《2024年政府发展趋势报告》之二：释放政府“生产力”

长期以来，各国政府始终致力于通过实施不同规模的改革措施来提高效率和生产力。

这与私营部门的变革、突破和进步如出一辙。一个世纪前，政府机构利用电话、电报和打字机等尖端技术，助力农村地区和整个国家迈向工业化。^[1]上世纪八九十年代，政府机构借鉴了当时在企业高管层中广泛开展的全面质量管理（Total Quality Management）行动，^[2]发起了“政府再造”（Reinventing government）和新公共管理（New Public Management）行动，旨在精简系统，减轻监管负担，赋能政府机构领导人提高绩效。^[3]

美国推行了一系列以提高效率和效益为重点的政府改革，包括1993年的《政府绩效与结果法案》（Government Performance and Results Act）、2000年的《总统管理议程》（President's Management Agenda）以及2010年的《政府绩效与结果现代化法案》（GPRA Modernization Act）。^[4]全球范围内的类似举措包括加拿大在20世纪90年代推出的“程序审查”（Program Review）^[5]和欧盟在2000年发布的“里斯本战略”（Lisbon Strategy）。^[6]近年来，政府与企业携手，实现了效率和生产力的飞跃式提升：从传统模式到电子政务，再到最终的全面数字化转型。^[7]

步入高生产力时代

在经历了互联网时代的起起伏伏之后，政府成功找到了数字化转型的立足点。^[8]通过利用云计算、商用软件二次开发以及进行开源开发，各国政府已经实现了运营和服务交付的数字化转型。^[9]软件即服务让政府机构得以使用尖端程序，而无需斥巨资从零开始打造定制系统。敏捷开发将大型技术项目细分为更小、更易于管理的模块，有助于降低成本并提高效率和生产力。^[10]

随着人工智能的兴起，政府在提高效率和生产力的征程上又迎来了新的发展阶段。政府机构建立必要的数字基础设施，以便从人工智能技术发展中受益。人工智能技术的优势已在多个方面得到验证，包括欺诈检测、成本削减、资源优化、客户体验改善以及后台流程简化。^[11]瑞典小镇特雷勒堡在2015年率先实现了社会福利计划的数字化，其借助机器人流程自动化技术大幅缩短了处理时间。^[12]随后，众多欧洲国家和政府机构纷纷效仿，开始利用日益强大的人工智能技术。^[13]

美国国税局（IRS）的案例展示了数字技术、人工智能和流程转型如何助力提高政府效率。新冠疫情致使IRS承受了巨大的运营压力，而其此前就已面临资源不足和技术过时的问题。^[14]人员短缺加剧了管理数千万笔刺激款项以及在报税季核对款项的工作负担，甚至导致客户服务受到影响。电话接通率仅为9%，待处理的纸质税表积压量激增至2,100万份，纳税人平均需要等待251天才能收到关于纳税调整建议的回复。^[15]

美国国税局通过技术升级、流程优化和人员招聘成功扭转了这一局面。实现纸质税表扫描自动化后，美国国税局在2023年第一季度的税表扫描量达到了2022年全年的80倍。九种最常见的通知，例如劳动所得税抵免和保费税额抵免优惠，已经转为线上处理。在此之前，纳税人须使用电子邮件回复这些通知。此外，美国国税局增聘了5,000名客户服务代表，将电话等待时间从2022年的27分钟缩短至2023年4月的4分钟，并在全美新设了335个纳税人援助中心，使得接受线下服务的纳税人数量翻了两番。^[16]

人员扩充无疑推动了美国国税局至少在某些领域实现效率的显著提升。但除此之外，最重要的变革在于人工智能技术的应用。这一结论与德勤在2016年的分析相吻合，该分析指出，人工智能有望大幅减轻政府职员在文书工作和运营活动中的重负，即信息记录和归档。^[17]

作为人工智能技术的最新迭代，生成式人工智能可以自动执行并加速处理无数重复性任务，例如信息检索、人际沟通、信息处理、数据分析和建议提供。^[18]借助生成式人工智能，政府职员可以轻松获取过去几十年的政策知识，政策制定者可以对比不同时期和不同辖区的政策，个案工作者可以远程输入和检索客户信息。^[19]

这一趋势聚焦于政府从数字化转型到人工智能技术应用的过渡。人工智能的发展为公共部门实现生产力的加速提升带来了新机遇。正如数字化转型促进了效率提升，人工智能技术应用也将带来类似甚至更为深远的影响。政府生产力大幅提升的新时代刚刚拉开序幕。

突破壁垒

公共部门肩负着确保公平性和可及性的使命，这可能会对成本节约以及效率提升带来挑战。邮政服务需要将包裹送达所有地址，而不仅仅是最近的配送中心。公立学校必须对所有学生施以教育，而不仅仅面向成绩优异的学生。政府机构必须向所有人口群体提供优质服务，而不仅仅是数字原住民。

与私营企业不同，政府机构无法快速将预算和人员从表现欠佳的部门转移到有前景的新项目中，也不能因为成本问题而忽视某些服务，而且传统的成本价值权衡往往并不适用。因此，大幅提高生产力的关键不在于削减成本，而在于将数字基础设施与人工智能技术有效结合。

协同联动：效能十倍提升的关键

政府机构正在采取行动，大幅提高效率和生产力：通过利用云计算、构建企业级数据湖以及实施大规模分析来夯实数字基础设施；打破管辖壁垒，优化政府间的数据共享与整合；将人工智能技术融入现有政府系统和流程；推动公职人员提升技能，助其充分利用生成式人工智能等新型技术；最为关键的是，秉持人本设计理念，确保技术解决方案能够有效解决现实问题。

这些技术、政策和流程工具的协同联动可以带来显著成效——不同元素相互融合所产生的价值大于各部分价值的简单相加。考虑不同的工具组合如何对公民和政府运作产生切实影响：

• 出行数据 + 物联网数据 + 分析 = 拥堵减少
• 机器人流程自动化 + 资格数据 + 人工判断 = 愉悦的客户体验
• 历史数据 + 机器学习 + 数字孪生 = 预测性规划
• 云计算 + 数据共享 + 流程转型 = 基于生活事件的服务交付

解读数据：释放政府及公共部门的“生产力”

行动趋势

“提高生产力”是指以相同的投入实现更多产出。技术进步提高了生产力，也提高了我们对政府服务的期望。因此，政府机构持续承压，需要探寻更多增加产出的方法。

政府机构的许多流程和系统都存在效率提升空间。关键在于其应确定并实施适当的技术解决方案、重塑业务流程以及更新人才政策，从而充分发挥自身潜力。

推动业务流程的数字化转型

政府已在数字服务的转型与优化方面取得显著进展，但仍需继续致力消除冗余、简化流程并加速数字化转型进程。

以基于生活事件的服务交付为例。在传统模式下，经历出生或死亡等生活事件的公民往往需要与多个政府机构进行交涉。然而，这些机构可以积极合作，简化办事流程。为此，政府需要重塑传统流程，优化数据共享，利用数字技术预测公民需求并引导他们完成后续操作。^[20]

奥地利在提供基于生活事件的家庭服务方面走在了前列。2014年，联邦政府推出了免申请儿童津贴计划（Antragslose Familienbeihilfe），自动为新生儿父母发放儿童津贴。在此之前，家长需要通过邮寄、在线填表或亲自前往办公室提交申请。随后，个案工作者将手动从多个系统中收集数据并评估资格。即使申请没有疑问或错误，这一流程也可能需要耗费数周时间。^[21]

该计划实现了联邦、州及地方政府机构间的数据传输自动化，免除了家长提交申请的需要。新生儿出生记录将自动从医院传输至中央民事登记处、财政部和负责发放津贴的地方税务局。^[22]计划实施几个月来，就创造了巨大价值并大幅提高了效率，平均申请处理时间缩短至两天，为公民节约了39,000小时，在政府内部节约了15名全职职员的工时。^[23]

类似的服务交付模式正在全球范围内日益普及，包括新加坡、英国、芬兰、印度、爱沙尼亚和美国。^[24]然而，这种模式的成功实施离不开数据整合和治理实践的进步。政府正在摆脱数据处于分散、非结构化和难以访问状态的时代。数字系统正逐渐将数据从传统的地域限制中解放出来，使其不仅可以在政府系统之间共享，还能够以机器可读的格式整合至大型数据分析平台。

近年来，数据整合对城市运营产生了深远影响。通过整合来自交通系统、在建工程、天气传感器等来源的实时数据，可以提升城市管理水平。^[25]葡萄牙中型城市卡斯卡伊斯打造了一个基于云的数字化指挥中心，以有效管理城市运营。该中心借助遍布全城的物联网设备整合了出行、公共基础设施管理、公民保护、应急管理、废物管理等多个领域的数据。其中，智能废物管理系统优化了废物收集路线和时间，将运营成本降低了40%，能源成本降低了20%。^[26]

利用人工智能提高生产力

近年来，政府机构已在数千个政府系统和流程之中部署人工智能技术，并因此大幅提高了效率和生产力：

• 2017年，澳大利亚昆士兰州的公立医院推出了一款用于预测患者入院情况、受伤类型、对床位可用性的影响以及职员休假安排的工具，从而实现对未来数小时、数周甚至数年资源可用性的预测。得益于此，这些医院每年节省了250万美元的成本，患者治疗效果的改善每年为该州带来了高达8,000万美元的收益。^[27]
• 通过在申请受理流程中使用机器人流程自动化技术，美国食品药品监督管理局药物评估与研究中心将申请处理时间缩短了93%，并减少了5,200个工时的工作量。^[28]
• 北爱尔兰警察局在情报收集、公众互动等多个行动领域部署了二十多项基于人工智能的自动化解决方案。这些解决方案通过自动处理简单任务，并对复杂任务进行标记以供工作人员审查，助力该机构将周转时间从数天缩短至数小时。^[29]

生成式人工智能的兴起有望进一步提高生产力。在宏观经济层面，预计大型语言模型将影响五分之四的美国工人至少10%的工作。^[30]从全球范围来看，有专家预测，未来十年生成式人工智能或将推动全球GDP增长7%，生产率增长1.5%。^[31]

基于生成式人工智能的工具有望彻底改变公共部门的运作方式。这些工具可以自动处理繁琐、耗时的知识密集型任务，促使医疗人员、儿童服务个案工作者、国防和安全分析师、使馆人员以及其他政府职员能够节省更多时间，专注于更有价值、更需直觉、更具创造性的工作，包括增加与公民互动的时间。

然而，政府技术领导者面临的挑战在于开发、测试、实施和快速推广潜在生成式人工智能应用。目前存在诸多潜在生成式人工智能用例可供政府领导人选择。预计他们将首先关注能够优化运作和规划流程的应用（图1）。

美国南部某州正在其管理式医疗补助计划中开展早期生成式人工智能应用试点项目，^[32]旨在依托现有数字基础设施探索生成式人工智能应用。其中一项应用是政策机器人，可以协助数十名长期服务和支持人员深入挖掘数百份指南和政策文件，以寻找精确答案。^[33]

该应用旨在帮助工作人员快速访问规则、豁免和指南等文件。例如，当工作人员询问护理分级标准时，机器人能够在几秒钟内扫描整个文件库，并用英语做出简明回答。理想情况下，新职员将无需耗费大量时间记忆或研究这些指南以解答相关问题。此外，政策机器人还能够捕捉组织内部可能随着资深专业人士退休而流失的隐性知识。^[34]

该州医疗补助计划的领导者已经开始探讨如何将这些功能扩展至其他领域。数字助手能够扫描客户的历史资料和资格条件，协助总结相关结果，以便进行高效分析。自然语言处理工具与大型语言模型相结合可以助力呼叫中心工作人员进行外语翻译和信息总结，从而做出更符合实际情况的回应。而生成式人工智能运维工具可以协助IT系统管理员扫描数千个系统性能警报，主动识别并上报潜在问题。^[35]

图1：生成式人工智能应用的潜在用例

资料来源：Deloitte, “The generative AI dossier: A selection of high-impact use cases across six major industries,” Deloitte AI Institute, accessed January 22, 2024.

中国实践——培育政务服务的新质生产力

近年来，中国政府大力发展新质生产力，利用新兴科技成果推动政务服务数字化、智能化转型，努力摆脱了传统经济增长方式和传统生产力发展路径，在提升政府效率方面取得了显著成效。数据驱动的新经济形态下，政务服务和管理更多地依赖于数据的挖掘、分析和应用。数据要素的广泛应用推动了政府“生产力”的提升，政府通过建立大数据中心，利用数据分析来优化城市管理、提高公共服务效率，增强社会治理的精准性和预见性。截至2023年底，全国90%以上的政务服务实现网上可办，地方部门500万余项政务服务事项和1万多项高频事项基本实现标准化服务，92.5%的省级行政许可事项实现网上受理和“最多跑一次”。此外，各地区各部门关注企业和群众需求，把问题点、需求点转化为政府数字化履职的着力点，推进政务服务“高效办成一件事”。

• 通过智能审批提高政府效率。传统的审批流程往往涉及多个环节，审批周期长，且容易受到人为因素的影响。人工智能的应用可以促进审批业务从“阅卷式”审核办理向“零人工”服务模式转型升级。以福州“网约车驾驶员从业资格证核发”业务为例，办事人提交材料后，智能审批系统可通过数据查询核验、文字识别比对、图像识别等技术手段自动校验业务的申请条件，一秒即可生成智能审查报告。2024年7月，上海海关完成中国首批进境动植物检疫智能审批。动植物智能检疫审批体系实现了审批标准的参数化、流程的精细化管理。企业提交申请后，系统即可迅速响应。从申请提交到许可证核发仅需几分钟，核心审批环节仅需几秒钟，全程无需人工干预，提升了动植物检疫审批的精度和效率。
• 通过智能决策助力政府筹划。智能决策包括数据采集和管理、数据分析、建模和求解决策三个阶段，通过提升政府预测和前瞻能力，帮助政府做出更加合理、更加科学的决策。上海市静安区政务数据管理中心的“静安政务大脑”利用实有人口、户籍人口、出生率、死亡率等人口数据，叠合用地规划、动迁情况等影响人口迁移的政策数据，对城区未来每年度人口及人口结构进行动态预测。区教育部门利用这些预测推算出入学人口和各类学校学位之间的差值，从而制定出更有效的学位供给计划。武汉的时空信息云平台将城市的各个要素从空间、时间维度逐一数字化、信息化。在暴雨过程中，该平台可以利用气象部门的信息，结合地下管网、实景三维模型地形地貌，通过智能分析预计渍水情况、规划排渍方案、制定救灾预案，有效减少暴雨可能造成的人员及财产损失。
• 通过智慧监管协助政府监督。针对重点领域，中国政府实行全链条全流程的数字化监管，以在线监管提升监管协同化水平。在市场监管领域，福建已建成全国首个一体化数字化营商环境监测督导平台，通过大数据手段从营商环境日常监测、市场主体满意度调查、现场核验督导三个方面实现实时监测。北京市市场监管局通过采集、整合互联网、地理信息等数据和企业经营活动轨迹数据，对企业“是谁、在哪、在干什么”进行实时监测，同时构建了能够提前感知潜在风险并有效引导监管方向的指标体系。在环境保护领域，成都市郫都生态环境局通过构建“前端识别+平台报警+联动处置+情况反馈”能力闭环，全方位掌握区域内入河排污口排放现状，实现对异常排污行为的智能预警和响应处置。

在智慧政府建设不断提速的同时，数据不互通、机制不顺畅等“难啃的骨头”依旧存在，这些问题成为阻碍智慧政府高质量发展的障碍。数据是人工智能的重要要素，过去，政府部门之间的数据壁垒导致了重复提交材料、信息不对称等问题，增加了群众和企业的负担。为了解决这一问题，中国政府可以进一步积极推动各部门之间的数据共享与业务协同，持续完善政务数据共享清单机制，通过建立统一的数据共享平台实现数据的互联互通。

此外，在政务服务中，人工智能的应用需要弥合数字鸿沟。公共部门肩负着确保公平性和可及性的使命，中国政府将优质的政务服务延伸至偏远地区和基层群众，确保更多人能够享受到便利的公共服务。中国正在持续加大乡村地区网络基础设施的投入力度，促进数据政府建设和政务服务均等化，稳步缩小城乡差异，解决乡村地区政务服务信息化的“最后一公里”问题。

迎接人机协作新时代

尽管技术可以推动重大变革，但人才仍然是大多数政府机构最宝贵的资产。然而，这也带来了两个潜在的人力资本问题：一是人机协作效率低下，二是政府持续面临人工智能人才短缺问题。

过去十年，人工智能工具的激增推动了常规工作自动化，使得公职人员能够专注于更复杂、更精细、更高级的任务。但是，随着人工智能技术的进步和生成式人工智能的出现，人机协作将变得更加紧密且更有价值。工作人员可以与人工智能进行多种日常互动（图2），包括指导人工智能应用执行工作（机器作为下属），以开放、迭代和互动的方式与人工智能长期合作（机器作为队友），允许人工智能应用指导工作（机器作为监督者）等。^[36]

图2：人机协作程度取决于任务类型

资料来源： Sue Cantrell et al., “Strengthening the bonds of human and machine collaboration,” Deloitte Insights, November 22, 2022.

新加坡政府是全球首批采用生成式人工智能聊天机器人的政府之一，该机器人目前主要服务于4,000名公务员，未来将向全国15万名公职人员逐步推广。新加坡政府科技局开发了Pair聊天机器人，以辅助公务员的写作、研究和编码工作。^[37]

为了高效服务公民，新加坡计划采用由大型语言模型引擎提供信息支持的聊天助手取代现有的“Ask Jamie”聊天机器人。^[38]此外，政府还更新了面向公职人员的Data & AI Literacy ePrimer学习课程，增加了有关生成式人工智能、大型语言模型、提示工程和大型语言模型局限性的内容。^[39]

随着人工智能技术在政府工作中广泛应用，政府对技术人才的需求日益增长。然而，许多企业也在争夺相同的技术人才，这给政府带来了巨大的挑战。有鉴于此，政府可以通过实施培训计划来弥合人才缺口。虽然政府机构需要人工智能专家，但大规模应用人工智能还需要提高负责采购相关工具和服务或利用相关应用提供服务的工作人员的数字素养和技能。^[40]

美国政府最近发布的人工智能行政命令^[41]提出面向全国为联邦政府招聘人工智能人才。^[42]为了增加数字人才供应，美国政府一直大力推行“任期”计划^[43]，包括总务管理局18F办公室、美国数字服务处和总统创新伙伴计划。这些计划旨在为专业技术人员提供参与公共服务的机会，从而弥补政府的人才缺口。^[44]

专家观点

技术有助于重塑和改进加拿大的人口普查工作

Geoff Bowlby，加拿大统计局人口普查总干事

加拿大人口普查的线上回复率明显高于其他国家，但加拿大统计局仍致力于优化在线调查。目前，我们正在测试预计在2026年人口普查中实施的一项重要变革——无需安全访问代码即可进行在线回复，这种方法已在澳大利亚、美国和英国成功应用。

这种方法既保障了安全性，又简化了访问流程。在新方法下，若受访者丢失或未收到通过邮件发送或由加拿大统计局工作人员提供的访问代码，则其可以在主要在线回复门户上输入个人地址信息，获取新的安全访问代码。这一变革虽然看似简单，却对我们的后台操作产生了深远影响。更为重要的是，此举大幅提升了公民体验，他们不再需要联系经常处于忙线状态的加拿大统计局呼叫中心来获取安全访问代码。

另一项相关技术进步旨在帮助没有官方地址的公民，尤其是农村地区居民。若受访者无法通过输入地址来生成安全访问代码，则其可以在地图上标记其住所位置，同样能够在线完成人口普查问卷。由于加拿大统计局可以将完成的问卷与地图上的具体住所相对应，因此避免了工作人员的后续工作。此外，地理信息系统技术也可应用于农业调查中，我们可以利用卫星图像来估算作物产量和类型，以此取代向农民询问的传统方式。

我们还在测试在现场操作中集成聊天机器人功能，以便为受访者提供即时支持。2021年，我们曾遭遇来电量在几天内激增，导致呼叫中心无法全部接听的情况。而聊天机器人能够使用自然语言处理技术，以英语和法语回答常见问题。这一功能与安全访问代码相结合，有望在不增加呼叫中心人员数量的情况下，有效解决电话无人接听的问题。

我们也在探索在人口普查中部署其他安全且合乎道德的人工智能应用，尤其是在数据收集后的阶段。人工智能技术能够提高操作效率，例如对问卷进行自动编码，还能协助对普查数据进行初步分析，识别汇总数据中的异常值和潜在错误。此外，为了帮助公众了解普查数据，减少个人搜索信息的需要，我们正在考虑训练人工智能使用参考文件回答问题。这些创新应用或将助力我们完善业务流程，提高工作效率，优化用户体验。

未来展望

• 新职员的学习时间大幅缩短，因为他们可以借助生成式人工智能检索政策和业务知识，并快速查阅历史数据以了解可行或不可行操作。
• 有能力获取信息的公民能够查看政府项目成果并与其他辖区的项目进行对比，以向政策制定者提供有效反馈。
• 人工智能技术能够帮助现场工作人员快速获取决策所需信息，增强他们的自主权；管理人员也能全面审查和评估这些自主决策行为。
• 新一代联络中心利用生成式人工智能提供实时翻译，通过共享数据了解背景信息，并对用户选择进行精准画像。

当务之急

• 培养强大的人工智能领导力，类似于政府在过去二十年中培养数字和数据领导力的过程。这对制定人工智能标准，建立共同治理模式以及大力支持政府使用人工智能至关重要。
• 为适应生成式人工智能时代重新制定人工智能战略。政府的人工智能和技术领导者应开展试验以探索这些不断进步的工具最有效的应用场景，并调整人才战略，将新技能融入特定职位和任务中。政府机构可以制定政策和指南，指导公众在特定领域妥善使用技术，并通过培养协作文化来建立信任。
• 重视员工体验，因为技术转型，尤其是如此大规模的技术转型，可能带来挑战并引发文化抵触。政府机构应当采取审慎的技能培训方法，围绕学习者设计培训计划，并让管理人员和一线人员参与新工具的设计或部署以实现平稳过渡。此外，还需分析提高效率对公共部门薪资水平以及人才吸引和保留的积极影响。
• 为新技术建立道德护栏，以应对隐私、安全、幻觉、道德和公平决策方面的挑战。例如，TennCare正在其现有技术架构中嵌入新的生成式人工智能功能，以确保患者隐私信息的安全。^[45]
• 超越技术使用者的角色，引领生成式人工智能的发展。政府作为采购者、监管者和基础设施提供者，可以推动建立创新生态系统，加速人工智能创业活动和经济增长。^[46]

[1] William D. Eggers, Government 2.0: Using Technology to Improve Education, Cut Red Tape, Reduce Gridlock, and Enhance Democracy (Rowman & Littlefield, 2004).

[2] David E. Osborne and Ted Gaebler, Reinventing Government: How the Entrepreneurial Spirit is Transforming the Public Sector (Basic, 1992); Charles S. Clark, “Reinventing government—two decades later,” Government Executive, April 26, 2013.

[3] William D. Eggers and Donald F. Kettl, Bridgebuilders: How Governments Can Transcend Boundaries to Solve Big Problems (Harvard Business Review Press, 2023).

[4] GPRA Modernization Act of 2010, Pub. L. No. 111-352, 124 Stat. 3866. Retrieved from https://www.congress.gov/111/plaws/publ352/PLAW-111publ352.pdf

[5] Treasury Board of Canada Secretariat. (1997). Getting Government Right: Governing for Canadians. Retrieved from https://publications.gc.ca/collections/Collection/F1-23-1997E.pdf

[6] European Council. (2000). Presidency Conclusions - Lisbon European Council. Retrieved from http://www.europarl.europa.eu/summits/lis1_en.htm

[7] William D. Eggers and Joel Bellman, “The journey to government's digital transformation,” Deloitte University Press, 2015.

[8] Antonio Neri, “The public sector must accelerate digital transformation—or risk losing sovereignty and trust,” World Economic Forum, May 23, 2022.

[9] Megan Sullivan, Joel Bellman, et. al., “Accelerated digital government: COVID-19 brings the next generation of digitization to government,” Deloitte Insights, March 4, 2021.

[10] William D. Eggers, Delivering on Digital: The Innovators and Technologies That Are Transforming Government (Rosetta, 2016).

[11] US Chamber of Commerce, “How the public sector is embracing digital transformation,” February 2, 2023.

[12] Adriano Sacchetti, “Trelleborg case study: AI that changes care,” AI World, September 22, 2023. Note that Trelleborg's automation has not come without some controversy, perhaps slowing Sweden's wider adoption; see Katarina Lind, “Central authorities slow to react as Sweden's cities embrace automation of welfare management,” Algorithm Watch, March 17, 2020.

[13] Gianluca Misuraca and Colin van Noordt, “Artificial intelligence in public services. Overview of the use and impact of AI in public services in the EU,” AI Watch, 2020.

[14] Catherine Rampell, “Why does the IRS need $80 billion? Just look at its cafeteria,” Washington Post, August 9, 2022.

[15] Michelle Singletary, “This tax season, IRS answered just 10 percent of taxpayer calls,” Washington Post, June 24, 2022.

[16] US Department of the Treasury, “Filing season 2023 report card: IRS delivered significantly improved customer service,” April 17, 2023.

[17] Peter Viechnicki and William D. Eggers, “How much time and money can AI save government?”, Deloitte University Press, 2017.

[18] Deloitte, “The generative AI dossier: A selection of high impact use cases across six major industries,” accessed February 7, 2024.

[19] Deloitte Center for Government Insights, “Generative AI transforming government,” December 2023.

[20] William D. Eggers et al., “How government can deliver streamlined life event experiences,” Deloitte Insights, July 12, 2022.

[21] European Commission, “Quality of public administration: A toolbox for practitioners,” 2017.

[22] Hendrik Scholta et al., “From one-stop shop to no-stop shop: An e-government stage model,” Government Information Quarterly 36, no. 1 (2019): pp. 11–26.

[23] European Commission, “Quality of public administration: A toolbox for practitioners.”

[24] Eggers et al., “How government can deliver streamlined life event experiences.”

[25] Deloitte, “City operations through AI,” 2021.

[26] Deloitte, “A smart city's cloud-based command center,” 2019.

[27] Apolitical, “Queensland hospitals can predict admissions ten years in advance,” August 3, 2017.

[28] FDA Center for Drug Evaluation and Research (CDER) internal report, unpublished.

[29] Police Service of Northern Ireland, Digital Strategy: 2021 and Beyond, September 2022; also see Deloitte Insights, “AI around the world,” February 27, 2023.

[30] Tyna Eloundou et al., “GPTs are GPTs: An early look at the labor market impact potential of large language models,” arXiv, August 21, 2023.

[31] Goldman Sachs, “Generative AI could raise global GDP by 7%,” April 5, 2023.

[32] Author interview with Deloitte Tennessee project team.

[33] Everton Heron, Prashanth Injam, and Mike Connors, “Implement, scale, operate & innovate: TennCare's cloud strategy,” YouTube, November 29, 2023.

[34] Ibid.

[35] Ibid.

[36] Sue Cantrell, “Strengthening the bonds of human and machine collaboration,” Deloitte Insights, November 22, 2022.

[37] Anne Chan Min, “4,000 civil servants using government Pair chatbot for writing, coding,” Straits Times, July 18, 2023.

[38] Yogesh Hirdaramani, “Is it time to say goodbye to 'Ask Jamie'? Inside GovTech's refresh of government chatbots,” GovInsider, September 13, 2023.

[39] Singapore Government Developer Portal, “Data & AI literacy ePrimer,” September 12, 2023.

[40] Edward Van Buren et al., “Scaling AI in government,” December 13, 2021.

[41] White House, “Executive Order on the Safe, Secure, and Trustworthy Development and Use of Artificial Intelligence,” October 30, 2023.

[42] AI.gov, “Join the national AI talent surge,” accessed December 14, 2023.

[43] Vanessa Pena and Chelsea A. Stokes, “Tour of Duty Hiring in the Federal Government,” Institute for Defense Analyses, June 2019.

[44] William D. Eggers, Amrita Datar, and John O'Leary, “The future of work in government,” February 28, 2019.

[45] Author interview with Deloitte Tennessee project team.

[46] Tasha Austin and Kevin Lubin, “How the US government can accelerate AI entrepreneurship,” Deloitte Insights, August 23, 2022.