AI技术的不断发展，如今已经渗透入各行各业里边，这篇文章主要讲述的是AI技术在政府部门业务已经有了落实案例内容，想要了解更多内容就接着往下看吧！

本文内容主要来自于：个人过往实际产品和项目工作（机密内容均已脱敏~），以及我对此相应的思考。本文主要面向：对“AI落地案例”感兴趣，或对政府部门业务（尤其是12345业务、城市治理业务）感兴趣的童鞋们~

通过阅读本文，可以了解/学习到：

1. 政务服务热线是什么？
2. 政务服务热线的业务流程如何？业务需求有哪些？有哪些需求是痛点？需求被解决的如何了？
3. 市场上关于“政务服务热线”业务需求/痛点，提供的产品有哪些？即政务服务热线-细分领域的市场竞争格局如何？
4. AI技术，已经用来解决该场景中的什么问题？落地情况怎么样？
5. 通过该垂类场景的学习，可横向拓展至任何一个业务场景的业务调研、梳理中，做到融会贯通。
6. 关于其它“客服热线类”的业务（如电商或O2O平台的客服热线、110热线、120热线、119热线），能否做到触类旁通？

这里絮絮念一下：我们进入任何一个行业，不论是想要进入还是已经进入了，对该行业的业务进行学习、调研和梳理是不可或缺的。这里给一下【如何进行业务调研】的实用方法，供参考：

1. 首先清楚你所面对的业务，是处于什么行业？
   关于行业的发展历史、现状以及趋势分别是怎样的？至少要有8分的掌握（10分满分）——需要上网进行了解（参考渠道：艾瑞咨询、IDC、招投标网站等）；
2. 接着要了解关于该业务，其业务流程是怎样的？牵涉到的业务角色有哪些？
   他们分别在业务流程中负责哪些内容？这些角色的KPI及痛点如何？以及为什么痛？这些业务角色中，哪些是决策者，哪些是使用者？是否已经建立了【信息化平台】？信息化程度如何？
3. 接着要了解关于该业务场景需求，市场竞争格局是怎样的？
   有哪些头部厂商，他们做了什么？他们的解决方案是怎样的？我们有无必要深入了解该业务赛道？
4. 思考，我们团队/公司若要进入这个赛道，我们能做什么？我们的优劣势是什么？是否要进行差异化？——先看我们有什么，再看我们能做什么，然后结合合适的机会发力去做。
5. 在做的时候，需要提前规划好【目标】、【控制点】和【路径】。

好了，上面5点中的前3点，若能够基本掌握，就可以进行 业务的调研和梳理了，如若后2点也掌握了，给老板提供决策支撑外，也可以自行尝试产品规划了（说的容易，做起来还是很难的喔~~）。

我按照上述方法，对12345业务的发展趋势、市场情况、以及实际业务情况进行了调研和分析（线上+线下调研交流结合），最终产出了 12345业务调研及市场分析报告，以及相对应的产品解决方案。好了，感兴趣的童鞋，我们一起往下看吧~

（关于我个人在前司负责过的产品解决方案，可移步至百度云官网（搜索 “全要素治理引擎”），这里就不放了，读者完全可以有自己的思考和设计方案）。

一、“政务服务热线（12345热线）”是什么？来源是什么？

12345政务服务便民热线（简称12345热线），是由各地市人民政府设立的，主要用于受理市民投诉、举报、建议、咨询等非紧急民生诉求的公共服务平台，提供“7×24小时”全天候人工服务。

在我国的23个省、5个自治区、4个直辖市，市民或企业均可以通过拨打“区号-12345”号码或使用官方-市长信箱、手机短信、手机客户端、微博、微信等方式留言，提出投诉、举报、建议、咨询等非紧急民生诉求。

（注：有些不发达地区，可能还未开设12345热线，有些地区可能也未开设微信公众号等线上服务平台——是否建设这些平台，取决于当地政府的业务需求和财政情况）。

二、“政务服务热线（12345热线）”的行业发展趋势

习近平总书记2019年在上海考察时强调，要提高城市治理现代化水平，抓好 “城市运行一网统管”，坚持从群众需求和城市治理突出问题出发，把分散式信息系统整合起来，做到实战中管用、基层干部爱用、群众感到受用。

在AI时代，各行各业均在寻得利用大模型、AI技术解决实际业务中的管理难、效率低等问题，12345业务也不例外，至今仍处于 基础设施逐步完善，且“上层建筑”（AI智能化应用）不断搭建过程中。

三、“政务服务热线（12345热线）”的业务流程、业务需求及痛点分析

1.“12345业务流程”现状

这里给出，基于我调研后产出的“12345业务流程”现状：

• 可以看到：12345业务流程中，参与的部门有【市级12345部门】、【各市下辖的区12345分中心&区委办局&市委办局】、【各区下辖的街道办/街镇/乡&各市委办局的二级单位】、【各街镇/乡下辖的社区/村】，共有四个层级。在每个层级中，角色分为：执行者、管理者和决策者。坐席即为一线执行者。
• 在问题上报环节：市民上报问题，首先进入到 市一级部门，由市一级的坐席（客服）记录、解答市民问题。关于咨询类问题，坐席参考知识库（信息化系统-知识库）及搜索引擎等，给市民以解答。关于投诉、建议、举报问题，坐席如实按记录规范要求，录入市民的诉求后提交。
• 在工单流转环节：一般会有专人进行工单的分拣，将工单反应的问题，按照问题性质、所处辖区等因素，将工单分派给 处置单位（委办局或分中心，或直接指派给具体的街镇），——这里坐席一般会参考坐席知识库（法条、历史经典案例等）。
• 在工单处置环节：承办单位会事先给市民回访，核实问题的真实性。同时对问题工单进行签收->处置。在工单签收后，一般会有处置时限限制
  （根据问题不同类型进行设定，比如“水电燃气”等基本生活保障类问题，上级部门要求必须在24h解决完毕；其它问题，7天左右——不同地区，政府规定有所不同）；有些问题需要现场处置，比如“垃圾满溢”、“道路积雪结冰”等（政府部门派网格员或科室人员进行处理）。处置完后，需要填写 办结工单，按要求录入 问题处置的相关信息（问题处置完成视频或图片、给市民回访的录音、处置人、处置部门等）。
• 在工单回访环节：若问题工单，承办部门申请结案。则最高的市一级部门，会对市民进行回访，取得市民关于该问题的反馈，即是否满意、响应是否快、是否解决了问题。——这也是后续对各承办单位的考核指标（解决率、响应率、满意率）。
• 在业务考核场景中：由市一级部门，按天/周/月/季度/年度，对各个承办单位进行考评，主要考评指标：解决率、响应率、满意率。

做多了政府的业务，发现公安也好、城管城运也罢，都是这套业务流程（上报->分发->处置->结案），这和OA系统的审批、报销流程也无大异。

2. 12345业务需求、业务痛点分析

是否建立了信息化系统？业务需求有哪些？痛点有哪些？需求/痛点被解决的如何了？

信息化现状：经调研，国内的657个县级以上城市中，有七成以上均建立了【12345业务协同办理系统】，而在此基础上，有些城市（如北京、上海、重庆、珠海、广州、杭州、成都等一线及新一线城市）也进行了 AI化改造（改造持续进行中）。

行业普遍痛点：

图来自个人调研后整理绘制，禁止商业使用、禁止抄袭

各角色痛点：

图来自个人调研后整理绘制，禁止商业使用

业务需求&痛点被解决的如何了？

1. 关于市民上报问题的渠道/平台，目前各政府部门已出资建立了12345呼叫中心（为主）、微信小程序、微信公众号等官方上报渠道；
2. 关于12345业务问题的流转、处置、协同办理，各政府部门已出资建立了（采购了）【政务服务热线协同办理系统】，做这套系统的厂商有：国泰新点、中国电信亿迅、中科大脑、中国电信上海仪电等厂商。
3. 在一些核心环节（接听受理、分发、处置、回访环节），一些AI能力插件，也已经被应用到【政务服务热线协同办理系统】中，用于提高各个环节的业务效能。

四、AI技术，已经用来解决该场景中的什么问题？落地的效果又如何呢？

终于进入到了 本篇的正题：AI技术（ASR & NLP）在12345业务场景中，有哪些运用？落地的效果又如何呢？我们一起来看看吧~

在上面的讲解中，我们已经了解了12345业务的办理，主要是依托于【12345热线协同办理平台】，那它主要长什么样子呢？通常长下面这样：

该系统的角色和用户：负责12345业务的各级部门（在文章开头已经讲到了），包括：【市级12345部门】、【各市下辖的区12345分中心&区委办局&市委办局】、【各区下辖的街道办/街镇/乡&各市委办局的二级单位】、【各街镇/乡下辖的社区/村】，在每个部门根据所负责业务内容的不同，会设置不同的角色类型。

比如在市中心和区分中心：一般均会设有专门的一线坐席人员，受理市民上报的12345问题，对其进行记录、解答、分派等。——坐席一般会使用专门的【坐席工作台】模块。

委办局等承办单位，通常不会直接接听市民电话，所以工作台的接打电话功能，可以不为其配置。各委办局等承办单位，日常用的较多的是【工单管理】模块，用于查看“待办”、“已办”，进行案件/工单的办结申请等业务操作。

——设计上述系统，前提也是要进行业务流程、业务角色的梳理与设计，搞清楚需要哪些角色类型？每类角色，需要进行什么业务操作？——据此，才能设计好角色权限及用户管理相关的后台管理功能。

好，了解了上述类似于OA系统的用户有哪些？那在这个12345业务场景中，哪里用到了AI技术呢？

1. 在坐席接听受理环节：

目前在坐席工作台上，一些集成商已经与各AI厂商（百度、阿里、浪潮等）建立合作，提供一些AI提效功能插件，比如在通话场景（多轮对话场景）中的AI运用：

a.语音转文字功能 ，已经实际应用。——但粤语、方言ASR效果仍具有较大的挑战，实战效果并不好（没有几家厂商能够做好）。

b.基于语音转写后的文本，识别其中的核心要素（如地址、人名、机构名、时间等要素或词槽），对其智能分类（打分类标签如“社会保障-基本生活保障-停水”、研判承办部门），也已经应用。——机器抽取效果，AI大厂一般可以达到精确率70%左右。

c.根据转写后的文字，以及语音语调，识别市民和坐席的情绪 、以及坐席发言是否有违规/敏感词 ，也已经应用。——机器分析市民情绪倾向，可有效坐席调整应对话术策略，提高问题解决率、满意率；——机器分析坐席发言是否有违规，可以有效为坐席绩效考评提供技术和证据支撑。

d.根据语音转文字的结果，进行工单小结生成（摘要生成能力，同现在的大模型的信息压缩能力） ，帮助坐席减轻 记录整理工单的负担。——在大模型技术的加持下，其效果显著提升。

e.坐席给市民解答问题，一些智能推荐功能 ：如类案推荐、话术推荐、法条推荐，也已经被应用。——但目前法条推荐、话术推荐还未广泛应用（据我了解）。

法条推荐，话术推荐等功能，一些AI厂商还在逐步完善当中（原因主要是：法条数据的梳理，以及历史法条-工单训练集的构建，相对较难。这是因为：不同地区对同一问题采用的法条，并不完全一致，这就造成了法条推荐功能，可能无法规模化，AI厂商只能不断地增加训练语料，以此提高模型泛化能力——但模型训练能力提高的瓶颈在于：法条和工单关系数据获取本身就较难，往往只能通过一些实际项目获取）。

2. 在承办处置环节：

承办单位：对上一环节下派的工单，进行分析，主要分析其适用于哪个法条或政策。在这个业务环节中，诸如 法条推荐、类案推荐等智能化推荐功能，也已经被运用。——落地的情况，仍是类案推荐相对容易，而法条或政策推荐难度较大（原因前面已阐述）。

3. 在回访和质检环节：

一些智能客服的技术和产品，比如“智能语音机器人回访”、“短信回访”、“语音质检”、“文本质检”、“情绪检测与识别”等，也已经运用到了 该12345热线场景下。

4. 在日常业务分析和报送环节：

各级承办部门，需要定期出报告，如周报、月报、年度报告等，一些报告的撰写耗时耗力，且强依赖于撰写报告人员的业务水平，水平高的人员，写一篇质量较高的文章可能相对较快，但每天都相同的工作内容，很容易让人产生“倦怠感”，从而工作效率和主动性也会下降。

因此，各类报告撰写辅助工具，已经产生并应用。百度此前针对该场景提供了：报告撰写辅助工具，其主要原理便是利用了 【NLP文本聚类能力】 和批数据处理技术。

【NLP文本聚类能力】接口的输入、输出：

输入是：一批工单文本数据（或是指定时间范围、筛选条件，查出来一批工单文本数据）。

输出是：TOPN个 类簇，每个类簇包括：工单标题（必填）、工单涉事主体（选填）、工单事发地点（选填）、工单主体描述（必填），以及大小（即构成该类簇的数据条数）。

在底层，则运用到了NLP的要素抽取、NLP文本分类、短文本相似判别、KNN等能力；在更底层，则是会用到 word2sec、依存句法分析等能力。

五、全文总结

本文以12345业务为例，先后介绍了：

1. 我们在进入一个行业/业务时，该如何进行业务调研？——本文给出了5步法；
   
2. 系统性的介绍了政府12345业务的来由、发展趋势以及详细的业务流程；——包括哪些政府部门参与，分别负责什么事，以及各部门各角色痛点是什么；——为读者在做其它业务调研时，指明了具体思考路径；
3. AI（ASR及NLP）在诸如12345热线业务场景中的实际落地案例——包括具体场景和具体AI能力的运用，以及落地情况（效果好与坏？难在哪？）。

六、写在最后

总的来看，各类AI能力，都是依托于系统功能模块之上的，离开系统功能模块，AI也就无法发挥价值和作用。

所以，要想运用AI手段，来提高团队或公司的业务效能，其前提是具备良好的“基础设施”，即构建AI所必需的前置条件。如果系统功能逻辑还未完整，系统功能模块还尚缺失，那应该先把 信息化系统建好后，再考虑AI赋能的事情也不迟。（这也是AI厂商，在选择合作伙伴时考虑的一个要点）。

只懂AI，不懂系统业务逻辑的产品经理，虽说在AI、大模型泛滥的时代，这样的人也能找到工作，甚至待遇更好。但是随着时间推移，我坚信：既有宏观架构能力，又有AI、策略专业知识的产品经理，才能走的更久、更远~共勉！