알림 목록

Область анализа: город Пусан

Основная зона ответственности: Административный центр города Пусан, 16 районов и уездов, а также подведомственные государственные учреждения.

Повестка дня: Проверить, вышли ли ИИ и данные за рамки административной помощи и действительно ли они изменили политические альтернативы, бюджеты, реализацию проектов и оценку эффективности.

Золотой тип времени: Расширение административного ИИ + Пробел в доказательствах принятия решений

Дата обращения: 28.08.2026

Версия: Regional AX Golden Time Intelligence v3.2 Enhancement Standard
 

В конце 2025 года город Пусан стал первым органом местного самоуправления, запустившим административные услуги на основе генеративного ИИ с использованием небольших языковых моделей и расширения возможностей поиска, и к началу 2026 года он внедрил 22 типа услуг — включая вопросы и ответы, составление документов и поиск административных данных — во всех департаментах. Сфера применения ИИ в административной сфере сместилась от использования внешнего генеративного ИИ отдельными сотрудниками к услугам на уровне организаций, которые объединяют внутренние административные данные с системами безопасности. Однако публичные журналы принятия решений, показывающие, что использование услуг привело к сравнению альтернативных вариантов политики, изменениям бюджета, приостановке проектов, корректировке целевых областей или изменению методов реализации, не были подтверждены. Если трехлетний план развития с 2026 по 2028 год будет строиться в основном на объеме использования и количестве сгенерированных документов, административный ИИ застопорится, превратившись лишь в улучшение скорости работы. Хотя административная система ИИ в Пусане достигла стадии использования во всех департаментах, нет достаточных оснований для вывода о том, что она достигла стадии изменения процессов принятия решений.

В рамках проекта «Волна больших данных» в Пусане в качестве задач анализа были зарегистрированы фактические вопросы государственной политики, такие как изменения в продажах после перевода обязательного закрытия гипермаркетов на будние дни, продажи по кредитным картам до и после проекта «15-минутный город», количество посетителей фестивалей и продажи в коммерческих районах, а также нехватка парковочных мест в районе Ёндогу. Использование данных смещается от статистических исследований к проверке результатов до и после реализации политики. Однако общедоступные данные о том, какие альтернативы были исключены и какие решения, бюджеты или действия были изменены, ограничены. Если запросы на анализ и решения по политике останутся в отдельной системе в течение следующих двух-трех лет, объем анализа может увеличиться, но влияние принимаемых решений невозможно будет измерить. В  системе управления Пусана, основанной на данных, хотя создание вопросов и проведение анализа подтверждаются, отслеживаемость изменений в решениях считается неподтвержденной.

План развития ИИ в административной сфере до 2026 года предлагал повсеместное внедрение ИИ во всей администрации, а план работы в секторе данных включал расширенный анализ, обучение сотрудников и использование псевдонимизированной информации для решения муниципальных задач. Цифровизация администрации перешла от частичных пилотных проектов к плану повсеместного внедрения во всех секторах. В то же время, публичная базовая модель, связывающая качество данных департаментов, точность ответов ИИ, поведение пользователей при проверке, возникновение ошибок и результаты для граждан в единую систему показателей эффективности, не определена. Если услуги будут быстро расширяться в период с 2026 по 2028 год, низкокачественные исходные данные и непроверенные ответы будут постоянно внедряться в рабочие процедуры.  Риск, связанный со сроками внедрения ИИ в административной сфере Пусана, заключается в том, что скорость внедрения ИИ опережает скорость повышения качества доказательств и создания систем подотчетности.

В различных секторах также ведутся проекты поддержки принятия решений, такие как моделирование сетей водоснабжения, «умные» морские деревни и администрирование аудита на основе ИИ. Применение ИИ расширяется от обычных задач, связанных с документами, до экспертных оценок в области водоснабжения, морской среды, аудита и безопасности. Однако в открытом доступе отсутствуют сравнительные данные, подтверждающие, насколько прогнозные предупреждения изменили фактические приоритеты инспекций, распределение бюджета, а также решения регулирующих и аудиторских органов, или улучшились ли результаты. Если в течение следующих двух-трех лет будут независимо развиваться отраслевые системы, город Пусан не будет обладать единой системой административного обучения, даже если он будет использовать несколько сервисов ИИ.  В настоящее время «золотое время» оценивается не как период расширения сервисов ИИ, а как два-три года, предшествующие первой связи между решениями, измененными с помощью ИИ, и их результатами.

Тезис о «золотом времени» — Единицей оценки для системы Busan Administrative AX является не количество сервисов ИИ или количество сгенерированных документов. Единицей оценки является время принятия решения, которое включает в себя оценку того, создали ли ИИ и данные выбор, отличающийся от существующих решений, и улучшил ли этот выбор результаты для граждан, бизнеса и региона.

Администрация города Пусан управляет транспортом, социальным обеспечением, безопасностью, промышленностью, окружающей средой, туризмом и городским планированием через главный офис, бизнес-подразделения, 16 районов и уездов, а также государственные корпорации, агентства и финансируемые или финансируемые учреждения. Административные данные имеют распределенную структуру, генерируемую множеством организаций и доверенных учреждений, а не одной структурой. Степень, в которой одни и те же граждане, предприятия, пространства или проекты управляются различными департаментами с использованием разных идентификаторов и циклов обновления, не может быть полностью проверена в общедоступных данных. По мере расширения услуг искусственного интеллекта в департаментах на основе этих распределенных данных в период с 2026 по 2028 год могут возникать различные ответные меры и оценки рисков в отношении одних и тех же проблем.  Масштаб риска для администрации Пусана определяется наличием множества записей по одному и тому же административному объекту, а не недостатком данных.

Компания Big-DataWave предоставляет общедоступные и частные данные, статистику, консультации по анализу и примеры использования данных. База данных администрации Пусана расширилась от периодической статистики до анализа политики с использованием данных о продажах по кредитным картам, мобильности населения в сфере телекоммуникаций, пространственных сеток и опросов. Однако общедоступные операционные показатели, связывающие общее количество зарегистрированных запросов на анализ, среднее время обработки, коэффициент отражения политики и коэффициент повторного использования, отсутствуют. В то время как время ожидания и дублирование отдельных анализов накапливаются по мере увеличения объемов запросов в течение двух-трех лет, общая аналитическая мощность организации остается неоцененной. Несмотря на  наличие у администрации Пусана аналитической инфраструктуры, ее вычислительная мощность относительно спроса остается неизмеренной.

Административные сервисы на основе генеративного ИИ в Пусане предоставляют 22 типа функций, включая вопросы и ответы, поиск данных и создание документов, для всех отделов. Масштаб применения генеративного ИИ расширился от обучения и пилотного использования до распространенных сервисов в реальных рабочих условиях. Однако данные об активных пользователях по отделам, частоте использования, экономии рабочего времени, времени исправления ошибок и показателях принятия/отклонения ответов не были раскрыты. Если количество функций увеличится в период с 2026 по 2028 год, сервисы с низким уровнем фактического использования и улучшения работы останутся в списке достижений внедрения.  Хотя масштабы применения генеративного ИИ в Пусане подтверждены на основе функций, фактический масштаб использования считается неподтвержденным.

Внедрение систем поддержки принятия решений с использованием датчиков, моделей и ИИ активно развивается в таких областях, как водоснабжение, морская среда, аудит и безопасность. Административный ИИ перешел к многоуровневой структуре, где одновременно работают универсальные языковые модели и отраслевые модели прогнозирования и обнаружения. Однако общедоступные данные, сравнивающие общий реестр моделей, происхождение данных, точность, случаи ошибок и оперативную подотчетность по всему городу, пока не подтверждены. По мере увеличения числа специализированных моделей в течение следующих двух-трех лет стоимость комплексного управления рисками, специфичными для каждой модели, будет быстро расти.  В то время как административный ИИ в Пусане находится на этапе многоотраслевого расширения, общегородское управление моделями остается неподтвержденным.

22 типа сервисов генеративного ИИ, волна больших данных и отраслевые интеллектуальные платформы демонстрируют, что Пусан обладает многочисленными ресурсами в области ИИ и данных. Цифровые административные ресурсы развились в структуру, где универсальные системы ИИ и специализированные аналитические системы сосуществуют в рамках единого статистического портала. Однако единая среда выполнения, при которой результаты анализа на разных платформах были бы связаны с одними и теми же совещаниями по вопросам политики, утверждениями, бюджетами и оценками эффективности, пока не подтверждена. По мере увеличения количества систем в период с 2026 по 2028 год поиск информации может ускориться, но расхождения в суждениях между организациями могут возрасти.  На данный момент подтверждено накопление инструментов ИИ и данных, а не интеграция экосистемы принятия решений.

Запросы на анализ продаж карт до и после проекта «15-минутный город», продаж на традиционных рынках и в малых предприятиях после изменения правил обязательного закрытия крупных супермаркетов, а также пешеходного потока и продаж карт до и после фестивалей касаются скорее результатов, чем исходных данных. Административные запросы сместились с вопроса о том, был ли реализован проект, на вопрос о том, действительно ли политика изменила местную экономику. Однако в открытом доступе не обнаружено никаких записей, связывающих результаты анализа со случаями сохранения, изменения или отмены существующих политик. Если анализы остаются лишь ретроспективным справочным материалом в течение двух-трех лет, расширение вопросов, касающихся результатов, не приводит к изменениям в процессе принятия решений.  Хотя в Пусане существует потребность в анализе результатов, экосистема для координации политики, основанной на результатах, считается неподтвержденной.

Практическое обучение ИИ в 2025 году охватывало стратегическое планирование и техническую практику для мэрии, районов, округов и подведомственных организаций, в то время как расширение услуг ИИ во всех секторах прогнозировалось на 2026–2028 годы. Структура развития талантов расширяется от простого использования инструментов до возможностей планирования услуг. Однако в ходе административной проверки, проведенной городским советом Пусана в 2025 году, было отмечено, что более 80% некоторых курсов обучения ИИ были на базовом уровне. Если темпы распространения услуг в течение следующих двух-трех лет опередят возможности планирования и проверки, сотрудники будут использовать результаты ИИ, но не смогут выявлять ограничения и ошибки моделей.  По оценке, в экосистеме подготовки административных кадров в области ИИ в Пусане существует разрыв между расширением числа пользователей и передовыми возможностями проверки.

Проект Smart Ocean Village занимается мониторингом морской среды и поддержкой принятия решений на основе ИИ, в то время как сектор водоснабжения внедряет большие данные и моделирование трубопроводных сетей на основе ИИ. Администрирование в этих секторах переходит от рассмотрения жалоб и проведения инспекций после инцидентов к проактивному обнаружению и прогнозированию. Однако общедоступные данные, сравнивающие степень соответствия прогнозов и фактических событий, время реагирования на оповещения и снижение числа аварий, ограничены. Даже если система будет введена в эксплуатацию в период с 2026 по 2028 год, платформа останется статичной в качестве средства мониторинга, если точность прогнозов не будет связана с действиями на местах. Хотя  отраслевой ИИ обеспечил возможности прогнозирования, отсутствуют данные об экосистеме, демонстрирующие, что прогнозы действительно изменили административное поведение.

Генеративный ИИ снижает затраты на сбор информации, обрабатывая административные данные и проекты документов за считанные секунды. Узкое место в административной работе смещается со времени, затрачиваемого на поиск данных, на время, затрачиваемое на определение того, каким доказательствам можно доверять и какую альтернативу выбрать. Хотя сервисы ИИ в Пусане предоставляют функции поиска и составления документов, возможности принятия решений, позволяющие сравнивать эффективность, затраты и риски различных альтернатив, отсутствуют в общедоступных данных. Если скорость поиска увеличится в период с 2026 по 2028 год, может быть сформирована структура, способная быстрее воспроизводить существующую логику политики. Хотя структурные изменения в административной работе сместились от генерации документов к оценке и проверке, текущая функция в Пусане, по оценкам, ближе к первому этапу.

Административные сервисы на основе RAG укрепляют основу ответов за счет поиска во внутренних административных данных. Эта структура представляет собой сдвиг в генеративном ИИ от ориентации на общедоступную информацию в интернете к ориентации на данные, хранящиеся в городе Пусан. Однако публичный журнал аудита, который фиксирует исходный текст, на который ссылается ответ, дату ссылки, противоречащие документы, отклоненные руководства, уровни достоверности и окончательных рецензентов, отсутствует. По мере накопления административных данных в течение двух-трех лет возрастает риск неправильного смешивания недавних, исторических и противоречащих друг другу данных.  Структурный разрыв генеративного ИИ в стиле Пусана очевиден в определении достоверности данных, а не в генерации ответов.

Данные частных карт, телекоммуникаций и пространственные данные позволяют быстрее, чем административная статистика, выявлять изменения в коммерческой, транспортной и жилой сферах. Политические данные перешли от ежегодной статистики к анализу на уровне отдельных дней, часов и с шагом 50 метров. Однако до сих пор не существует системы раскрытия информации, которая бы учитывала систематическую ошибку выборки, изменения в поставщиках услуг, корректировку формул, затраты и воспроизводимость частных данных наряду с данными о принятых политических решениях. Если зависимость от частных данных возрастет в период с 2026 по 2028 год, изменения в договорах на поставку могут привести к нарушению базового уровня политики. Хотя  система управления данными в Пусане обеспечила высокую скорость обработки, ее долгосрочная сопоставимость и воспроизводимость считаются неподтвержденными.

Внедрение системы управления аудитом на основе ИИ расширяет возможности выбора объектов аудита и выявления рисков от выборочных проверок до полномасштабного поиска на основе данных. Структура аудита меняется от постфактумного обнаружения к раннему выявлению аномалий. Однако накопление общедоступных данных для проверки объектов аудита, выбранных моделью, невыбранных объектов, фактических нарушений, ложных срабатываний и предвзятости все еще находится на ранней стадии. Если рекомендации ИИ будут включены в приоритеты аудита в период с 2026 по 2028 год, необъяснимые ложные срабатывания также превратятся в административную нагрузку и репутационные риски. Система  Audit AX призвана одновременно расширить возможности обнаружения и устранить пробел в процессуальной ответственности.

План развития ИИ в администрации на 2026 год определил направление систематического распространения ИИ во всей администрации. Пилотные внедрения в отдельных департаментах перешли на уровень портфеля проектов на уровне городского правительства. Однако реестр проектов ИИ, который бы раскрывал базовые показатели для каждого проекта, целевые результаты, ответственные департаменты, уровни риска моделей и критерии прекращения внедрения в едином формате, пока не создан. Если расширение на все сектора начнется в период с 2026 по 2028 год, будет сложно отличить низкоэффективные проекты от высокорисковых, используя одни и те же критерии.  В настоящее время в Пусане процесс внедрения ИИ находится на стадии формирования портфеля проектов, а этап управления эффективностью портфеля пока не подтвержден.

Внедрение генеративных ИИ-сервисов в администрирование всех отделов началось в начале 2026 года, и был представлен график развития и расширения на следующие три года. Применение ИИ расширилось от ограниченного пользовательского тестирования до общей рабочей среды для всех сотрудников. Однако публичная базовая оценка, сравнивающая рабочее время, точность реагирования на жалобы, показатели исправления ошибок, объемы доработок и инциденты безопасности до и после внедрения, пока не подтверждена. После того, как использование ИИ станет неотъемлемой частью основных рабочих процедур в течение следующих двух-трех лет, будет сложно сравнивать его результаты с периодом до внедрения ИИ.  В настоящее время, хотя график расширения на три года ясен, структура для измерения причинно-следственных связей считается неподтвержденной.

План работы с данными на 2026 год включает расширение анализа для решения муниципальных проблем, обучение сотрудников и использование псевдонимизированной информации. Область применения данных расширяется от общедоступной статистики до комбинированного анализа, защищающего персональные данные. Однако не было найдено данных, которые бы в совокупности раскрывали результаты политики, риски повторной идентификации, сбои в комбинированном анализе, периоды обсуждения или фактические изменения политики, связанные с псевдонимизированным комбинированным анализом. Если использование и защита будут рассматриваться как отдельные показатели эффективности на период 2026–2028 годов, станет сложно оценить взаимосвязь между расширенным анализом и общественным доверием. В  настоящее время меры, принимаемые в Пусане в связи с использованием псевдонимизированной информации, находятся на этапе расширения базы использования, а не на этапе комплексной оценки результатов и доверия.

Практическое обучение искусственному интеллекту и работе с данными расширило свою сферу применения и теперь охватывает центральные управления, районы, округа и государственные учреждения. Политика в области компетенций сместилась от подготовки небольшого числа экспертов по данным к использованию ИИ среди рядовых административных сотрудников. Однако фактическая эффективность анализа до и после обучения, изменения в планировании политики, показатели выявления ошибок и показатели применения на практике не раскрываются. Если рассматривать только количество прошедших обучение в течение двух-трех лет, невозможно отличить расширение обучения от улучшения качества принятия решений. Хотя  отклик на обучение расширился с точки зрения охвата, его результаты на практике считаются неподтвержденными.

Власти Пусана объявили о запуске административных услуг на основе генеративного ИИ (sLLM и RAG) во всех департаментах, став первым местным органом власти, сделавшим это. Доказательства раннего внедрения единой рабочей среды на основе ИИ подтверждаются сравнениями с местными органами власти страны. Однако сравнения показателей активного использования, экономии времени, точности и темпов изменения политики с использованием тех же стандартов, что и в других ведущих городах, не разглашаются. Если вместо сравнения показателей использовать обозначение «начальное внедрение» в 2026–2028 годах, разница между технологическим лидерством и эффективностью административной работы будет размыта. Хотя  Пусан демонстрирует опережающие показатели на момент внедрения, по результатам принятия решений он считается несравнимым.

Управление ИИ в международном государственном секторе фокусируется на управлении происхождением данных, экспертной оценке, объяснимости, оценке воздействия, возражениях и мониторинге моделей. Генеративные сервисы ИИ в Пусане были созданы на основе использования систем безопасности и внутренних данных. Однако подтверждения относительно раскрытия информации об одобрении уровней риска, оценке воздействия на граждан, раскрытии ошибок и истории изменений моделей на уровне городского правительства пока нет. По мере расширения применения ИИ в сферах взаимодействия с гражданами, аудита и безопасности в течение следующих двух-трех лет, процедурная подотчетность, а не операционное удобство, будет определять сравнительную конкурентоспособность. Хотя  готовность Пусана к внедрению технологий высока, его готовность к государственному управлению оценивается как неподтвержденная.

Крупные местные органы власти, такие как Сеул и Кёнги, используют многоуровневые системы анализа данных, общедоступные данные, цифровые двойники и сервисы искусственного интеллекта. Пусан также сокращает разрыв в инструментах, создавая волну больших данных и отраслевые платформы ИИ. Однако сопоставимые показатели анализа → изменения решений → результата в разных городах не стандартизированы внутри страны. Сравнение только количества платформ и бюджетов на 2026–2028 годы не позволяет оценить фактическую административную производительность Пусана и его влияние на жителей.  По уровню владения инструментами Пусан оценивается как средний уровень, но при этом отмечается общий дефицит данных в части времени принятия решений.

Анализ 15-минутного города Пусана, его фестивалей, коммерческих районов, транспорта и морской среды позволяет решить местные проблемы путем объединения данных с данными частного сектора. Это представляет собой более продвинутую структуру, чем этап, на котором используются только структурированные административные статистические данные. С другой стороны, данные, управляемые в соответствии с общими стандартами в отношении воспроизводимости анализа, контрольных групп, исходных и последующих результатов, ограничены. Даже если количество анализируемых случаев увеличивается в течение двух-трех лет, они не объединяются в общую картину города, если сравнительные методы различаются.  Относительная сила Пусана определяется реалистичностью рассматриваемых тем, а его слабость заключается в стандартизации результатов анализа в рамках политических экспериментов.

Сопоставление 22 типов сервисов генеративного ИИ с их применением во всех департаментах подтверждает их функциональность и масштабы внедрения. Однако, поскольку данные об активных пользователях, количестве запросов, темпах внедрения, темпах модификации, экономии времени и темпах изменения политики не раскрываются, оценить показатели удобства использования невозможно. Количество сервисов, умноженное на количество департаментов, показывает масштаб распространения, но не отражает эффективность административной работы. Если количество функций увеличится в период с 2026 по 2028 год, показатели успеха без знаменателя могут стать больше.  Текущие данные по генеративному ИИ в Пусане отражают масштаб внедрения, в то время как производительность принятия решений определяется дефицитом данных.

Запросы на анализ в Big-DataWave включают в себя актуальные политические вопросы, такие как концепция «15-минутного города», обязательное закрытие гипермаркетов, фестивали, парковка, пешеходное движение и потребительские продажи. Количество запросов и показатели «выполненных ответов» демонстрируют функционирование системы анализа. Однако последующие данные о переходе от «выполненного ответа» к «подтверждению», «модификации проекта» и «изменению результата» не разглашаются. Если количество выполненных запросов накапливается в течение двух-трех лет, эффективность обработки анализа и эффективность внесения изменений в политику могут восприниматься как идентичные.  Показатель завершения анализа определяется как показатель качества административного обслуживания, а не как показатель эффективности политики.

Для сравнения изменений в 2023 и 2024 годах, а именно до и после завершения проекта, был запрошен анализ продаж карт до и после его реализации. Хотя структура для сравнения во времени существует, подтверждение того, что контрольные регионы, внешние экономические условия, цены и сезонные факторы были разделены, невозможно только на основе запрошенной информации. Простые увеличения и уменьшения до и после проекта смешивают эффекты политики с одновременными внешними изменениями. Если аналогичные анализы будут повторены в период с 2026 по 2028 год, могут накопиться ошибочные причинно-следственные выводы, что приведет к расширению или сокращению бюджета.  Числовой разрыв в анализе данных по Пусану заключается в разнице между измерением изменений и определением причинно-следственной связи.

Анализ переноса обязательного закрытия гипермаркетов на будние дни — это политический вопрос, в котором сравниваются продажи гипермаркетов, традиционных рынков и владельцев малого бизнеса. Он подтверждает структурный сдвиг, направленный на изучение распределения выгод между заинтересованными сторонами, а не на продажи отдельной отрасли. Однако не выявлены открытые результаты, объединяющие выгоды для потребителей, условия труда работников, переход к онлайн-потреблению и долгосрочные последствия. Если выводы будут основаны исключительно на краткосрочных продажах по кредитным картам за период в два-три года, то издержки и выгоды политики будут ограничены определенными группами. Хотя  основанное на данных заключение в Пусане было расширено до сравнений между несколькими группами, было установлено, что оно не достигло общего социального результата.

Хотя количество участников и курсов в области обучения искусственному интеллекту демонстрирует уровень развития компетенций, аудит городского совета показал, что более 80% некоторых курсов имеют базовый уровень. Это свидетельствует о том, что увеличение объема обучения не приводит к приобретению продвинутых навыков. Обучение не было связано с качеством анализа на рабочем месте, проверкой моделей или изменениями в политике. Если расширение, ориентированное на базовое образование, продолжится с 2026 по 2028 год, сохранится структура, в которой количество пользователей ИИ будет расти, но будет наблюдаться нехватка лиц, принимающих обоснованные решения.  Количество учебных сессий указывает на расширение, но способность организации принимать решения остается неоцененной.

Первый недостаток — отсутствие журнала принятия решений . Запросы на анализ, ответы ИИ, административные документы, утверждения, бюджеты и результаты исполнения существуют по отдельности. Однако общедоступные записи, связанные с одним и тем же идентификатором политики, позволяющие определить, какие доказательства отклонили существующие альтернативы и изменили окончательное решение, недоступны. По мере того, как использование ИИ станет повсеместным в период с 2026 по 2028 год, отслеживать фактическое влияние ИИ на процесс принятия решений станет еще сложнее.  Наибольший пробел в административной системе AX в Пусане определяется не аналитическими возможностями, а отслеживаемостью изменений в решениях.

Второй пробел – отсутствие базовых показателей результатов . Хотя 22 типа сервисов генеративного ИИ демонстрируют свои функциональные возможности, общие базовые значения для показателей рабочего времени до внедрения, частоты ошибок, качества обработки жалоб и сроков обработки политик не были раскрыты. Такая структура обеспечивает слабые стандарты для сравнения, даже если изменения произойдут после внедрения. Если ИИ закрепится в качестве стандартной рабочей среды в течение двух-трех лет, сравнение состояния до внедрения с контрольной группой, не использующей ИИ, станет практически невозможным.  По оценкам, готовность к проверке эффективности генеративного ИИ в Пусане ниже, чем готовность к его внедрению.

Третий пробел заключается в непроверенном управлении происхождением данных и датами отсчета . Хотя RAG использует внутренние данные, административные записи содержат руководства, существовавшие до внесения изменений, дубликаты документов и противоречивую статистику. Отсутствует подтвержденная структура для публичного отслеживания того, какие данные и даты отсчета использовались в ответах ИИ. По мере увеличения объема документов в период с 2026 по 2028 год возрастает риск повторения ошибок, связанных с актуальностью данных, в виде правильных предложений.  Пробел в управлении на основе фактических данных заключается не в доступе к данным, а в способности определить, какие данные являются достоверными.

Четвертый пробел — это разрыв между анализом и бюджетом . Даже если анализ данных подтверждает эффективность политики, общедоступные записи, связывающие ее с увеличением, уменьшением или прекращением финансирования в бюджете следующего года, ограничены. Структура такова, что анализ используется в качестве справочного материала, в то время как бюджет рассматривается как отдельный обзорный материал. Если низкоэффективные проекты неоднократно включаются в бюджет в течение двух-трех лет независимо от результатов анализа, финансовые выгоды от управления на основе данных исчезают.  Готовность Пусана к принятию решений оценивается как неподтвержденная при перераспределении бюджета, а не при анализе политики.

Пятый пробел – это отсутствие организационного обучения в отношении ошибок ИИ . Генеративный ИИ и прогностические модели могут генерировать неверные ответы, упущения, предвзятость и ложные срабатывания. Не найдено ни одного реестра, который бы интегрировал и публично раскрывал случаи ошибок, время их исправления, частоту повторения и изменения версий моделей для города Пусан. По мере увеличения количества услуг в период с 2026 по 2028 год одна и та же ошибка может распространиться на документы и решения в нескольких департаментах.  Риск для управления ИИ в Пусане оценивается не в наличии ошибок, а в структуре, где ошибки не сохраняются в организационной памяти.

Административные сервисы Big Data Wave и Generative AI предоставляют, соответственно, аналитические данные и инфраструктуру поддержки бизнеса. В настоящее время город Пусан обладает как возможностями запроса и анализа данных, так и возможностями ИИ для работы с документами и поиска. Однако никаких подтвержденных публичных доказательств связи этих двух инфраструктур с одним и тем же идентификатором задачи политики пока не получено. Если отдельные обновления будут продолжаться с 2026 по 2028 год, результаты анализа данных могут не отражаться в ответах Generative AI, или даты могут измениться.  Установлено, что обеспечена совместимость нескольких технических инфраструктур, в то время как совместимость на уровне политики остается неподтвержденной.

Обучение по искусственному интеллекту и работе с данными проводилось для центрального офиса, округов, районов и аффилированных организаций, а также была внедрена программа практического планирования. Целевая аудитория обучения была расширена с отдельных ИТ-специалистов до рядовых сотрудников, занимающихся разработкой политики. С другой стороны, в ходе административного аудита 2025 года было отмечено отсутствие передовых возможностей применения и конвергенции. Если ИИ распространится на все ведомства в течение следующих двух-трех лет, может возникнуть «узкое место», когда один специалист по проверке будет обрабатывать ошибки от нескольких пользователей.  Инфраструктура кадров оценивается как находящаяся на этапе расширения использования, в то время как специалисты по проверке высокого уровня находятся в состоянии нехватки.

Инфраструктура использования данных для карточных продаж, телекоммуникационных потоков, пространственных сеток, административной статистики и псевдонимизированной информации позволяет рассматривать политические явления с разных сторон. Инфраструктура данных расширилась от структурированных общедоступных данных до интеграции государственного и частного секторов. Однако данные, которые бы в совокупности учитывали влияние смещения выборки, изменений в формулах, пропущенных значений и прекращения сбора данных на результаты анализа, пока не определены. По мере увеличения зависимости от частных данных в период с 2026 по 2028 год изменения в контрактах и ​​формулах нарушат временные ряды результатов политики. Хотя  готовность данных расширилась, их качество и непрерывность оцениваются как неподтвержденные.

План развития ИИ в городе Пусан и система защиты персональных данных служат институциональной основой для использования ИИ. Внедрение ИИ сместилось от автономного использования сотрудниками к формальной административной системе. Однако до сих пор не выявлено интегрированной системы, которая бы публично раскрывала окончательное решение человека в вопросах принятия решений высокого риска, уведомления граждан, возражений, запрещенных областей автоматизации и критериев прекращения использования моделей. Если в течение следующих двух-трех лет применение ИИ распространится на секторы гражданских жалоб, социального обеспечения, аудита и безопасности, процедурные пробелы превратятся в риски для прав граждан.  Установлено, что, хотя система получила одобрение на внедрение, она еще не достигла уровня, способного оказать существенное влияние.

Административные сервисы на основе генеративного ИИ призваны снизить рабочую нагрузку сотрудников и время реагирования на обращения граждан, поддерживая поиск административных данных и подготовку ответов на гражданские жалобы. Структура включает в себя внутренние операционные технологии, которые также влияют на качество ответов при контакте с гражданами. Однако сравнение времени обработки гражданских жалоб, частоты повторных запросов, частоты ошибок и удовлетворенности граждан до и после внедрения не было опубликовано. Даже если использование сервиса сотрудниками увеличится в период с 2026 по 2028 год, если скорость и точность, воспринимаемые гражданами, не улучшатся, административные сервисы останутся лишь внутренней мерой повышения эффективности. Хотя  внедрение сервиса гражданами было представлено как ожидаемый эффект, фактические результаты считаются неподтвержденными.

Анализ данных, касающихся обязательного закрытия крупных супермаркетов, инициативы «15-минутный город», фестивалей и коммерческих районов, направлен на политику, непосредственно затрагивающую жизнь владельцев малого бизнеса и жителей. Управление данными смещается от создания внутренних отчетов к анализу региональных экономических результатов. Однако последующие доказательства того, что результаты анализа изменили деловую среду, планировку помещений, бюджеты и организацию мероприятий, ограничены. Если анализ завершается через два-три года, местные предприятия остаются лишь объектами для предоставления данных и не становятся бенефициарами изменений в политике.  Хотя анализ, направленный на предприятия и жителей, расширился, ощутимое влияние изменений в принимаемых решениях остается неподтвержденным.

Общедоступные данные и волна больших данных обеспечивают доступ к данным для малых и средних предприятий (МСП) и граждан. Сфера использования данных расширилась от внутреннего управления до частного сектора. Однако регулярные данные, связывающие эффективность открытых данных — ведущую к корпоративным продуктам, услугам, продажам и занятости — с проблемами качества данных, не проходят проверку. Даже если количество наборов данных увеличится в период с 2026 по 2028 год, данные с низкой фактической полезностью останутся достижением открытости. Хотя  распространение в частном секторе подтверждено с точки зрения доступности, оно считается неподтвержденным с точки зрения результатов в промышленности.

Системы аудита, безопасности, водоснабжения и охраны морской среды на основе ИИ направлены на создание структуры, которая снижает ущерб, наносимый гражданам, путем выявления аварий, коррупции и утечек на ранней стадии. Результаты для населения проявляются не в самом внедрении системы, а в снижении числа аварий, сокращении времени восстановления, улучшении качества воды и повышении безопасности. Изменения в ущербе, наносимом гражданам, и стоимости ложных срабатываний до и после внедрения этих систем ограничены в общедоступных данных. Если за два-три года увеличивается только количество оповещений и проверок, выгоды для населения нивелируются результатами внедрения административных технологий.  Распространение ИИ среди населения по секторам подтверждается на уровне возможностей обнаружения, в то время как результат снижения ущерба считается неподтвержденным.

Хотя в администрации города Пусан имеются общие сервисы генеративного ИИ и специализированные отделы обработки данных, кадровый состав, бюджеты и опыт анализа данных в районах и округах не идентичны. Несмотря на то, что система Administrative AX стремится к расширению на все департаменты и районы, фактические возможности внедрения могут различаться в зависимости от размера организации. Данные, сравнивающие показатели активного использования, запросов на анализ, внутреннего анализа и отражения политики по районам и округам, недоступны. Если эти пробелы в возможностях будут накапливаться в период с 2026 по 2028 год, точность политики, основанной на данных, может различаться даже среди жителей Пусана в зависимости от их адреса. Установлено  , что в системе Administrative AX города Пусан баланс доступа к услугам не совпадает с балансом возможностей их использования.

Запросы на анализ в рамках проекта Big Data Wave включают в себя региональные проблемы, такие как пешеходное движение в районе Донгу, парковка в районе Ёндогу, коммерческие районы в районе Пусанджингу и фестиваль Квангалли. Хотя спрос на данные возникает по всему Пусану, типы проблем и сложность получения данных различаются. Если поддержка анализа осуществляется на основе запросов, организации с сильными возможностями применения и навыками проектирования проектов с большей вероятностью получат поддержку. Если такая структура будет сохраняться в течение двух-трех лет, регионы, которые не смогли составить эффективные запросы на анализ, будут исключены раньше, чем регионы, испытывающие недостаток данных.  Установлено, что пространственные различия чаще возникают из-за способности формулировать административные вопросы, чем из-за наличия данных.

50-метровая сетка пешеходного движения и продажи карт отражают изменения образа жизни на уровне районов и ниже. Единица административного анализа смещается от средних показателей по районам и уездам к микрорайонам проживания. Однако не подтверждено, что одинаковое пространственное разрешение и цикл обновления применяются ко всем областям политики. Если точное наблюдение будет проводиться только за определенными районами в период с 2026 по 2028 год, ненаблюдаемые районы могут быть ошибочно отнесены к районам без спроса.  Хотя пространственная аналитика в Пусане была усовершенствована, единообразие наблюдений по всему региону считается неподтвержденным.

Первоначальный центр города, Западный Пусан и Восточный Пусан различаются по численности населения, промышленности, транспортной инфраструктуре и коммерческой структуре. Даже если одна и та же модель ИИ применяется ко всему городу, ошибки прогнозирования различаются по регионам, если региональный состав обучающих данных отличается. В открытом доступе отсутствуют данные, сравнивающие производительность модели по районам, округам, возрасту, уровню дохода или размеру бизнеса. Если учитывать только среднюю точность за два-три года, низкая точность уязвимых районов будет скрыта общим средним показателем.  Пространственный риск административного ИИ в Пусане определяется невидимостью региональных показателей ошибок, а не развертыванием сервиса.

Внедрение генеративных административных сервисов на основе ИИ в стиле Пусана началось во всех отделах в начале 2026 года и будет в дальнейшем совершенствоваться и расширяться в течение трех лет, с 2026 по 2028 год. Следующие два-три года станут периодом, в течение которого первоначальные функции, данные и модели использования закрепятся в качестве стандартных бизнес-процедур. Базовый уровень до внедрения и журнал принятия решений о влиянии ИИ пока не опубликованы. После того, как базовые процедуры укоренятся, будет сложно сравнивать работу с работой без ИИ, и неправильные методы использования останутся организационными нормами.  В настоящее время «золотое время» определяется не до внедрения ИИ, а до того, как закрепятся первоначальные трехлетние операционные стандарты.

Искусственный интеллект и анализ данных быстро распространяются в такие области, как «15-минутный город», коммерческие районы, фестивали, транспорт, морские дела, водоснабжение и аудит. Сфера применения сместилась от общих задач к экспертным заключениям, затрагивающим права и безопасность граждан. Однако до сих пор не выявлено системы публичного раскрытия информации, которая бы интегрировала управление уровнями риска, ошибками, возражениями и критериями приостановления действия. Если автоматизация распространится на секторы с высоким риском в период с 2026 по 2028 год, будет сложно применять постфактумные нормативные дополнения к уже накопившимся решениям и жалобам. «Золотым временем» управления считается период до того, как применение мер высокого риска станет неотъемлемой частью повседневной деятельности.

Использование личных данных кредитных карт и телекоммуникаций, а также псевдонимизированной информации позволяет выявлять политические тенденции быстрее, чем административная статистика. В Пусане скорость обработки данных ускоряется: от годовой статистики до ежемесячных, ежедневных и почасовых показателей. Однако система публичного раскрытия информации для управления изменениями в формулах, выборках и контрактах, касающихся частных данных, а также для долгосрочных сравнений, ограничена. Если политика, основанная на одних и тех же данных, накапливается в течение двух-трех лет, воспроизводимость прошлых оценок исчезает после смены поставщика.  «Золотым временем данных» считается период до нарушения непрерывности базового уровня, а не период увеличения объема использования.

Несмотря на расширение программ обучения сотрудников, административный аудит 2025 года выявил чрезмерный акцент на базовых курсах. Это свидетельствует о том, что скорость распространения услуг ИИ отличается от скорости роста числа высококвалифицированных специалистов по планированию и проверке. Данные, измеряющие расширенные возможности и фактическое обнаружение ошибок, не подтверждены. По мере того, как использование ИИ станет рутинной процедурой для всех сотрудников в период с 2026 по 2028 год, небольшому числу экспертов станет сложно проверять все модели, данные и результаты.  «Золотым временем» для талантов считается период, когда число пользователей структурно превысит число верификаторов.

12-1. Пример применения программы «Золотое время» в местных органах власти ① — Пусанджин-гу

В компанию Big-Data Wave поступил запрос на анализ изменений в продажах карт до и после реализации проекта «15-минутный город», который включает жилые районы Дангам и Гэгым. Оценка политики в отношении жилых районов Бусанджин-гу сместилась от оценки завершения строительства к анализу фактических результатов продаж в окружающих коммерческих районах. Однако результаты публичного анализа, разделяющие влияние цен, сезонности, экономических условий и контрольных зон на изменения до и после завершения строительства, а также на последующие изменения в политике, не были подтверждены. Если проект «15-минутный город» будет расширен тем же методом в период с 2026 по 2028 год, ошибки в первоначальном определении причинно-следственной связи могут быть воспроизведены в других жилых районах.  Хотя Бусанджин-гу является регионом, где поднимались вопросы, основанные на данных, установлено, что он еще не достиг стадии подтверждения влияния политики.

В районах Дангам и Гэгым в качестве политических единиц используются фактические жилые зоны — больше, чем административные единицы, но меньше, чем районные единицы. Пространственная оценка сместилась от усредненных административных единиц к жилым зонам, которые сочетают в себе мобильность жителей и потребление. Однако нет подтвержденных общедоступных данных, связывающих мобильность населения, продажи карт, доступность объектов, удовлетворенность жителей и выживаемость коммерческих предприятий в рамках единого периода времени для жилой зоны. Если репрезентативные проекты жилых зон будут завершены в течение двух-трех лет, то без базового показателя могут остаться только результаты, специфичные для отдельных объектов.  «Золотое время» в районе Бусанджин-гу — это не само существование анализа жилых зон, а период, в течение которого можно зафиксировать, повлиял ли анализ на последующее размещение объектов и бюджеты.

12-2. Примеры применения программы «Золотое время» в местных органах власти ② — Ёндо-гу

Район Ёндогу обратился за консультацией по анализу данных, касающихся нехватки парковочных мест, после того как анализ жалоб, полученных в ходе консультаций с жителями района Сэол, подтвердил, что наиболее частыми являются жалобы, связанные с парковкой. Это пример того, как тексты жалоб жителей вышли за рамки простого агрегирования повторяющихся жалоб и превратились в вопросы для анализа политики. Однако в открытом доступе нет подтверждающих документов, определяющих, какие решения — такие как распределение парковочных мест, время контроля, общественный транспорт или туристические маршруты — были изменены на основе результатов анализа. Если спрос на парковочные места изменится из-за туризма, жилищного строительства и старения населения в период с 2026 по 2028 год, анализ прошлых жалоб станет разовыми данными с другой точкой отсчета.  Хотя Ёндогу является примером того, как данные выявили проблему в политике, остается неподтвержденным случай, когда данные изменили альтернативные решения.

Проблема парковки в районе Ёндо-гу — сложная проблема, где в одном и том же пространстве сталкиваются ежечасные потребности жителей, туристов, торговцев и людей с ограниченной подвижностью. Одного лишь количества жалоб недостаточно, чтобы определить, чья именно группа нуждается в парковке или какой временной период создает «узкое место». Более того, невозможно установить четкую взаимосвязь между количеством жалоб, оборотом парковочных мест, незаконной парковкой, безопасностью пешеходов и доходами от коммерческой деятельности. Если основывать свои суждения на количестве жалоб в течение двух-трех лет, то районы с высоким уровнем жалоб и районы с реальным высоким риском начинают смешиваться.  «Золотое время» в Ёндо-гу определяется как период, в течение которого можно установить причины жалоб и различия между альтернативными вариантами политики, выходя за рамки простого выявления мест с высоким уровнем жалоб.

Если данные об использовании, ошибках, исправлениях и внедрении ИИ на начальных этапах его применения во всех департаментах в 2026 году не будут сохранены, базовый уровень для сравнения последующей эффективности административной работы исчезнет. Поддержка работы с помощью ИИ структурирована таким образом, чтобы расширяться в течение трех лет, при этом задачи, не связанные с использованием ИИ, будут быстро сокращаться. В настоящее время раскрываемые результаты до и после внедрения ограничены. После 2026–2028 годов станет трудно определить, улучшил ли ИИ рабочие процессы или просто поглотил возросшую рабочую нагрузку.  Первые потери будут определяться причинно-следственными данными, полученными на ранних этапах внедрения ИИ, а не бюджетом на технологии.

Если результаты анализа не связаны с утверждениями, бюджетами и исполнением, анализ одних и тех же вопросов повторяется в разных отделах и в разные годы. Хотя в рамках проекта Big Data Wave выявляется множество реальных вопросов политики, история повторного использования и изменений в решениях не раскрывается. Если кадровые переводы и организационная реструктуризация происходят в течение двух-трех лет, предпосылки, ограничения и последующие решения, принятые в ходе анализа, отделяются от организационной памяти.  Вторая потеря определяется не отдельными отчетами, а административной памятью, которая не повторяет ошибок в политике.

Если ошибки в ответах ИИ и моделях прогнозирования не накапливаются в реестре, ошибки будут повторяться при использовании тех же данных, подсказок и моделей. Хотя услуги распространяются на все департаменты и специализированные области, общегородская система обучения на основе ошибок еще не проверена. По мере совершенствования многих систем в период с 2026 по 2028 год версии и ответственные лица будут меняться, что затруднит воспроизведение прошлых ошибок.  Третий вид потерь определяется не показателями точности, а временем обучения, необходимым для учета ошибок в последующих решениях.

Если различия в квалификации персонала, занимающегося обработкой данных, и возможностях разработки вопросов будут накапливаться между округами и графствами, поддержка анализа может быть сосредоточена в организациях с более широкими возможностями применения, а не в регионах с высоким спросом. В настоящее время существуют системы анализа на основе запросов и региональные задачи, но нереализованный спрос не наблюдается. Если эта структура закрепится на два-три года, административный разрыв в области анализа данных превратится в региональный разрыв в предоставлении услуг.  Четвертая потеря определяется не технологическим равенством, а справедливостью политических решений, на которые не влияют местоположение или организационные возможности.

В Пусане уже внедрены сервисы генеративного ИИ во всех департаментах, используется технология Big Data Wave, применяется псевдонимизированная информация, а также отраслевые платформы ИИ и проводится практическое обучение. Компоненты административной системы AX не полностью отсутствуют, а скорее разбросаны по разным этапам. Однако данные, связанные идентификаторами политик и журналами решений, еще не проверены. Еще есть время сравнить существующие ресурсы на основе одинаковых результатов политики до того, как структура системы будет окончательно определена в период с 2026 по 2028 год.  В настоящее время этот период оценивается скорее как время для установления взаимосвязи между разрозненными ресурсами при принятии решений, а не для создания новой системы.

Запросы на анализ, касающиеся «15-минутного города», крупных супермаркетов, фестивалей и парковок, показывают, что администрация уже задает конкретные вопросы о последствиях политики. Проблема Пусана заключается не в отсутствии вопросов, а в отсутствии документации о принятых решениях после получения ответов. Общедоступная цепочка результатов анализа и изменений в политике не выявлена. Если количество запросов на анализ будет продолжать расти в течение двух-трех лет, способность связывать последующие решения станет критерием, определяющим эффективность работы администрации.  Нынешняя возможность заключается не в расширении объема анализа, а в этапе, когда реалистичные политические вопросы могут быть сохранены в качестве воспроизводимых доказательств принятия решений.

Генеративный ИИ на основе RAG использует внутренние административные данные города Пусан. Это служит основой для повторного использования прошлых обоснований политики организации, сокращая при этом время поиска. Однако структура поиска достоверности данных, противоречивых оснований и результатов решений пока не раскрыта. Если обоснование и результат не будут связаны до увеличения объема административных данных в период с 2026 по 2028 год, ИИ сможет быстро находить прошлые документы, но не сможет отличить успех от неудачи прошлых решений.  В настоящее время «Возможность» оценивается как начальный операционный период, в течение которого административные документы могут быть использованы в качестве данных для организационного обучения.

Административная проверка, проведенная городским советом Пусана, публично ставит под сомнение уровень образования в области ИИ и эффективность проектов. Структура проверки предполагает одновременное распространение информации об ИИ администрацией и внешнюю проверку со стороны совета. Однако связь между результатами проверки, муниципальным управлением, изменениями в моделях/образовании и последующими результатами не проверяется. Если проверка со стороны совета будет оставаться в рамках отдельных запросов в течение двух-трех лет, управление ИИ станет фрагментированным между бюджетными обзорами и отчетами по проектам.  В настоящее время перспективным периодом считается тот, в течение которого внутренняя работа и внешняя проверка управления ИИ могут быть объединены в единую цепочку доказательств.

Административная среда выполнения AX

Политический вопрос → Базовый уровень → Анализ данных и ИИ → Сравнение альтернатив → Изменение решения → Бюджет → Исполнение → Результаты для граждан → Разрыв → Аудит и проверка со стороны совета → Коррекция → Следующее решение

Расширение использования административного ИИ + пробел в доказательствах, используемых при принятии решений

Внедрение искусственного интеллекта и управления данными в городе Пусан перешло из стадии внедрения в стадию расширения во всех департаментах.

Подтверждены возможности поиска задач, создания документов и анализа индивидуальных политических решений.

Нет никакой связи между тем, как искусственный интеллект и данные изменили существующие решения, и тем, как изменились результаты.

В настоящее время опасность представляет не та администрация, которая не использует ИИ, а та, которая использует ИИ, но не может определить, принимала ли она более эффективные решения.

Окончательное решение: Расширение применения административного ИИ + Пробел в доказательствах, используемых при принятии решений.

1. Активные пользователи генеративного ИИ по отделам
2. частота использования ИИ на одного сотрудника
3. Показатели использования по 22 типам услуг
4. Показатели принятия, модификации и отклонения ответов, полученных с помощью ИИ.
5. Средний показатель исправления ошибок в документах, сгенерированных ИИ.
6. Сокращение времени поиска административных данных
7. Сокращение времени, затрачиваемого на составление гражданских исков.
8. Частота повторного рассмотрения гражданских жалоб до и после использования ИИ.
9. Количество ошибок, пропусков и искажений в ответах ИИ
10. Время от обнаружения ошибки до её исправления
11. Частота повторения одной и той же ошибки
12. Получение запроса на анализ, его выполнение и период ожидания.
13. Показатель одобрения результатов анализа
14. Темпы изменения альтернативных вариантов политики после анализа
15. Темпы изменения целевого показателя проекта и региона после анализа
16. Показатели увеличения, уменьшения и завершения бюджета после анализа
17. Базовые показатели раскрытия информации до внедрения соответствующей политики.
18. Коэффициент анализа с использованием отношения контрольной области/контрольной группы
19. История изменений формул и примеров конфиденциальных данных
20. Точность, ложные срабатывания и пропущенные обнаружения в зависимости от модели
21. Разрыв в использовании ИИ и внутреннем анализе по районам/округам
22. Показатель подачи заявок на работу после завершения обучения
23. Количество высококвалифицированных специалистов в области искусственного интеллекта и проверки данных.
24. Фактический процент исправлений после замечаний, выявленных советом и в ходе аудита.
25. Темпы улучшения результатов для граждан и бизнеса после изменения политики

Пробел в данных: В общедоступных данных отсутствует подтверждение того, что процесс принятия решений в городе Пусан, включающий этапы: Запрос политики → Анализ данных/ИИ → Сравнение существующих предложений и альтернатив → Утверждение/Изменение бюджета → Исполнение → Результаты для граждан/предприятий → Аудит/Проверка советом → Последующая корректировка в рамках одного и того же идентификатора политики, не подтвержден.

Цепочка выполнения

Данные → Анализ → Альтернативы → Изменение решения → Бюджет → Реализация → Результат → Ошибки/Пробелы → Аудит/Совет → Исправление → Следующее решение

Источник · Проверка

• Власти города Пусан запустили первую в стране административную службу на основе генеративного искусственного интеллекта.
• План реализации мер по управлению в сфере искусственного интеллекта в городе Пусан до 2026 года
• План основных работ по административному управлению на основе данных, городская администрация Пусана, 2026 год.
• Волна больших данных в Пусане: состояние анализа и консультирования по вопросам политических данных.
• Волна больших данных в Пусане: статистические пояснительные материалы
• В городе Пусане планируется практическое обучение будущих административных работников с использованием искусственного интеллекта.
• Административный аудит Совета города Пусан, 2025 год, Корейского агентства по развитию информационной индустрии.
• Платформа поддержки интеллектуального управления морской средой на основе данных, разработанная администрацией города Пусан.
• Власти города Пусана планируют к 2026 году внедрить использование искусственного интеллекта и больших данных для принятия решений в системах водоснабжения.
• Система поддержки управления аудитом на основе искусственного интеллекта, разработанная для города Пусан.

Структурные выводы, оставшиеся после этого анализа.

В процессе принятия административных решений сохраняется только окончательный вариант, зафиксированный в документах, а невыбранные альтернативы отбрасываются. Даже если ИИ представляет больше доказательств и альтернатив, если различия между первоначальным планом, альтернативами и окончательным планом не зафиксированы, невозможно проверить, изменил ли ИИ свое суждение. Это структура, в которой использование сохраняется, но влияние исчезает.

В этой структуре разница между хорошим и плохим ИИ определяется не только точностью. Если точный анализ не приводит к изменениям в решениях и бюджетах, административный эффект близок к нулю; наоборот, если неполный анализ изменяет решения, сопряженные с высоким риском, даже небольшие ошибки приводят к негативным последствиям для граждан. Административная ценность ИИ формируется произведением производительности модели и влияния на принимаемые решения.

Таким образом, в системе управления городом Пусан (Busan Administration AX) есть только одно структурное объяснение. Искусственный интеллект становится административной функцией не тогда, когда он заменяет принятые решения, а когда он фиксирует причины изменений в этих решениях.  Без этой записи город Пусан может быстрее осуществлять поиск и создавать больше документов, но не может определить, были ли приняты более эффективные решения, чем в прошлом.

Тезис о «золотом времени» — период с 2026 по 2028 год для административной системы управления городом Пусан — это не время распространения генеративного ИИ, а скорее период, когда впервые в административных документах фиксируется разница между «Доказательства» → «Альтернатива» → «Изменение решения» → «Результат». Без этой связи ИИ может ускорить административные процессы, но не может ускорить выявление и исправление ошибок в политике.