弥合人工智能差距：新一代知识获取方式如何助力政府实现使命目标

IDC 最近发布的一份 Spotlight 报告基于对 685 名公共部门受访者的调查发现，72% 的受访者认为，将 AI 从试点推广到生产应用 "非常困难" 或 "比较困难"。¹ 选择合适的模型只是挑战的一部分。政府机构还需要让数据做好支持 AI 应用的准备。

成功应用 AI 的政府机构正在构建受治理的检索层，通常称为 "新一代联邦式知识访问"。这一检索层将权威知识与 AI 智能体连接起来，同时保障数据主权、可审计性和公众信任。

全球公共部门组织正面临多重压力交织的局面：预算收紧、监管要求增多、公民期望提高，与此同时，AI 也在不断拓展技术所能实现的可能性。政府关注的已不再只是是否采用 AI，而是如何在保持治理能力和控制权的同时，负责任地扩大 AI 应用规模。

本报告将深入解读 IDC 的研究结果，剖析规模化应用 AI 的实际运营状况，并说明新一代联邦式知识访问为何正成为推动 AI 从试点走向规模化应用的重要基础。

什么是新一代知识访问？

新一代知识访问是一种用于查找、理解和利用信息的先进方法，突破了传统搜索方式和静态知识库的局限。

在公共部门，这意味着 AI 系统和操作人员能够在恰当的时间，结合恰当的上下文，获取所需知识，无须再手动搜索彼此孤立的信息源。

为什么政府迫切需要扩大 AI 应用规模

许多地区的财政压力正在加剧。在所评估的 193 个联合国会员国中，对韧性基础设施和先进技术的投资持续增长。² 领导者被要求以更少的资源取得更好的成效，因此正借助 AI 来弥合这一差距。

对于公共部门领导者而言，其战略意义十分明确：AI 已不再是一项可做可不做的创新举措，而是日益成为政策实施和公共服务交付的优先事项。无法将 AI 切实投入运营的政府机构，将面临来自监督机构、民选官员以及所服务公众的越来越大的压力。

将 AI 投入实际运营，本质上是数据就绪度问题

72% 这一数字值得进一步探究。IDC 的研究指出，阻碍 AI 规模化应用的主要因素包括：技能缺口、安全与合规风险，以及数据就绪度。¹

传统数据仓库旨在对经过整理的结构化数据进行周期性分析。智能体 AI 则依赖于以快速、受治理的方式访问范围更广的知识，其中可能包括：

政策与流程
案件记录与往来函件
通话转录文本、表单及运营日志
实时网络安全威胁信号

这些内容大多属于非结构化数据，分散存储于彼此孤立的系统中，难以进行关联和分析。而且，以其当前的状态，AI 智能体可能无法发现或使用这些内容。

问题往往出现在检索层。如果无法以受治理的方式访问权威知识，AI 应用就可能生成可靠性较低的输出，使政府机构更难建立和维护公众信任。

传统数据平台与新一代知识访问的对比

能力	传统数据仓库	新一代知识访问
主要用途	周期性报告与分析	为 AI 实时提供事实依据，支持智能体检索
数据类型	经过整理的结构化数据	结构化数据、非结构化数据、半结构化数据
检索方式	SQL 查询	混合搜索（词法搜索与语义搜索）
数据主权管控	有限	内置数据驻留、审计及权限过滤功能
最适用场景	历史数据仪表板	检索增强生成（RAG）、智能体 AI、对话式助手

查看完整研究：下载 IDC 关于弥合政府 AI 差距的 Spotlight 报告，深入了解调查数据、全球政策格局及架构指导。

为什么智能体 AI 对检索质量提出了更高要求

公共部门的 AI 环境正从设计之初就采用多智能体、多模型架构。报告指出，65% 的受访者计划针对不同用例使用不同模型，35% 的受访者计划编排多种类型的模型来完成复杂任务。¹ 这意味着架构目标正从 "由一个助手提供通用答案"，转向支持众多智能体和应用，使其能够持续、一致地获取可信的上下文信息。

AI 智能体的表现取决于其检索到的信息质量。当 AI 智能体支持案件管理、许可审批、补助金管理或综合网络安全威胁检测等关键流程时，低质量检索可能影响后续操作，使错误在工作流中不断累积，并带来合规风险。

IDC 的数据反映了政府机构的应对方式。为满足智能体 AI 在特定行业中的定制化需求：

47% 的受访者将 AI 智能体嵌入现有应用
39% 的受访者利用领域专家的反馈改进模型
35% 的受访者投资于垂直领域数据集成和知识库建设¹

上述每种方式都依赖于受治理的检索基础。缺少这一基础，定制化工作就难以规模化推进。

主权与治理如今已成为架构层面的决策

监管法规正开始明确 AI 投入生产应用的要求。《欧盟人工智能法案》和《欧洲互操作法案》反映了一项更广泛的全球趋势：为可信、可互操作的数字公共服务确立正式标准。与此同时，数字主权和 AI 主权正日益影响采购决策与运营要求。

IDC 的研究表明，正在扩大生成式 AI 和智能体 AI 应用规模的公共部门组织优先关注以下事项：

数据驻留保障（46%）
安全防护机制，包括基于检索的事实依据支撑和策略过滤（43%）
提示词与操作的可审计性（40%）
人工参与审批（39%）
模型来源与软件物料清单（38%）¹

这些要求需要从一开始就纳入考量，而非等到部署后再补充。它们决定着架构、工具选型和系统设计。IDC 在与高级官员的交流中发现，政策制定者希望拥有在"危机时期仍能掌控"的 AI 基础设施。这反映出，关注重点正从数据存储位置要求，转向对 AI 发展路线的战略自主权。¹

对于决策者而言，这意味着应在选型初期就评估治理与主权要求。只有当技术能够在机构的合规要求范围内运行时，模型性能才有实际意义。

新一代知识访问的实际形态

三大趋势正在共同推动这一演进：

混合检索成为标准模式： 混合搜索融合关键词（词法）搜索与语义搜索，在精确匹配与上下文理解之间取得平衡，为 RAG 和智能体工作流提供支持。
开放的集成协议： 模型上下文协议（MCP）等标准加快了集成速度，同时也对连接哪些资源、如何记录日志提出了更高的治理要求。MCP 是一种开放规范，用于将大语言模型（LLM）应用连接到外部数据源和工具。
以安全与风险控制提供保障： 权限过滤、信息脱敏、审计日志和来源追踪，使检索架构符合美国国家标准与技术研究院（NIST）《人工智能风险管理框架》等框架的要求。³

这些能力共同将搜索转变为可支持 AI 应用的检索服务，既能将数据保留在符合合规要求的位置，又能支持跨分布式系统的受控、低延迟访问。

政府机构可预期的使命成效

当检索受到有效治理并保持一致时，其效益将惠及整个组织。对于 IT 团队和开发人员，标准化的连接器、索引方法和检索 API 能够减少针对单个项目的集成工作，加快各项目的交付。对于安全与治理团队，这些能力可以减少不必要的数据复制，并使信息访问更易于审计。¹

政府机构可以期待以下成效：

统一的运营全景： 打破数据孤岛，提高可见性，为团队提供所需的上下文信息，帮助其更快地作出更明智的决策
效率提升： 整合分散的搜索与检索工具
合规风险降低： 内置权限过滤、信息脱敏和审计日志功能
更快投入生产应用： 加快政府网络安全、案件管理和公共服务等领域 AI 用例的落地
掌握 AI 发展路线的战略自主权： 能够根据政策要求，在主权环境或本地环境中部署

这些成效至关重要，因为监督机构和民选官员最终会要求看到治理能力、可审计性以及对使命目标实际贡献的证据。无法证明这些成效的 AI 投资，可能面临风险。

公共部门领导者下一步应优先关注什么

这项研究指明了清晰的战略方向。扩大 AI 应用规模，首要解决的是架构问题，而非模型选择问题，其中检索层发挥着关键作用。

IDC 的研究结果为公共部门领导者提出了三项优先事项：

将数据就绪作为先决条件，而非并行推进的工作。 在扩大 AI 试点规模之前，先投资建设受治理的检索基础，为规模化应用提供支撑。
从设计之初就考虑主权要求。 数据驻留、可审计性和人工监督并非合规清单上勾选了事的项目，而是影响平台选型的架构要求。
选择基于开放标准构建的平台。 随着政策和地缘政治形势的变化，互操作性有助于避免供应商锁定，并保持战略自主权。

现在就落实这些优先事项的政府机构，将能够在未来两到三年内，借助 AI 取得可衡量的使命成效。

迈出下一步

由 Elastic 和 AWS 联合赞助的 IDC Spotlight 完整报告，提供了本文所引用的完整调查数据、全球政策分析和架构指导。下载 IDC Spotlight 报告：《弥合政府 AI 差距》

参考来源

IDC，《北美政府与教育行业买方情报调查》，2026 年。
联合国，《电子政务调查报告》，2024 年。
NIST，《人工智能风险管理框架》。

本文所述任何特性或功能的发布及发布时间，均由 Elastic 自行决定。目前尚未提供的任何特性或功能，可能无法按时交付，也可能不会交付。

在本篇博文中，我们可能使用或提及了第三方生成式 AI 工具，这些工具由其各自的所有者拥有和运营。Elastic 无法控制这些第三方工具，也不对其内容、运行或使用承担任何责任，亦不对您使用此类工具可能造成的任何损失或损害负责。使用 AI 工具处理个人信息、敏感信息或机密信息时，请务必谨慎。您提交的任何数据都可能被用于 AI 训练或其他用途。您提供的信息能否得到安全或保密保障，无法保证。使用任何生成式 AI 工具之前，您应先了解其隐私惯例和使用条款。

Elastic、Elasticsearch 及相关标识是 elasticsearch B.V. 在美国及其他国家/地区的商标、徽标或注册商标。所有其他公司和产品名称均为其各自所有者的商标、徽标或注册商标。

原文：Closing the AI gap in government: Next-gen knowledge access | Elastic | Elastic Blog