谷歌云生成式AI自动化市政规划操作

英国政府部门正在市政机构中部署谷歌云生成式AI，以自动化议会规划操作。公共部门管理着大量非结构化数据，这些数据延迟了基础设施开发。英国中央政府设定了到2029年建造150万套新住房的目标。然而，地方规划当局因繁琐的文书工作而面临行政积压，延误了这些开发时间表。

为解决这些制约因素，住房、社区和地方政府部（MHCLG）以及科学、创新和技术部（DSIT）扩展了两款旨在加速市政处理的机器学习工具。在谷歌云伦敦峰会上，官员确认了“Extract”应用程序的全国部署以及“增强规划决策”（APD）原型的推进。

谷歌DeepMind首席AI准备官Lila Ibrahim表示：“英国有机会建设我们社区所需的住房，但地方议会面临大量文书工作。这就是为什么我们直接与议会共同创建复杂的规划工具，以解决现实世界的瓶颈。这将有助于大幅缩短决策时间，让规划人员能够专注于未来，让英国建设得更快。”

家庭申请——包括阁楼改造或房产扩建等常规国内改造——占每年提交的所有规划申请的近70%。手动评估这些标准申请需要规划官员花费数小时交叉参考区域政策文件、历史档案和非结构化PDF文件。这种重复的评估过程消耗了原本可以用于支持重大基础设施和商业开发的行政时间。自动化的部署瞄准了这种行政分配，旨在将申请决策时间缩短50%。

谷歌云生成式AI的核心能力 MHCLG的工程师和政府应用AI团队（即AI孵化器i.AI）使用Gemini基础模型内部构建了Extract工具。在经过20多个地方规划当局的试验后，管理人员将该应用程序推广到英格兰的所有议会。Extract解析锁定在遗留PDF记录中的非结构化数据，在几分钟内将数百页历史规划文档转换为结构化数字数据集。试验阶段的操作数据表明，该工具每年将为每个议会消除约255小时的手动数据输入。这种减少使地方当局能够将人员重新分配到复杂的评估任务中。

将大型语言模型集成到公共部门工作流程需要企业级安全环境。地方当局处理敏感的市政记录，需要严格的风险管理协议以防止数据泄露。政府将Gemini模型托管在谷歌云上，以建立一个受保护的操作环境，维护数据主权。该云环境具有主动安全控制，可阻止恶意输入，包括提示注入攻击。这种技术框架确保在测试和生产计算周期中，敏感的市政数据保持安全。

与此同时，APD系统作为一个分析助手，通过自动化四项主要行政任务来辅助市政规划官员：系统整合传入文档，通过预处理数据积压、标记缺失信息缺口，并将核心地理站点数据提取到统一用户界面供官员审查；软件识别相关的国家和地方分区法律，评估合规边际，并附加精确的政策引用供手动验证；应用程序解析公众咨询信函，总结利益相关者的反对意见或历史法律先例；模型生成最终评估报告的初稿，包括技术理由和推荐的批准条件。

协议规定，人类规划官员保留对每个申请的最终决策权。该软件不会独立自动化最终批准或拒绝。工作人员审查机器学习模型生成的每一行文本，在验证报告之前修改分析推理。为保持监管问责，APD原型按顺序记录其内部处理步骤。这种机制建立了可审计的思维链，为每个处理的申请创建验证轨迹，以支持官员的最终决定。

地方议会规划试验和扩展时间表 APD原型的开发依赖于连接公共部门管理者与谷歌云、谷歌DeepMind和Faculty工程团队的协作框架。Alpha版本在三个地方当局进行实时测试：巴尼特伦敦自治市、多塞特议会和卡姆登伦敦自治市。在这些不同的区域管辖区进行的测试为开发人员提供了多样化的市政数据集，以测试软件应对不同地方政策的能力。中央规划者计划完成alpha阶段，并在2027年前将APD工具推广到所有300多个英格兰地方当局。谷歌云提供弹性计算基础设施，以管理日常运营期间生成的数千个并发推理查询。

Faculty公共服务总监Paul Maltby评论道：“英格兰的规划系统被堵塞了。规划官员被迫花一半时间审查阁楼改造申请，把住房开发和仓库的申请搁置。与规划官员共同构建的AI系统将消除审查简单规划申请的枯燥工作，使他们能够快速做出决定。它将让规划官员专注于重要的重大开发项目，关键是让家庭在不拖延和不确定的情况下改善他们的住房。”

巴尼特议会增长执行总监Naisha Polaine补充说：“该工具收集相关信息、进行临时评估并起草报告基础的能力，有可能节省官员处理规划申请管理的宝贵时间，并将这些时间用于加速居民决策过程。反过来，这将大大有助于实现我们在该自治市的住房建设增长目标。”

MHCLG、i.AI、谷歌DeepMind和Faculty之间的协调建立了企业软件工程的结构化分工。公共部门制定政策指南和法定边界，而外部技术合作伙伴设计并部署底层模型架构。这些系统的成功集成证明了在安全的公共云基础设施内托管先进语言模型以处理核心行政工作负载并现代化公共服务交付的可行性。