美國勞工部：應用AI和自動化技術，釋放資料價值

政府裡充斥著數據。為了洞察這些數據更好地為公民服務，各機構正在應用自動化、RPA（機器人流程自動化）、ML（機器學習）和AI（人工智慧）等技術，以更好地管理數據、改進方法和工作流程。這些機構正在製定獨特的方法，在其數據豐富的環境中使用新興技術，DOL（美國勞工部）就是其中的一員。

美國勞工部的首席技術長Sanjay Koyani和他的團隊正在努力地整合負責任的AI、RPA和聊天機器人等各種創新技術，並計劃在勞工部創建一個企業級數據平台。在即將於2022年9月15日舉行的一個「政府中的AI」活動中，Sanjay將探討該部門的AI、自動化和數據之旅，需要做些什麼來探索文化變革的考慮因素，以及如何最好地識別問題和客戶需求，然後制定解決方案真正確定並解決這些問題。

在接受Forbes的預覽採訪時，Sanjay分享了勞工部如何在數據豐富的環境中應用AI和ML，在公共部門採用變革性技術所面臨的一些挑戰，以及美國勞工部如何看待值得信賴和負責任的AI。

你在利用數據和AI方面採用了哪些創新方法來幫助勞工部（DOL）？

Sanjay Koyani：所有的IT現代化計劃都致力於實現我們在聯邦IT解決方案中最優的目標，這支持了我們勞工部的使命，即增強為美國公眾提供的服務並提供更好的客戶服務以支援更數位化的職場。

一年多前，我們在技術、創新和工程（TIE）部門內創立了一個新的分支機構，它專門研究新興技術，為勞工部未來的技術創建以人為本的設計方法。我們推出並正在努力在全企業範圍內擴展的第一項新興技術能力圍繞著自動化的使用——機器人流程自動化（RPA）。在過去的一年中，我們已經推出了五個RPA機器人——這些軟體應用程式被用於自動執行基於規則的重複性行政任務——並且正在試運行另外六個RPA。目前，我們正在開發幾個供將來使用的RPA，並在整個勞工部的所有部門中探索更多的機會。總體目標是讓員工將他們的能力聚焦在關鍵任務工作上，而不是基於行政的任務上，並為機器學習和人工智慧等其他先進技術奠定基礎。

在TIE中，我們也在探索如何更負責任地使用AI作為服務來提高績效並增加價值。我們正在進行多個AI試點，我們正在雲端進行創新，透過使用本地AI支援功能來評估程式需求，如語音到文字、文字轉語音、翻譯服務，以及提取文字和結構化文件以便更快做出決策的表格辨識服務。同時，我們也開始探索以合乎道德和負責任的方式設計和評估人工智慧的做法，以便我們能夠更有信心地擴展它。

為了推動我們的AI和自動化工作，我們的團隊也透過創建Enterprise Data Platform（企業數據平台）來增強我們的分析能力，以創新方式支援基於數據的決策。數據是AI和機器學習的基礎，因此我們正在投資數據管理和分析工具。使用配備給此計劃的Technology Modernization Funding（現代化資金），勞工部可以增強數據管理和高級分析能力，加強跨部門的數據共享和分享，並更快更好地做出決策。我們也可以推動《Executive Order on Worker Empowerment（工人賦權行政命令）》的要素，為調查人員和政策團隊提供更好的情報、讓工作更安全的高品質和及時的工人保護資料。

你是從哪些領域開始數據和認知技術專案的？

Sanjay Koyani：我們已經開始透過我們的創新孵化器來識別項目，這有助於評估概念證明——展示風險並根據現有工具對其進行評估。這讓我們能夠擴展我們目前的試點計劃，看看它們是否可以解決其他問題並探索創新的解決方案。

我們最近使用的另一種策略是組織範圍內的Bot-a-Thon，它幫助通知員工使用機器人，並了解它們可以如何幫助員工完成諸如報告、填寫表格或研究等行政任務。結果涉及21財年開始開發的九個不同的機器人流程，五個已經投入使用的機器人節省了數千小時的工作時間。

在數據和人工智慧方面，公共部門有哪些獨特的機會？

Sanjay Koyani：我們的知名度更高，對政府現代化IT重要性以及IT如何影響多項政府服務的關注也更多。本屆總統政府已經將包括數據和AI在內的IT現代化作為優先事項。國會透過《聯邦IT採購改革法案》（FITARA）繼續關注IT工作，該法案讓機構的CIO控制IT投資，並在七個關鍵 IT 領域對機構進行評級。網路安全漏洞也讓人們重新關注AI能夠如何幫助公共部門減輕威脅並更快地應對各種潛在風險。

你可以分享哪些成功應用AI的用例？

Sanjay Koyani：我們根據以客戶為中心的設計，為勞工部的就業和培訓管理局（ETA）開發了一個新的用戶啟發網站，並透過納入AI增強了客戶體驗。因此，AI幫助改善了Apprenticeship.gov 上的候選人獲得/機會匹配。

另一個例子是我們使用AI支援的表格識別服務來加快受益人確定的速度。我們的團隊評估了AI支援雲端技術能夠如何輔助索賠審查員評估福利表格的準確性和詐欺行為，以便更快地做出決定。使用現有的雲端技術，我們訓練AI模型從多個索賠表格中提取並組織數據，以便審查員更快地得到綜合資訊。在此之前，審查員們要花費大量時間人工整理並比較表格，而不是完全專注於受益人支援和更快的決策。

你能分享一些公共部門在AI和ML方面面臨的挑戰嗎？

Sanjay Koyani：我會談到一些挑戰。一是資料管理，這是勞工部的一大重點。雖然擁有大量數據是件好事，但你需要知道有哪些資訊可用並且知道它們的使用方式。要正確地使用AI和ML，你需要了解有哪些數據，對其進行分類，並讓機構利害關係人就勞工部如何使用數據進行更快、更好的決策保持一致。這需要對我們的數據策略進行持續教育和投資。

以人為本的設計也是AI/ML的關鍵。因此，你必須確保與所有相關的利害關係人進行溝通，以了解流程以及他們將如何使用該技術。這是決定AI/ML是否能解決問題的重要時刻。並非所有問題都可以透過科技解決。

另一個關鍵挑戰是文化接受度。文化變革可能很困難，因此請務必展示工作方面的好處、如何負責任地使用新技術以及如何在整個機構內使用新技術。

歸根結底，對勞工部來說，全部門範圍的可擴展性是長期目標。因此，我們正在考慮文化和技術方面的因素，評估有效性，然後在我們成功的基礎上再接再厲。

你如何解決圍繞人工智慧的隱私、信任和安全問題？

Sanjay Koyani：我們正在使用Responsible AI Framework來確保以值得信賴的方式使用AI。勞工部正在就此與非營利實踐者和政府主題專家合作，以終結AI演算法開發中的偏見，並幫助我們駕馭創造安全AI的複雜環境。

此外，我們目前已經制定了多項政策和程序來幫助解決安全問題。其中包括健全的治理政策和從一開始就考慮了安全性的整體策略。

在《Executive Order on Responsible AI》（負責任人工智慧的行政命令）中，OSTP（白宮科技政策辦公室）概述了負責任地實施AI系統的10項原則。此外，在考慮使用AI系統時，隱私是一個重要的考慮因素。我們不僅希望確保我們沒有引入偏見，而且我們還希望確保那些資訊包含在資料中的人的隱私得到保護。我們在這方面遵守聯邦法規並採用了專門的隱私評估。

你是如何培養人工智慧技術人才的？

Sanjay Koyani：我們正在建立企業架構和IT治理流程，以支援所有新興技術解決方案的使用。這將有助於確保工具的一致性，以支援機構的業務需求和標準化流程。我們培養AI技術人才的另一種方式是透過教育、培訓和聘用主題專家。例如，我們最近讓一位總統創新研究員（PIF）評估我們的值得信賴的AI試點用例，這些用例支持政府關於促進在聯邦政府中使用值得信賴的人工智慧的行政命令。我們的PIF讓我們能夠與機構專家合作設計並測試新模型，以評估我們如何以更負責任的方式設計、開發和部署AI，這有助於提高透明度，讓人們對AI擴展充滿信心。

未來幾年你最期待哪些人工智慧技術？

Sanjay Koyani：我期待看到更多負責任的AI測試計劃，這將有助於填補我們對舊有IT系統進行現代化改造的空白，並使用更多的自動化來實現轉型。每項計劃都將讓我們能夠將企業架構變得更成熟，並使用新興技術。

我很高興看到的另一個AI協助的領域是網路安全。鑑於不斷變化的環境以及保護系統和網路解決方案的資源方面持續面臨的壓力，我認為會有更多的解決方案來幫助自動化回應網路威脅並降低組織的風險。

在即將於2022年9月進行的演講中，Sanjay將深入探討上面討論的一些主題，並分享他的團隊在整合負責任的AI、RPA 和聊天機器人等創新技術方面的工作亮點。

以上是美國勞工部：應用AI和自動化技術，釋放資料價值的詳細內容。更多資訊請關注PHP中文網其他相關文章！