谷歌雲生成式AI自動化市政規劃操作

英國政府部門正在市政機構中部署谷歌雲生成式AI，以自動化議會規劃操作。公共部門管理著大量非結構化資料，這些資料延遲了基礎設施開發。英國中央政府設定了到2029年建造150萬套新住房的目標。然而，地方規劃當局因繁瑣的文書工作而面臨行政積壓，延誤了這些開發時間表。

為解決這些制約因素，住房、社群和地方政府部（MHCLG）以及科學、創新和技術部（DSIT）擴充套件了兩款旨在加速市政處理的機器學習工具。在谷歌雲倫敦峰會上，官員確認了“Extract”應用程式的全國部署以及“增強規劃決策”（APD）原型的推進。

谷歌DeepMind首席AI準備官Lila Ibrahim表示：“英國有機會建設我們社群所需的住房，但地方議會面臨大量文書工作。這就是為什麼我們直接與議會共同建立複雜的規劃工具，以解決現實世界的瓶頸。這將有助於大幅縮短決策時間，讓規劃人員能夠專注於未來，讓英國建設得更快。”

家庭申請——包括閣樓改造或房產擴建等常規國內改造——佔每年提交的所有規劃申請的近70%。手動評估這些標準申請需要規劃官員花費數小時交叉參考區域政策檔案、歷史檔案和非結構化PDF檔案。這種重複的評估過程消耗了原本可以用於支援重大基礎設施和商業開發的行政時間。自動化的部署瞄準了這種行政分配，旨在將申請決策時間縮短50%。

谷歌雲生成式AI的核心能力 MHCLG的工程師和政府應用AI團隊（即AI孵化器i.AI）使用Gemini基礎模型內部構建了Extract工具。在經過20多個地方規劃當局的試驗後，管理人員將該應用程式推廣到英格蘭的所有議會。Extract解析鎖定在遺留PDF記錄中的非結構化資料，在幾分鐘內將數百頁歷史規劃文件轉換為結構化數字資料集。試驗階段的運算元據表明，該工具每年將為每個議會消除約255小時的手動資料輸入。這種減少使地方當局能夠將人員重新分配到複雜的評估任務中。

將大型語言模型整合到公共部門工作流程需要企業級安全環境。地方當局處理敏感的市政記錄，需要嚴格的風險管理協議以防止資料洩露。政府將Gemini模型託管在谷歌雲上，以建立一個受保護的操作環境，維護資料主權。該雲環境具有主動安全控制，可阻止惡意輸入，包括提示注入攻擊。這種技術框架確保在測試和生產計算週期中，敏感的市政資料保持安全。

與此同時，APD系統作為一個分析助手，透過自動化四項主要行政任務來輔助市政規劃官員：系統整合傳入文件，透過預處理資料積壓、標記缺失資訊缺口，並將核心地理站點資料提取到統一使用者介面供官員審查；軟體識別相關的國家和地方分割槽法律，評估合規邊際，並附加精確的政策引用供手動驗證；應用程式解析公眾諮詢信函，總結利益相關者的反對意見或歷史法律先例；模型生成最終評估報告的初稿，包括技術理由和推薦的批准條件。

協議規定，人類規劃官員保留對每個申請的最終決策權。該軟體不會獨立自動化最終批准或拒絕。工作人員審查機器學習模型生成的每一行文本，在驗證報告之前修改分析推理。為保持監管問責，APD原型按順序記錄其內部處理步驟。這種機制建立了可審計的思維鏈，為每個處理的申請建立驗證軌跡，以支援官員的最終決定。

地方議會規劃試驗和擴充套件時間表 APD原型的開發依賴於連線公共部門管理者與谷歌雲、谷歌DeepMind和Faculty工程團隊的協作框架。Alpha版本在三個地方當局進行即時測試：巴尼特倫敦自治市、多塞特議會和卡姆登倫敦自治市。在這些不同的區域管轄區進行的測試為開發人員提供了多樣化的市政資料集，以測試軟體應對不同地方政策的能力。中央規劃者計劃完成alpha階段，並在2027年前將APD工具推廣到所有300多個英格蘭地方當局。谷歌雲提供彈性計算基礎設施，以管理日常運營期間生成的數千個併發推理查詢。

Faculty公共服務總監Paul Maltby評論道：“英格蘭的規劃系統被堵塞了。規劃官員被迫花一半時間審查閣樓改造申請，把住房開發和倉庫的申請擱置。與規劃官員共同構建的AI系統將消除審查簡單規劃申請的枯燥工作，使他們能夠快速做出決定。它將讓規劃官員專注於重要的重大開發專案，關鍵是讓家庭在不拖延和不確定的情況下改善他們的住房。”

巴尼特議會增長執行總監Naisha Polaine補充說：“該工具收集相關資訊、進行臨時評估並起草報告基礎的能力，有可能節省官員處理規劃申請管理的寶貴時間，並將這些時間用於加速居民決策過程。反過來，這將大大有助於實現我們在該自治市的住房建設增長目標。”

MHCLG、i.AI、谷歌DeepMind和Faculty之間的協調建立了企業軟體工程的結構化分工。公共部門制定政策指南和法定邊界，而外部技術合作夥伴設計並部署底層模型架構。這些系統的成功整合證明了在安全的公共雲基礎設施內託管先進語言模型以處理核心行政工作負載並現代化公共服務交付的可行性。