[论文解读] AI for bureaucratic productivity: Measuring the potential of AI to help automate 143 million UK government transactions

Vincent J. Straub, Youmna Hashem+6 more|arXiv (Cornell University)|Mar 18, 2024

Stock Market Forecasting MethodsDecision Sciences被引用 3

一句话总结

本研究对英国中央政府的377项服务进行了映射，估算出每年有1.43亿项复杂且重复的面向公民的事务性交易，发现其中84%可通过人工智能实现高度自动化；仅每项交易节省一分钟，每年即可节省相当于1,200个人年的工作量，凸显了通过人工智能驱动自动化实现行政效率大幅提升的巨大潜力。

ABSTRACT

There is currently considerable excitement within government about the potential of artificial intelligence to improve public service productivity through the automation of complex but repetitive bureaucratic tasks, freeing up the time of skilled staff. Here, we explore the size of this opportunity, by mapping out the scale of citizen-facing bureaucratic decision-making procedures within UK central government, and measuring their potential for AI-driven automation. We estimate that UK central government conducts approximately one billion citizen-facing transactions per year in the provision of around 400 services, of which approximately 143 million are complex repetitive transactions. We estimate that 84% of these complex transactions are highly automatable, representing a huge potential opportunity: saving even an average of just one minute per complex transaction would save the equivalent of approximately 1,200 person-years of work every year. We also develop a model to estimate the volume of transactions a government service undertakes, providing a way for government to avoid conducting time consuming transaction volume measurements. Finally, we find that there is high turnover in the types of services government provide, meaning that automation efforts should focus on general procedures rather than services themselves which are likely to evolve over time. Overall, our work presents a novel perspective on the structure and functioning of modern government, and how it might evolve in the age of artificial intelligence.

研究动机与目标

• 衡量英国中央政府面向公民的官僚事务性交易的规模与结构。
• 估算这些事务性交易通过人工智能驱动自动化实现的潜力，重点关注复杂且重复的流程。
• 开发一种无需直接测量即可估算交易量的模型，实现对各类服务的可扩展评估。
• 识别出自动化应聚焦于通用的程序性工作流，而非特定服务，因为服务更替率较高。
• 为政府提供一个数据驱动的框架，以优先投资于高影响力、可自动化的行政流程。

提出的方法

• 利用公开数据源、服务目录和数字服务平台，对377项英国中央政府服务进行了映射。
• 识别并量化了在201项服务中涉及数据交换和决策的1.43亿项复杂且重复的年度事务性交易。
• 应用AST（自动化评分阈值）指数，根据任务的常规性和认知复杂性，将任务分类为高度可自动化。
• 使用PGenAI评估框架，评估任务在生成式人工智能方面的准备度，重点关注自然语言和文档处理能力。
• 开发了预测模型，用于估算数据不完整的服务的交易量，基于服务特征和历史模式。
• 利用ISCO-08任务分类系统评估任务层面的自动化潜力，并根据公共部门的相关性进行了调整。

实验结果

研究问题

• RQ1 英国中央政府每年进行的复杂且重复的面向公民的事务性交易总量是多少？
• RQ2 这些交易在多大程度上可利用当前的人工智能技术（尤其是生成式AI）实现自动化？
• RQ3 政府如何在不进行耗时的手动清点的情况下估算交易量？
• RQ4 自动化这些交易的潜在生产力增益是多少？AI投资应如何优先配置？
• RQ5 服务更替率如何影响自动化计划的持久性和可扩展性？

主要发现

• 英国中央政府在377项服务中，每年共处理约10亿项面向公民的事务性交易。
• 其中，1.43亿项为涉及数据交换和决策的复杂且重复的交易，分布在201项服务中。
• 这1.43亿项复杂交易中，84%被分类为可利用当前人工智能技术实现高度自动化。
• 若每项交易仅节省一分钟，每年即可节省相当于1,200个人年的工作量。
• 已开发出一种预测模型，用于估算数据不完整的服务的交易量，从而减少对人工测量的依赖。
• 高服务更替率表明，自动化应聚焦于通用的程序性工作流，而非特定服务，以确保长期适用性。