政府充斥着数据。为了深入了解这些数据以更好地为公民服务，各机构正在应用自动化、RPA（机器人过程自动化）、ML（机器学习）和AI（人工智能）等技术来更好地管理数据、改进方法和工作流程。这些机构正在开发在其数据丰富的环境中使用新兴技术的独特方法，DOL（美国劳工部）就是其中之一。美国劳工部首席技术官SanjayKoyani和他的团队正在努力整合负责任的AI、RPA和聊天机器人等各种创新技术，并计划在劳工部打造企业级数据平台。在即将于2022年9月15日举行的“AIinGovernment”活动中，Sanjay将讨论该行业的AI、自动化和数据之旅，需要做些什么来探索文化变革的考虑因素，以及如何最好地做好发现问题和解决问题的工作。客户需求，然后制定实际识别和解决这些问题的解决方案。在接受福布斯采访时，Sanjay分享了劳工部如何在数据丰富的环境中应用人工智能和机器学习、公共部门采用变革性技术所面临的一些挑战，以及美国劳工部如何看待值得信赖和负责任的人工智能.您使用数据和AI以哪些创新方式帮助劳工部(DOL)？SanjayKoyani：所有IT现代化计划都致力于成为联邦IT解决方案中最好的目标，这支持我们劳工部的使命，即加强对美国公众的服务并提供更好的客户服务，以支持更加数字化的工作场所。一年多以前，我们在技术、创新和工程(TIE)内启动了一个新分支，致力于新兴技术，为劳工部未来的技术创建以人为本的设计方法。我们推出并正在努力在整个企业范围内扩展的第一个新兴技术能力围绕着自动化的使用——机器人流程自动化(RPA)。在过去的一年里，我们推出了五款RPA机器人——用于自动执行重复的、基于规则的管理任务的软件应用程序——并且正在试用另外六款机器人。我们目前正在开发几个RPA以供将来使用，并探索劳工部所有部门的更多机会。总体目标是让员工将他们的能力集中在关键任务工作而不是基于行政的任务上，并为机器学习和人工智能等其他先进技术奠定基础。在TIE中，我们也在探索如何更负责任地使用AI作为服务来提高性能和增加价值。我们正在运行多个AI试点，并通过使用支持AI的原生功能来评估项目需求，例如语音转文本、文本转语音、翻译服务以及提取文本和结构化，从而在云中进行创新用于更快决策的文档表单识别服务。与此同时，我们也开始探索以合乎道德和负责任的方式设计和评估AI的实践，以便我们可以更有信心地扩展它。为了推进我们的人工智能和自动化工作，我们的团队还通过创建企业数据平台来增强我们的分析能力，这是一种支持基于数据的决策的创新方式。数据是人工智能和机器学习的基础，因此我们正在投资数据管理和分析工具。使用分配给该计划的技术现代化资金，劳工部可以增强数据管理和高级分析能力，加强跨机构数据共享和共享，并更快地做出更好的决策。我们还可以推进《Executive Order on Worker Empowerment（工人赋权行政命令）》的要素，为调查人员和政策团队提供更好的情报、高质量和及时的工人保护数据，使工作更安全。您在哪些领域开始了数据和认知技术项目？SanjayKoyani：我们已经开始通过我们的创新孵化器确定项目，这有助于评估概念验证——展示风险并根据现有工具对其进行评估。这使我们能够扩大当前的试点项目，看看它们是否可以解决其他问题并探索创新的解决方案。我们最近使用的另一种策略是组织范围内的Bot-a-Thon，它有助于让员工了解机器人的使用情况，并了解它们如何帮助他们完成报告、填写表格或研究等管理任务。结果涉及从2021财年开始开发的九种不同的机器人流程，其中五台机器人已经投入使用，节省了数千小时的工作时间。在数据和人工智能方面，公共部门有哪些独特的机会？SanjayKoyani：我们更加关注政府IT现代化的重要性以及IT如何影响多项政府服务。当前的总统政府已将包括数据和人工智能在内的IT现代化作为优先事项。国会通过《联邦IT采购改革法案》(FITARA)继续关注IT工作，这让机构CIO控制IT投资，并对七个关键IT领域的机构进行评级。网络安全漏洞也让人们重新关注人工智能如何帮助公共部门减轻威胁并更快地应对潜在风险。关于AI的成功应用，您可以分享哪些用例？SanjayKoyani：我们基于以客户为中心的设计并通过结合AI增强了客户体验，为劳工部的就业和培训管理局(ETA)开发了一个受用户启发的新网站。因此，人工智能有助于改善Apprenticeship.gov上的候选人获取/机会匹配。另一个例子是我们使用人工智能支持的表格识别服务来加快受益人的确定。我们的团队评估了支持AI的云技术如何帮助理赔审查员评估保险金形式的准确性和欺诈行为，以便更快地做出决策。利用现有的云技术，我们训练人工智能模型从多个索赔表中提取和组织数据，以便审查员能够更快地获得全面的信息。在此之前，审查员花费大量时间手动整理和比较表格，而不是完全专注于受益人支持和更快的决策制定。您能否分享公共部门在AI和ML方面面临的一些挑战？SanjayKoyani：我将谈谈一些挑战。一是数据管理，这是劳工部的一大重点。虽然拥有大量数据固然很好，但您需要了解哪些信息可用以及如何使用这些信息。要正确使用AI和ML，您需要了解存在哪些数据，对其进行分类，并使机构利益相关者了解劳工部如何使用数据做出更快、更好的决策。这需要对我们的数据策略进行持续教育和投资。以人为本的设计也是AI/ML的关键。因此，您必须确保与所有相关利益相关者进行沟通，以了解流程以及他们将如何使用该技术。这是决定AI/ML能否解决问题的重要时刻。并不是所有的问题都可以用技术来解决。另一个关键挑战是文化接受度。文化变革可能很困难，因此请务必展示工作中的好处、如何负责任地使用新技术以及如何在整个组织中使用它。最终，部门范围内的可扩展性是劳工部的长期目标。因此，我们正在研究文化和技术方面，评估有效性，然后在我们的成功基础上再接再厉。您如何解决围绕人工智能的隐私、信任和安全问题？SanjayKoyani：我们正在使用ResponsibleAIFramework来确保以可信赖的方式使用AI。劳工部正在与非营利从业者和政府主题专家合作，以结束人工智能算法开发中的偏见，并帮助我们驾驭创建安全人工智能的复杂环境。此外，我们目前制定了多项政策和程序来帮助解决安全问题。其中包括健全的治理政策和从一开始就考虑到安全性的总体战略。在《Executive Order on Responsible AI》（负责任人工智能行政命令）中，OSTP（白宫科技政策办公室）概述了AI系统负责任实施的10条原则。此外，在考虑使用人工智能系统时，隐私是一个重要的考虑因素。我们不仅要确保我们不会引入偏见，而且还要确保那些信息包含在数据中的人的隐私受到保护。我们遵守联邦法规并在这方面采用特定的隐私评估。如何培养人工智能技术人才？SanjayKoyani：我们正在构建企业架构和IT治理流程，以支持所有新兴技术解决方案的使用。这将有助于确保工具的一致性，以支持机构的业务需求和标准化流程。我们培养AI技术人才的另一种方式是通过教育、培训和聘请主题专家。例如，我们最近有一位总统创新研究员(PIF)评估了我们可信赖的AI试点用例，这些用例支持政府的行政命令，以促进在联邦政府中使用可信赖的AI。我们的PIF使我们能够与机构专家合作设计和测试新模型，以评估我们如何以更负责任的方式设计、开发和部署人工智能，这有助于提高人工智能扩展的透明度和信心。未来几年，你最期待哪些人工智能技术？SanjayKoyani：我期待看到更多负责任的AI测试计划，这些计划将有助于填补我们遗留IT系统现代化的空白，并使用更多的自动化来实现转型。每项举措都将使我们的企业架构成熟并使用新兴技术。另一个我很高兴看到AI协助的领域是网络安全。鉴于不断变化的环境以及保护系统和网络解决方案对资源的持续压力，我希望有更多的解决方案来帮助自动响应网络威胁并降低组织的风险。在2022年9月即将举行的演讲中，Sanjay将深入探讨上面讨论的一些主题，并分享他的团队在集成负责任的AI、RPA和聊天机器人等创新技术方面的工作重点。
