알림 목록

Khu vực phân tích: Thành phố Busan

Khu vực trọng tâm: Trụ sở chính của Thành phố Busan, 16 quận và huyện, cùng các cơ quan công lập trực thuộc.

Chương trình nghị sự: Kiểm chứng xem trí tuệ nhân tạo và dữ liệu đã vượt ra ngoài vai trò hỗ trợ hành chính và thực sự thay đổi các phương án chính sách, ngân sách, việc triển khai và đánh giá hiệu quả hay chưa.

Loại thời điểm vàng: Mở rộng trí tuệ nhân tạo quản trị + Khoảng trống bằng chứng quyết định

Ngày tham chiếu: 28/08/2026

Phiên bản: Tiêu chuẩn nâng cấp Regional AX Golden Time Intelligence v3.2
 

Cuối năm 2025, thành phố Busan trở thành chính quyền địa phương đầu tiên triển khai dịch vụ hành chính dựa trên trí tuệ nhân tạo (AI) tạo sinh, sử dụng mô hình ngôn ngữ đơn giản và tăng cường tìm kiếm. Đến đầu năm 2026, thành phố đã áp dụng 22 loại dịch vụ – bao gồm hỏi đáp, soạn thảo văn bản và tìm kiếm dữ liệu hành chính – cho tất cả các phòng ban. Phạm vi ứng dụng AI trong quản lý hành chính đã chuyển từ việc sử dụng AI tạo sinh bên ngoài của từng nhân viên sang các dịch vụ cấp tổ chức, kết hợp dữ liệu hành chính nội bộ với hệ thống an ninh. Tuy nhiên, nhật ký quyết định công khai cho thấy việc sử dụng dịch vụ đã dẫn đến việc so sánh các phương án chính sách, thay đổi ngân sách, tạm dừng dự án, điều chỉnh khu vực mục tiêu hoặc thay đổi phương pháp thực hiện vẫn chưa được xác minh. Nếu kế hoạch nâng cao ba năm từ 2026 đến 2028 chủ yếu dựa trên khối lượng sử dụng và số lượng tài liệu được tạo ra, AI hành chính sẽ trở nên trì trệ, chỉ đơn thuần là cải thiện tốc độ làm việc. Mặc dù AI quản lý hành chính của Busan đã đạt đến giai đoạn sử dụng rộng rãi trong tất cả các phòng ban, nhưng vẫn thiếu bằng chứng để kết luận rằng nó đã đạt đến giai đoạn thay đổi quy trình ra quyết định.

Các vấn đề chính sách thực tế, chẳng hạn như sự thay đổi doanh số bán hàng sau khi chuyển đổi ngày đóng cửa bắt buộc của siêu thị sang ngày thường, doanh số bán hàng bằng thẻ tín dụng trước và sau dự án "Thành phố 15 phút", số lượng khách tham quan lễ hội và doanh số bán hàng tại các khu thương mại, và tình trạng thiếu chỗ đậu xe ở quận Yeongdo, đã được ghi nhận là nhiệm vụ phân tích trong Làn sóng Dữ liệu lớn của Busan. Việc sử dụng dữ liệu đang chuyển từ các câu hỏi thống kê sang việc xác minh kết quả trước và sau khi thực hiện chính sách. Tuy nhiên, các hồ sơ theo dõi công khai về việc phương án nào bị loại trừ và quyết định, ngân sách hoặc việc thực hiện nào bị thay đổi còn hạn chế. Nếu các yêu cầu phân tích và quyết định chính sách vẫn nằm trong một hệ thống riêng biệt trong hai đến ba năm tới, khối lượng phân tích có thể tăng lên, nhưng tác động của việc ra quyết định lại không thể đo lường được. Trong  chính quyền dựa trên dữ liệu của Busan, trong khi việc tạo ra các câu hỏi và thực hiện các phân tích được xác nhận, thì khả năng truy vết các thay đổi quyết định lại được coi là chưa được xác nhận.

Kế hoạch thúc đẩy quản trị bằng AI năm 2026 đề xuất việc áp dụng rộng rãi AI trong toàn bộ bộ máy hành chính, trong khi kế hoạch công tác cho lĩnh vực dữ liệu bao gồm mở rộng phân tích, đào tạo nhân viên và sử dụng thông tin được mã hóa để giải quyết các thách thức của thành phố. Quá trình số hóa hành chính đã chuyển từ các dự án thí điểm cục bộ sang kế hoạch áp dụng rộng rãi trên tất cả các lĩnh vực. Ngược lại, một tiêu chuẩn công khai liên kết chất lượng dữ liệu của các phòng ban, độ chính xác phản hồi của AI, hành vi xác minh của người dùng, tỷ lệ lỗi và kết quả đối với người dân vào một khuôn khổ hiệu suất duy nhất vẫn chưa được xác định. Nếu các dịch vụ mở rộng nhanh chóng trong giai đoạn 2026-2028, dữ liệu thô chất lượng thấp và các phản hồi chưa được xác minh sẽ liên tục được đưa vào quy trình làm việc.  Rủi ro cấp bách đối với hệ thống quản trị AI của Busan nằm ở chỗ tốc độ áp dụng AI đang vượt xa tốc độ cải thiện chất lượng bằng chứng và việc thiết lập các hệ thống trách nhiệm giải trình.

Các dự án hỗ trợ ra quyết định trên nhiều lĩnh vực khác nhau, chẳng hạn như mô phỏng mạng lưới cấp nước, Làng Biển Thông Minh và quản lý kiểm toán dựa trên AI, cũng đang được triển khai. Ứng dụng AI đang mở rộng từ các nhiệm vụ văn bản thông thường đến các đánh giá chuyên gia trong lĩnh vực cấp nước, môi trường biển, kiểm toán và an toàn. Tuy nhiên, hiện chưa có dữ liệu so sánh công khai nào xác nhận mức độ thay đổi của các cảnh báo dự đoán đối với các ưu tiên kiểm tra thực tế, phân bổ ngân sách và các đánh giá quy định và kiểm toán, hoặc liệu kết quả có được cải thiện hay không. Nếu các hệ thống chuyên ngành được phát triển độc lập trong hai đến  ba năm tới, thành phố Busan sẽ không sở hữu một hệ thống học tập quản lý thống nhất, ngay cả khi có nhiều dịch vụ AI. Hiện tại, "Thời kỳ vàng" không được đánh giá là giai đoạn mở rộng các dịch vụ AI, mà là hai đến ba năm trước khi có mối liên hệ đầu tiên giữa các quyết định được thay đổi bởi AI và kết quả của chúng.

Luận điểm Thời gian Vàng — Đơn vị đánh giá cho Hệ thống Hành chính AX Busan không phải là số lượng dịch vụ AI hay số lượng tài liệu được tạo ra. Đơn vị đánh giá là Thời gian Thực thi Quyết định, bao gồm việc liệu AI và dữ liệu có tạo ra một lựa chọn khác biệt so với các quyết định hiện có hay không và liệu lựa chọn đó có cải thiện kết quả cho người dân, doanh nghiệp và khu vực hay không.

Chính quyền thành phố Busan quản lý các lĩnh vực giao thông, phúc lợi, an ninh, công nghiệp, môi trường, du lịch và quy hoạch đô thị thông qua trụ sở chính, các đơn vị nghiệp vụ, 16 quận và huyện, cùng các tập đoàn, cơ quan nhà nước và các tổ chức đầu tư hoặc đóng góp. Dữ liệu hành chính có cấu trúc phân tán, được tạo ra bởi nhiều tổ chức và cơ quan được ủy thác chứ không phải một thực thể duy nhất. Mức độ mà cùng một công dân, doanh nghiệp, không gian hoặc dự án được quản lý bởi các bộ phận khác nhau sử dụng các ID và chu kỳ cập nhật khác nhau không thể được xác minh đầy đủ trong dữ liệu công khai. Khi các dịch vụ AI của các bộ phận mở rộng trên dữ liệu phân tán này từ năm 2026 đến năm 2028, các phản hồi và đánh giá rủi ro khác nhau có thể phát sinh liên quan đến cùng một vấn đề.  Rủi ro quy mô của chính quyền Busan được xác định bởi nhiều bản ghi về cùng một đối tượng hành chính chứ không phải do thiếu dữ liệu.

Big-DataWave cung cấp dữ liệu công và tư, thống kê, tư vấn phân tích và các trường hợp sử dụng dữ liệu. Nền tảng dữ liệu của chính quyền Busan đã mở rộng từ thống kê định kỳ sang phân tích chính sách bằng cách sử dụng doanh số bán thẻ tín dụng, di chuyển dân cư viễn thông, lưới không gian và khảo sát. Tuy nhiên, các chỉ số hoạt động công khai liên quan đến tổng số yêu cầu phân tích đã đăng ký, thời gian xử lý trung bình, tỷ lệ phản ánh chính sách và tỷ lệ tái sử dụng hiện không có sẵn. Trong khi thời gian chờ đợi và sự trùng lặp của các phân tích riêng lẻ tích lũy khi khối lượng yêu cầu tăng lên trong hai đến ba năm, năng lực phân tích tổng thể của tổ chức vẫn chưa được đánh giá. Mặc dù  cơ quan quản lý dữ liệu của Busan sở hữu cơ sở hạ tầng phân tích, nhưng năng lực xử lý của nó so với nhu cầu vẫn chưa được đo lường.

Dịch vụ hành chính AI tạo sinh của Busan cung cấp 22 loại chức năng, bao gồm hỏi đáp, tìm kiếm dữ liệu và tạo tài liệu, cho tất cả các phòng ban. Quy mô ứng dụng AI tạo sinh đã mở rộng từ đào tạo và sử dụng thí điểm sang các dịch vụ thông dụng trong môi trường làm việc thực tế. Tuy nhiên, số lượng người dùng hoạt động theo từng phòng ban, tần suất sử dụng, thời gian tiết kiệm được, thời gian sửa lỗi và tỷ lệ chấp nhận/từ chối phản hồi vẫn chưa được công bố. Nếu chỉ có số lượng chức năng tăng lên trong giai đoạn 2026-2028, các dịch vụ có mức sử dụng thực tế thấp và hiệu quả công việc chưa được cải thiện sẽ vẫn được liệt kê là thành tựu triển khai.  Mặc dù quy mô AI tạo sinh của Busan được xác minh dựa trên các chức năng, nhưng quy mô sử dụng thực tế vẫn chưa được xác nhận.

Việc hỗ trợ ra quyết định bằng cách sử dụng cảm biến, mô hình và trí tuệ nhân tạo đang được thúc đẩy trong các lĩnh vực mạng lưới cấp nước, môi trường biển, kiểm toán và an toàn. Trí tuệ nhân tạo quản trị đã chuyển sang cấu trúc đa tầng, nơi các mô hình ngôn ngữ đa năng và các mô hình dự đoán và phát hiện chuyên ngành hoạt động đồng thời. Tuy nhiên, dữ liệu công khai so sánh sổ đăng ký mô hình chung, nguồn gốc dữ liệu, độ chính xác, các trường hợp lỗi và trách nhiệm giải trình hoạt động trên toàn thành phố vẫn chưa được xác nhận. Khi số lượng mô hình chuyên biệt tăng lên trong hai đến ba năm tới, chi phí quản lý tích hợp các rủi ro cụ thể của mô hình sẽ tăng nhanh chóng.  Trong khi trí tuệ nhân tạo quản trị của Busan đang trong giai đoạn mở rộng đa ngành, thì việc quản trị mô hình trên toàn thành phố vẫn chưa được xác nhận.

22 loại dịch vụ AI tạo sinh, làn sóng dữ liệu lớn và các nền tảng thông minh chuyên ngành cho thấy Busan sở hữu rất nhiều tài sản AI và dữ liệu. Tài sản kỹ thuật số hành chính đã phát triển thành một cấu trúc nơi AI đa năng và các hệ thống phân tích chuyên biệt cùng tồn tại trong một cổng thông tin thống kê duy nhất. Tuy nhiên, một môi trường hoạt động chung chưa được xác nhận, nơi các kết quả phân tích trên các nền tảng được liên kết với cùng các cuộc họp chính sách, phê duyệt, ngân sách và đánh giá hiệu suất. Khi số lượng hệ thống tăng lên từ năm 2026 đến năm 2028, việc truy xuất thông tin có thể nhanh hơn, nhưng sự khác biệt trong đánh giá giữa các tổ chức có thể gia tăng.  Điều đã được xác nhận cho đến nay là sự tích lũy các công cụ AI và dữ liệu, chứ không phải là sự tích hợp hệ sinh thái ra quyết định.

Các yêu cầu phân tích doanh số bán thẻ trước và sau dự án "Thành phố 15 phút", doanh số bán hàng tại các chợ truyền thống và các doanh nghiệp nhỏ sau khi thay đổi quy định đóng cửa bắt buộc đối với các siêu thị lớn, và lưu lượng người đi bộ cùng doanh số bán thẻ trước và sau các lễ hội đang tập trung vào kết quả hơn là đầu vào. Các cuộc điều tra hành chính đã chuyển từ việc liệu một dự án có được thực hiện hay không sang việc liệu chính sách đó có thực sự thay đổi nền kinh tế địa phương hay không. Tuy nhiên, không tìm thấy hồ sơ công khai nào liên kết kết quả phân tích với các trường hợp chính sách hiện hành được duy trì, sửa đổi hoặc bãi bỏ. Nếu các phân tích chỉ đơn thuần là tài liệu tham khảo hồi cứu trong hai đến ba năm, việc mở rộng các câu hỏi về kết quả sẽ không dẫn đến thay đổi trong việc ra quyết định.  Mặc dù Busan có nhu cầu phân tích kết quả, nhưng một hệ sinh thái để phối hợp chính sách dựa trên kết quả vẫn chưa được xác nhận.

Chương trình đào tạo thực hành AI năm 2025 bao gồm lập kế hoạch chiến lược và thực hành kỹ thuật cho chính quyền thành phố, các quận, huyện và các tổ chức trực thuộc, trong khi việc mở rộng dịch vụ AI trên tất cả các lĩnh vực được dự báo sẽ diễn ra trong giai đoạn 2026-2028. Cơ cấu phát triển nhân tài được mở rộng từ việc sử dụng công cụ đơn giản đến khả năng lập kế hoạch dịch vụ. Tuy nhiên, trong cuộc kiểm toán hành chính năm 2025 của Hội đồng thành phố Busan, người ta chỉ ra rằng hơn 80% một số khóa đào tạo AI vẫn ở trình độ cơ bản. Nếu tốc độ phổ biến dịch vụ trong hai đến ba năm tới vượt quá khả năng lập kế hoạch và kiểm chứng, nhân viên sẽ sử dụng kết quả AI nhưng không thể xác định được những hạn chế và sai sót của mô hình.  Đánh giá cho thấy tồn tại một khoảng cách trong hệ sinh thái nhân tài quản trị AI của Busan giữa sự mở rộng số lượng người dùng và khả năng kiểm chứng nâng cao.

Dự án Smart Ocean Village đang theo đuổi việc giám sát môi trường biển và hỗ trợ ra quyết định dựa trên trí tuệ nhân tạo (AI), trong khi ngành cấp nước đang triển khai mô phỏng mạng lưới đường ống dựa trên dữ liệu lớn và AI. Công tác quản lý trong các lĩnh vực này đang chuyển từ việc xử lý khiếu nại và kiểm tra sau sự cố sang phát hiện và dự đoán chủ động. Tuy nhiên, bằng chứng công khai so sánh tỷ lệ trùng khớp giữa dự đoán và sự kiện thực tế, thời gian phản hồi sau cảnh báo và mức giảm tai nạn còn hạn chế. Ngay cả khi hệ thống hoạt động từ năm 2026 đến năm 2028, nền tảng này vẫn sẽ chỉ đóng vai trò màn hình giám sát nếu độ chính xác của dự đoán không được liên kết với các hành động tại chỗ. Mặc dù  AI chuyên ngành đã đảm bảo khả năng dự đoán, nhưng bằng chứng về hệ sinh thái chứng minh rằng các dự đoán thực sự đã thay đổi hành vi quản lý vẫn còn thiếu.

Trí tuệ nhân tạo tạo sinh (Generative AI) giúp giảm chi phí thu thập thông tin bằng cách xử lý các tìm kiếm dữ liệu hành chính và soạn thảo tài liệu chỉ trong vài giây. Nút thắt cổ chai trong quản lý chuyển từ thời gian tìm kiếm dữ liệu sang thời gian xác định bằng chứng nào đáng tin cậy và phương án nào nên chọn. Mặc dù các dịch vụ AI của Busan cung cấp chức năng tìm kiếm và soạn thảo, nhưng khả năng ra quyết định so sánh hiệu quả, chi phí và rủi ro của các phương án khác nhau lại không có trong dữ liệu công khai. Nếu chỉ riêng tốc độ tìm kiếm tăng lên trong giai đoạn từ năm 2026 đến năm 2028, một cấu trúc có khả năng tái tạo logic chính sách hiện có nhanh hơn có thể được hình thành. Mặc dù sự thay đổi cấu trúc trong quản trị hành chính (AX) đã chuyển từ tạo tài liệu sang đánh giá và xác minh, chức năng hiện tại của Busan được đánh giá là gần với chức năng tạo tài liệu hơn.

Các dịch vụ hành chính dựa trên RAG củng cố cơ sở phản hồi bằng cách tìm kiếm dữ liệu hành chính nội bộ. Cấu trúc này thể hiện sự chuyển đổi trong trí tuệ nhân tạo tạo sinh từ việc tập trung vào thông tin công khai trên internet sang tập trung vào dữ liệu do thành phố Busan nắm giữ. Tuy nhiên, nhật ký kiểm toán công khai—ghi lại văn bản gốc được tham chiếu trong phản hồi, ngày tham chiếu, tài liệu mâu thuẫn, hướng dẫn bị loại bỏ, mức độ tin cậy và người đánh giá cuối cùng—lại không có sẵn. Khi dữ liệu hành chính tích lũy trong vòng hai đến ba năm, nguy cơ trộn lẫn sai sót giữa bằng chứng gần đây, lịch sử và mâu thuẫn sẽ tăng lên.  Khoảng trống cấu trúc của trí tuệ nhân tạo tạo sinh kiểu Busan thể hiện rõ trong việc xác định tính hợp lệ của bằng chứng hơn là trong việc tạo ra các phản hồi.

Dữ liệu thẻ cá nhân, viễn thông và dữ liệu không gian cho thấy những thay đổi trong khu vực thương mại, giao thông và sinh hoạt nhanh hơn so với số liệu thống kê hành chính. Bằng chứng chính sách đã chuyển từ số liệu thống kê hàng năm sang dữ liệu theo thời gian thực ở cấp độ hàng ngày, hàng giờ và lưới 50m. Tuy nhiên, chưa có hệ thống công khai nào được xác định có thể quản lý sai lệch lấy mẫu, thay đổi nhà cung cấp dịch vụ, sửa đổi công thức, chi phí và khả năng tái tạo của dữ liệu cá nhân cùng với hồ sơ quyết định chính sách. Nếu việc sử dụng dữ liệu cá nhân tăng lên trong giai đoạn 2026-2028, những thay đổi trong hợp đồng cung cấp có thể dẫn đến sự gián đoạn cơ sở chính sách. Mặc dù  việc quản lý dữ liệu của Busan đã đảm bảo tốc độ, nhưng khả năng so sánh và tái tạo lâu dài của nó vẫn chưa được xác nhận.

Quản lý kiểm toán dựa trên AI mở rộng phạm vi lựa chọn mục tiêu kiểm toán và phát hiện rủi ro từ việc kiểm tra mẫu sang tìm kiếm toàn diện dựa trên dữ liệu. Cấu trúc kiểm toán chuyển từ phát hiện hậu kỳ sang phát hiện sớm các bất thường. Tuy nhiên, việc thu thập dữ liệu công khai để xác minh các mục tiêu kiểm toán được mô hình lựa chọn, các mục tiêu không được chọn, các vi phạm thực tế, kết quả dương tính giả và sai lệch vẫn đang ở giai đoạn đầu. Nếu các khuyến nghị của AI được tích hợp vào các ưu tiên kiểm toán trong giai đoạn 2026-2028, các kết quả dương tính giả không giải thích được cũng sẽ biến thành gánh nặng hành chính và rủi ro về uy tín.  Audit AX được xác định sẽ thể hiện đồng thời cả phạm vi phát hiện mở rộng và khoảng trống trách nhiệm pháp lý về thủ tục.

Kế hoạch thúc đẩy quản lý AI năm 2026 đã vạch ra hướng đi cho việc phổ biến AI một cách có hệ thống trong toàn bộ bộ máy hành chính. Các dự án thí điểm của từng sở ban ngành đã chuyển sang cấp độ chính quyền thành phố. Tuy nhiên, một hệ thống đăng ký dự án AI công khai các thông tin cụ thể về dự án, kết quả mục tiêu, các bộ phận chịu trách nhiệm, mức độ rủi ro của mô hình và tiêu chí ngừng dự án theo một định dạng chung vẫn chưa được xác định. Nếu việc mở rộng trên tất cả các lĩnh vực được tiến hành trước tiên trong giai đoạn 2026-2028, sẽ rất khó để phân biệt giữa các dự án hiệu suất thấp và dự án rủi ro cao bằng cùng một tiêu chí.  Phản ứng của Busan đối với AI hiện đang trong giai đoạn hình thành danh mục dự án, trong khi giai đoạn quản lý hiệu suất danh mục dự án được coi là chưa được xác nhận.

Các dịch vụ quản trị dựa trên trí tuệ nhân tạo (Generative AI) đã được áp dụng cho tất cả các phòng ban vào đầu năm 2026, và một kế hoạch phát triển và mở rộng trong ba năm tới đã được trình bày. Việc ứng dụng AI đã mở rộng từ việc thử nghiệm người dùng hạn chế sang môi trường làm việc chung cho tất cả nhân viên. Tuy nhiên, một cơ sở dữ liệu công khai so sánh giờ làm việc, độ chính xác phản hồi khiếu nại, tỷ lệ sửa lỗi, làm lại và sự cố bảo mật trước và sau khi sử dụng vẫn chưa được xác nhận. Khi việc sử dụng được tích hợp vào các quy trình làm việc cơ bản trong hai đến ba năm tới, sẽ rất khó để so sánh hiệu quả với giai đoạn trước khi AI được giới thiệu.  Hiện tại, mặc dù kế hoạch mở rộng trong ba năm tới đã rõ ràng, nhưng cấu trúc để đo lường hiệu quả nhân quả vẫn chưa được xác nhận.

Kế hoạch công tác dữ liệu năm 2026 bao gồm mở rộng phân tích để giải quyết các vấn đề của thành phố, đào tạo nhân viên và sử dụng thông tin được mã hóa. Phạm vi sử dụng dữ liệu đang được mở rộng từ thống kê công cộng sang phân tích kết hợp nhằm bảo vệ thông tin cá nhân. Tuy nhiên, chưa có dữ liệu nào được tìm thấy tiết lộ một cách tổng hợp các kết quả chính sách, rủi ro nhận dạng lại, thất bại trong việc kết hợp, thời gian thảo luận hoặc các thay đổi chính sách thực tế liên quan đến phân tích kết hợp được mã hóa. Nếu việc sử dụng và bảo vệ được quản lý như các chỉ số hiệu suất riêng biệt cho giai đoạn 2026-2028, thì việc đánh giá rủi ro giữa phân tích mở rộng và lòng tin của công chúng sẽ trở nên khó khăn.  Phản ứng của Busan đối với thông tin được mã hóa hiện đang ở giai đoạn mở rộng cơ sở sử dụng, chưa đến giai đoạn đánh giá kết quả tích hợp và lòng tin.

Việc đào tạo thực tiễn về trí tuệ nhân tạo (AI) và dữ liệu đã mở rộng phạm vi bao gồm các văn phòng trung ương, quận, huyện và các tổ chức công cộng. Chính sách năng lực đã chuyển từ việc bồi dưỡng một số ít chuyên gia dữ liệu sang việc sử dụng AI trong đội ngũ nhân viên hành chính nói chung. Tuy nhiên, hiệu quả phân tích thực tế trước và sau đào tạo, những thay đổi trong hoạch định chính sách, tỷ lệ phát hiện lỗi và tỷ lệ ứng dụng thực tế lại không được công bố. Nếu chỉ xét đến số lượng học viên tích lũy trong vòng hai đến ba năm, thì không thể phân biệt được giữa việc mở rộng đào tạo và sự cải thiện chất lượng ra quyết định. Mặc dù  phản hồi đối với đào tạo đã mở rộng về phạm vi tham gia, nhưng nó được coi là chưa được kiểm chứng về kết quả công việc.

Thành phố Busan tuyên bố đã triển khai các dịch vụ hành chính dựa trên trí tuệ nhân tạo tạo sinh (generative AI) theo mô hình sLLM và RAG trên tất cả các phòng ban, trở thành chính quyền địa phương đầu tiên làm được điều này. Bằng chứng về việc sớm áp dụng môi trường làm việc AI chung được khẳng định qua so sánh với các chính quyền địa phương trong nước. Tuy nhiên, các so sánh về tỷ lệ sử dụng thực tế, tiết kiệm thời gian, độ chính xác và tỷ lệ thay đổi chính sách theo cùng tiêu chuẩn với các thành phố hàng đầu khác lại không được công bố. Nếu việc chỉ định "áp dụng ban đầu" trong giai đoạn 2026-2028 thay thế cho việc so sánh hiệu quả hoạt động, thì sự khác biệt giữa khả năng lãnh đạo công nghệ và hiệu quả quản lý hành chính sẽ bị che khuất. Mặc dù  Busan cho thấy những tín hiệu dẫn đầu tại thời điểm áp dụng, nhưng về kết quả ra quyết định, thành phố này lại bị đánh giá là không thể so sánh được.

Quản trị AI trong khu vực công quốc tế tập trung vào quản lý nguồn gốc dữ liệu, xem xét của con người, khả năng giải thích, đánh giá tác động, phản đối và giám sát mô hình. Các dịch vụ AI tạo sinh của Busan được xây dựng dựa trên tiền đề sử dụng các hệ thống bảo mật và dữ liệu nội bộ. Tuy nhiên, bằng chứng về việc công khai các phê duyệt mức độ rủi ro, đánh giá tác động của công dân, công khai lỗi và lịch sử thay đổi mô hình ở cấp chính quyền thành phố vẫn chưa được xác nhận. Khi AI mở rộng trong các lĩnh vực tham gia của công dân, kiểm toán và an toàn trong hai đến ba năm tới, trách nhiệm giải trình theo quy trình, chứ không phải sự tiện lợi trong vận hành, sẽ quyết định khả năng cạnh tranh so sánh. Mặc dù mức  độ sẵn sàng áp dụng công nghệ của Busan rất cao, nhưng mức độ sẵn sàng quản trị công của thành phố này được đánh giá là chưa được xác nhận.

Các chính quyền địa phương lớn như Seoul và Gyeonggi vận hành các tổ chức phân tích dữ liệu, dữ liệu công cộng, mô hình kỹ thuật số song sinh và dịch vụ AI theo nhiều tầng lớp. Busan cũng đang thu hẹp khoảng cách về công cụ bằng cách thiết lập Làn sóng Dữ liệu Lớn và các nền tảng AI chuyên ngành. Tuy nhiên, các chỉ số so sánh về phân tích → thay đổi quyết định → kết quả giữa các thành phố vẫn chưa được chuẩn hóa trong nước. Việc chỉ so sánh số lượng nền tảng và ngân sách cho giai đoạn 2026–2028 không cho phép đánh giá năng suất quản lý thực tế và tác động đến người dân của Busan.  Vị thế trong nước của Busan được đánh giá là thuộc nhóm trung bình khá về sở hữu công cụ, nhưng lại có khoảng cách dữ liệu phổ biến về Thời gian Thực thi Quyết định.

Phân tích về "thành phố 15 phút" của Busan, các lễ hội, khu thương mại, giao thông và môi trường biển giải quyết các vấn đề địa phương bằng cách kết hợp chúng với dữ liệu từ khu vực tư nhân. Điều này thể hiện một cấu trúc tiên tiến hơn so với giai đoạn chỉ sử dụng số liệu thống kê hành chính có cấu trúc. Mặt khác, bằng chứng được quản lý theo các tiêu chuẩn chung về khả năng tái tạo phân tích, nhóm đối chứng, đường cơ sở trước và kết quả sau còn hạn chế. Ngay cả khi số lượng trường hợp phân tích tăng lên trong vòng hai đến ba năm, chúng vẫn không được tổng hợp thành bài học kinh nghiệm của toàn thành phố nếu thiết kế so sánh khác nhau.  Điểm mạnh tương đối của Busan được xác định bởi tính thực tế của các chủ đề phân tích, trong khi điểm yếu là việc chuẩn hóa kết quả phân tích thành các thử nghiệm chính sách.

Việc kết nối 22 loại dịch vụ AI tạo sinh với ứng dụng của chúng trên tất cả các phòng ban xác nhận chức năng và phạm vi triển khai của chúng. Tuy nhiên, vì số liệu về người dùng hoạt động, số lượng truy vấn, tỷ lệ áp dụng, tỷ lệ sửa đổi, thời gian tiết kiệm và tỷ lệ thay đổi chính sách không được công bố, nên hiệu suất khả dụng không thể được tính toán. Số lượng dịch vụ nhân với số lượng phòng ban cho thấy quy mô lan tỏa nhưng không phản ánh hiệu suất quản trị. Nếu số lượng chức năng tăng lên trong giai đoạn 2026-2028, các chỉ số thành công không có mẫu số có thể trở nên lớn hơn.  Các số liệu hiện tại về AI tạo sinh của Busan thể hiện quy mô triển khai, trong khi năng suất ra quyết định được xác định bởi Khoảng cách Dữ liệu.

Các yêu cầu phân tích đối với Big-DataWave bao gồm các vấn đề chính sách thực tế như khái niệm "thành phố 15 phút", việc đóng cửa bắt buộc các cửa hàng đối với siêu thị, lễ hội, bãi đậu xe, giao thông người đi bộ và doanh số bán hàng tiêu dùng. Số lượng yêu cầu và chỉ số "phản hồi hoàn thành" cho thấy nguồn cung cấp phân tích đang hoạt động. Tuy nhiên, các số liệu tiếp theo liên quan đến quá trình chuyển từ "phản hồi hoàn thành" sang "phản ánh phê duyệt", "sửa đổi dự án" và "thay đổi kết quả" không được công bố. Nếu số lượng trường hợp hoàn thành tích lũy trong vòng hai đến ba năm, hiệu suất xử lý phân tích và hiệu suất thay đổi chính sách có thể được coi là giống nhau.  Tỷ lệ hoàn thành phân tích được xác định là một chỉ số dịch vụ hành chính, chứ không phải là một chỉ số hiệu quả chính sách.

Việc phân tích doanh số bán thẻ trước và sau dự án Thành phố 15 phút được yêu cầu để so sánh những thay đổi trong năm 2023 và 2024, cụ thể là trước và sau khi hoàn thành. Mặc dù cấu trúc của một so sánh dựa trên thời gian đã tồn tại, nhưng bằng chứng cho thấy các vùng kiểm soát, điều kiện kinh tế bên ngoài, giá cả và các yếu tố theo mùa đã được tách biệt không thể được xác nhận chỉ từ thông tin được yêu cầu. Sự tăng giảm đơn giản trước và sau khi kết hợp các tác động của chính sách với những thay đổi bên ngoài đồng thời. Nếu các phân tích tương tự được lặp lại trong khoảng thời gian từ năm 2026 đến năm 2028, các xác định nhân quả sai lầm có thể tích lũy, dẫn đến việc mở rộng hoặc cắt giảm ngân sách.  Khoảng cách về mặt số liệu trong phân tích dữ liệu Busan nằm giữa việc đo lường sự thay đổi và việc xác định mối quan hệ nhân quả.

Việc phân tích việc chuyển giờ đóng cửa bắt buộc đối với các siêu thị lớn sang các ngày trong tuần là một vấn đề chính sách so sánh doanh số bán hàng của siêu thị lớn, chợ truyền thống và các chủ doanh nghiệp nhỏ. Nó khẳng định một sự thay đổi cấu trúc nhằm xem xét sự phân bổ lợi ích giữa các bên liên quan thay vì chỉ tập trung vào doanh số của một ngành công nghiệp duy nhất. Tuy nhiên, các kết quả toàn diện kết hợp lợi ích người tiêu dùng, điều kiện làm việc của người lao động, sự chuyển dịch sang tiêu dùng trực tuyến và các tác động dài hạn vẫn chưa được xác định. Nếu các kết luận chỉ dựa trên doanh số bán hàng bằng thẻ tín dụng ngắn hạn trong khoảng thời gian từ hai đến ba năm, thì chi phí và lợi ích của chính sách sẽ bị giới hạn ở các nhóm cụ thể. Mặc dù  đánh giá dựa trên dữ liệu của Busan đã mở rộng sang so sánh đa nhóm, nhưng vẫn chưa đạt được kết quả xã hội toàn diện.

Mặc dù số lượng người tham gia và các khóa học về giáo dục AI cho thấy sự đóng góp về năng lực, một cuộc kiểm toán của hội đồng thành phố đã chỉ ra rằng hơn 80% một số khóa học vẫn ở trình độ cơ bản. Điều này chứng minh rằng việc tăng khối lượng đào tạo không đồng nghĩa với việc đạt được các năng lực nâng cao. Đào tạo chưa được liên kết với chất lượng phân tích trong công việc, việc xác thực mô hình hoặc những thay đổi chính sách. Nếu việc mở rộng tập trung vào giáo dục cơ bản tiếp tục từ năm 2026 đến năm 2028, cấu trúc hiện tại sẽ vẫn là số lượng người dùng AI tăng lên nhưng lại thiếu những người ra quyết định có khả năng kiểm chứng.  Số lượng các buổi đào tạo cho thấy sự mở rộng, nhưng khả năng đánh giá của tổ chức vẫn chưa được đánh giá.

Khoảng trống đầu tiên là sự thiếu vắng Nhật ký Quyết định . Các yêu cầu phân tích, phản hồi của AI, tài liệu hành chính, phê duyệt, ngân sách và kết quả thực thi tồn tại riêng lẻ. Tuy nhiên, các hồ sơ công khai được liên kết với cùng một mã số chính sách để xác định bằng chứng nào đã loại bỏ các phương án thay thế hiện có và thay đổi quyết định cuối cùng lại không có sẵn. Khi việc sử dụng AI trở nên phổ biến hơn trong giai đoạn 2026-2028, việc theo dõi tác động thực tế của AI trong quá trình ra quyết định sẽ càng trở nên khó khăn hơn.  Khoảng trống lớn nhất trong hệ thống AX hành chính của Busan được xác định là khả năng truy vết các thay đổi quyết định, chứ không phải khả năng phân tích.

Khoảng trống thứ hai là sự thiếu vắng một Tiêu chuẩn Kết quả Cơ sở . Mặc dù 22 loại dịch vụ AI tạo sinh trình bày các chức năng của chúng, nhưng các giá trị cơ sở chung về số giờ làm việc trước khi triển khai, tỷ lệ lỗi, chất lượng khiếu nại và thời gian xử lý chính sách vẫn chưa được công bố. Cấu trúc này cung cấp các tiêu chuẩn yếu để so sánh ngay cả khi có những thay đổi xảy ra sau khi triển khai. Nếu AI trở thành môi trường làm việc tiêu chuẩn trong vòng hai đến ba năm, việc so sánh trạng thái trước khi triển khai với nhóm đối chứng không sử dụng sẽ gần như không thể.  AI tạo sinh Busan được đánh giá có mức độ sẵn sàng xác minh hiệu quả thấp hơn so với mức độ sẵn sàng triển khai.

Khoảng trống thứ ba nằm ở việc quản lý chưa được xác minh về nguồn gốc dữ liệu và ngày tham chiếu . Mặc dù RAG sử dụng dữ liệu nội bộ, nhưng hồ sơ hành chính lại chứa các hướng dẫn trước khi sửa đổi, các tài liệu trùng lặp và số liệu thống kê mâu thuẫn. Không có cấu trúc được xác nhận để theo dõi công khai dữ liệu và ngày tham chiếu nào đã được sử dụng bởi các phản hồi của AI. Khi khối lượng tài liệu tăng lên trong khoảng thời gian từ năm 2026 đến năm 2028, nguy cơ lỗi về tính cập nhật bị lặp lại dưới dạng các câu chính xác cũng tăng lên.  Khoảng trống trong quản trị dựa trên bằng chứng không nằm ở việc truy cập dữ liệu, mà nằm ở khả năng xác định dữ liệu nào là hợp lệ.

Khoảng trống thứ tư là sự thiếu kết nối giữa phân tích và ngân sách . Ngay cả khi phân tích dữ liệu xác minh hiệu quả của chính sách, các hồ sơ công khai liên kết nó với việc tăng, giảm hoặc chấm dứt ngân sách năm tiếp theo lại rất hạn chế. Cấu trúc hiện tại khiến cho việc phân tích được quản lý như tài liệu tham khảo, trong khi ngân sách được coi là tài liệu xem xét riêng biệt. Nếu các dự án hoạt động kém hiệu quả liên tục được đưa vào ngân sách trong hai đến ba năm bất kể kết quả phân tích, thì lợi ích tài chính của việc quản lý dựa trên dữ liệu sẽ biến mất. Khả  năng sẵn sàng ra quyết định của Busan được đánh giá là chưa được xác nhận trong việc phân bổ lại ngân sách hơn là trong phân tích chính sách.

Khoảng trống thứ năm là thiếu kinh nghiệm học hỏi trong tổ chức về các lỗi AI . AI tạo sinh và các mô hình dự đoán có thể tạo ra câu trả lời không chính xác, thiếu sót, thiên vị và kết quả dương tính giả. Chưa tìm thấy hệ thống nào tích hợp và công khai các trường hợp lỗi, thời gian sửa lỗi, tỷ lệ tái diễn và thay đổi phiên bản theo từng mô hình cho thành phố Busan. Khi số lượng dịch vụ tăng lên từ năm 2026 đến năm 2028, cùng một lỗi có thể lan rộng sang các tài liệu và quyết định trên nhiều phòng ban.  Rủi ro đối với việc quản lý AI của Busan được đánh giá không nằm ở sự tồn tại của lỗi, mà nằm ở cấu trúc nơi các lỗi không được lưu giữ trong bộ nhớ tổ chức.

Dịch vụ quản trị Big Data Wave và Generative AI cung cấp dữ liệu phân tích và cơ sở hạ tầng hỗ trợ kinh doanh tương ứng. Thành phố Busan hiện sở hữu cả khả năng truy vấn và phân tích dữ liệu, cũng như AI tìm kiếm và xử lý tài liệu. Tuy nhiên, chưa có bằng chứng công khai nào xác nhận liên kết hai cơ sở hạ tầng này với cùng một mã số nhiệm vụ chính sách. Nếu việc nâng cấp riêng lẻ tiếp tục từ năm 2026 đến năm 2028, kết quả phân tích dữ liệu có thể không được phản ánh trong các phản hồi của Generative AI, hoặc ngày tham chiếu có thể thay đổi.  Đã xác định được rằng nhiều cơ sở hạ tầng kỹ thuật đã được đảm bảo, trong khi khả năng tương tác ở cấp độ chính sách vẫn chưa được xác nhận.

Việc đào tạo về trí tuệ nhân tạo (AI) và dữ liệu đã được tiến hành cho trụ sở chính, các quận, huyện và các tổ chức trực thuộc, đồng thời cũng triển khai đào tạo lập kế hoạch thực tiễn. Đối tượng đào tạo được mở rộng từ một số nhân viên CNTT chọn lọc sang toàn bộ cán bộ hoạch định chính sách. Mặt khác, sự thiếu hụt khả năng ứng dụng và hội tụ tiên tiến đã được chỉ ra trong cuộc kiểm toán hành chính năm 2025. Nếu AI được phổ biến rộng rãi trong tất cả các bộ phận trong vòng hai đến ba năm tới, có thể phát sinh tình trạng tắc nghẽn khi một nhân viên kiểm định duy nhất phải xử lý lỗi từ nhiều người dùng.  Cơ sở hạ tầng nhân tài được đánh giá là đang trong giai đoạn mở rộng người dùng, trong khi nhân sự kiểm định tiên tiến được đánh giá là đang trong giai đoạn thiếu hụt.

Cơ sở hạ tầng sử dụng cho việc bán thẻ, luồng thông tin viễn thông, lưới không gian, thống kê hành chính và thông tin được mã hóa giúp quan sát các hiện tượng chính sách từ nhiều góc độ khác nhau. Cơ sở hạ tầng dữ liệu đã mở rộng từ dữ liệu công có cấu trúc sang tích hợp công tư. Tuy nhiên, dữ liệu có khả năng quản lý tổng thể tác động của sai lệch mẫu, thay đổi công thức, giá trị thiếu và việc chấm dứt thu thập dữ liệu đến kết quả phân tích vẫn chưa được xác định. Khi sự phụ thuộc vào dữ liệu tư nhân tăng lên trong giai đoạn 2026-2028, những thay đổi trong hợp đồng và công thức sẽ làm gián đoạn chuỗi thời gian của kết quả chính sách. Mặc dù phạm  vi sẵn sàng của dữ liệu đã được mở rộng, nhưng chất lượng và tính liên tục của nó vẫn được đánh giá là chưa được xác nhận.

Kế hoạch thúc đẩy quản lý bằng trí tuệ nhân tạo (AI) và hệ thống bảo mật thông tin cá nhân của thành phố Busan đóng vai trò là nền tảng thể chế cho việc sử dụng AI. Việc ứng dụng AI đã chuyển từ việc sử dụng tự động bởi nhân viên sang hệ thống hành chính chính thức. Tuy nhiên, chưa có hệ thống tích hợp nào được xác định để công khai phán quyết cuối cùng của con người trong các quyết định có rủi ro cao, thông báo cho công dân, khiếu nại, các lĩnh vực bị cấm tự động hóa và tiêu chí ngừng hoạt động của mô hình. Nếu việc ứng dụng mở rộng sang các lĩnh vực khiếu nại dân sự, phúc lợi xã hội, kiểm toán và an ninh trong hai đến ba năm tới, những lỗ hổng về thủ tục sẽ biến thành rủi ro đối với quyền của công dân.  Có thể thấy rằng, mặc dù hệ thống đã được phê duyệt để áp dụng, nhưng vẫn chưa đạt đến giai đoạn chịu trách nhiệm về tác động.

Các dịch vụ hành chính dựa trên trí tuệ nhân tạo (AI) tạo sinh nhằm mục đích giảm tải công việc cho nhân viên và thời gian phản hồi của người dân bằng cách hỗ trợ tìm kiếm dữ liệu hành chính và soạn thảo các phản hồi khiếu nại dân sự. Cấu trúc này bao gồm công nghệ vận hành nội bộ, mở rộng đến chất lượng phản hồi tại điểm tiếp xúc với người dân. Tuy nhiên, các so sánh về thời gian xử lý khiếu nại dân sự, tỷ lệ yêu cầu lại, tỷ lệ lỗi và sự hài lòng của người dân trước và sau khi triển khai vẫn chưa được công bố. Ngay cả khi việc sử dụng của nhân viên tăng lên trong giai đoạn 2026-2028, nếu tốc độ và độ chính xác mà người dân trải nghiệm không được cải thiện, thì dịch vụ hành chính AI sẽ chỉ là một biện pháp nâng cao hiệu quả nội bộ. Mặc dù  việc người dân chấp nhận được trình bày như một hiệu ứng dự kiến, nhưng kết quả thực tế được coi là chưa được xác nhận.

Phân tích dữ liệu liên quan đến việc đóng cửa bắt buộc các cửa hàng siêu thị lớn, sáng kiến ​​"thành phố 15 phút", lễ hội và khu thương mại nhắm đến các chính sách ảnh hưởng trực tiếp đến cuộc sống của các chủ doanh nghiệp nhỏ và người dân. Việc quản lý dữ liệu đang chuyển từ việc lập báo cáo nội bộ sang phân tích kết quả kinh tế khu vực. Tuy nhiên, bằng chứng theo dõi chứng minh rằng kết quả phân tích đã làm thay đổi môi trường kinh doanh, bố trí cơ sở vật chất, ngân sách và thiết kế sự kiện còn hạn chế. Nếu một phân tích được hoàn tất sau hai đến ba năm, các doanh nghiệp địa phương vẫn chỉ là đối tượng cung cấp dữ liệu và không trở thành người hưởng lợi từ những thay đổi chính sách.  Mặc dù việc phân tích nhắm vào doanh nghiệp và người dân đã được mở rộng, nhưng tác động hữu hình của những thay đổi trong quyết định vẫn chưa được xác nhận.

Dữ liệu công khai và làn sóng dữ liệu lớn cung cấp quyền truy cập dữ liệu cho các doanh nghiệp vừa và nhỏ (SMEs) và người dân. Phạm vi sử dụng dữ liệu đã mở rộng từ quản lý nội bộ sang sử dụng trong khu vực tư nhân. Tuy nhiên, việc liên kết hiệu quả của dữ liệu mở – dẫn đến các sản phẩm, dịch vụ, doanh số và việc làm của doanh nghiệp – với các vấn đề về chất lượng dữ liệu lại chưa được kiểm chứng. Nếu chỉ có số lượng tập dữ liệu tăng lên trong giai đoạn 2026-2028, thì dữ liệu có giá trị sử dụng thực tế thấp sẽ vẫn được coi là thành tựu của sự cởi mở. Mặc dù  sự lan tỏa vào khu vực tư nhân được khẳng định về mặt khả năng truy cập, nhưng nó lại được coi là chưa được kiểm chứng về mặt kết quả công nghiệp.

Các hệ thống kiểm toán, an toàn, cấp nước và môi trường biển dựa trên trí tuệ nhân tạo (AI) hướng đến một cấu trúc giúp giảm thiểu thiệt hại cho người dân bằng cách phát hiện sớm các tai nạn, tham nhũng và rò rỉ. Kết quả đối với người dân không thể hiện ở việc triển khai hệ thống, mà ở việc giảm thiểu tai nạn, thời gian khắc phục, chất lượng nước và an toàn. Sự thay đổi về thiệt hại cho người dân và chi phí do cảnh báo sai trước và sau khi đưa các hệ thống này vào sử dụng còn hạn chế trong các bằng chứng công khai. Nếu chỉ có số lượng cảnh báo và màn hình tăng lên trong vòng hai đến ba năm, lợi ích đối với người dân sẽ bị che khuất bởi hiệu quả triển khai công nghệ quản lý.  Việc ứng dụng AI trong từng lĩnh vực được xác nhận ở mức độ khả năng phát hiện, trong khi kết quả giảm thiểu thiệt hại được coi là chưa được xác nhận.

Mặc dù Tòa thị chính Busan sở hữu các dịch vụ Trí tuệ nhân tạo tạo sinh (Generative AI) chung và các bộ phận dữ liệu chuyên biệt, nhưng nhân lực dữ liệu, ngân sách và kinh nghiệm phân tích của các quận và huyện không đồng nhất. Mặc dù Hệ thống Quản trị Thông minh (Administrative AX) hướng đến việc mở rộng ra tất cả các sở ban ngành và quận huyện, nhưng khả năng thực hiện thực tế có thể khác nhau tùy thuộc vào quy mô tổ chức. Hiện chưa có dữ liệu so sánh tỷ lệ sử dụng hoạt động, yêu cầu phân tích, phân tích nội bộ và tỷ lệ phản ánh chính sách theo quận và huyện. Nếu những khoảng cách về năng lực này tích lũy trong giai đoạn 2026-2028, độ chính xác của các chính sách dựa trên dữ liệu có thể khác nhau ngay cả giữa các công dân Busan dựa trên địa chỉ của họ. Từ đó,  có thể kết luận rằng trong Hệ thống Quản trị Thông minh của Busan, sự cân bằng về khả năng tiếp cận dịch vụ không tương ứng với sự cân bằng về khả năng sử dụng.

Các yêu cầu phân tích dữ liệu lớn (Big-Data Wave) bao gồm các vấn đề cụ thể theo từng khu vực như lưu lượng người đi bộ ở quận Dong-gu, vấn đề đỗ xe ở quận Yeongdo-gu, các khu thương mại ở quận Busanjin-gu và Lễ hội Gwangalli. Mặc dù nhu cầu dữ liệu phát sinh trên khắp Busan, nhưng loại vấn đề và độ khó trong việc thu thập dữ liệu lại khác nhau. Nếu việc hỗ trợ phân tích được thực hiện theo yêu cầu, các tổ chức có năng lực ứng dụng mạnh mẽ và kỹ năng thiết kế dự án tốt sẽ có nhiều khả năng nhận được hỗ trợ hơn. Nếu cấu trúc này được duy trì trong hai đến ba năm, các khu vực không đưa ra được yêu cầu phân tích hiệu quả sẽ bị loại trừ trước các khu vực thiếu dữ liệu.  Người ta xác định rằng sự chênh lệch về không gian có nhiều khả năng bắt nguồn từ khả năng thiết kế các câu hỏi quản lý hơn là từ việc sở hữu dữ liệu.

Dữ liệu về lưu lượng người đi bộ và doanh số bán thẻ trên lưới 50m phản ánh những thay đổi về lối sống ở cấp độ khu phố và thấp hơn. Đơn vị phân tích hành chính đang chuyển từ mức trung bình của quận và huyện sang các khu vực sinh sống siêu nhỏ. Tuy nhiên, chưa có bằng chứng xác nhận rằng cùng một độ phân giải không gian và chu kỳ cập nhật được áp dụng cho tất cả các lĩnh vực chính sách. Nếu chỉ một số khu vực nhất định được quan sát chính xác trong giai đoạn từ năm 2026 đến năm 2028, các khu vực không được quan sát có thể bị xác định sai là không có nhu cầu.  Mặc dù trí tuệ không gian của Busan đã được tinh chỉnh, nhưng tính đồng nhất của việc quan sát trên toàn khu vực vẫn chưa được xác nhận.

Khu trung tâm thành phố, Tây Busan và Đông Busan khác nhau về dân số, ngành nghề, giao thông và cơ cấu thương mại. Ngay cả khi áp dụng cùng một mô hình AI cho toàn thành phố, sai số dự đoán vẫn khác nhau tùy theo khu vực nếu thành phần dữ liệu huấn luyện khác nhau giữa các vùng. Hiện không có dữ liệu nào được công khai so sánh hiệu suất của mô hình theo quận, huyện, độ tuổi, thu nhập hoặc quy mô doanh nghiệp. Nếu chỉ quản lý độ chính xác trung bình trong vòng hai đến ba năm, độ chính xác thấp ở các khu vực dễ bị tổn thương sẽ bị che khuất bởi mức trung bình chung. Rủi  ro về mặt không gian của AI quản lý hành chính Busan được xác định bởi sự không rõ ràng của tỷ lệ lỗi theo vùng chứ không phải bởi việc triển khai dịch vụ.

Các dịch vụ quản trị AI tạo sinh theo kiểu Busan đã được áp dụng cho tất cả các phòng ban vào đầu năm 2026 và sẽ tiếp tục được tăng cường và mở rộng trong ba năm từ 2026 đến 2028. Hai đến ba năm tiếp theo sẽ là giai đoạn mà các chức năng, dữ liệu và mô hình sử dụng ban đầu được cố định thành các quy trình kinh doanh tiêu chuẩn. Tình trạng cơ bản trước khi triển khai và nhật ký quyết định về tác động của AI vẫn chưa được công bố. Một khi các quy trình cơ bản đã được thiết lập vững chắc, sẽ rất khó để so sánh công việc với công việc không có AI, và các thực tiễn sử dụng không chính xác sẽ vẫn là chuẩn mực của tổ chức.  Hiện tại, "Thời kỳ vàng" được xác định không phải là trước khi triển khai AI, mà là trước khi các tiêu chuẩn vận hành ba năm đầu tiên được củng cố.

Trí tuệ nhân tạo (AI) và phân tích dữ liệu đang nhanh chóng mở rộng sang các lĩnh vực như thành phố 15 phút, khu thương mại, lễ hội, giao thông vận tải, hàng hải, cấp nước và kiểm toán. Phạm vi ứng dụng đã chuyển từ các nhiệm vụ chung sang các phán đoán chuyên môn ảnh hưởng đến quyền và sự an toàn của công dân. Tuy nhiên, chưa có hệ thống công khai nào được xác định tích hợp việc quản lý mức độ rủi ro, sai sót, khiếu nại và tiêu chí đình chỉ. Nếu tự động hóa mở rộng sang các lĩnh vực rủi ro cao trong giai đoạn 2026-2028, việc áp dụng các quy định bổ sung sau đó cho các quyết định và khiếu nại đã tích lũy sẽ trở nên khó khăn. Thời điểm vàng của quản trị được xác định là trước khi việc áp dụng các biện pháp rủi ro cao trở thành một phần cố hữu trong hoạt động hàng ngày.

Việc sử dụng dữ liệu thẻ tín dụng và viễn thông cá nhân, cũng như thông tin được mã hóa, cho thấy xu hướng chính sách nhanh hơn so với thống kê hành chính. Tốc độ đánh giá dữ liệu ở Busan đang tăng tốc từ thống kê hàng năm lên các đơn vị hàng tháng, hàng ngày và hàng giờ. Tuy nhiên, hệ thống công khai quản lý các thay đổi trong công thức, mẫu và hợp đồng dữ liệu cá nhân, cũng như so sánh dài hạn, còn hạn chế. Nếu các chính sách dựa trên cùng một dữ liệu được tích lũy trong hai đến ba năm, khả năng tái lập các đánh giá trong quá khứ sẽ biến mất sau khi thay đổi nhà cung cấp.  "Thời kỳ vàng của dữ liệu" được xác định là trước khi tính liên tục của đường cơ sở bị gián đoạn, chứ không phải là sự mở rộng khối lượng sử dụng.

Mặc dù việc đào tạo nhân viên đã được mở rộng, cuộc kiểm toán hành chính năm 2025 đã chỉ ra sự quá chú trọng vào các khóa học cơ bản. Điều này chứng tỏ tốc độ lan tỏa của các dịch vụ AI khác với tốc độ tăng trưởng của đội ngũ lập kế hoạch và kiểm chứng cấp cao. Dữ liệu đo lường khả năng nâng cao và khả năng phát hiện lỗi thực tế chưa được xác nhận. Khi việc sử dụng AI trở nên phổ biến đối với tất cả nhân viên trong giai đoạn 2026-2028, sẽ rất khó khăn cho một số ít chuyên gia để kiểm chứng tất cả các mô hình, dữ liệu và phản hồi.  "Thời điểm vàng" để thu hút nhân tài được xác định là trước khi số lượng người dùng vượt xa số lượng người kiểm chứng.

12-1. Trường hợp ứng dụng "Thời gian vàng" tại các chính quyền địa phương cơ sở ① — Quận Busanjin

Công ty Big-Data Wave đã nhận được yêu cầu phân tích sự thay đổi doanh số bán thẻ trước và sau khi dự án "Thành phố 15 phút" được triển khai, bao gồm cả khu dân cư Dangam và Gaegeum. Việc đánh giá các chính sách khu dân cư của quận Busanjin đã chuyển từ việc hoàn thành cơ sở hạ tầng sang kết quả bán hàng thực tế của các khu thương mại xung quanh. Tuy nhiên, chưa có kết quả phân tích công khai nào phân tách được tác động của giá cả, tính mùa vụ, điều kiện kinh tế và khu vực kiểm soát khỏi sự thay đổi trước và sau khi hoàn thành, cũng như bất kỳ thay đổi chính sách nào sau đó, được xác nhận. Nếu dự án "Thành phố 15 phút" được mở rộng bằng phương pháp tương tự trong giai đoạn 2026-2028, những sai sót trong việc xác định nguyên nhân ban đầu có thể được lặp lại ở các khu dân cư khác.  Mặc dù Busanjin-gu là khu vực đặt ra câu hỏi về kết quả dựa trên dữ liệu, nhưng người ta xác định rằng khu vực này vẫn chưa đạt đến giai đoạn xác nhận tác động của chính sách.

Khu vực Dangam và Gaegeum sử dụng các khu dân cư thực tế—lớn hơn đơn vị hành chính dong nhưng nhỏ hơn đơn vị hành chính quận—làm đơn vị chính sách. Đánh giá không gian đã chuyển từ trung bình của các đơn vị hành chính dong sang các khu dân cư kết hợp giữa sự di chuyển của cư dân và tiêu dùng. Tuy nhiên, không có bằng chứng công khai nào được xác nhận liên kết dân số lưu động, doanh số bán thẻ, khả năng tiếp cận tiện ích, sự hài lòng của cư dân và sự tồn tại của thương mại với thời gian hoạt động của một khu dân cư duy nhất. Nếu các dự án khu dân cư tiêu biểu được hoàn thành trong vòng hai đến ba năm, thì chỉ có kết quả hoạt động cụ thể của từng tiện ích  mới được ghi nhận mà không có cơ sở so sánh. Thời kỳ vàng của Busanjin-gu không phải là sự tồn tại của phân tích khu dân cư mà là khoảng thời gian có thể ghi nhận liệu phân tích đó có ảnh hưởng đến việc bố trí tiện ích và ngân sách sau này hay không.

12-2. Các trường hợp ứng dụng "Thời gian vàng" tại các chính quyền địa phương cơ sở ② — Quận Yeongdo

Huyện Yeongdo đã yêu cầu tư vấn phân tích dữ liệu về tình trạng thiếu chỗ đậu xe sau khi phân tích các khiếu nại tham vấn của Saeol xác nhận rằng các khiếu nại liên quan đến chỗ đậu xe là phổ biến nhất. Điều này đánh dấu một trường hợp mà các văn bản khiếu nại của người dân đã vượt ra ngoài việc tổng hợp các khiếu nại lặp đi lặp lại để trở thành các câu hỏi nhằm phân tích chính sách. Tuy nhiên, không có hồ sơ theo dõi nào được công khai xác nhận những quyết định nào—chẳng hạn như phân bổ không gian đậu xe, thời gian thực thi, phương tiện giao thông công cộng hoặc các tuyến du lịch—đã được thay đổi dựa trên kết quả phân tích. Nếu nhu cầu đậu xe thay đổi do du lịch, nhà ở và già hóa dân số trong giai đoạn 2026-2028, thì các phân tích khiếu nại trong quá khứ sẽ trở thành dữ liệu một lần với điểm tham chiếu khác.  Mặc dù Yeongdo-gu là một trường hợp mà dữ liệu đã xác định được vấn đề chính sách, nhưng nó vẫn chưa được xác nhận là trường hợp mà dữ liệu đã thay đổi phương án giải quyết.

Vấn đề đỗ xe ở quận Yeongdo là một vấn đề phức tạp, nơi nhu cầu đỗ xe theo giờ của người dân, khách du lịch, thương nhân và người khuyết tật cùng tồn tại trong cùng một không gian. Chỉ dựa vào số lượng khiếu nại không thể phân biệt được nhu cầu của nhóm nào hoặc khoảng thời gian nào gây ra tắc nghẽn. Hơn nữa, không thể xác minh được mối liên hệ giữa khiếu nại, vòng quay chỗ đỗ xe, đỗ xe trái phép, an toàn cho người đi bộ và doanh thu thương mại. Nếu các đánh giá chủ yếu dựa trên số lượng khiếu nại được duy trì trong hai đến ba năm, các khu vực có tỷ lệ báo cáo cao và các khu vực có rủi ro thực tế cao sẽ bị lẫn lộn.  "Thời điểm vàng" của quận Yeongdo được đánh giá là khoảng thời gian mà trong đó nguyên nhân của các khiếu nại và sự khác biệt giữa các phương án chính sách có thể được xác định, vượt ra ngoài giai đoạn chỉ đơn thuần xác định các điểm nóng có nhiều khiếu nại.

Nếu dữ liệu về việc sử dụng, lỗi, sửa lỗi và áp dụng từ giai đoạn đầu ứng dụng AI trên tất cả các bộ phận vào năm 2026 không được lưu giữ, thì cơ sở để so sánh hiệu quả quản lý sau này sẽ biến mất. Việc hỗ trợ công việc bằng AI được cấu trúc để mở rộng trong ba năm, với các nhiệm vụ không sử dụng giảm nhanh chóng. Các kết quả được công bố trước và sau khi triển khai hiện nay còn hạn chế. Sau năm 2026-2028, sẽ rất khó để phân biệt liệu AI đã cải thiện quy trình làm việc hay chỉ đơn thuần là gánh thêm khối lượng công việc.  Tổn thất đầu tiên sẽ được xác định bởi bằng chứng nhân quả từ giai đoạn đầu áp dụng AI, chứ không phải ngân sách công nghệ.

Nếu kết quả phân tích không được liên kết với các phê duyệt, ngân sách và việc thực hiện, thì việc phân tích cùng một vấn đề sẽ được lặp đi lặp lại ở nhiều phòng ban và nhiều năm. Mặc dù nhiều câu hỏi chính sách thực tế được xác định trong Làn sóng Dữ liệu Lớn, nhưng lịch sử tái sử dụng và thay đổi quyết định lại không được tiết lộ. Nếu việc chuyển giao nhân sự và tái cấu trúc tổ chức diễn ra trong vòng hai đến ba năm, thì các tiền đề, hạn chế và các quyết định tiếp theo của phân tích sẽ bị tách rời khỏi bộ nhớ tổ chức.  Sự mất mát thứ hai không được xác định bởi các báo cáo riêng lẻ, mà bởi bộ nhớ quản trị không lặp lại những thất bại trong chính sách.

Nếu các lỗi trong phản hồi của AI và các mô hình dự đoán không được tích lũy trong một hệ thống ghi nhận, thì các lỗi sẽ lặp lại khi sử dụng cùng dữ liệu, lời nhắc và mô hình. Mặc dù các dịch vụ đang được mở rộng đến tất cả các phòng ban và lĩnh vực chuyên môn, nhưng một hệ thống học tập lỗi trên toàn thành phố vẫn chưa được kiểm chứng. Khi nhiều hệ thống trở nên tiên tiến hơn trong giai đoạn từ năm 2026 đến năm 2028, các phiên bản và các bên chịu trách nhiệm sẽ thay đổi, khiến việc tái tạo các lỗi trong quá khứ trở nên khó khăn.  Tổn thất thứ ba không được xác định bởi các con số chính xác, mà bởi thời gian học tập cần thiết để kết hợp các lỗi vào các quyết định tiếp theo.

Nếu sự khác biệt về nhân lực dữ liệu và khả năng thiết kế câu hỏi tích lũy giữa các quận và huyện, việc hỗ trợ phân tích có thể tập trung vào các tổ chức có khả năng ứng dụng cao hơn thay vì các khu vực có nhu cầu cao. Hiện tại, các hệ thống phân tích dựa trên yêu cầu và các nhiệm vụ khu vực đã được xác định, nhưng nhu cầu chưa được ứng dụng lại chưa được ghi nhận. Nếu cấu trúc này trở nên cố hữu trong hai đến ba năm, khoảng cách AX về mặt hành chính sẽ biến thành khoảng cách dịch vụ khu vực.  Sự mất mát thứ tư không được xác định bởi sự bình đẳng về công nghệ, mà bởi sự công bằng trong các phán quyết chính sách không bị ảnh hưởng bởi địa chỉ hoặc năng lực tổ chức.

Busan hiện đã sở hữu các dịch vụ AI tạo sinh trên tất cả các bộ phận, Làn sóng Dữ liệu lớn, việc sử dụng thông tin được ẩn danh và các nền tảng AI chuyên ngành cùng với đào tạo thực tiễn. Các thành phần của Hành chính AX không hoàn toàn vắng mặt, mà chỉ phân tán ở các giai đoạn khác nhau. Tuy nhiên, bằng chứng được liên kết bởi Mã Chính sách và Nhật ký Quyết định vẫn chưa được xác minh. Vẫn còn thời gian để so sánh các tài sản hiện có dựa trên cùng kết quả chính sách trước khi cấu trúc hệ thống được cố định trong khoảng thời gian từ năm 2026 đến năm 2028.  Hiện tại, cơ hội được đánh giá là giai đoạn để thiết lập khả năng kết nối ra quyết định của các tài sản phân tán hơn là một hệ thống mới.

Các yêu cầu phân tích liên quan đến "thành phố 15 phút", các siêu thị lớn, lễ hội và bãi đậu xe cho thấy chính quyền đã đặt ra những câu hỏi cụ thể về tác động của chính sách. Khoảng trống của Busan không nằm ở việc thiếu câu hỏi, mà ở việc thiếu hồ sơ quyết định sau khi nhận được phản hồi. Một chuỗi công khai về kết quả phân tích và thay đổi chính sách vẫn chưa được xác định. Nếu các yêu cầu phân tích tiếp tục tăng trong vòng hai đến ba năm, khả năng kết nối các quyết định tiếp theo sẽ trở thành tiêu chí xác định năng suất quản lý.  Cơ hội hiện tại không nằm ở việc mở rộng khối lượng phân tích, mà nằm ở giai đoạn mà các câu hỏi chính sách thực tế có thể được lưu giữ như bằng chứng quyết định có thể lặp lại.

Trí tuệ nhân tạo tạo sinh dựa trên RAG sử dụng dữ liệu hành chính nội bộ từ thành phố Busan. Điều này đóng vai trò là nền tảng để tái sử dụng lý lẽ chính sách trước đây của tổ chức đồng thời giảm thời gian tìm kiếm. Tuy nhiên, cấu trúc để tìm kiếm tính hợp lệ của dữ liệu, các căn cứ mâu thuẫn và kết quả quyết định cùng nhau vẫn chưa được tiết lộ. Nếu lý lẽ và kết quả không được liên kết trước khi dữ liệu hành chính tăng lên trong giai đoạn từ năm 2026 đến năm 2028, AI sẽ có thể nhanh chóng định vị các tài liệu trước đây nhưng sẽ không thể phân biệt được giữa sự thành công và thất bại của các quyết định trước đó.  Hiện tại, cơ hội được đánh giá là giai đoạn hoạt động ban đầu, trong đó các tài liệu hành chính có thể được thiết lập như dữ liệu học tập của tổ chức.

Cuộc kiểm toán hành chính của Hội đồng thành phố Busan đã công khai đặt câu hỏi về trình độ giáo dục AI và hiệu quả của các dự án. Cấu trúc hiện tại bao gồm việc chính quyền phổ biến AI và việc Hội đồng kiểm chứng bên ngoài cùng tồn tại đồng thời. Tuy nhiên, việc kết nối dữ liệu liên quan đến kết quả kiểm toán, quản lý thành phố, thay đổi mô hình/giáo dục và kết quả tiếp theo lại chưa được xác minh. Nếu việc kiểm chứng của Hội đồng vẫn chỉ là các cuộc điều tra riêng lẻ trong hai đến ba năm, quản trị AI sẽ trở nên rời rạc giữa các đánh giá ngân sách và báo cáo dự án.  Hiện tại, cơ hội được xác định là khoảng thời gian mà hoạt động nội bộ và kiểm chứng bên ngoài về quản trị AI có thể được liên kết trong một chuỗi bằng chứng duy nhất.

Thời gian chạy AX quản trị

Câu hỏi chính sách → Cơ sở ban đầu → Phân tích dữ liệu và trí tuệ nhân tạo → So sánh các phương án → Thay đổi quyết định → Ngân sách → Thực thi → Kết quả cho người dân → Khoảng cách → Kiểm toán và xác minh của Hội đồng → Điều chỉnh → Quyết định tiếp theo

Mở rộng trí tuệ nhân tạo trong quản trị + Khoảng cách bằng chứng quyết định

Việc ứng dụng trí tuệ nhân tạo và quản lý dữ liệu của thành phố Busan đã vượt qua giai đoạn giới thiệu và hiện đang trong giai đoạn mở rộng trên tất cả các phòng ban.

Việc tìm kiếm nhiệm vụ, tạo tài liệu và phân tích chính sách riêng lẻ đã được xác nhận.

Không có mối liên hệ nào giữa những thay đổi mà trí tuệ nhân tạo và dữ liệu mang lại đối với các quyết định hiện có và kết quả đã thay đổi như thế nào.

Mối nguy hiểm hiện nay không phải là việc quản lý không sử dụng trí tuệ nhân tạo, mà là việc quản lý sử dụng trí tuệ nhân tạo nhưng không thể xác định liệu nó có đưa ra những quyết định tốt hơn hay không.

Phán quyết cuối cùng là Mở rộng Trí tuệ Nhân tạo trong Quản trị + Khoảng cách bằng chứng trong Quyết định.

1. Người dùng AI tạo sinh tích cực theo từng bộ phận
2. Tần suất sử dụng AI trên mỗi nhân viên
3. Tỷ lệ sử dụng theo 22 loại dịch vụ
4. Tỷ lệ chấp nhận, sửa đổi và từ chối câu trả lời của AI
5. Tỷ lệ sửa lỗi trung bình của các tài liệu do AI tạo ra
6. Giảm thời gian tìm kiếm dữ liệu hành chính.
7. Giảm thời gian soạn thảo đơn kiện dân sự
8. Tỷ lệ yêu cầu tái giải quyết khiếu nại dân sự trước và sau khi sử dụng AI.
9. Số lượng lỗi, thiếu sót và sai lệch trong phản hồi của AI
10. Thời gian từ khi phát hiện lỗi đến khi sửa lỗi
11. Tỷ lệ tái diễn của cùng một lỗi
12. Tiếp nhận yêu cầu phân tích, hoàn thành và thời gian chờ đợi
13. Tỷ lệ phản ánh sự chấp thuận của kết quả phân tích
14. Tỷ lệ thay đổi phương án chính sách sau khi phân tích
15. Tỷ lệ thay đổi mục tiêu dự án và khu vực sau khi phân tích
16. Tỷ lệ tăng, giảm ngân sách và tỷ lệ hoàn thành sau khi phân tích.
17. Tỷ lệ công khai thông tin cơ bản trước khi thực hiện chính sách.
18. Tỷ lệ phân tích sử dụng vùng kiểm soát/nhóm kiểm soát
19. Công thức dữ liệu riêng tư và lịch sử thay đổi mẫu
20. Độ chính xác, kết quả dương tính giả và số lần bỏ sót phát hiện theo từng mô hình
21. Khoảng cách trong việc sử dụng AI và phân tích nội bộ theo quận/huyện
22. Tỷ lệ ứng tuyển vào công việc sau khi hoàn thành khóa đào tạo
23. Số lượng nhân viên AI cao cấp và chuyên viên xác minh dữ liệu
24. Tỷ lệ khắc phục thực tế sau khi giải quyết các vấn đề do hội đồng và cuộc kiểm toán nêu ra.
25. Tỷ lệ cải thiện kết quả đối với người dân và doanh nghiệp sau khi thay đổi chính sách.

Khoảng trống dữ liệu: Trong các bằng chứng công khai, quy trình ra quyết định của thành phố Busan kết nối giữa Yêu cầu chính sách → Phân tích dữ liệu/AI → So sánh đề xuất hiện có và các phương án thay thế → Phê duyệt/Thay đổi ngân sách → Thực thi → Kết quả cho người dân/doanh nghiệp → Kiểm toán/Xác minh của Hội đồng → Điều chỉnh tiếp theo dưới cùng một Mã chính sách chưa được xác nhận.

Chuỗi thời gian chạy

Dữ liệu → Phân tích → Các phương án thay thế → Thay đổi quyết định → Ngân sách → Thực hiện → Kết quả → Sai sót/Khoảng trống → Kiểm toán/Hội đồng → Khắc phục → Quyết định tiếp theo

Nguồn · Xác minh

• Thành phố Busan ra mắt dịch vụ hành chính dựa trên trí tuệ nhân tạo tạo sinh đầu tiên trên toàn quốc.
• Kế hoạch triển khai quản lý trí tuệ nhân tạo của thành phố Busan năm 2026
• Kế hoạch công tác quản lý trọng điểm dựa trên dữ liệu của Thành phố Busan năm 2026
• Làn sóng dữ liệu lớn Busan: Tình hình phân tích và tư vấn dữ liệu chính sách
• Làn sóng dữ liệu lớn Busan, Tài liệu giải thích thống kê
• Thành phố Busan: Đào tạo thực hành dựa trên trí tuệ nhân tạo cho công tác quản lý tương lai.
• Hội đồng thành phố Busan, Báo cáo kiểm toán hành chính năm 2025 của Cơ quan xúc tiến công nghiệp thông tin Hàn Quốc.
• Nền tảng hỗ trợ quản lý môi trường biển thông minh dựa trên dữ liệu của thành phố Busan
• Thành phố Busan sẽ hỗ trợ việc ra quyết định dựa trên trí tuệ nhân tạo và dữ liệu lớn cho mạng lưới cấp nước vào năm 2026.
• Thành phố Busan, Hệ thống hỗ trợ quản lý kiểm toán thông minh dựa trên trí tuệ nhân tạo

Những hiểu biết về cấu trúc còn lại từ phân tích này

Quá trình ra quyết định hành chính chỉ giữ lại đề xuất cuối cùng được ghi trong văn bản và loại bỏ các phương án không được chọn. Ngay cả khi AI đưa ra nhiều bằng chứng và phương án hơn, nếu sự khác biệt giữa kế hoạch ban đầu, các phương án và kế hoạch cuối cùng không được ghi lại, thì không thể xác minh liệu AI có thay đổi phán quyết của mình hay không. Đó là một cấu trúc mà việc sử dụng vẫn được giữ nguyên, nhưng tác động lại biến mất.

Trong cấu trúc này, sự khác biệt giữa AI tốt và AI kém không chỉ được xác định bởi độ chính xác. Nếu phân tích chính xác không làm thay đổi các phê duyệt và ngân sách, thì hiệu quả quản lý gần như bằng không; ngược lại, nếu phân tích không đầy đủ làm thay đổi các quyết định rủi ro cao, ngay cả những lỗi nhỏ cũng có thể dẫn đến hậu quả đối với người dân. Giá trị quản lý của AI được hình thành bởi tích số giữa hiệu suất của mô hình và tác động của quyết định.

Do đó, chỉ có một nhận định mang tính cấu trúc duy nhất về hệ thống AI của chính quyền Busan. AI trở thành một năng lực quản lý không phải khi nó thay thế các quyết định, mà là khi nó ghi lại lý do tại sao các quyết định thay đổi.  Nếu không có bản ghi này, thành phố Busan có thể tìm kiếm nhanh hơn và tạo ra nhiều tài liệu hơn, nhưng không thể xác định liệu mình đã đưa ra những quyết định tốt hơn so với trước đây hay không.

Luận điểm Thời kỳ Vàng son — Giai đoạn từ năm 2026 đến năm 2028 đối với hệ thống hành chính AX của thành phố Busan không phải là thời điểm để ứng dụng AI tạo sinh, mà là thời điểm đầu tiên ghi nhận sự khác biệt giữa Bằng chứng → Phương án thay thế → Thay đổi quyết định → Kết quả trong hồ sơ hành chính. Nếu thiếu mối liên hệ này, AI có thể tăng tốc độ quản lý, nhưng không thể tăng tốc độ phát hiện và khắc phục các sai sót trong chính sách.