的有用資訊量。
- 無論組織的使命是公民服務、調查還是營運，都能積極地完成任務。
AI 模型提供下列優勢：
- 此 AI 模型會自動將影像或掃描文件中的關鍵資訊擷取，並轉為結構化格式，支援後續分析與決策。
- 補充任何目前的 OCR/RPA 程序，以大幅提高資訊擷取的準確性和品質，尤其是對難以辨識的表格，例如模糊的文件、帶有勾選框的表單或手寫文件。
- 此階段，資料可以用於調查、生成警示、讓擷取的實體變得可搜尋，或者新的結構化資料可補足現有流程。
調查作業的專業副手
使用專用的 Copilot 來回答重要問題，它能深入已透過分析與 AI 預先篩選的大量情資數據，擷取最相關的資訊。結合大型語言模型 (LLM) 與調查分析，從情資中辨識有價值資訊的工作將更聚焦、更快速、更容易。
此解決方案的價值：
- 提升生產力。
- 改善公共安全。
- 可靠的洞察。
此解決方案採用的 AI 技術：
GenAI Copilot 會使用經由分析平台預篩選的資訊，進一步鎖定關注要點，並挖掘蒐集或評估更多資訊的機會。
AI 如何提供協助：
- 此技術能透過凸顯潛在線索、找出缺漏數據，並建立數據間關聯，改善調查流程，而不僅僅是摘要資訊。
- 強化資料分析平台的應用，該平台能整合資訊，並對來自不同紀錄與資料來源的實體進行對應。
- 透過敘述產生與關鍵細節說明，運用組織最佳做法，以可解釋的方式揭示調查流程中的缺口。
- 在調查人員仍擔任事實詮釋者的前提下，主動呈現資訊。
AI 模型提供下列優勢：
建立於資料分析平台上的 LLM：
- 搭載於調查系統之上，可篩選已收集、整合、對應並建立關聯的資訊。
- 協調搜尋引擎與 LLM 之間的查詢和回應，進而運用新知識與訓練資料，來生成更優質的回應。
- 提供可解釋、可核實且具責任歸屬的回應，並指出所依據的具體引用和文件來源。
SAS 社會福利支付完整性
識別高風險錯誤的社福個案，以支援品保、超額支付通報分類，以及自動化福利的追討。SAS 解決方案支援 補充營養援助計畫 (SNAP) 與弱勢家庭臨時援助 (TANF)，這些是美國協助低收入家庭的計畫。
此解決方案的價值：
- 更快做出決策。
- 造就更佳的成果。
- 更強大的詐欺偵測與預防，或更快處理問題。
- 提升客服品質。
此解決方案採用的 AI 技術：
- 透過機器學習進行多變量迴歸，識別並建立影響 SNAP 資格案件錯誤的關鍵輸入變數關聯。
- 運用 AI 建模，識別適當的同儕分群。
- 使用機器學習決策樹，對高錯誤風險案件，進行風險評分與排序。
- 透過 AI 建模，依潛在錯誤、超額支付與可能詐欺進行風險評分，區分詐欺通報與案件處理錯誤，藉此進行分類。
AI 如何提供協助：
- 使 SNAP 品質保證團隊能在不抽樣的情況下，評估所有案件，識別導致不當支付的新興模式，並在更多支付釋出前修正錯誤。
- 讓 SNAP 福利追討團隊能有效分類超額支付通報，提高效率和投資報酬率。
- 使 SNAP 福利追討團隊，能自動化超額支付判定程序，以最大化效率。
AI 模型提供下列優勢：
- 對所有現行 SNAP 個案進行風險評分，以更快找出高風險個案錯誤。
- 對超額支付通報進行風險評分，以更有效分類高價值案件。
- 針對 SNAP 案件進行同儕分群，並識別與連結關鍵輸入變數。
美國某州人類服務部門的子機構，已將部分超額支付判定程序自動化，將處理時間從數天縮短至幾小時。
大眾評論分析
運用自然語言處理、文字分析與 LLM，來分類、統整及摘要大量書面回饋。此方法能識別主題、群組回饋，並產出關鍵重點摘要，使處理書面回饋的流程更輕鬆、更快速且更準確。
此解決方案的價值：
- 提升生產力。
- 可靠的洞察。
- 降低複雜性。
此解決方案採用的 AI 技術：
- 自然語言處理 (NLP)。
- 大型語言模型 (LLM)。
AI 如何提供協助：
將 NLP 和文字分析與 LLM 結合，可為下列層面帶來協助：
- 避免幻覺：預先篩選相關資料，確保輸出準確無虞。
- 增加價值的時間：透過處理較少的資料，來使用較小規模的的 LLM，例如 Llama2。
- 降低成本：降低傳送至 LLM 的資料量，最大限度地減少 API 呼叫和運算資源。
- 確保隱私與安全性：使用本機向量資料庫進行微調，並保護敏感資料。
- 支援驗證流程：實現 LLM 輸出的可追溯性，提高透明度和信任。
AI 模型提供下列優勢：
整合 NLP 和 LLM 的益處：
- 閱讀數以千計的回饋資料。
- 識別評論中的重複主題。
- 識別情緒，例如負面反應。
- 編譯建議。
- 依循環、類似或客戶定義的主題，來有效地摘要評論。
南部各州能源委員會使用 SAS® Viya®，快速精確地分析及管理大量的地質、監管和社群情緒數據。
洪水預測與準備
使用機器學習算法和數位雙胞胎合成數據，消除洪水預測和準備中的猜測。這款採用歷史資料開發的模型，即使在超本地化資料稀少的情況下，也可以部署，有效地填補資料空隙。
此解決方案的價值：
- 改善公共安全。
- 造就更佳的成果。
- 提升預測準確率。
此解決方案採用的 AI 技術：
機器學習模型可建構早期預警偵測系統，而由合成數據支援的數位孿生技術，則能實現預測性洪災淹水模型。
AI 如何提供協助：
- 保護：透過即時可視化與洪水預測，提升民眾安全與緊急應變服務。
- 回應：透過自動化和簡化響應，減少洪水事件對物業和基礎設施的影響。
- 改進：透過改善情況意識和歷史見解來增強緊急計劃。
AI 模型提供下列優勢：
- 即時洞察與情境感知，包括自動警示的即時狀況監測。
- 透過自動變更，進行未來的洪水預測。
- 歷史和鑑識分析。
- 預測的洪災淹水模型。
- 為應變規劃人員提供模擬工具，改善各類災難的模型建構。
佛羅里達州西班牙裔商會（FSHCC）與 SAS 合作，提高當地邁阿密戴德縣市鎮在傳統降雨和洪水事件期間的情況意識。
自願納稅法遵
利用非侵入性合規與執法 (NICE) 解決方案，增加稅務機構與公民之間的透明度和信任。這個客戶專屬的系統能分析納稅人提交申報表時的即時輸入，並將其與稅務機構可用的數據進行比較。該分析根據適用的法律和政策識別潛在的教育提示，並向納稅人提供建議。這種即時反饋可增強自願性合規性和評分，並考慮潛在的詐欺風險，讓納稅人有機會更正自身的申報表，而無需額外執法。
此解決方案的價值：
- 最大化的營運效率。
- 提高客戶參與度。
- 改善監管合規。
此解決方案採用的 AI 技術：
- 機器學習模型，包括受監督和無監督的機器學習模型。
- 納稅人分群。
- 實體解析。
- 預測型分析和規範式分析。
AI 如何提供協助：
- 整合所得稅、加值稅、關稅，以及來自國際合作夥伴與機構的資料，獲得全面深入的洞察。
- 加強合規性。
- 執行法規。
- 最佳化資源。
- 建立納稅人和稅務機關之間的尊重。
AI 模型提供下列優勢：
- 全方位整合的分析系統，能提供稅務法遵的完整視角，自動識別申報錯誤，以及潛在的詐欺風險。
- 全面分析可用資料，包括來自國內與國際第三方的資料，系統會自動識別並標示潛在的法遵落差。
- 提供納稅人歷史資料的整體視角，並依據其應稅行為，提供適當的稅務教育。運用預測型分析，協助稅務機關最佳化法遵作業，並持續進行全面性的詐欺風險評分。
物業估價的正確性
每天使用物業和銷售數據重新評估住宅物業價值，比傳統方法更快、更容易和準確。該系統根據屬性中存在的其他因素，提供對屬性考慮的每個因素的真實值。
此解決方案的價值：
- 可靠的即時洞察。
- 增加營收。
- 降低複雜性。
此解決方案採用的 AI 技術：
- 透過機器學習，進行進階迴歸樹分析。
AI 如何提供協助：
AI 模型提供下列優勢：
- 每天重新考慮每筆銷售。使用物業銷售的數據每天運行成千上萬的決策樹。從這些決策樹中，算法針對每個物業提取每個因子的值。
- 根據重要性的因素排名。演算法識別對物業價值最具影響力的因素。
- 重新評估所有物業。機器學習算法計算社區中每個物業的價值。這使評估員的辦公室能夠了解住宅、社區或整個社區的市場趨勢。
連續數據真實性系統
識別並標記異常或被操控的資料摘要，以增強資料的真實性和信任性。在國家安全方面，我們的解決方案以懷疑的態度處理數據，因為敵人通常主動地竄改數據，意圖欺騙和誤導。
此解決方案的價值：
- 資料管控。
- 提高安全性。
- 可靠的洞察。
此解決方案採用的 AI 技術：
該解決方案採用 SAS 智慧決策中嵌入的分層分析方法，採用多種 AI 和 ML 技術來偵測並提醒惡意資料注入。混合方法包括：
- 預測建模：使用類神經網路、決策樹和其他模型，從舊式資料發掘新模式。
- 文字分析：從龐大的非結構化文本數據中提取有意義的資訊。
- 異常偵測：應用迴歸、叢集和序列分析等技術，來識別異常模式。
- 自動化商業規則：根據反映可疑模式的複雜規則，篩選出數據摘要。
- 實體型網絡分析：識別資料來源與異常值之間的關聯。
- 統合式學習模型：同時運用監督式、半監督式與非監督式學習模型，使對手更難成功注入惡意數據。
AI 如何提供協助：
- 監控關鍵基礎架構管理的資料摘要是至關重要的。它透過防止系統妥協來增強韌性。關鍵基礎設施是敵對國家已知的目標。
- 早期偵測，有助於提升顧客滿意度與任務成效。異常資料可能表示存有惡意意圖、系統不穩定，或即將出現維護問題。
- 持續監控資料真實性，並實施改善計畫，有助於降低成本。資料驅動的分析，可協助找出系統低效的肇因，進而快速且有效地改善。
AI 模型提供下列優勢：
- 持續監控資料的真實性。
- 機器學習演算法，可更容易識別異常或惡意資料來源，確保資料品質和真實性。
- 透過 SAS DataOps 流程，能快速導入並整合新數據來源，以提升任務執行效率與系統安全分析能力。
- 即時資料真實性評分卡，可偵測惡意資料的注入與其他問題，並支援後續系統的應用。
- 使用 SAS ModelOps 流程，持續監控效能，並在條件變化與對手調整時，快速更新或更換模型。
利用 SAS AI 提高生產力與績效
「SAS Viya 結合生成式 AI 後，正協助我們與監管機關就其選民關切的議題，進行更有根據、具轉型意義的對話。我們能自信地提供數據，呈現大眾關切所在，並主動傳達關鍵訊息。」 Dr. Ben Wernette Principal Scientist and Strategic Partnerships Lead Southern States Energy Board
依 AI 解決方案，探索其他公部門用例
AI 建模
打造能讓電腦預測結果並完成任務的程式，以提升生產力與創新力。
- 使用 AI 建模，支援糧食援助計畫的支付誠信。
- 透過能偵測詐欺、預防不當申請，並協助您確保糧食援助計畫健全度的 AI 模型，提升透明度與法規遵循。
- 使用 AI 建模，支援銷售稅合規性。
- 透過內建流程、數據市集與視覺化中提供的 AI 模型，取得具優先順序的稽核線索與最新、可行動的稅務資訊，使作業更有效率。
- 使用 AI 建模支援文件分析。
- 將紙本紀錄數位化，並運用 AI 模型把印刷文字以光學字元轉為數位文本，再套用 NLP 擷取意涵。
數位孿生
因應不確定性——透過真實世界複雜系統的數位複本，進行測試並優化績效或創新成果。
- 使用數位孿生，進行洪水預測與防災準備。
- 揮別對洪災預測與準備的猜測，並以搭配機器學習演算法的數位孿生，提供即時洞察與情境感知。
- 使用數位孿生，預見擬議稅制政策變更的影響。
- 透過數位孿生，在正式推行前，瞭解稅制變更對特定納稅人群體的影響。閱讀比利時公共服務財政部如何使用數位孿生。
SAS AI 解決方案的價值
SAS 是 AI 解決方案的領導者
SAS 是 2024 年 Gartner® 資料科學和機器學習魔力象限™的領導者。
精選產品
深入了解我們業界領先的產品，助您強化國安適應力。
Since 1976, companies worldwide have trusted SAS.