알림 목록

Area di analisi: Città metropolitana di Busan

Area centrale: sede metropolitana di Busan, 16 distretti e contee e istituzioni pubbliche affiliate.

Ordine del giorno: Verificare se l'intelligenza artificiale e i dati siano andati oltre il semplice supporto amministrativo, modificando effettivamente le alternative politiche, i bilanci, l'attuazione e le valutazioni delle prestazioni.

Tipo Golden Time: Espansione dell'IA amministrativa + GAP delle prove decisionali

Data di riferimento: 28/08/2026

Versione: Standard di miglioramento AX Golden Time Intelligence v3.2 regionale
 

Alla fine del 2025, la città di Busan è diventata il primo ente locale a lanciare servizi amministrativi basati sull'intelligenza artificiale generativa, utilizzando modelli linguistici semplificati e funzionalità di ricerca avanzate. All'inizio del 2026, aveva già implementato 22 tipologie di servizi, tra cui domande e risposte, redazione di documenti e ricerca di dati amministrativi, in tutti i dipartimenti. L'ambito di applicazione dell'IA nell'amministrazione si è spostato dall'utilizzo di IA generativa esterna da parte dei singoli dipendenti a servizi a livello organizzativo che combinano dati amministrativi interni con sistemi di sicurezza. Tuttavia, i registri pubblici delle decisioni che dimostrano come l'utilizzo dei servizi abbia portato a confronti tra alternative politiche, modifiche di bilancio, sospensioni di progetti, adeguamenti delle aree target o cambiamenti nei metodi di implementazione non sono stati verificati. Se il piano di potenziamento triennale dal 2026 al 2028 si baserà principalmente sul volume di utilizzo e sul numero di documenti generati, l'IA in ambito amministrativo si limiterà a un semplice miglioramento della velocità di lavoro. Sebbene l'IA nell'amministrazione di Busan abbia raggiunto la fase di implementazione in tutti i dipartimenti, mancano prove sufficienti per concludere che abbia effettivamente modificato i processi decisionali.

Nell'ambito del progetto Big Data Wave di Busan, sono state registrate come attività di analisi questioni politiche concrete, come ad esempio le variazioni delle vendite a seguito della conversione dei giorni di chiusura obbligatoria degli ipermercati in giorni feriali, le vendite con carta di credito prima e dopo il progetto "Città dei 15 minuti", il numero di visitatori durante i festival e le vendite nei distretti commerciali, nonché la carenza di parcheggi nel distretto di Yeongdo. L'utilizzo dei dati si sta spostando dalle indagini statistiche alla verifica dei risultati prima e dopo l'attuazione delle politiche. Tuttavia, le informazioni pubbliche disponibili sul follow-up relative alle alternative escluse e alle decisioni, ai budget o alle azioni modificate sono limitate. Se le richieste di analisi e le decisioni politiche rimarranno in sistemi separati per i prossimi due o tre anni, il volume delle analisi potrebbe aumentare, ma l'impatto del processo decisionale non potrà essere misurato. Nell'amministrazione  di Busan, basata sui dati, mentre la formulazione delle domande e l'esecuzione delle analisi sono confermate, la tracciabilità delle modifiche alle decisioni è considerata non confermata.

Il Piano di promozione dell'IA nell'amministrazione del 2026 proponeva l'adozione diffusa dell'IA in tutta l'amministrazione, mentre il piano di lavoro per il settore dei dati includeva analisi ampliate, formazione dei dipendenti e l'utilizzo di informazioni pseudonimizzate per affrontare le sfide comunali. La digitalizzazione dell'amministrazione è passata da progetti pilota parziali a un piano di adozione diffusa in tutti i settori. Al contrario, non è stato individuato un parametro di riferimento pubblico che colleghi la qualità dei dati dipartimentali, l'accuratezza delle risposte dell'IA, il comportamento di verifica degli utenti, la frequenza degli errori e i risultati per i cittadini in un unico quadro di valutazione delle prestazioni. Se i servizi si espanderanno rapidamente tra il 2026 e il 2028, dati grezzi di bassa qualità e risposte non verificate verranno ripetutamente inseriti nelle procedure di lavoro.  Il rischio, particolarmente critico per il sistema amministrativo di Busan, risiede nel fatto che la velocità di adozione dell'IA sta superando la velocità di miglioramento della qualità dei dati e di istituzione di sistemi di responsabilità.

Sono in corso anche progetti di supporto alle decisioni in vari settori, come le simulazioni delle reti di approvvigionamento idrico, i "Villaggi oceanici intelligenti" e la gestione degli audit basata sull'intelligenza artificiale. L'applicazione dell'IA si sta espandendo dalle comuni attività di gestione documentale ai giudizi di esperti in materia di approvvigionamento idrico, ambiente marino, audit e sicurezza. Tuttavia, non sono disponibili pubblicamente dati comparativi che confermino in che misura gli avvisi predittivi abbiano effettivamente modificato le priorità di ispezione, le allocazioni di bilancio e i giudizi normativi e di audit, o se i risultati siano migliorati. Se i sistemi specifici di settore verranno sviluppati in modo indipendente nei prossimi due o tre anni, la città di Busan non disporrà di un sistema di apprendimento amministrativo unificato, anche se integrerà diversi servizi di IA.  Attualmente, il "periodo d'oro" non viene considerato come il periodo di espansione dei servizi di IA, bensì come i due o tre anni che precedono il primo collegamento tra le decisioni modificate dall'IA e i loro risultati.

Tesi del Tempo d'Oro — L'unità di giudizio per il Busan Administrative AX non è il numero di servizi di intelligenza artificiale o il numero di documenti generati. L'unità di giudizio è il Tempo di Esecuzione Decisionale, che si estende alla valutazione se l'intelligenza artificiale e i dati abbiano creato una scelta diversa dalle decisioni esistenti e se tale scelta abbia migliorato i risultati per i cittadini, le imprese e la regione.

L'amministrazione della città di Busan gestisce i trasporti, il welfare, la sicurezza, l'industria, l'ambiente, il turismo e la pianificazione urbana attraverso la sede centrale, le unità operative, i 16 distretti e contee, le società pubbliche, le agenzie e le istituzioni che vi hanno investito o contribuito. I dati amministrativi hanno una struttura distribuita, generata da molteplici organizzazioni e agenzie incaricate, anziché da un'unica entità. La misura in cui gli stessi cittadini, imprese, spazi o progetti siano gestiti da diversi dipartimenti utilizzando ID e cicli di aggiornamento differenti non può essere completamente verificata nei dati pubblicamente disponibili. Con l'espansione dei servizi di intelligenza artificiale dei dipartimenti su questi dati distribuiti tra il 2026 e il 2028, potrebbero emergere risposte e valutazioni del rischio differenti in merito alle stesse problematiche.  Il rischio di scala dell'amministrazione di Busan è determinato dalla presenza di molteplici registrazioni dello stesso soggetto amministrativo, piuttosto che da una mancanza di dati.

Big-DataWave fornisce dati pubblici e privati, statistiche, consulenza analitica e casi di utilizzo dei dati. La base dati dell'amministrazione di Busan si è ampliata, passando dalle statistiche periodiche all'analisi delle politiche utilizzando dati di vendita con carta di credito, mobilità della popolazione tramite telecomunicazioni, griglie spaziali e sondaggi. Tuttavia, non sono disponibili indicatori operativi pubblici che colleghino il numero totale di richieste di analisi registrate, il tempo medio di elaborazione, il tasso di applicazione delle politiche e il tasso di riutilizzo. Mentre i tempi di attesa e la duplicazione delle singole analisi si accumulano con l'aumento dei volumi di richieste nell'arco di due o tre anni, la capacità di analisi complessiva dell'organizzazione rimane non valutata. Sebbene  l'amministrazione dei dati di Busan disponga di un'infrastruttura di analisi, la sua capacità di elaborazione rispetto alla domanda non è stata misurata.

I servizi amministrativi basati sull'intelligenza artificiale generativa di Busan offrono 22 tipi di funzioni, tra cui domande e risposte, ricerca dati e creazione di documenti, a tutti i dipartimenti. L'applicazione dell'IA generativa si è estesa dalla fase di formazione e sperimentazione ai servizi comuni negli ambienti di lavoro reali. Tuttavia, non sono stati divulgati dati relativi al numero di utenti attivi per dipartimento, alla frequenza di utilizzo, al risparmio di tempo, al tempo necessario per la correzione degli errori e ai tassi di accettazione/rifiuto delle risposte. Se tra il 2026 e il 2028 aumenterà solo il numero di funzioni, i servizi con un basso utilizzo effettivo e un basso miglioramento del flusso di lavoro rimarranno elencati come risultati dell'implementazione.  Sebbene la portata dell'IA generativa di Busan sia stata verificata in base alle funzioni, la portata effettiva del suo utilizzo non è confermata.

Il supporto decisionale che utilizza sensori, modelli e intelligenza artificiale viene promosso nei settori delle reti di approvvigionamento idrico, degli ambienti marini, dell'audit e della sicurezza. L'IA amministrativa si è evoluta verso una struttura multilivello in cui modelli linguistici di uso generale e modelli di previsione e rilevamento specifici per settore operano simultaneamente. Tuttavia, non sono ancora stati confermati dati pubblicamente disponibili che confrontino un registro comune dei modelli, la provenienza dei dati, l'accuratezza, i casi di errore e la responsabilità operativa a livello dell'intera città. Con l'aumento del numero di modelli specializzati nei prossimi due o tre anni, il costo della gestione integrata dei rischi specifici dei modelli crescerà rapidamente.  Mentre l'IA amministrativa di Busan si trova in una fase di espansione multisettoriale, la governance dei modelli a livello cittadino non è ancora stata confermata.

I 22 tipi di servizi di intelligenza artificiale generativa, l'ondata di Big Data e le piattaforme intelligenti specifiche per settore dimostrano che Busan possiede numerose risorse di intelligenza artificiale e dati. Le risorse digitali amministrative si sono evolute in una struttura in cui l'intelligenza artificiale di uso generale e i sistemi di analisi specializzati coesistono all'interno di un unico portale statistico. Tuttavia, non è ancora stata confermata una piattaforma comune in cui i risultati delle analisi su diverse piattaforme siano collegati alle stesse riunioni politiche, approvazioni, budget e valutazioni delle prestazioni. Con l'aumento del numero di sistemi tra il 2026 e il 2028, il recupero delle informazioni potrebbe diventare più rapido, ma le discrepanze di giudizio tra le organizzazioni potrebbero ampliarsi.  Ciò che è stato confermato finora è l'accumulo di strumenti di intelligenza artificiale e dati, non l'integrazione dell'ecosistema decisionale.

Le richieste di analizzare le vendite con carta prima e dopo il progetto "Città dei 15 minuti", le vendite nei mercati tradizionali e nelle piccole imprese a seguito delle modifiche alle chiusure obbligatorie dei grandi supermercati, e il traffico pedonale e le vendite con carta prima e dopo le festività, si concentrano sui risultati piuttosto che sugli input. Le indagini amministrative si sono spostate dalla verifica dell'effettiva implementazione di un progetto alla verifica dell'impatto effettivo della politica sull'economia locale. Tuttavia, non si trovano documenti pubblici che colleghino i risultati delle analisi ai casi in cui le politiche esistenti sono state mantenute, modificate o interrotte. Se le analisi rimangono solo materiale di riferimento retrospettivo per due o tre anni, l'ampliamento delle domande sui risultati non porta a cambiamenti nel processo decisionale.  Sebbene a Busan vi sia una domanda di analisi dei risultati, un ecosistema per il coordinamento delle politiche basato sui risultati non è considerato consolidato.

Il programma di formazione pratica sull'IA del 2025 ha trattato la pianificazione strategica e la pratica tecnica per il municipio, i distretti, le contee e le organizzazioni affiliate, mentre l'espansione dei servizi di IA in tutti i settori era prevista per il periodo 2026-2028. La struttura per lo sviluppo delle competenze si sta espandendo dal semplice utilizzo di strumenti alle capacità di pianificazione dei servizi. Tuttavia, durante la verifica amministrativa del 2025 da parte del Comune di Busan, è emerso che oltre l'80% di alcuni corsi di formazione sull'IA era di livello base. Se la velocità di diffusione dei servizi nei prossimi due o tre anni supererà le capacità di pianificazione e verifica, i dipendenti utilizzeranno i risultati dell'IA ma non saranno in grado di identificare i limiti e gli errori dei modelli.  Si ritiene che esista un divario nell'ecosistema amministrativo di Busan per quanto riguarda le competenze in materia di IA tra l'espansione degli utenti e le capacità di verifica avanzate.

Smart Ocean Village sta perseguendo il monitoraggio dell'ambiente marino e il supporto decisionale basato sull'intelligenza artificiale, mentre il settore dell'approvvigionamento idrico sta implementando big data e simulazioni di reti di condotte basate sull'IA. L'amministrazione in questi settori si sta spostando dalle denunce e ispezioni post-incidente al rilevamento e alla previsione proattivi. Tuttavia, i dati pubblicamente disponibili che confrontano il tasso di concordanza tra previsioni ed eventi reali, i tempi di risposta successivi agli allarmi e la riduzione degli incidenti sono limitati. Anche se il sistema fosse operativo tra il 2026 e il 2028, la piattaforma rimarrebbe statica come semplice schermo di monitoraggio se l'accuratezza delle previsioni non fosse collegata ad azioni sul campo. Sebbene  l'IA specifica per settore abbia garantito capacità predittive, mancano prove a livello di ecosistema che dimostrino che le previsioni abbiano effettivamente modificato il comportamento amministrativo.

L'intelligenza artificiale generativa riduce i costi di raccolta delle informazioni elaborando ricerche di dati amministrativi e bozze di documenti in pochi secondi. Il collo di bottiglia nell'amministrazione si sposta dal tempo impiegato nella ricerca dei dati al tempo impiegato per determinare di quali prove fidarsi e quale alternativa scegliere. Sebbene i servizi di intelligenza artificiale di Busan forniscano funzioni di ricerca e redazione, le capacità decisionali che confrontano l'efficacia, i costi e i rischi delle diverse alternative non sono presenti nei dati pubblicamente disponibili. Se la velocità di ricerca aumentasse tra il 2026 e il 2028, si potrebbe creare una struttura in grado di riprodurre più rapidamente la logica delle politiche esistenti. Sebbene il cambiamento strutturale nell'AX amministrativo si sia spostato dalla generazione di documenti alla valutazione e verifica, si ritiene che la funzione attuale di Busan sia più vicina alla prima.

I servizi amministrativi basati sul modello RAG rafforzano le basi delle risposte attraverso la ricerca nei dati amministrativi interni. Questa struttura rappresenta un cambiamento nell'intelligenza artificiale generativa, che passa da un approccio incentrato sulle informazioni pubblicamente disponibili su internet a uno incentrato sui dati in possesso della città di Busan. Tuttavia, non è disponibile un registro pubblico delle attività (Audit Trail), che registri il testo originale citato nella risposta, la data di riferimento, i documenti contraddittori, le linee guida scartate, i livelli di confidenza e i revisori finali. Con l'accumularsi dei dati amministrativi nell'arco di due o tre anni, aumenta il rischio di mescolare in modo errato prove recenti, storiche e contraddittorie.  La lacuna strutturale dell'intelligenza artificiale generativa in stile Busan è evidente nella determinazione della validità delle prove, piuttosto che nella generazione delle risposte.

I dati privati ​​relativi a carte di credito, telecomunicazioni e geolocalizzazione rivelano i cambiamenti nelle aree commerciali, di mobilità e residenziali più rapidamente rispetto alle statistiche amministrative. Le evidenze politiche si sono spostate dalle statistiche annuali a livelli di dettaglio giornalieri, orari e a griglia di 50 metri. Tuttavia, non è stato individuato alcun sistema di divulgazione in grado di gestire la distorsione del campionamento, i cambiamenti nei fornitori di servizi, le modifiche alle formule, i costi e la riproducibilità dei dati privati ​​insieme ai dati sulle decisioni politiche. Se la dipendenza dai dati privati ​​dovesse aumentare tra il 2026 e il 2028, le modifiche ai contratti di fornitura potrebbero portare a una perturbazione della base di riferimento delle politiche. Sebbene  la gestione dei dati di Busan abbia garantito rapidità, la sua comparabilità e riproducibilità a lungo termine sono considerate non confermate.

L'amministrazione degli audit basata sull'intelligenza artificiale amplia la portata della selezione degli obiettivi di audit e del rilevamento dei rischi, passando dalle ispezioni a campione a una ricerca completa basata sui dati. La struttura degli audit si sposta dal rilevamento a posteriori all'individuazione precoce delle anomalie. Tuttavia, la raccolta di dati pubblici per verificare gli obiettivi di audit selezionati dal modello, gli obiettivi non selezionati, le violazioni effettive, i falsi positivi e i pregiudizi è ancora in una fase iniziale. Se le raccomandazioni dell'IA verranno integrate nelle priorità di audit tra il 2026 e il 2028, i falsi positivi inspiegabili si trasformeranno anche in oneri amministrativi e rischi per la reputazione.  Si prevede che Audit AX mostrerà contemporaneamente sia un ambito di rilevamento ampliato sia una lacuna nella responsabilità procedurale.

Il Piano di promozione dell'IA per l'amministrazione del 2026 ha delineato una direzione per la diffusione sistematica dell'IA in tutta l'amministrazione. Le implementazioni pilota da parte dei singoli dipartimenti sono state integrate in un portfolio a livello di governo cittadino. Tuttavia, non è stato ancora individuato un Registro dei progetti di IA che renda noti, in un formato comune, i parametri di riferimento specifici del progetto, i risultati attesi, i dipartimenti responsabili, i livelli di rischio del modello e i criteri di interruzione. Se l'espansione a tutti i settori dovesse procedere prima tra il 2026 e il 2028, sarà difficile distinguere tra progetti a basso rendimento e progetti ad alto rischio utilizzando gli stessi criteri.  La risposta di Busan all'IA è attualmente nella fase di definizione del portfolio, mentre la fase di gestione delle prestazioni del portfolio è considerata ancora da definire.

All'inizio del 2026, i servizi amministrativi basati sull'intelligenza artificiale generativa sono stati implementati in tutti i dipartimenti ed è stato presentato un piano di sviluppo ed espansione per i successivi tre anni. L'applicazione dell'IA si è estesa da una fase di test limitata agli utenti all'ambiente di lavoro comune per tutti i dipendenti. Tuttavia, non è ancora stata definita una base di riferimento pubblica che confronti le ore lavorative, l'accuratezza delle risposte ai reclami, i tassi di correzione, le rilavorazioni e gli incidenti di sicurezza prima e dopo l'introduzione dell'IA. Una volta che l'utilizzo sarà integrato nelle procedure di lavoro di base nei prossimi due o tre anni, sarà difficile confrontare gli effetti con il periodo precedente all'introduzione dell'IA.  Attualmente, sebbene il piano di espansione per il periodo triennale sia chiaro, la struttura per la misurazione degli effetti causali non è ancora stata definita.

Il piano di lavoro sui dati per il 2026 prevede l'ampliamento delle analisi per la risoluzione di problematiche comunali, la formazione dei dipendenti e l'utilizzo di informazioni pseudonimizzate. L'ambito di utilizzo dei dati si sta espandendo dalle statistiche pubbliche all'analisi combinata che tutela le informazioni personali. Tuttavia, non sono stati reperiti dati che rivelino collettivamente i risultati delle politiche, i rischi di reidentificazione, i fallimenti delle analisi combinate, i periodi di deliberazione o le effettive modifiche alle politiche relative all'analisi combinata pseudonimizzata. Se l'utilizzo e la protezione vengono gestiti come indicatori di performance separati per il periodo 2026-2028, diventa difficile valutare il rischio tra l'ampliamento delle analisi e la fiducia del pubblico.  La risposta di Busan alle informazioni pseudonimizzate si trova attualmente nella fase di ampliamento della base di utilizzo, non ancora nella fase di valutazione integrata dei risultati e della fiducia.

La formazione pratica sull'intelligenza artificiale e sui dati ha esteso il suo ambito di applicazione a uffici centrali, distretti, contee e istituzioni pubbliche. Le politiche di sviluppo delle competenze si sono spostate dalla formazione di un numero ristretto di esperti di dati all'utilizzo dell'IA da parte del personale amministrativo in generale. Tuttavia, le prestazioni effettive delle analisi prima e dopo la formazione, i cambiamenti nella pianificazione delle politiche, i tassi di rilevamento degli errori e i tassi di applicazione sul campo non vengono divulgati. Se si considera solo il numero di partecipanti alla formazione nell'arco di due o tre anni, è impossibile distinguere tra l'espansione della formazione e il miglioramento della qualità del processo decisionale. Sebbene  la risposta alla formazione si sia ampliata in termini di partecipazione, i risultati lavorativi effettivi non sono stati verificati.

Busan ha annunciato di aver lanciato servizi amministrativi basati su sLLM e RAG (Rapid Aggregation Group) e intelligenza artificiale generativa in tutti i dipartimenti, diventando il primo ente locale a farlo. La precoce adozione di un ambiente di lavoro comune basato sull'IA è confermata dal confronto con altri enti locali nazionali. Tuttavia, non vengono divulgati i dati comparativi relativi ai tassi di utilizzo effettivo, al risparmio di tempo, all'accuratezza e ai tassi di modifica delle politiche, utilizzando gli stessi standard di altre città leader. Se la definizione di "adozione iniziale" nel periodo 2026-2028 sostituisce il confronto delle prestazioni, la differenza tra leadership tecnologica e performance amministrativa risulta oscura. Sebbene  Busan mostri segnali di avanguardia al momento dell'adozione, i suoi risultati in termini di processi decisionali sono considerati non comparabili.

La governance dell'IA nel settore pubblico internazionale si concentra sulla gestione della provenienza dei dati, sulla revisione umana, sulla spiegabilità, sulla valutazione d'impatto, sulle obiezioni e sul monitoraggio dei modelli. I servizi di IA generativa di Busan sono stati sviluppati partendo dal presupposto di utilizzare sistemi di sicurezza e dati interni. Tuttavia, non sono state confermate prove relative alla divulgazione delle approvazioni del livello di rischio, delle valutazioni d'impatto sui cittadini, delle segnalazioni di errori e della cronologia delle modifiche ai modelli a livello di amministrazione comunale. Con l'espansione dell'IA nei settori del coinvolgimento dei cittadini, dell'audit e della sicurezza nei prossimi due o tre anni, la responsabilità procedurale, piuttosto che la convenienza operativa, determinerà la competitività comparativa. Sebbene  la prontezza di Busan all'adozione tecnologica sia elevata, la sua prontezza in termini di governance pubblica è considerata non confermata.

Grandi amministrazioni locali come Seul e Gyeonggi gestiscono organizzazioni di analisi dei dati, dati pubblici, gemelli digitali e servizi di intelligenza artificiale in modo multilivello. Anche Busan sta riducendo il divario di strumenti creando una Big Data Wave e piattaforme di intelligenza artificiale specifiche per settore. Tuttavia, non sono state standardizzate a livello nazionale metriche comparabili per il passaggio da analisi a cambiamento decisionale e a risultato tra le diverse città. Confrontare solo il numero di piattaforme e i budget per il periodo 2026-2028 non consente di valutare l'effettiva produttività amministrativa di Busan e il suo impatto sui residenti.  Busan si colloca nella fascia medio-alta a livello nazionale per quanto riguarda il possesso di strumenti, ma presenta una lacuna comune di dati nel Decision Runtime.

L'analisi della "città dei 15 minuti" di Busan, dei festival, dei quartieri commerciali, dei trasporti e dell'ambiente marino affronta le problematiche locali combinandole con dati del settore privato. Ciò rappresenta una struttura più avanzata rispetto alla fase in cui vengono utilizzate solo statistiche amministrative strutturate. D'altro canto, le evidenze gestite secondo standard comuni in merito alla riproducibilità dell'analisi, ai gruppi di controllo, ai pre-interventi e ai post-risultati sono limitate. Anche se il numero di casi di analisi aumenta nell'arco di due o tre anni, questi non vengono aggregati nell'apprendimento dell'intera città se i modelli comparativi differiscono.  Il punto di forza relativo di Busan è determinato dal realismo dei suoi temi di analisi, mentre il suo punto debole è la standardizzazione dei risultati dell'analisi in esperimenti politici.

Il collegamento dei 22 tipi di servizi di IA generativa con la loro applicazione in tutti i dipartimenti conferma la loro funzionalità e la portata di implementazione. Tuttavia, poiché non vengono divulgati dati come utenti attivi, numero di query, tassi di adozione, tassi di modifica, risparmio di tempo e tassi di modifica delle politiche, non è possibile calcolare le prestazioni in termini di usabilità. Il numero di servizi moltiplicato per il numero di dipartimenti mostra la portata della diffusione, ma non riflette le prestazioni amministrative. Se il numero di funzioni aumenterà tra il 2026 e il 2028, gli indicatori di successo senza denominatore potrebbero diventare più elevati.  I dati attuali relativi all'IA generativa di Busan rappresentano la portata dell'implementazione, mentre la produttività del processo decisionale è determinata dal Data Gap.

Le richieste di analisi per Big-DataWave includono questioni politiche concrete come il concetto di "città dei 15 minuti", la chiusura obbligatoria dei negozi per gli ipermercati, i festival, i parcheggi, il traffico pedonale e le vendite al consumo. Il numero di richieste e gli indicatori di "risposta completata" dimostrano che l'offerta di analisi è funzionante. Tuttavia, i dati successivi relativi al passaggio da "risposta completata" a "riflessione sull'approvazione", "modifica del progetto" e "cambio di esito" non vengono divulgati. Se il numero di casi completati si accumula nell'arco di due o tre anni, le prestazioni dell'elaborazione delle analisi e le prestazioni delle modifiche politiche potrebbero essere percepite come identiche.  Il tasso di completamento delle analisi è considerato un indicatore di servizio amministrativo, non un indicatore di efficacia delle politiche.

L'analisi delle vendite di carte prepagate prima e dopo il progetto "Città dei 15 minuti" è stata richiesta per confrontare le variazioni nel 2023 e nel 2024, nello specifico prima e dopo il completamento del progetto. Sebbene esista la struttura per un confronto temporale, non è possibile confermare, basandosi unicamente sulle informazioni richieste, che le regioni di controllo, le condizioni economiche esterne, i prezzi e i fattori stagionali siano stati separati. Semplici aumenti e diminuzioni prima e dopo mescolano gli effetti delle politiche con le variazioni esterne simultanee. Se analisi simili venissero ripetute tra il 2026 e il 2028, potrebbero accumularsi determinazioni causali errate, con conseguenti espansioni o riduzioni di bilancio.  La lacuna numerica nell'analisi dei dati di Busan risiede nella distinzione tra la misurazione del cambiamento e la determinazione della causalità.

L'analisi dello spostamento della chiusura obbligatoria dei supermercati ipermercati ai giorni feriali rappresenta una questione politica che confronta le vendite di ipermercati, mercati tradizionali e piccole imprese. Conferma un cambiamento strutturale volto ad esaminare la distribuzione dei benefici tra le parti interessate, piuttosto che le vendite di un singolo settore. Tuttavia, non vengono identificati risultati aperti che combinino benefici per i consumatori, condizioni di lavoro dei dipendenti, passaggio al consumo online ed effetti a lungo termine. Se le conclusioni si basano esclusivamente sulle vendite a breve termine con carta di credito in un periodo di due o tre anni, i costi e i benefici della politica si limitano a gruppi specifici. Sebbene  il giudizio di Busan, basato sui dati, si sia esteso a confronti tra più gruppi, si è concluso che non ha raggiunto il risultato sociale complessivo.

Sebbene il numero di partecipanti e di corsi di formazione sull'IA dimostri l'apporto di competenze, un audit del consiglio comunale ha evidenziato che oltre l'80% di alcuni corsi è di livello base. Ciò dimostra che un aumento del volume di formazione non equivale all'acquisizione di competenze avanzate. La formazione non è stata collegata alla qualità dell'analisi sul campo, alla validazione dei modelli o a modifiche delle politiche. Se l'espansione incentrata sulla formazione di base dovesse proseguire dal 2026 al 2028, si manterrà una struttura in cui il numero di utenti di IA aumenta, ma vi è una carenza di decisori verificabili.  Il numero di sessioni di formazione indica un'espansione, ma le capacità di giudizio dell'organizzazione rimangono non valutate.

La prima lacuna è l'assenza di un registro delle decisioni . Richieste di analisi, risposte dell'IA, documenti amministrativi, approvazioni, budget e risultati dell'esecuzione esistono singolarmente. Tuttavia, non sono disponibili registri pubblici collegati allo stesso ID di policy per identificare quali prove hanno scartato alternative esistenti e modificato la decisione finale. Con la diffusione dell'IA tra il 2026 e il 2028, diventerà ancora più difficile tracciare l'impatto effettivo dell'IA sul processo decisionale.  La lacuna maggiore nel sistema AX amministrativo di Busan è stata individuata nella tracciabilità delle modifiche alle decisioni, piuttosto che nelle capacità analitiche.

La seconda lacuna è l'assenza di una base di riferimento per i risultati . Sebbene i 22 tipi di servizi di IA generativa presentino le proprie funzionalità, non sono stati divulgati valori di riferimento comuni per le ore di lavoro pre-implementazione, i tassi di errore, la qualità dei reclami e i tempi di elaborazione delle policy. Questa struttura fornisce standard di confronto deboli, anche in caso di modifiche successive all'implementazione. Se l'IA dovesse consolidarsi come ambiente di lavoro standard entro due o tre anni, risulterebbe praticamente impossibile confrontare lo stato pre-implementazione con un gruppo di controllo non utilizzatore.  Si stima che l'IA generativa di Busan abbia una minore prontezza alla verifica dell'efficacia rispetto alla prontezza all'implementazione.

La terza lacuna risiede nella gestione non verificata della provenienza dei dati e delle date di riferimento . Sebbene RAG utilizzi dati interni, i registri amministrativi contengono linee guida pre-revisione, documenti duplicati e statistiche contraddittorie. Non esiste una struttura confermata per tracciare pubblicamente quali dati e date di riferimento siano stati utilizzati dalle risposte dell'IA. Con l'aumento del volume dei documenti tra il 2026 e il 2028, cresce il rischio che gli errori di attualità vengano ripetuti sotto forma di frasi corrette.  La lacuna nell'amministrazione basata sull'evidenza non risiede nell'accesso ai dati, ma nella capacità di determinare quali dati siano validi.

La quarta lacuna è la disconnessione tra analisi e bilancio . Anche se l'analisi dei dati verifica l'efficacia delle politiche, i documenti pubblici che la collegano ad aumenti, diminuzioni o cancellazioni nel bilancio dell'anno successivo sono limitati. La struttura è tale che l'analisi viene gestita come materiale di riferimento, mentre il bilancio è trattato come materiale di revisione separato. Se progetti con scarse prestazioni vengono ripetutamente inclusi nel bilancio per due o tre anni, indipendentemente dai risultati dell'analisi, i benefici finanziari di una gestione basata sui dati svaniscono.  La prontezza decisionale di Busan viene giudicata non confermata nella riallocazione del bilancio piuttosto che nell'analisi delle politiche.

La quinta lacuna riguarda la mancanza di apprendimento organizzativo in merito agli errori dell'IA . L'IA generativa e i modelli predittivi possono generare risposte errate, omissioni, distorsioni e falsi positivi. Non è stato trovato alcun registro che integri e renda pubblici i casi di errore, i tempi di correzione, i tassi di ricorrenza e le modifiche di versione per modello per la città di Busan. Con l'aumento del numero di servizi tra il 2026 e il 2028, lo stesso errore potrebbe diffondersi a documenti e decisioni in diversi dipartimenti.  Il rischio per la gestione dell'IA a Busan non risiede nell'esistenza di errori, ma in una struttura in cui gli errori non vengono conservati nella memoria organizzativa.

I servizi amministrativi Big Data Wave e Generative AI forniscono rispettivamente dati analitici e infrastrutture di supporto aziendale. La città di Busan dispone attualmente di funzionalità di interrogazione e analisi dei dati, nonché di intelligenza artificiale per la ricerca e l'analisi di documenti. Tuttavia, non è stata confermata alcuna prova pubblica che colleghi le due infrastrutture allo stesso ID di attività di policy. Se gli aggiornamenti separati dovessero proseguire dal 2026 al 2028, i risultati dell'analisi dei dati potrebbero non essere riflessi nelle risposte di Generative AI, oppure le date di riferimento potrebbero cambiare.  È stato accertato che sono state implementate diverse infrastrutture tecniche, mentre l'interoperabilità a livello di policy rimane da confermare.

Sono stati condotti corsi di formazione sull'intelligenza artificiale e sui dati per la sede centrale, i distretti, le contee e le organizzazioni affiliate, ed è stata implementata anche una formazione pratica sulla pianificazione. Il pubblico di riferimento per la formazione è stato ampliato, passando da un numero ristretto di personale IT al personale addetto alle politiche generali. D'altro canto, durante la verifica amministrativa del 2025 è stata evidenziata la mancanza di capacità di applicazione avanzata e di convergenza. Se l'intelligenza artificiale si diffonderà in tutti i dipartimenti nei prossimi due o tre anni, potrebbe crearsi un collo di bottiglia in cui un singolo addetto alla verifica dovrà gestire gli errori provenienti da più utenti.  L'infrastruttura delle risorse umane è valutata come in fase di espansione degli utenti, mentre il personale addetto alla verifica avanzata è considerato in una fase di carenza.

L'infrastruttura di utilizzo per le vendite con carta, i flussi di telecomunicazione, le griglie spaziali, le statistiche amministrative e le informazioni pseudonimizzate osserva i fenomeni politici da diverse angolazioni. L'infrastruttura dati si è evoluta dai dati pubblici strutturati all'integrazione pubblico-privato. Tuttavia, non sono stati individuati dati in grado di gestire collettivamente l'impatto di distorsioni campionarie, modifiche alle formule, valori mancanti e interruzione dell'acquisizione dei dati sui risultati delle analisi. Con l'aumento della dipendenza dai dati privati ​​tra il 2026 e il 2028, le modifiche ai contratti e alle formule interromperanno le serie temporali dei risultati politici. Sebbene  la disponibilità dei dati si sia ampliata, la sua qualità e continuità sono considerate ancora da confermare.

Il piano di promozione dell'intelligenza artificiale (IA) nell'amministrazione della città di Busan e il sistema di sicurezza e protezione dei dati personali costituiscono il fondamento istituzionale per l'utilizzo dell'IA. L'introduzione dell'IA è passata dall'uso autonomo da parte dei dipendenti al sistema amministrativo formale. Tuttavia, non è stato individuato alcun sistema integrato che renda pubblico il giudizio finale umano nei processi decisionali ad alto rischio, la notifica ai cittadini, le obiezioni, le aree di automazione vietate e i criteri di interruzione del modello. Se l'applicazione si estenderà ai settori dei reclami civili, del welfare, della revisione contabile e della sicurezza nei prossimi due o tre anni, le lacune procedurali si trasformeranno in rischi per i diritti dei cittadini.  Si è constatato che, sebbene il sistema abbia ottenuto l'approvazione per l'adozione, non ha ancora raggiunto la piena responsabilità per il suo impatto.

I servizi amministrativi basati sull'intelligenza artificiale generativa mirano a ridurre il carico di lavoro dei dipendenti e i tempi di risposta del pubblico, supportando la ricerca di dati amministrativi e la redazione di risposte ai reclami civili. La struttura prevede l'integrazione di tecnologie operative interne con la qualità delle risposte fornite ai cittadini. Tuttavia, non sono stati divulgati dati comparativi sui tempi di elaborazione dei reclami civili, sui tassi di richiesta di informazioni aggiuntive, sui tassi di errore e sulla soddisfazione dei cittadini prima e dopo l'implementazione. Anche se l'utilizzo da parte dei dipendenti dovesse aumentare tra il 2026 e il 2028, se la velocità e l'accuratezza percepite dai cittadini non dovessero migliorare, i servizi amministrativi basati sull'intelligenza artificiale rimarranno una mera misura di efficienza interna. Sebbene  l'adozione da parte dei cittadini fosse stata presentata come un effetto atteso, i risultati effettivi sono considerati non confermati.

L'analisi dei dati relativi alla chiusura obbligatoria dei grandi supermercati, all'iniziativa "città dei 15 minuti", ai festival e ai distretti commerciali si concentra su politiche che incidono direttamente sulla vita dei piccoli imprenditori e dei residenti. La gestione dei dati si sta spostando dalla creazione di report interni all'analisi dei risultati economici a livello regionale. Tuttavia, le prove a supporto che dimostrino come i risultati delle analisi abbiano modificato il contesto imprenditoriale, la disposizione delle strutture, i budget e la progettazione degli eventi sono limitate. Se un'analisi viene conclusa dopo due o tre anni, le imprese locali rimangono semplici destinatarie della raccolta dati e non beneficiano dei cambiamenti politici.  Sebbene l'analisi rivolta sia alle imprese che ai residenti si sia ampliata, l'impatto tangibile dei cambiamenti nelle decisioni rimane da confermare.

I dati pubblici e l'ondata dei Big Data offrono accesso ai dati alle piccole e medie imprese (PMI) e ai cittadini. L'ambito di utilizzo dei dati si è esteso dall'amministrazione interna al settore privato. Tuttavia, non vengono regolarmente verificati i dati che collegano le prestazioni dei dati aperti – che si traducono in prodotti, servizi, vendite e occupazione aziendali – con i problemi di qualità dei dati stessi. Se tra il 2026 e il 2028 aumenterà solo il numero di set di dati, i dati con un basso valore di utilità effettiva rimarranno un risultato dell'apertura. Mentre  la diffusione nel settore privato è confermata in termini di accessibilità, non è ancora stata verificata in termini di risultati industriali.

I sistemi di audit, sicurezza, approvvigionamento idrico e tutela dell'ambiente marino basati sull'intelligenza artificiale mirano a una struttura che riduca i danni ai cittadini individuando tempestivamente incidenti, corruzione e perdite. I benefici per i residenti non si manifestano nell'implementazione del sistema in sé, ma nella riduzione degli incidenti, nei tempi di recupero, nella qualità dell'acqua e nella sicurezza. Le variazioni dei danni ai cittadini e dei costi derivanti da falsi positivi prima e dopo l'introduzione di questi sistemi sono limitate dalle evidenze disponibili al pubblico. Se nell'arco di due o tre anni aumenta solo il numero di avvisi e notifiche, i benefici per i residenti vengono oscurati dalla storia dell'implementazione delle tecnologie amministrative.  La diffusione dell'intelligenza artificiale tra i residenti, settore per settore, è confermata a livello di capacità di rilevamento, mentre l'impatto sulla riduzione dei danni è considerato non confermato.

Sebbene il Comune metropolitano di Busan disponga di servizi comuni di Intelligenza Artificiale Generativa e dipartimenti specializzati per l'analisi dei dati, il personale addetto ai dati, i budget e l'esperienza di analisi dei distretti e delle contee non sono identici. Sebbene l'Administrative AX miri a un'espansione in tutti i dipartimenti e distretti, le effettive capacità di implementazione possono variare a seconda delle dimensioni organizzative. Non sono disponibili dati che confrontino i tassi di utilizzo attivo, le richieste di analisi, le analisi interne e i tassi di recepimento delle politiche per distretto e contea. Se queste lacune in termini di capacità si accumulassero tra il 2026 e il 2028, l'accuratezza delle politiche basate sui dati potrebbe variare anche tra i cittadini di Busan in base al loro indirizzo. Si  è constatato che, all'interno dell'Administrative AX di Busan, l'equilibrio tra accesso ai servizi e capacità di utilizzo non coincide con l'equilibrio tra capacità di utilizzo.

Le richieste di analisi di Big Data Wave includono problematiche specifiche di determinate regioni, come il traffico pedonale nel distretto di Dong-gu, i parcheggi nel distretto di Yeongdo-gu, le aree commerciali nel distretto di Busanjin-gu e il Festival di Gwangalli. Sebbene la domanda di dati provenga da tutta Busan, le tipologie di problemi e la difficoltà di reperire i dati variano. Se il supporto per le analisi viene fornito su richiesta, le organizzazioni con solide competenze applicative e di progettazione hanno maggiori probabilità di ottenerlo. Se questa struttura viene mantenuta per due o tre anni, le regioni che non sono riuscite a formulare richieste di analisi efficaci saranno escluse prima di quelle prive di dati.  Si è constatato che le disparità spaziali derivano più probabilmente dalla capacità di formulare quesiti amministrativi che dalla mancanza di dati.

I dati sul traffico pedonale e sulle vendite con carta, raccolti su una griglia di 50 metri, catturano i cambiamenti negli stili di vita a livello di quartiere e inferiore. L'unità di analisi amministrativa si sta spostando dalle medie distrettuali e provinciali alle micro-aree abitative. Tuttavia, non è ancora stato confermato che la stessa risoluzione spaziale e lo stesso ciclo di aggiornamento vengano applicati a tutti i settori politici. Se solo alcune aree venissero monitorate con precisione tra il 2026 e il 2028, le aree non monitorate potrebbero essere erroneamente identificate come prive di domanda.  Sebbene l'intelligenza spaziale di Busan sia stata perfezionata, l'uniformità delle osservazioni in tutta la regione non è ancora stata confermata.

Il centro storico, la parte occidentale e quella orientale di Busan differiscono per popolazione, industria, trasporti e strutture commerciali. Anche applicando lo stesso modello di intelligenza artificiale all'intera città, gli errori di previsione variano a seconda della regione, qualora la composizione regionale dei dati di addestramento sia diversa. Non sono disponibili dati pubblici che confrontino le prestazioni del modello per distretto, contea, età, reddito o dimensione aziendale. Se si considera solo l'accuratezza media su un periodo di due o tre anni, la bassa precisione delle aree vulnerabili viene mascherata dalla media generale.  Il rischio spaziale dell'intelligenza artificiale applicata all'amministrazione di Busan è determinato dall'invisibilità dei tassi di errore regionali, piuttosto che dall'effettiva implementazione dei servizi.

All'inizio del 2026, i servizi amministrativi basati sull'intelligenza artificiale generativa in stile Busan sono stati applicati a tutti i dipartimenti e saranno ulteriormente potenziati ed espansi nei tre anni successivi, dal 2026 al 2028. I prossimi due o tre anni saranno dedicati al consolidamento delle funzioni, dei dati e dei modelli di utilizzo iniziali, che diventeranno procedure aziendali standard. La situazione di partenza precedente all'introduzione dell'IA e il registro delle decisioni sull'impatto dell'implementazione non sono ancora stati resi pubblici. Una volta consolidate le procedure di base, sarà difficile confrontare il lavoro svolto senza l'IA e le pratiche di utilizzo errate tenderanno a diventare la norma organizzativa.  Attualmente, il "periodo d'oro" non è considerato quello precedente all'introduzione dell'IA, bensì quello precedente al consolidamento degli standard operativi iniziali dei primi tre anni.

L'intelligenza artificiale e l'analisi dei dati si stanno rapidamente espandendo in settori come la "città dei 15 minuti", i distretti commerciali, i festival, i trasporti, gli affari marittimi, l'approvvigionamento idrico e la revisione contabile. L'ambito di applicazione si è spostato da compiti generici a giudizi di esperti che incidono sui diritti e sulla sicurezza dei cittadini. Tuttavia, non è stato individuato alcun sistema di divulgazione pubblica che integri la gestione dei livelli di rischio, degli errori, delle obiezioni e dei criteri di sospensione. Se l'automazione si estenderà ai settori ad alto rischio tra il 2026 e il 2028, sarà difficile applicare integrazioni normative a posteriori a decisioni e reclami già accumulati. Il periodo d'oro per la governance è stato individuato nel periodo precedente all'applicazione di misure ad alto rischio che si consolidino come parte integrante delle operazioni quotidiane.

L'utilizzo di dati privati ​​relativi a carte di credito e telecomunicazioni, nonché di informazioni pseudonimizzate, rivela le tendenze politiche più rapidamente rispetto alle statistiche amministrative. A Busan, la velocità di analisi dei dati sta accelerando, passando da statistiche annuali a unità mensili, giornaliere e orarie. Tuttavia, il sistema di divulgazione pubblica per la gestione delle modifiche alle formule, ai campioni e ai contratti relativi ai dati privati, così come per i confronti a lungo termine, è limitato. Se le politiche che si basano sugli stessi dati si accumulano nell'arco di due o tre anni, la riproducibilità dei giudizi passati scompare dopo un cambio di fornitore.  Il "periodo d'oro dei dati" viene definito come il periodo precedente all'interruzione della continuità della linea di base, piuttosto che l'espansione del volume di utilizzo.

Sebbene la formazione dei dipendenti si sia ampliata, la verifica amministrativa del 2025 ha evidenziato un'eccessiva enfasi sui corsi di base. Ciò dimostra che la velocità di diffusione dei servizi di intelligenza artificiale differisce dalla velocità di crescita del personale senior addetto alla pianificazione e alla verifica. I dati che misurano le capacità avanzate e l'effettivo rilevamento degli errori non sono stati confermati. Con la diffusione dell'IA tra il 2026 e il 2028 come prassi consolidata per tutti i dipendenti, diventerà difficile per un numero ristretto di esperti verificare tutti i modelli, i dati e le risposte. Il  "momento d'oro" per la formazione di talenti è stato individuato nel periodo precedente a quello in cui il numero di utenti supererà strutturalmente il numero di verificatori.

12-1. Caso di applicazione del Golden Time nei governi locali di base ① — Busanjin-gu

È stata presentata una richiesta a Big-Data Wave per un'analisi delle variazioni nelle vendite di carte prepagate prima e dopo il progetto "Città dei 15 minuti", che include le aree residenziali di Dangam e Gaegeum. La valutazione delle politiche per le aree residenziali di Busanjin-gu si è spostata dal completamento delle infrastrutture ai risultati effettivi delle vendite nei distretti commerciali circostanti. Tuttavia, non sono stati pubblicati risultati di analisi che separino gli effetti di prezzi, stagionalità, condizioni economiche e aree di controllo dalle variazioni prima e dopo il completamento, né sono state confermate eventuali successive modifiche alle politiche. Se il progetto "Città dei 15 minuti" venisse esteso con lo stesso metodo tra il 2026 e il 2028, gli errori nella determinazione iniziale delle cause potrebbero essere replicati in altre aree residenziali.  Sebbene Busanjin-gu sia una regione in cui sono state sollevate questioni relative ai risultati basati sui dati, si ritiene che non abbia ancora raggiunto la fase di conferma degli effetti delle politiche.

Le aree di Dangam e Gaegeum utilizzano come unità di riferimento le zone residenziali reali, più ampie delle unità amministrative di tipo dong ma più piccole di quelle di tipo distrettuale. Il giudizio spaziale si è spostato dalla media delle unità amministrative di tipo dong alle zone residenziali, che combinano mobilità dei residenti e consumi. Tuttavia, non esistono prove pubbliche confermate che colleghino la popolazione fluttuante, le vendite tramite tessere, l'accessibilità alle strutture, la soddisfazione dei residenti e la sopravvivenza commerciale in un singolo periodo di tempo dedicato a una zona residenziale. Se i progetti rappresentativi delle zone residenziali venissero completati entro due o tre anni, senza un punto di riferimento, rimarrebbero solo i risultati specifici delle prestazioni delle singole strutture.  Il periodo d'oro del distretto di Busanjin non è l'esistenza stessa dell'analisi delle zone residenziali, ma il periodo durante il quale è possibile registrare se tale analisi abbia influenzato la successiva collocazione e i budget delle strutture.

12-2. Casi di applicazione del Golden Time nei governi locali di base ② — Yeongdo-gu

Il comune di Yeongdo ha richiesto una consulenza per l'analisi dei dati relativi alla carenza di parcheggi, dopo che l'analisi delle lamentele raccolte tramite consultazione pubblica (Saeol) ha confermato che le problematiche legate ai parcheggi erano le più frequenti. Questo caso rappresenta un esempio in cui i testi delle lamentele dei residenti sono passati dalla semplice aggregazione di reclami ricorrenti a quesiti per l'analisi delle politiche. Tuttavia, non sono disponibili al pubblico dati di follow-up che confermino quali decisioni – come l'assegnazione dei parcheggi, gli orari di controllo, il trasporto pubblico o gli itinerari turistici – siano state modificate in base ai risultati dell'analisi. Se la domanda di parcheggi dovesse cambiare a causa del turismo, degli sviluppi abitativi e dell'invecchiamento della popolazione tra il 2026 e il 2028, le analisi delle lamentele passate diventerebbero dati puntuali con un diverso punto di riferimento.  Sebbene il caso di Yeongdo rappresenti un esempio in cui i dati hanno identificato un problema politico, non è ancora confermato che i dati abbiano effettivamente modificato la soluzione proposta.

Il problema dei parcheggi nel distretto di Yeongdo è una questione complessa, in cui le esigenze orarie di residenti, turisti, commercianti e persone con mobilità ridotta si scontrano nello stesso spazio. Il solo numero di reclami non è sufficiente a distinguere quale gruppo di persone ne abbia maggiormente bisogno o quale fascia oraria costituisca un collo di bottiglia. Inoltre, non è possibile verificare un intervallo temporale pubblico che colleghi reclami, rotazione dei parcheggi, sosta illegale, sicurezza pedonale e ricavi commerciali. Se i giudizi basati principalmente sul volume dei reclami vengono mantenuti per due o tre anni, le aree con un alto tasso di segnalazioni e quelle con rischi effettivamente elevati finiscono per confondersi.  Il "periodo d'oro" di Yeongdo viene definito come il lasso di tempo durante il quale è possibile determinare le cause dei reclami e le differenze tra le diverse alternative politiche, andando oltre la semplice identificazione delle aree con un elevato numero di reclami.

Se i dati sull'utilizzo, gli errori, le correzioni e l'adozione dell'IA nelle fasi iniziali di implementazione in tutti i dipartimenti nel 2026 non verranno conservati, la base di riferimento per confrontare le prestazioni amministrative successive andrà perduta. Il supporto lavorativo basato sull'IA è strutturato per espandersi nell'arco di tre anni, con una rapida diminuzione delle attività che non richiedono l'utilizzo dell'IA. Attualmente, i risultati resi noti prima e dopo l'implementazione sono limitati. Dopo il periodo 2026-2028, diventerà difficile distinguere se l'IA abbia migliorato i processi lavorativi o si sia limitata ad assorbire un aumento del carico di lavoro.  La prima perdita sarà determinata dalle prove causali emerse nelle prime fasi di adozione dell'IA, piuttosto che dal budget tecnologico.

Se i risultati delle analisi non sono collegati ad approvazioni, budget ed esecuzione, le analisi degli stessi problemi vengono ripetute in diversi dipartimenti e nel corso degli anni. Sebbene la Big Data Wave identifichi numerose questioni politiche concrete, la storia del riutilizzo e delle modifiche decisionali non viene resa pubblica. Se si verificano trasferimenti di personale e ristrutturazioni organizzative nell'arco di due o tre anni, le premesse, i limiti e le decisioni successive dell'analisi si disconnettono dalla memoria organizzativa.  La seconda perdita non è determinata dai singoli report, ma dalla memoria amministrativa che non ripete gli errori politici.

Se gli errori nelle risposte dell'IA e nei modelli predittivi non vengono accumulati in un registro, gli errori si ripeteranno utilizzando gli stessi dati, input e modelli. Mentre i servizi si stanno espandendo a tutti i dipartimenti e settori specializzati, un sistema di apprendimento dagli errori a livello cittadino non è stato ancora validato. Con il progredire di diversi sistemi tra il 2026 e il 2028, le versioni e le responsabilità cambieranno, rendendo difficile riprodurre gli errori passati.  La terza perdita non è determinata dai dati di accuratezza, ma dal tempo di apprendimento necessario per incorporare gli errori nelle decisioni successive.

Se tra distretti e contee si accumulano differenze nel personale addetto ai dati e nelle capacità di progettazione delle domande, il supporto all'analisi potrebbe concentrarsi nelle organizzazioni con maggiori capacità applicative piuttosto che nelle regioni con un'elevata domanda. Attualmente, vengono identificati sistemi di analisi basati su richiesta e compiti regionali, ma non si osserva una domanda non sfruttata. Se questa struttura si consolida per due o tre anni, il divario amministrativo nell'ambito dell'analisi dei dati si trasformerà in un divario di servizi a livello regionale.  La quarta perdita non è determinata dall'uguaglianza tecnologica, bensì dall'equità nelle decisioni politiche, che non sono influenzate dall'indirizzo o dalla capacità organizzativa.

Busan dispone già di servizi di intelligenza artificiale generativa in tutti i dipartimenti, di Big Data Wave, dell'utilizzo di informazioni pseudonimizzate e di piattaforme di intelligenza artificiale specifiche per settore, oltre a corsi di formazione pratica. I componenti dell'AX amministrativo non sono del tutto assenti, ma piuttosto dispersi in diverse fasi. Tuttavia, le prove collegate tramite ID delle politiche e registri delle decisioni non sono state verificate. C'è ancora tempo per confrontare le risorse esistenti sulla base degli stessi risultati delle politiche prima che la struttura del sistema diventi definitiva tra il 2026 e il 2028.  Attualmente, si valuta che questo periodo sia ideale per stabilire la connettività decisionale delle risorse disperse, piuttosto che per un nuovo sistema.

Le richieste di analisi riguardanti la "città dei 15 minuti", i grandi supermercati, i festival e i parcheggi dimostrano che l'amministrazione si sta già ponendo domande specifiche sugli effetti delle politiche. La lacuna di Busan non risiede nell'assenza di domande, ma nella mancanza di documentazione decisionale a seguito delle risposte. Non è stata individuata una catena pubblica che colleghi i risultati delle analisi ai cambiamenti politici. Se le richieste di analisi continueranno ad aumentare nei prossimi due o tre anni, la capacità di collegare le decisioni successive diventerà il criterio determinante per la produttività amministrativa.  L'opportunità attuale non sta nell'ampliare il volume delle analisi, ma nell'individuare una fase in cui le questioni politiche concrete possano essere preservate come elementi decisionali replicabili.

L'intelligenza artificiale generativa basata sul modello RAG utilizza dati amministrativi interni della città di Busan. Questo funge da base per il riutilizzo delle motivazioni politiche passate dell'organizzazione, riducendo al contempo i tempi di ricerca. Tuttavia, la struttura per la ricerca congiunta di validità dei dati, motivi di conflitto e risultati delle decisioni non è stata resa pubblica. Se le motivazioni e i risultati non vengono collegati prima dell'aumento dei dati amministrativi previsto tra il 2026 e il 2028, l'IA sarà in grado di individuare rapidamente i documenti passati, ma non sarà in grado di distinguere tra il successo e il fallimento delle decisioni precedenti.  Attualmente, l'opportunità è considerata il periodo operativo iniziale durante il quale i documenti amministrativi possono essere utilizzati come dati di apprendimento organizzativo.

L'audit amministrativo del Consiglio metropolitano di Busan mette pubblicamente in discussione il livello di formazione sull'IA e l'efficacia dei progetti. La struttura prevede che la diffusione dell'IA da parte dell'amministrazione e la verifica esterna da parte del consiglio coesistano. Tuttavia, non viene verificata la connessione dei dati che collegano i risultati dell'audit, l'amministrazione municipale, le modifiche al modello/alla formazione e i risultati conseguenti. Se la verifica da parte del consiglio continua a basarsi su singole indagini per due o tre anni, la governance dell'IA si frammenta tra revisioni di bilancio e rapporti di progetto.  Attualmente, si ritiene che l'opportunità risieda nel periodo in cui il funzionamento interno e la verifica esterna della gestione dell'IA possano essere collegati all'interno di un'unica catena di prove.

Runtime AX amministrativo

Domanda politica → Punto di partenza → Analisi dei dati e dell'IA → Confronto delle alternative → Modifica della decisione → Bilancio → Esecuzione → Risultato per i cittadini → GAP → Audit e verifica del consiglio → Correzione → Decisione successiva

Espansione dell'IA amministrativa + divario nelle prove decisionali

Il sistema di gestione dell'intelligenza artificiale e dei dati della città di Busan ha superato la fase introduttiva ed è ora in fase di espansione in tutti i dipartimenti.

Sono confermate la ricerca delle attività, la creazione dei documenti e l'analisi delle singole politiche.

Non esiste alcuna correlazione tra le modifiche apportate dall'IA e dai dati alle decisioni preesistenti e le conseguenti variazioni dei risultati.

Il pericolo attuale non è rappresentato da un'amministrazione che non utilizza l'IA, bensì da un'amministrazione che la utilizza ma non è in grado di stabilire se abbia preso decisioni migliori.

La sentenza definitiva riguarda l'espansione dell'IA amministrativa e la carenza di prove a supporto delle decisioni.

1. Utenti attivi di IA generativa per dipartimento
2. Frequenza di utilizzo dell'IA per dipendente
3. Tassi di utilizzo per 22 tipologie di servizi
4. Tassi di adozione, modifica e rifiuto delle risposte basate sull'IA
5. Tasso medio di correzione dei documenti generati dall'IA
6. Riduzione dei tempi di ricerca dei dati amministrativi
7. Ridurre il tempo impiegato nella stesura delle denunce civili.
8. Tasso di re-indagine sui reclami civili prima e dopo l'utilizzo dell'IA
9. Numero di errori, omissioni e pregiudizi nelle risposte dell'IA
10. Tempo intercorso tra la scoperta dell'errore e la sua correzione.
11. Tasso di ricorrenza dello stesso errore
12. Ricezione della richiesta di analisi, completamento e periodo di attesa
13. Tasso di approvazione della riflessione dei risultati dell'analisi
14. Tasso di variazione delle alternative politiche dopo l'analisi
15. Tasso di variazione dell'obiettivo del progetto e della regione dopo l'analisi
16. Aumento del budget, diminuzione e tassi di completamento dopo l'analisi
17. Tassi di divulgazione di base prima dell'attuazione della politica
18. Analisi del rapporto utilizzando la regione di controllo/gruppo di controllo
19. Formula dei dati privati ​​e cronologia delle modifiche del campione
20. Accuratezza, falsi positivi e mancate rilevazioni per modello
21. Divario nell'utilizzo dell'IA e nell'analisi interna per distretto/contea
22. Tasso di candidatura sul posto di lavoro dopo aver completato la formazione
23. Numero di addetti all'IA avanzata e alla verifica dei dati
24. Tasso di correzione effettivo a seguito delle problematiche sollevate dal consiglio e della verifica
25. Tasso di miglioramento dei risultati per i cittadini e le imprese dopo il cambiamento di politica

GAP di dati: nelle prove pubbliche, non è confermato che il processo decisionale della città di Busan che collega la richiesta di informazioni sulle politiche → Analisi dei dati/IA → Confronto tra proposta esistente e alternative → Approvazione/Modifica del budget → Esecuzione → Risultato per cittadini/imprese → Verifica da parte dell'audit/consiglio → Correzione di follow-up con lo stesso ID di politica non sia confermato.

Catena di runtime

Dati → Analisi → Alternative → Cambio di decisione → Budget → Attuazione → Risultato → Errori/Lacune → Audit/Consiglio → Correzione → Prossima decisione

Fonte · Verifica

• La città metropolitana di Busan lancia il primo servizio amministrativo nazionale basato sull'intelligenza artificiale generativa.
• Piano di implementazione dell'amministrazione dell'IA per la città metropolitana di Busan, 2026
• Piano di lavoro amministrativo principale basato sui dati per la città metropolitana di Busan, 2026
• L'ondata di Big Data a Busan: stato dell'arte dell'analisi e della consulenza sui dati politici.
• Busan Big Data Wave, Materiali esplicativi statistici
• Città metropolitana di Busan: formazione pratica basata sull'intelligenza artificiale per i futuri amministratori.
• Consiglio metropolitano di Busan, Audit amministrativo 2025 dell'Agenzia coreana per la promozione dell'industria dell'informazione
• Città metropolitana di Busan, piattaforma di supporto per la gestione intelligente dell'ambiente marino basata sui dati.
• Entro il 2026, la città metropolitana di Busan supporterà l'intelligenza artificiale e i big data nel processo decisionale per le reti di approvvigionamento idrico.
• Sistema di supporto amministrativo per le verifiche contabili intelligente basato sull'intelligenza artificiale per la città metropolitana di Busan.

Approfondimenti strutturali derivanti da questa analisi

Il processo decisionale amministrativo conserva solo la proposta finale, formalizzata per iscritto, e cancella le alternative non selezionate. Anche se l'IA presenta più prove e alternative, se le differenze tra il piano originale, le alternative e il piano finale non vengono registrate, non è possibile verificare se l'IA abbia modificato il proprio giudizio. Si tratta di una struttura in cui l'utilizzo rimane, ma l'impatto svanisce.

In questa struttura, la differenza tra una buona IA e una cattiva IA non è determinata unicamente dall'accuratezza. Se un'analisi accurata non riesce a modificare approvazioni e budget, l'effetto amministrativo è pressoché nullo; al contrario, se un'analisi incompleta altera decisioni ad alto rischio, anche piccoli errori possono avere ripercussioni sui cittadini. Il valore amministrativo dell'IA è dato dal prodotto delle prestazioni del modello e dell'impatto sulle decisioni.

Pertanto, esiste un solo spunto di riflessione strutturale riguardo a Busan Administration AX. L'intelligenza artificiale diventa una capacità amministrativa non quando sostituisce le decisioni, ma quando registra le ragioni per cui le decisioni sono cambiate.  Senza questa registrazione, la città di Busan può effettuare ricerche più velocemente e generare più documenti, ma non può determinare se ha preso decisioni migliori rispetto al passato.

Tesi del Tempo d'Oro — Il periodo dal 2026 al 2028 per il sistema amministrativo AX della città di Busan non è un periodo di diffusione dell'IA generativa, bensì un periodo in cui, per la prima volta, si registra la differenza tra Evidenza → Alternativa → Modifica della Decisione → Risultato nei registri amministrativi. Senza questa connessione, l'IA può aumentare la velocità dell'amministrazione, ma non può aumentare la velocità di individuazione e correzione dei fallimenti delle politiche.