알림 목록

Área de análise: Cidade Metropolitana de Busan

Área principal: Sede da cidade metropolitana de Busan, 16 distritos e condados, e instituições públicas afiliadas.

Agenda: Verificar se a IA e os dados foram além do auxílio administrativo e de fato alteraram as alternativas políticas, os orçamentos, a implementação e as avaliações de desempenho.

Tipo de período ideal: Expansão da IA ​​administrativa + Lacuna de evidências para tomada de decisão

Data de referência: 28/08/2026

Versão: Padrão de Aprimoramento Regional AX Golden Time Intelligence v3.2
 

No final de 2025, a cidade de Busan tornou-se o primeiro governo local a lançar serviços administrativos de IA generativa baseados em pequenos modelos de linguagem e aprimoramento de buscas. No início de 2026, já havia aplicado 22 tipos de serviços — incluindo perguntas e respostas, elaboração de documentos e busca de dados administrativos — em todos os departamentos. O escopo da aplicação de IA na administração pública passou do uso individual de IA generativa externa por funcionários para serviços em nível organizacional que combinam dados administrativos internos com sistemas de segurança. No entanto, não foram verificados registros públicos de decisões que demonstrem que o uso do serviço levou a comparações de alternativas de políticas, alterações orçamentárias, suspensões de projetos, ajustes de áreas-alvo ou mudanças nos métodos de implementação. Se o plano de aprimoramento de três anos, de 2026 a 2028, prosseguir com base principalmente no volume de uso e no número de documentos gerados, a IA administrativa ficará estagnada, tornando-se apenas uma melhoria na velocidade do trabalho. Embora a administração com IA em Busan tenha atingido o estágio de uso em todos os departamentos, faltam evidências para concluir que ela tenha alcançado o estágio de transformação dos processos de tomada de decisão.

Questões políticas concretas, como mudanças nas vendas após a conversão dos dias de fechamento obrigatório de hipermercados para dias úteis, vendas com cartão de crédito antes e depois do projeto "Cidade de 15 Minutos", número de visitantes em festivais e vendas em áreas comerciais, e escassez de vagas de estacionamento em Yeongdo-gu, foram registradas como tarefas de análise na Onda de Big Data de Busan. A utilização de dados está migrando de consultas estatísticas para a verificação de resultados antes e depois da implementação de políticas. No entanto, os registros de acompanhamento disponíveis publicamente sobre quais alternativas foram excluídas e quais decisões, orçamentos ou execuções foram alterados são limitados. Se as solicitações de análise e as decisões políticas permanecerem em um sistema separado pelos próximos dois a três anos, o volume de análises poderá aumentar, mas o impacto da tomada de decisões não poderá ser mensurado. Na  administração orientada por dados de Busan, embora a formulação de perguntas e a execução de análises sejam confirmadas, a rastreabilidade das mudanças nas decisões é considerada incerta.

O Plano de Promoção da Administração com IA para 2026 propôs a adoção generalizada de IA em toda a administração pública, enquanto o plano de trabalho para o setor de dados incluiu análises ampliadas, treinamento de funcionários e a utilização de informações pseudonimizadas para lidar com os desafios municipais. A digitalização da administração pública passou de projetos-piloto parciais para um plano de adoção generalizada em todos os setores. Por outro lado, ainda não foi identificada uma base de referência pública que vincule a qualidade dos dados departamentais, a precisão das respostas da IA, o comportamento de verificação do usuário, a ocorrência de erros e os resultados para os cidadãos em uma única estrutura de desempenho. Se os serviços se expandirem rapidamente entre 2026 e 2028, dados brutos de baixa qualidade e respostas não verificadas serão inseridos repetidamente nos procedimentos de trabalho.  O risco urgente para o sistema de IA administrativa de Busan reside no fato de que a velocidade de adoção da IA ​​está superando a velocidade de obtenção de evidências de qualidade e o estabelecimento de sistemas de responsabilização.

Projetos de apoio à decisão em diversos setores, como simulações de redes de abastecimento de água, Vilas Oceânicas Inteligentes e administração de auditorias baseada em IA, também estão em andamento. A aplicação da IA ​​está se expandindo de tarefas comuns em documentos para julgamentos especializados em abastecimento de água, meio ambiente marinho, auditoria e segurança. No entanto, não há dados comparativos disponíveis publicamente que confirmem o quanto os alertas preditivos alteraram as prioridades reais de inspeção, as alocações orçamentárias e os julgamentos regulatórios e de auditoria, ou se os resultados melhoraram. Se os sistemas específicos de cada setor forem desenvolvidos independentemente nos próximos dois a três anos, a cidade de Busan não possuirá um sistema unificado de aprendizado administrativo, mesmo que conte com múltiplos serviços de IA.  Atualmente, o "Período Ideal" não é avaliado como o período para a expansão dos serviços de IA, mas sim como os dois a três anos que antecedem a primeira conexão entre as decisões alteradas pela IA e seus resultados.

Tese do Tempo de Ouro — A unidade de avaliação para o Sistema Administrativo de Busan não é o número de serviços de IA ou o número de documentos gerados. A unidade de avaliação é o Tempo de Execução da Decisão, que se estende à questão de se a IA e os dados criaram uma escolha diferente das decisões existentes e se essa escolha melhorou os resultados para os cidadãos, as empresas e a região.

A administração da cidade de Busan gerencia transporte, bem-estar social, segurança, indústria, meio ambiente, turismo e planejamento urbano por meio da sede, unidades de negócios, 16 distritos e municípios, além de empresas públicas, agências e instituições investidas ou que contribuem para o município. Os dados administrativos possuem uma estrutura distribuída, gerados por múltiplas organizações e agências subordinadas, e não por uma única entidade. A extensão em que os mesmos cidadãos, empresas, espaços ou projetos são gerenciados por diferentes departamentos, utilizando IDs e ciclos de atualização distintos, não pode ser totalmente verificada nos dados disponíveis publicamente. À medida que os serviços de IA departamentais se expandem sobre esses dados distribuídos entre 2026 e 2028, diferentes respostas e avaliações de risco podem surgir em relação às mesmas questões.  O risco de escala da administração de Busan é determinado pelos múltiplos registros do mesmo assunto administrativo, e não pela falta de dados.

A Big-DataWave fornece dados públicos e privados, estatísticas, consultoria em análise e estudos de caso sobre utilização de dados. A base de dados da administração de Busan expandiu-se de estatísticas periódicas para análises de políticas públicas, utilizando vendas com cartão de crédito, mobilidade populacional por meio de telecomunicações, grades espaciais e pesquisas. No entanto, indicadores operacionais publicamente disponíveis que relacionem o número total de solicitações de análise registradas, o tempo médio de processamento, a taxa de reflexão sobre políticas públicas e a taxa de reutilização não estão disponíveis. Enquanto os tempos de espera e a duplicação de análises individuais se acumulam à medida que o volume de solicitações aumenta ao longo de dois a três anos, a capacidade analítica geral da organização permanece sem avaliação. Embora  a administração de dados de Busan possua uma infraestrutura de análise, sua capacidade de processamento em relação à demanda permanece sem mensuração.

Os serviços administrativos de IA generativa de Busan oferecem 22 tipos de funções, incluindo perguntas e respostas, busca de dados e criação de documentos, para todos os departamentos. A escala de aplicação da IA ​​generativa expandiu-se do treinamento e uso piloto para serviços comuns em ambientes de trabalho reais. No entanto, o número de usuários ativos por departamento, a frequência de uso, a economia de tempo de trabalho, o tempo de correção de erros e as taxas de aceitação/rejeição de respostas não foram divulgados. Se apenas o número de funções aumentar entre 2026 e 2028, os serviços com baixo uso real e melhoria no trabalho continuarão listados como conquistas de implementação.  Embora a escala da IA ​​generativa de Busan seja verificada com base nas funções, a escala real de uso é considerada incerta.

O apoio à decisão utilizando sensores, modelos e IA está sendo promovido nas áreas de redes de abastecimento de água, ambientes marinhos, auditoria e segurança. A IA administrativa passou a adotar uma estrutura multicamadas, onde modelos de linguagem de propósito geral e modelos de previsão e detecção específicos para cada setor operam simultaneamente. No entanto, dados publicamente disponíveis que comparem um registro de modelos comum, linhagem de dados, precisão, casos de erro e responsabilidade operacional em toda a cidade ainda não foram confirmados. À medida que o número de modelos especializados aumenta nos próximos dois a três anos, o custo da gestão integrada de riscos específicos de cada modelo cresce rapidamente.  Embora a IA administrativa de Busan esteja em uma fase de expansão multissetorial, a Governança de Modelos em toda a cidade permanece incerta.

Os 22 tipos de serviços de IA generativa, a Onda de Big Data e as plataformas inteligentes específicas para cada setor demonstram que Busan possui inúmeros ativos de IA e dados. Os ativos digitais administrativos evoluíram para uma estrutura onde sistemas de IA de propósito geral e sistemas de análise especializados coexistem em um único portal estatístico. No entanto, ainda não foi confirmado um ambiente de execução comum que vincule os resultados das análises entre as plataformas às mesmas reuniões de políticas, aprovações, orçamentos e avaliações de desempenho. À medida que o número de sistemas aumenta entre 2026 e 2028, a recuperação de informações pode se tornar mais rápida, mas as discrepâncias de julgamento entre as organizações podem aumentar.  O que foi confirmado até agora é o acúmulo de ferramentas de IA e dados, não a integração do ecossistema de tomada de decisões.

As solicitações para analisar as vendas com cartão antes e depois do projeto "Cidade de 15 Minutos", as vendas em mercados tradicionais e pequenos comércios após mudanças no fechamento obrigatório de grandes supermercados, e o fluxo de pedestres e as vendas com cartão antes e depois de festivais, questionam os resultados em vez dos insumos. As investigações administrativas passaram de verificar se um projeto foi implementado para questionar se a política realmente alterou a economia local. No entanto, não foram encontrados registros públicos que relacionem os resultados das análises a casos em que as políticas existentes foram mantidas, modificadas ou descontinuadas. Se as análises permanecerem meramente como material de referência retrospectivo por dois ou três anos, a expansão das perguntas sobre resultados não levará a mudanças na tomada de decisões.  Embora Busan apresente uma demanda por análises de resultados, um ecossistema para a coordenação de políticas baseadas em resultados ainda não está consolidado.

O treinamento prático em IA de 2025 abrangeu planejamento estratégico e prática técnica para a prefeitura, distritos, municípios e organizações afiliadas, enquanto a expansão dos serviços de IA em todos os setores foi prevista para 2026-2028. A estrutura de desenvolvimento de talentos se expande do simples uso de ferramentas para capacidades de planejamento de serviços. No entanto, durante a auditoria administrativa de 2025 realizada pela Prefeitura de Busan, constatou-se que mais de 80% de alguns cursos de treinamento em IA estavam em nível básico. Se a velocidade de difusão dos serviços nos próximos dois a três anos superar as capacidades de planejamento e verificação, os funcionários usarão os resultados da IA, mas não conseguirão identificar as limitações e os erros dos modelos.  Avalia-se que existe uma lacuna no ecossistema de talentos administrativos em IA de Busan entre a expansão de usuários e as capacidades avançadas de verificação.

A Smart Ocean Village está investindo em monitoramento do ambiente marinho e suporte à decisão baseado em IA, enquanto o setor de abastecimento de água está implementando simulações de redes de tubulação baseadas em big data e IA. A administração nesses setores está migrando de reclamações e inspeções pós-incidente para detecção e previsão proativas. No entanto, as evidências disponíveis publicamente que comparam a taxa de concordância entre previsões e eventos reais, os tempos de resposta após alertas e a redução de acidentes são limitadas. Mesmo que o sistema esteja operacional entre 2026 e 2028, a plataforma permanecerá estagnada como uma tela de monitoramento se a precisão da previsão não estiver vinculada a ações no local. Embora  a IA específica para cada setor tenha garantido capacidades de previsão, faltam evidências do ecossistema que demonstrem que as previsões realmente alteraram o comportamento administrativo.

A IA generativa reduz os custos de coleta de informações ao processar buscas em dados administrativos e rascunhos de documentos em segundos. O gargalo na administração deixa de ser o tempo gasto na busca por dados e passa a ser o tempo gasto para determinar em quais evidências confiar e qual alternativa selecionar. Embora os serviços de IA de Busan ofereçam funções de busca e redação, as capacidades de tomada de decisão que comparam a eficácia, os custos e os riscos de diferentes alternativas não são encontradas em dados publicamente disponíveis. Se a velocidade de busca aumentar entre 2026 e 2028, uma estrutura capaz de reproduzir a lógica política existente mais rapidamente poderá ser formada. Embora a mudança estrutural na IA administrativa tenha se deslocado da geração de documentos para o julgamento e a verificação, a função atual de Busan é considerada mais próxima da primeira.

Os serviços administrativos baseados em RAG (Raiz, Atributo e Gramática) fortalecem a base das respostas por meio da busca em dados administrativos internos. Essa estrutura representa uma mudança na IA generativa, que passa de um foco em informações públicas disponíveis na internet para um foco em dados mantidos pela cidade de Busan. No entanto, não há um Registro de Auditoria público disponível, que registre o texto original referenciado na resposta, a data de referência, documentos conflitantes, diretrizes descartadas, níveis de confiança e revisores finais. À medida que os dados administrativos se acumulam ao longo de dois a três anos, o risco de misturar incorretamente evidências recentes, históricas e conflitantes aumenta.  A lacuna estrutural da IA ​​generativa no estilo de Busan é evidente na determinação da validade das evidências, e não na geração das respostas.

Dados privados de cartões, telecomunicações e informações espaciais revelam mudanças em áreas comerciais, de mobilidade e residenciais mais rapidamente do que as estatísticas administrativas. As evidências para políticas públicas passaram de estatísticas anuais para dados em tempo real, em escalas diárias, horárias e de 50 minutos. No entanto, nenhum sistema de divulgação foi identificado que gerencie o viés de amostragem, as mudanças nos provedores de serviços, as modificações nas fórmulas, os custos e a reprodutibilidade dos dados privados em conjunto com os registros de decisões políticas. Se a dependência de dados privados aumentar entre 2026 e 2028, mudanças nos contratos de fornecimento poderão levar a uma ruptura na base de referência das políticas públicas. Embora  a administração de dados em Busan tenha garantido velocidade, sua comparabilidade e reprodutibilidade a longo prazo são consideradas incertas.

A administração de auditorias baseada em IA expande o escopo da seleção de alvos de auditoria e da detecção de riscos, passando de inspeções por amostragem para buscas completas orientadas por dados. A estrutura das auditorias muda da detecção posterior para a detecção precoce de anomalias. No entanto, o acúmulo de dados públicos para verificar os alvos de auditoria selecionados pelo modelo, os alvos não selecionados, as violações reais, os falsos positivos e os vieses ainda está em seus estágios iniciais. Se as recomendações de IA forem incorporadas às prioridades de auditoria entre 2026 e 2028, os falsos positivos inexplicáveis ​​também se transformarão em encargos administrativos e riscos à reputação.  A Auditoria AX demonstra, simultaneamente, um escopo de detecção expandido e uma lacuna de responsabilidade processual.

O Plano de Promoção da Administração com IA para 2026 apresentou diretrizes para a disseminação sistemática da IA ​​em toda a administração pública. As implementações piloto por departamentos individuais foram transferidas para um portfólio em nível de governo municipal. No entanto, ainda não foi identificado um Registro de Projetos de IA que divulgue, em um formato comum, as linhas de base específicas de cada projeto, os resultados esperados, os departamentos responsáveis, os níveis de risco do modelo e os critérios de descontinuação. Se a expansão para todos os setores ocorrer primeiro entre 2026 e 2028, será difícil distinguir entre projetos de baixo desempenho e de alto risco utilizando os mesmos critérios.  A resposta de Busan à IA encontra-se atualmente na fase de formação do portfólio, enquanto a fase de gestão do desempenho do portfólio ainda não foi definida.

Os serviços administrativos de IA generativa foram implementados em todos os departamentos no início de 2026, e um cronograma de avanço e expansão para os próximos três anos foi apresentado. A aplicação da IA ​​expandiu-se de testes limitados com usuários para o ambiente de trabalho comum a todos os funcionários. No entanto, uma base de referência pública comparando horas de trabalho, precisão nas respostas a reclamações, taxas de correção, retrabalho e incidentes de segurança antes e depois da implementação ainda não foi confirmada. Uma vez que o uso seja incorporado aos procedimentos básicos de trabalho nos próximos dois a três anos, será difícil comparar os efeitos com o período anterior à introdução da IA.  Atualmente, embora o cronograma de expansão para a resposta de três anos esteja claro, a estrutura para mensurar os efeitos causais ainda não foi confirmada.

O plano de trabalho de dados para 2026 inclui a expansão da análise para resolver problemas municipais, treinamento de funcionários e a utilização de informações pseudonimizadas. O escopo da utilização de dados está se expandindo de estatísticas públicas para análises combinadas que protegem informações pessoais. No entanto, não foram encontrados dados que revelem coletivamente os resultados das políticas, os riscos de reidentificação, as falhas na combinação de dados, os períodos de deliberação ou as mudanças reais nas políticas relacionadas à análise combinada pseudonimizada. Se a utilização e a proteção forem gerenciadas como indicadores de desempenho separados para o período de 2026 a 2028, torna-se difícil avaliar o risco entre a análise expandida e a confiança pública.  A resposta de Busan às informações pseudonimizadas está atualmente na fase de expansão da base de utilização, e ainda não na fase de avaliação integrada de resultados e confiança.

O treinamento prático em IA e dados expandiu seu escopo para incluir escritórios centrais, distritos, municípios e instituições públicas. As políticas de capacitação passaram de formar um pequeno número de especialistas em dados para utilizar IA entre o pessoal administrativo em geral. No entanto, o desempenho real da análise antes e depois do treinamento, as mudanças no planejamento de políticas, as taxas de detecção de erros e as taxas de aplicação em campo não são divulgados. Se considerarmos apenas o número de participantes do treinamento ao longo de dois ou três anos, é impossível distinguir entre a expansão do treinamento e a melhoria na qualidade da tomada de decisões. Embora  a resposta ao treinamento tenha se expandido em termos de abrangência da participação, considera-se que seus resultados práticos não foram comprovados.

Busan anunciou o lançamento de serviços administrativos de IA generativa baseados em sLLM e RAG em todos os departamentos, tornando-se o primeiro governo local a fazê-lo. A evidência da adoção precoce de um ambiente de trabalho comum com IA é confirmada em comparações com governos locais nacionais. No entanto, não foram divulgadas comparações das taxas de uso ativo, economia de tempo, precisão e taxas de mudança de políticas usando os mesmos padrões de outras cidades líderes. Se a designação de "adoção inicial" em 2026-2028 substituir a comparação de desempenho, a diferença entre liderança tecnológica e desempenho administrativo fica obscurecida. Embora  Busan demonstre sinais de liderança no momento da adoção, considera-se incomparável em termos de resultados na tomada de decisões.

A governança da IA ​​no setor público internacional concentra-se na gestão da linhagem de dados, revisão humana, explicabilidade, avaliação de impacto, objeções e monitoramento de modelos. Os serviços de IA generativa de Busan foram construídos com base na premissa de utilizar sistemas de segurança e dados internos. No entanto, não há evidências confirmadas sobre a divulgação de aprovações de nível de risco, avaliações de impacto na opinião pública, divulgação de erros e histórico de alterações de modelos no âmbito do governo municipal. À medida que a IA se expande nos campos do engajamento cidadão, auditoria e segurança nos próximos dois a três anos, a responsabilidade processual, e não a conveniência operacional, determinará a competitividade comparativa. Embora  a prontidão de Busan para a adoção de tecnologia seja alta, sua prontidão para a governança pública ainda não foi confirmada.

Grandes governos locais, como Seul e Gyeonggi, operam organizações de análise de dados, dados públicos, gêmeos digitais e serviços de IA de forma multicamadas. Busan também está reduzindo a lacuna de ferramentas ao estabelecer uma Onda de Big Data e plataformas de IA específicas para cada setor. No entanto, métricas comparáveis ​​para análise → mudança de decisão → resultado entre cidades não foram padronizadas nacionalmente. Comparar apenas o número de plataformas e orçamentos para 2026–2028 não permite uma avaliação da produtividade administrativa real de Busan e do impacto sobre os residentes.  A posição de Busan no cenário nacional é avaliada como de nível médio-alto em termos de posse de ferramentas, mas apresenta uma lacuna de dados comum no Tempo de Execução de Decisões.

A análise da cidade de Busan, incluindo seus festivais, distritos comerciais, transporte e ambiente marinho, aborda questões locais combinando-as com dados do setor privado. Isso representa uma estrutura mais avançada do que o estágio em que apenas estatísticas administrativas estruturadas são utilizadas. Por outro lado, as evidências gerenciadas por padrões comuns em relação à reprodutibilidade da análise, grupos de controle, pré-linhas de base e pós-resultados são limitadas. Mesmo que o número de casos de análise aumente ao longo de dois ou três anos, eles não são agregados para o aprendizado de toda a cidade se os desenhos comparativos forem diferentes. O  ponto forte relativo de Busan é determinado pelo realismo de seus tópicos de análise, enquanto sua fraqueza reside na padronização dos resultados da análise em experimentos de políticas públicas.

A conexão dos 22 tipos de serviços de IA generativa com sua aplicação em todos os departamentos confirma sua funcionalidade e escopo de implantação. No entanto, como os usuários ativos, a contagem de consultas, as taxas de adoção, as taxas de modificação, a economia de tempo e as taxas de alteração de políticas não são divulgados, o desempenho de usabilidade não pode ser calculado. O número de serviços multiplicado pelo número de departamentos mostra a escala de difusão, mas não reflete o desempenho administrativo. Se o número de funções aumentar entre 2026 e 2028, os indicadores de sucesso sem denominador poderão se tornar maiores.  Os números atuais para a IA generativa de Busan representam a escala de implementação, enquanto a produtividade na tomada de decisões é determinada pela Lacuna de Dados.

As solicitações de análise para o Big-DataWave incluem questões políticas reais, como o conceito de "cidade de 15 minutos", fechamento obrigatório de hipermercados, festivais, estacionamento, tráfego de pedestres e vendas ao consumidor. O número de solicitações e os indicadores de "resposta concluída" demonstram que o serviço de análise está funcionando. No entanto, os dados subsequentes referentes à progressão da "resposta concluída" para "reflexão sobre a aprovação", "modificação do projeto" e "alteração do resultado" não são divulgados. Se o número de casos concluídos se acumular ao longo de dois a três anos, o desempenho do processamento das análises e o desempenho das mudanças nas políticas podem ser percebidos como idênticos.  A taxa de conclusão das análises é considerada um indicador de serviço administrativo, e não um indicador de eficácia das políticas.

A análise das vendas de cartões antes e depois do projeto Cidade de 15 Minutos foi solicitada para comparar as mudanças em 2023 e 2024, especificamente antes e depois da conclusão. Embora exista a estrutura para uma comparação temporal, não é possível confirmar, apenas com base nas informações solicitadas, a separação entre regiões de controle, condições econômicas externas, preços e fatores sazonais. Simples aumentos e diminuições antes e depois do projeto misturam os efeitos da política com mudanças externas simultâneas. Se análises semelhantes forem repetidas entre 2026 e 2028, determinações causais errôneas podem se acumular, levando a expansões ou reduções orçamentárias.  A lacuna numérica na análise dos dados de Busan reside entre a mensuração da mudança e a determinação da causalidade.

A análise da transferência do fechamento obrigatório de hipermercados para dias úteis é uma questão política que compara as vendas de hipermercados, mercados tradicionais e pequenos empresários. Ela confirma uma mudança estrutural que visa examinar a distribuição de benefícios entre as partes interessadas, em vez das vendas de um único setor. No entanto, não foram identificados resultados abrangentes que combinem benefícios para o consumidor, condições de trabalho, a transição para o consumo online e efeitos a longo prazo. Se as conclusões se basearem exclusivamente nas vendas com cartão de crédito em um curto período de dois a três anos, os custos e benefícios da política ficarão limitados a grupos específicos. Embora  a análise de Busan, baseada em dados, tenha se expandido para comparações entre múltiplos grupos, constatou-se que ela não alcançou o resultado social completo.

Embora o número de participantes e cursos em educação em IA demonstre o aporte de capacidades, uma auditoria da câmara municipal apontou que mais de 80% de alguns cursos são de nível básico. Isso evidencia que o aumento no volume de treinamentos não se traduz na aquisição de capacidades avançadas. O treinamento não foi vinculado à qualidade da análise no trabalho, à validação de modelos ou a mudanças nas políticas públicas. Se a expansão centrada na educação básica continuar de 2026 a 2028, persistirá uma estrutura na qual o número de usuários de IA aumenta, mas há escassez de tomadores de decisão qualificados.  O número de sessões de treinamento indica expansão, mas a capacidade de julgamento da organização permanece sem avaliação.

A primeira lacuna é a ausência de um Registro de Decisões . Solicitações de análise, respostas de IA, documentos administrativos, aprovações, orçamentos e resultados de execução existem individualmente. No entanto, não há registros públicos vinculados ao mesmo ID de política que permitam identificar quais evidências descartaram alternativas existentes e alteraram a decisão final. À medida que o uso de IA se tornar comum entre 2026 e 2028, será ainda mais difícil rastrear o impacto real da IA ​​no processo de tomada de decisão.  A maior lacuna no sistema de IA administrativa de Busan é a rastreabilidade das mudanças de decisão, e não as capacidades analíticas.

A segunda lacuna reside na ausência de uma Linha de Base de Resultados . Embora os 22 tipos de serviços de IA generativa apresentem suas funcionalidades, não foram divulgados valores de referência comuns para horas de trabalho pré-implementação, taxas de erro, qualidade das reclamações e períodos de processamento de políticas. Essa estrutura oferece padrões de comparação frágeis, mesmo que ocorram mudanças após a implementação. Se a IA se consolidar como o ambiente de trabalho padrão dentro de dois a três anos, torna-se praticamente impossível comparar o estado pré-implementação com um grupo de controle sem usuários.  A IA generativa de Busan apresenta um nível de prontidão para verificação de eficácia inferior ao nível de prontidão para implantação.

A terceira lacuna reside na gestão não verificada da linhagem de dados e das datas de referência . Embora a RAG utilize dados internos, os registros administrativos contêm diretrizes anteriores à revisão, documentos duplicados e estatísticas conflitantes. Não existe uma estrutura confirmada para rastrear publicamente quais dados e datas de referência foram utilizados pelas respostas da IA. À medida que o volume de documentos aumenta entre 2026 e 2028, cresce o risco de erros de atualidade se repetirem na forma de frases corretas.  A lacuna na administração baseada em evidências não reside no acesso aos dados, mas na capacidade de determinar quais dados são válidos.

A quarta lacuna reside na desconexão entre a análise e o orçamento . Mesmo que a análise de dados verifique a eficácia das políticas, os registros públicos que a vinculam a aumentos, reduções ou cancelamentos no orçamento do ano seguinte são limitados. A estrutura é tal que a análise é gerenciada como material de referência, enquanto o orçamento é tratado como material de revisão separado. Se projetos de baixo desempenho forem repetidamente incluídos no orçamento por dois ou três anos, independentemente dos resultados da análise, os benefícios financeiros da administração orientada por dados desaparecem.  A prontidão para tomada de decisões em Busan é considerada não confirmada na realocação orçamentária, e não na análise de políticas.

A quinta lacuna reside na falta de aprendizado organizacional em relação aos erros de IA . A IA generativa e os modelos preditivos podem gerar respostas incorretas, omissões, vieses e falsos positivos. Não foi encontrado nenhum registro que integre e divulgue publicamente casos de erros, tempos de correção, taxas de recorrência e alterações de versão por modelo para a cidade de Busan. À medida que o número de serviços aumenta entre 2026 e 2028, o mesmo erro pode se espalhar para documentos e decisões em vários departamentos.  O risco para a administração de IA em Busan reside, segundo avaliação, não na existência de erros em si, mas em uma estrutura onde os erros não são retidos na memória organizacional.

Os serviços administrativos Big Data Wave e Generative AI fornecem dados analíticos e infraestrutura de suporte empresarial, respectivamente. A cidade de Busan possui atualmente recursos de consulta e análise de dados, bem como IA para documentos e buscas. No entanto, não há evidências públicas que confirmem a ligação entre as duas infraestruturas e o mesmo ID de tarefa política. Caso as atualizações separadas continuem de 2026 a 2028, os resultados da análise de dados podem não ser refletidos nas respostas da Generative AI, ou as datas de referência podem ser alteradas.  Constatou-se que múltiplas infraestruturas técnicas foram asseguradas, embora a interoperabilidade em nível político permaneça incerta.

Treinamentos em IA e dados foram conduzidos para a sede, distritos, municípios e organizações afiliadas, e treinamentos práticos em planejamento também foram implementados. O público-alvo do treinamento foi expandido, passando de pessoal de TI selecionado para a equipe geral de políticas. Por outro lado, a falta de aplicações avançadas e capacidades de convergência foi apontada durante a auditoria administrativa de 2025. Se a IA se disseminar por todos os departamentos nos próximos dois a três anos, um gargalo poderá surgir, com um único profissional de verificação lidando com erros de múltiplos usuários.  A infraestrutura de talentos é avaliada como estando na fase de expansão de usuários, enquanto o pessoal de verificação avançada é considerado em fase de escassez.

A infraestrutura de utilização para vendas de cartões, fluxo de telecomunicações, redes espaciais, estatísticas administrativas e informações pseudonimizadas observa os fenômenos políticos sob diversas perspectivas. A infraestrutura de dados expandiu-se de dados públicos estruturados para a integração público-privada. Contudo, ainda não foram identificados dados que gerenciem coletivamente o impacto do viés amostral, das mudanças em fórmulas, dos valores ausentes e da interrupção da coleta de dados nos resultados das análises. À medida que a dependência de dados privados aumenta entre 2026 e 2028, mudanças em contratos e fórmulas irão perturbar as séries temporais dos resultados das políticas públicas. Embora  a disponibilidade de dados tenha se expandido em escopo, considera-se que sua qualidade e continuidade ainda não foram totalmente confirmadas.

O plano de promoção da administração de IA e o sistema de segurança e informação pessoal da cidade de Busan servem como base institucional para a utilização da IA. A introdução da IA ​​passou do uso autônomo por funcionários para o sistema administrativo formal. No entanto, não foi identificado nenhum sistema integrado que divulgue publicamente o julgamento humano final em tomadas de decisão de alto risco, notificações aos cidadãos, objeções, áreas de automação proibidas e critérios de descontinuação de modelos. Se a aplicação se expandir para os setores de reclamações civis, assistência social, auditoria e segurança nos próximos dois a três anos, as lacunas processuais se transformarão em riscos aos direitos dos cidadãos.  Constatou-se que, embora o sistema tenha sido aprovado para adoção, ainda não atingiu a responsabilidade pelo impacto.

Os serviços administrativos de IA generativa visam reduzir a carga de trabalho dos funcionários e o tempo de resposta do público, auxiliando na busca de dados administrativos e na elaboração de respostas a reclamações civis. A estrutura envolve tecnologia operacional interna, estendendo-se à qualidade das respostas no ponto de contato com os cidadãos. No entanto, comparações do tempo de processamento de reclamações civis, taxas de novas consultas, taxas de erro e satisfação dos cidadãos antes e depois da implementação não foram divulgadas. Mesmo que o uso por parte dos funcionários aumente entre 2026 e 2028, se a velocidade e a precisão percebidas pelos cidadãos não melhorarem, a IA administrativa permanecerá apenas uma medida de eficiência interna. Embora  a adoção pelos cidadãos tenha sido apresentada como um efeito esperado, os resultados reais são considerados incertos.

A análise de dados sobre o fechamento obrigatório de grandes supermercados, a iniciativa "cidade de 15 minutos", festivais e distritos comerciais direciona políticas diretamente relacionadas à vida de pequenos empresários e moradores. A administração de dados está passando da criação de relatórios internos para a análise de resultados econômicos regionais. No entanto, as evidências subsequentes que demonstram que os resultados da análise alteraram os ambientes de negócios, o layout das instalações, os orçamentos e o planejamento de eventos são limitadas. Se uma análise for concluída após dois ou três anos, as empresas locais permanecem meramente alvos para o fornecimento de dados e não se tornam beneficiárias das mudanças nas políticas.  Embora a análise direcionada a empresas e moradores tenha se expandido, o impacto tangível das mudanças nas decisões permanece não confirmado.

Os dados públicos e a onda do Big Data proporcionam acesso a dados para pequenas e médias empresas (PMEs) e cidadãos. O escopo da utilização de dados expandiu-se da administração interna para o setor privado. No entanto, a relação entre o desempenho dos dados abertos — que leva a produtos, serviços, vendas e empregos corporativos — e os problemas de qualidade dos dados ainda não está sendo verificada. Se apenas o número de conjuntos de dados aumentar entre 2026 e 2028, dados com baixo valor de utilidade real permanecerão como uma conquista da abertura. Embora  a difusão no setor privado esteja confirmada em termos de acessibilidade, ela ainda não foi verificada em termos de resultados industriais.

Sistemas de auditoria, segurança, abastecimento de água e meio ambiente marinho baseados em IA visam uma estrutura que reduza os danos aos cidadãos, detectando acidentes, corrupção e vazamentos em estágios iniciais. Os benefícios para os moradores se manifestam não na implementação do sistema em si, mas na redução de acidentes, no tempo de recuperação, na qualidade da água e na segurança. As mudanças nos danos aos cidadãos e nos custos de falsos positivos antes e depois da introdução desses sistemas são pouco documentadas publicamente. Se apenas o número de alertas e verificações aumentar ao longo de dois a três anos, os benefícios para os moradores ficam obscurecidos pelo histórico de implementação da tecnologia administrativa.  A difusão da IA ​​entre os moradores, por setor, é confirmada no nível das capacidades de detecção, enquanto o resultado da redução de danos permanece incerto.

Embora a Prefeitura Metropolitana de Busan possua serviços comuns de IA generativa e departamentos de dados especializados, o pessoal de dados, os orçamentos e a experiência em análise dos distritos e condados não são idênticos. Apesar de o Sistema Administrativo de Inteligência Artificial (AX) visar a expansão para todos os departamentos e distritos, as capacidades reais de implementação podem variar dependendo do tamanho da organização. Não há dados disponíveis que comparem as taxas de uso ativo, solicitações de análise, análises internas e taxas de reflexão de políticas por distrito e condado. Se essas lacunas de capacidade se acumularem entre 2026 e 2028, a precisão das políticas baseadas em dados poderá variar até mesmo entre os cidadãos de Busan, com base em seus endereços. Constatou-  se que, no Sistema Administrativo de Inteligência Artificial de Busan, o equilíbrio entre o acesso aos serviços e o equilíbrio das capacidades de utilização.

As solicitações de análise do Big Data Wave incluem questões específicas de cada região, como o tráfego de pedestres em Dong-gu, estacionamento em Yeongdo-gu, áreas comerciais em Busanjin-gu e o Festival Gwangalli. Embora a demanda por dados surja em toda Busan, os tipos de problemas e a dificuldade de obtenção de dados variam. Se o suporte à análise for oferecido mediante solicitação, organizações com forte capacidade de aplicação e habilidades em design de projetos terão maior probabilidade de obtê-lo. Se essa estrutura for mantida por dois a três anos, as regiões que não conseguirem elaborar solicitações de análise eficazes serão excluídas antes das regiões que não possuírem dados.  Constatou-se que as disparidades espaciais têm maior probabilidade de decorrer da capacidade de formular perguntas administrativas do que da posse de dados.

O tráfego de pedestres em grades de 50 metros e as vendas com cartão capturam mudanças no estilo de vida em nível de bairro e abaixo. A unidade de análise administrativa está mudando das médias de distrito e condado para microáreas residenciais. No entanto, não há evidências confirmadas de que a mesma resolução espacial e ciclo de atualização sejam aplicados a todos os campos de políticas públicas. Se apenas certas áreas forem observadas com precisão entre 2026 e 2028, áreas não observadas podem ser erroneamente identificadas como sem demanda.  Embora a inteligência espacial de Busan tenha sido aprimorada, a uniformidade da observação em toda a região ainda não foi confirmada.

O centro original, a zona oeste de Busan e a zona leste de Busan diferem em termos de população, indústria, transporte e estruturas comerciais. Mesmo que o mesmo modelo de IA seja aplicado em toda a cidade, os erros de previsão variam por região se a composição regional dos dados de treinamento for diferente. Não existem dados disponíveis publicamente que comparem o desempenho do modelo por distrito, condado, idade, renda ou porte da empresa. Se for considerada apenas a precisão média ao longo de dois a três anos, a baixa precisão das áreas vulneráveis ​​fica obscurecida pela média geral.  O risco espacial da IA ​​administrativa de Busan é determinado pela invisibilidade das taxas de erro regionais, e não pela implantação do serviço.

Os serviços administrativos de IA generativa ao estilo de Busan foram implementados em todos os departamentos no início de 2026 e serão aprimorados e expandidos ao longo dos três anos seguintes, de 2026 a 2028. Os próximos dois a três anos serão um período durante o qual as funções, os dados e os padrões de uso iniciais se consolidarão como procedimentos operacionais padrão. A linha de base anterior à implementação e o registro de decisões sobre o impacto da IA ​​ainda não foram divulgados. Uma vez que os procedimentos básicos estejam estabelecidos, torna-se difícil comparar o trabalho realizado com o que era feito sem IA, e práticas de uso incorretas permanecerão como normas organizacionais.  Atualmente, o "período ideal" não é definido como anterior à implementação da IA, mas sim antes da consolidação dos padrões operacionais iniciais de três anos.

A inteligência artificial e a análise de dados estão se expandindo rapidamente para áreas como a cidade de 15 minutos, distritos comerciais, festivais, transporte, assuntos marítimos, abastecimento de água e auditoria. O escopo de aplicação passou de tarefas gerais para julgamentos especializados que afetam os direitos e a segurança dos cidadãos. No entanto, ainda não foi identificado um sistema de divulgação pública que integre a gestão de níveis de risco, erros, objeções e critérios de suspensão. Se a automação se expandir para setores de alto risco entre 2026 e 2028, será difícil aplicar complementos regulatórios posteriores a decisões e reclamações já acumuladas. O momento ideal para a governança é antes que a aplicação de medidas de alto risco se consolide como parte das operações diárias.

A utilização de dados privados de cartões de crédito e telecomunicações, bem como informações pseudonimizadas, revela tendências políticas mais rapidamente do que as estatísticas administrativas. A velocidade de julgamento dos dados em Busan está acelerando, passando de estatísticas anuais para unidades mensais, diárias e horárias. No entanto, o sistema de divulgação pública para gerenciar mudanças em fórmulas, amostras e contratos de dados privados, bem como comparações de longo prazo, é limitado. Se as políticas baseadas nos mesmos dados se acumularem por dois ou três anos, a reprodutibilidade de julgamentos anteriores desaparece após uma mudança de fornecedores.  O "Período Ideal dos Dados" é determinado como sendo antes da ruptura da continuidade da linha de base, e não durante a expansão do volume de uso.

Embora o treinamento de funcionários tenha se expandido, a auditoria administrativa de 2025 apontou uma ênfase excessiva em cursos básicos. Isso demonstra que a velocidade de difusão dos serviços de IA difere da velocidade de crescimento do pessoal sênior de planejamento e verificação. Os dados que mensuram as capacidades avançadas e a detecção real de erros ainda não foram confirmados. À medida que o uso de IA se tornar rotina para todos os funcionários entre 2026 e 2028, será difícil para um pequeno número de especialistas verificar todos os modelos, dados e respostas. O  "momento ideal" para o talento está definido como aquele anterior ao momento em que o número de usuários ultrapassar estruturalmente o número de verificadores.

12-1. Estudo de Caso de Aplicação do Horário Ideal em Governos Locais Básicos ① — Busanjin-gu

Foi solicitada à Big-Data Wave uma análise das mudanças nas vendas de cartões antes e depois do projeto Cidade de 15 Minutos, que inclui as áreas residenciais de Dangam e Gaegeum. A avaliação das políticas para áreas residenciais em Busanjin-gu passou da conclusão das instalações para os resultados reais de vendas nos distritos comerciais vizinhos. No entanto, não foram confirmados resultados de análises públicas que separem os efeitos dos preços, da sazonalidade, das condições econômicas e das áreas de controle das mudanças antes e depois da conclusão, nem quaisquer alterações subsequentes nas políticas. Se o projeto Cidade de 15 Minutos for expandido usando o mesmo método entre 2026 e 2028, os erros na determinação causal inicial poderão ser replicados em outras áreas residenciais.  Embora Busanjin-gu seja uma região onde foram levantadas questões sobre os resultados com base em dados, conclui-se que ainda não se atingiu o estágio de confirmação dos efeitos das políticas.

As áreas de Dangam e Gaegeum utilizam zonas residenciais reais — maiores que as unidades de dong, mas menores que as unidades de distrito — como unidades de política. O julgamento espacial passou da média dos dongs administrativos para zonas residenciais que combinam a mobilidade dos moradores e o consumo. No entanto, não há evidências públicas confirmadas que relacionem a população flutuante, as vendas de cartões, a acessibilidade às instalações, a satisfação dos moradores e a sobrevivência comercial em um único período de tempo de execução da zona residencial. Se os projetos representativos de zonas residenciais forem concluídos em dois ou três anos, apenas os resultados de desempenho específicos das instalações poderão permanecer sem uma linha de base.  O "Tempo de Ouro" de Busanjin-gu não é a existência da análise da zona residencial em si, mas o período durante o qual se pode registrar se a análise influenciou a localização e os orçamentos subsequentes das instalações.

12-2. Casos de Aplicação do Período Ideal em Governos Locais Básicos ② — Yeongdo-gu

Yeongdo-gu solicitou consultoria em análise de dados sobre sua escassez de vagas de estacionamento após a análise das reclamações recebidas pelo sistema de consulta pública Saeol confirmar que as queixas relacionadas a estacionamento eram as mais frequentes. Isso representa um caso em que as reclamações dos moradores deixaram de ser apenas uma agregação de queixas recorrentes e passaram a abordar questões para análise de políticas públicas. No entanto, não há registros públicos de acompanhamento que confirmem quais decisões — como alocação de vagas de estacionamento, horários de fiscalização, transporte público ou rotas turísticas — foram alteradas com base nos resultados da análise. Se a demanda por estacionamento mudar devido ao turismo, à construção de moradias e ao envelhecimento da população entre 2026 e 2028, as análises de reclamações anteriores se tornarão dados pontuais com um ponto de referência diferente.  Embora Yeongdo-gu seja um caso em que os dados identificaram um problema de política pública, permanece incerto se os dados alteraram a solução proposta.

O problema de estacionamento em Yeongdo-gu é complexo, pois as demandas horárias de moradores, turistas, comerciantes e pessoas com mobilidade reduzida se chocam no mesmo espaço. O número de reclamações, por si só, não permite distinguir qual grupo tem a maior demanda ou qual período do ano representa um gargalo. Além disso, não é possível verificar uma relação temporal pública que vincule reclamações, rotatividade de vagas, estacionamento irregular, segurança de pedestres e receita comercial. Se as avaliações baseadas principalmente no volume de reclamações forem mantidas por dois ou três anos, áreas com altas taxas de reclamações e áreas com riscos reais elevados se misturam. O  "Período de Ouro" de Yeongdo-gu é definido como aquele em que as causas das reclamações e as diferenças entre as alternativas de políticas públicas podem ser determinadas, indo além da mera identificação de pontos críticos com alto índice de reclamações.

Se os dados sobre uso, erros, correções e adoção das fases iniciais da aplicação de IA em todos os departamentos em 2026 não forem mantidos, a base para comparar o desempenho administrativo subsequente desaparecerá. O suporte de IA ao trabalho está estruturado para se expandir ao longo de três anos, com a redução rápida das tarefas que não utilizam a IA. Os resultados divulgados atualmente antes e depois da implementação são limitados. Após 2026-2028, torna-se difícil distinguir se a IA melhorou os processos de trabalho ou simplesmente absorveu um aumento na carga de trabalho.  A primeira perda será determinada por evidências causais das fases iniciais da adoção de IA, e não pelo orçamento destinado à tecnologia.

Se os resultados das análises não estiverem vinculados a aprovações, orçamentos e execução, as análises das mesmas questões serão repetidas em diferentes departamentos e anos. Embora inúmeras questões políticas do mundo real sejam identificadas na Onda de Big Data, o histórico de reutilização e mudanças de decisão não é divulgado. Se ocorrerem transferências de pessoal e reestruturações organizacionais ao longo de dois ou três anos, as premissas, limitações e decisões subsequentes da análise se distanciam da memória organizacional.  A segunda perda não é determinada por relatórios individuais, mas pela memória administrativa que não repete as falhas nas políticas.

Se os erros nas respostas e modelos de previsão da IA ​​não forem acumulados em um registro, eles se repetirão usando os mesmos dados, instruções e modelos. Embora os serviços estejam se expandindo para todos os departamentos e áreas especializadas, um sistema de aprendizado de erros para toda a cidade ainda não foi verificado. À medida que vários sistemas se tornarem mais avançados entre 2026 e 2028, as versões e os responsáveis ​​mudarão, dificultando a reprodução de erros passados.  A terceira perda não é determinada pelos índices de precisão, mas pelo tempo de aprendizado necessário para incorporar os erros em decisões subsequentes.

Se as diferenças nas capacidades de pessoal de dados e de elaboração de perguntas se acumularem entre distritos e condados, o suporte à análise poderá se concentrar em organizações com maior capacidade de aplicação, em vez de regiões com alta demanda. Atualmente, sistemas de análise baseados em solicitações e tarefas regionais são identificados, mas não se observa demanda não atendida. Se essa estrutura se consolidar por dois ou três anos, a lacuna administrativa de Análise de Experiência (AX) se transformará em uma lacuna de serviço regional.  A quarta perda não é determinada pela igualdade tecnológica, mas pela equidade nas decisões políticas que não são influenciadas pelo endereço ou pela capacidade organizacional.

Busan já possui serviços de IA generativa em todos os departamentos, Big Data Wave, utilização de informações pseudonimizadas e plataformas de IA específicas para cada setor, além de treinamento prático. Os componentes do AX Administrativo não estão totalmente ausentes, mas sim dispersos em diferentes etapas. No entanto, as evidências vinculadas por IDs de Políticas e Registros de Decisão ainda não foram verificadas. Ainda há tempo para comparar os recursos existentes com base nos mesmos resultados de políticas antes que a estrutura do sistema seja definida entre 2026 e 2028.  Atualmente, a oportunidade é avaliada como um período para estabelecer a conectividade de tomada de decisão dos recursos dispersos, em vez de um novo sistema.

Os pedidos de análise relativos à "cidade de 15 minutos", grandes supermercados, festivais e estacionamento demonstram que a administração já está a formular questões específicas sobre os efeitos das políticas. A lacuna de Busan não reside na ausência de perguntas, mas na falta de registos das decisões subsequentes. Não foi identificada uma cadeia pública de resultados de análises e alterações de políticas. Se os pedidos de análise continuarem a aumentar ao longo de dois a três anos, a capacidade de estabelecer ligações entre as decisões subsequentes tornar-se-á o critério determinante da produtividade administrativa.  A oportunidade atual não reside na expansão do volume de análises, mas sim numa fase em que as questões políticas realistas possam ser preservadas como evidências de tomada de decisão replicáveis.

A IA generativa baseada em RAG utiliza dados administrativos internos da cidade de Busan. Isso serve como base para reutilizar a justificativa de políticas passadas da organização, reduzindo o tempo de busca. No entanto, a estrutura para buscar a validade dos dados, fundamentos conflitantes e resultados de decisões em conjunto não foi divulgada. Se a justificativa e o resultado não forem vinculados antes do aumento dos dados administrativos entre 2026 e 2028, a IA poderá localizar rapidamente documentos antigos, mas não conseguirá distinguir entre o sucesso e o fracasso de decisões passadas.  Atualmente, a oportunidade é avaliada como o período operacional inicial durante o qual os documentos administrativos podem ser estabelecidos como dados de aprendizado organizacional.

A auditoria administrativa do Conselho Metropolitano de Busan questiona publicamente o nível de educação em IA (Inteligência Artificial) e a eficácia dos projetos. A estrutura envolve a disseminação da IA ​​pela administração e a verificação externa pelo conselho, ocorrendo simultaneamente. No entanto, a conexão de dados que vincula as conclusões da auditoria, a administração municipal, as mudanças no modelo/educação e os resultados subsequentes não está sendo verificada. Se a verificação pelo conselho continuar sendo feita por meio de investigações individuais por dois a três anos, a governança da IA ​​ficará fragmentada entre revisões orçamentárias e relatórios de projetos.  Atualmente, a oportunidade reside no período em que a operação interna e a verificação externa da administração da IA ​​podem ser integradas em uma única cadeia de evidências.

Tempo de execução administrativo do AX

Questão Política → Linha de Base → Análise de Dados e IA → Comparação de Alternativas → Mudança de Decisão → Orçamento → Execução → Resultado para o Cidadão → Lacuna → Auditoria e Verificação do Conselho → Correção → Próxima Decisão

Expansão da IA ​​Administrativa + Lacuna na Evidência para Tomada de Decisões

A gestão de dados e inteligência artificial na cidade de Busan ultrapassou a fase de introdução e agora está em fase de expansão em todos os departamentos.

A busca por tarefas, a criação de documentos e a análise de políticas individuais foram confirmadas.

Não existe qualquer ligação entre as alterações feitas pela IA e pelos dados em relação às decisões existentes e a forma como os resultados foram alterados.

O perigo atual não reside em administrações que não utilizam IA, mas sim em administrações que utilizam IA, porém não conseguem determinar se tomaram decisões melhores.

A decisão final é: Expansão da IA ​​Administrativa + Lacuna nas Evidências para Decisões.

1. Usuários ativos de IA generativa por departamento
2. Frequência de utilização de IA por funcionário
3. Taxas de utilização por 22 tipos de serviços
4. Taxas de adoção, modificação e rejeição de respostas de IA
5. Taxa média de correção de documentos gerados por IA
6. Reduzir o tempo de busca de dados administrativos
7. Reduzir o tempo gasto na elaboração de queixas cíveis.
8. Taxa de reabertura de processos cíveis antes e depois da utilização de IA
9. Número de erros, omissões e vieses nas respostas da IA
10. Tempo decorrido entre a descoberta do erro e a sua correção.
11. Taxa de recorrência do mesmo erro
12. Recepção, conclusão e período de espera da solicitação de análise
13. Taxa de aprovação refletida nos resultados da análise
14. Taxa de mudança da política alternativa após análise
15. Taxa de variação da meta e da região do projeto após a análise.
16. Aumento, redução e taxas de conclusão do orçamento após a análise.
17. Taxas de divulgação de referência antes da implementação da política
18. Razão de análise usando região de controle/grupo de controle
19. Fórmula de dados privados e histórico de alterações de amostra
20. Precisão, falsos positivos e detecções perdidas por modelo
21. Disparidade no uso de IA e na análise interna por distrito/condado
22. Taxa de candidaturas para vagas de emprego após a conclusão do treinamento
23. Número de profissionais com experiência avançada em IA e verificação de dados
24. Taxa real de correção após questões levantadas pelo conselho e auditoria.
25. Taxa de melhoria dos resultados para cidadãos e empresas após mudança de política

Lacuna de dados: Nas evidências públicas, não está confirmado o fluxo de execução de decisões da cidade de Busan, que conecta a Consulta de Políticas → Análise de Dados/IA → Comparação da Proposta Existente com Alternativas → Aprovação/Alteração Orçamentária → Execução → Resultado para Cidadãos/Empresas → Auditoria/Verificação do Conselho → Correção de Acompanhamento, sob o mesmo ID de Política.

Cadeia de tempo de execução

Dados → Análise → Alternativas → Mudança de Decisão → Orçamento → Implementação → Resultado → Erros/Lacunas → Auditoria/Conselho → Correção → Próxima Decisão

Fonte · Verificação

• A cidade metropolitana de Busan lança o primeiro serviço administrativo de IA generativa do país.
• Plano de Implementação da Administração de IA da Cidade Metropolitana de Busan para 2026
• Plano de Trabalho Administrativo Principal Baseado em Dados da Cidade Metropolitana de Busan, 2026
• Onda de Big Data em Busan, Situação Atual da Análise e Consultoria de Dados Políticos
• Onda de Big Data de Busan, Materiais Explicativos Estatísticos
• Cidade Metropolitana de Busan: Treinamento prático baseado em IA para a administração do futuro.
• Conselho Metropolitano de Busan, Auditoria Administrativa de 2025 da Agência de Promoção da Indústria da Informação da Coreia
• Plataforma de apoio à gestão inteligente do ambiente marinho baseada em dados da cidade metropolitana de Busan
• A cidade metropolitana de Busan apoiará a tomada de decisões baseada em IA e Big Data para redes de abastecimento de água até 2026.
• Sistema de suporte à administração de auditoria inteligente baseado em IA da cidade metropolitana de Busan

Principais conclusões estruturais resultantes desta análise.

A tomada de decisão administrativa retém apenas a proposta final documentada e descarta as alternativas não escolhidas. Mesmo que a IA apresente mais evidências e alternativas, se as diferenças entre o plano original, as alternativas e o plano final não forem registradas, não será possível verificar se a IA alterou seu julgamento. Trata-se de uma estrutura onde a utilidade permanece, mas o impacto desaparece.

Nessa estrutura, a diferença entre uma IA boa e uma IA ruim não é determinada apenas pela precisão. Se uma análise precisa não conseguir alterar aprovações e orçamentos, o efeito administrativo será próximo de zero; por outro lado, se uma análise incompleta alterar decisões de alto risco, mesmo pequenos erros podem impactar negativamente os cidadãos. O valor administrativo da IA ​​é formado pelo produto do desempenho do modelo e do impacto na decisão.

Portanto, existe apenas uma percepção estrutural sobre a Administração de Busan AX. A IA torna-se uma capacidade administrativa não quando substitui decisões, mas quando registra os motivos pelos quais as decisões foram alteradas.  Sem esse registro, a cidade de Busan pode pesquisar mais rapidamente e gerar mais documentos, mas não pode determinar se tomou decisões melhores do que no passado.

Tese do Tempo de Ouro — O período de 2026 a 2028 para o AX administrativo da cidade de Busan não é um momento para a difusão da IA ​​generativa, mas sim um período para registrar pela primeira vez a diferença entre Evidência → Alternativa → Mudança de Decisão → Resultado nos registros administrativos. Sem essa conexão, a IA pode aumentar a velocidade da administração, mas não pode aumentar a velocidade de detecção e correção de falhas nas políticas.