摘要
- 日本初创公司Polymill开发的QommonsAI已被全国约1050个地方政府、约55万名公务员使用
- 借助Codex和OpenAI的密切支持，QommonsAI的开发速度比以往提升了3至5倍
- Polymill计划于2026年秋季正式推出汇聚外部应用的市场Qommons ONE及超级智能体
日本1050个地方政府在用的政务AI
据OpenAI作为客户案例披露的内容，该平台面向地方政府提供议会答询、市民服务、社会福利、法律检索等多个领域的专项AI功能。
从公民参与平台起步的公司
Polymill最初是一家名为Surfvote的公民参与平台，让市民就政治、社会议题发表意见。在与地方政府合作的过程中，公司发现了一个结构性问题：公务员整天忙于日常事务，根本没有时间把市民的声音真正落实到政策中去。他们由此判断，要扩大公民参与，首先得提升行政工作本身的效率，于是在2024年10月推出了QommonsAI。
各地数据千差万别，如何整合成一体
把生成式AI引入行政工作时，最大的障碍是数据分散。每个地方政府的工作方式和文件格式都不一样,过去的记录也散落各处。比如准备议会答询时，为了确认内容是否与上级政策相符，工作人员往往得翻遍好几年的会议记录——就算AI模型再强，如果数据没有整理好，也很难给出有用的答案。
Polymill收集并标准化了全国地方政府的议会会议记录，再用AI打上元数据标签，建立起一个能够跨地区、跨时间检索的基础架构。这套结构后来又扩展到福利、法律等其他行政领域，让原本分散的行政信息可以通过一个统一界面查找和使用。
为什么选择GPT模型
QommonsAI的核心搭载的是OpenAI的GPT模型。考虑到公共部门对信息管理和审计应对的高要求，QommonsAI还内置了运营管控功能，管理员可以按功能查看使用记录，并根据组织政策限制可用的模型范围。
Polymill首席AI官（CAIO）Masahiro Wakabayashi表示，选择GPT模型的原因除了性能全面，还在于它的熟悉度。即便公务员对新工具本身感到陌生，但"ChatGPT"这个名字他们早已听过，这大大降低了初期推广的门槛。据Polymill介绍，在QommonsAI的常规对话功能中，GPT模型是被选用最多的选项，从读取文件到日常办公对话支持，单一模型就能广泛覆盖各种需求，这也是它能在一线扎根的重要原因。
引入Codex后，开发速度提升3至5倍
OpenAI的技术不仅改变了QommonsAI的使用方式,也改变了它的开发方式。Polymill在从需求定义、与现有GitHub代码的一致性校验、到实现、测试的整个开发流程中都用上了Codex。工程师的精力主要放在审查AI给出的方案和做上层决策上，而实际的大部分实现工作则交由AI自主完成。
Wakabayashi表示，制作原型、拿给地方政府负责人看并收集反馈的验证周期明显缩短了。再加上OpenAI分享海外优秀实践、协助打磨开发流程本身的密切支持，整体开发速度提升到了原来的3至5倍。
成果一览
| 项目 | 数据 |
|---|---|
| QommonsAI上线时间 | 2024年10月 |
| 使用的地方政府数量 | 约1050个（覆盖全日本） |
| 使用的公务员人数 | 约55万人 |
| 开发速度提升 | 引入Codex后比原来快3至5倍 |
| 下一步计划 | 2026年秋季正式推出Qommons ONE |
为何要留住资深公务员的经验
QommonsAI的价值并不止于提升检索速度。在Polymill进行的验证中，经验较浅的员工借助AI和积累的行政信息撰写出的政策建议，其评价已经接近资深公务员的水平。不过，最高评价仍然属于资深公务员——Polymill认为差距就在于那些手册上写不出来的隐性知识：真正推动政策落地的流程，以及察觉居民可能担忧之处的那种直觉。
Wakabayashi说："那些无法用知识或数据承载的部分，其实影响了成果的质量。"Polymill计划接下来记录资深公务员如何给AI下指令、又如何修改AI给出的结果，把那些从未被写成文档的判断沉淀为组织的知识资产。
迈向超级智能体的下一步
Polymill计划于2026年秋季正式推出Qommons ONE，一个由外部企业为地方政府提供应用的市场平台。其核心设想是一个整合多种专项AI和民间应用的超级智能体：用户只需说出目标，系统便会调用所需的AI或应用，产出从调研到演示文稿等实际工作成果。Polymill认为，GPT模型广泛的输入输出能力，以及OpenAI在智能体开发上积累的经验，是实现这一构想的重要基础。
此前OpenAI也宣布，在美国新增20个州55个学区接入ChatGPT for Teachers，新覆盖的教育工作者和员工人数已超过10万——OpenAI将ChatGPT for Teachers扩展至美国55个学区。QommonsAI的案例也正处在OpenAI在公共和教育领域不断扩大大规模组织级部署的这一趋势之中。
编辑视角
Polymill这个案例有意思的地方在于，OpenAI这次拿出来说的数字不是模型性能,而是"部署规模"和"开发速度"。相比模型本身的优势，"已经有几十万人每天在用"这个事实，反而成了说服下一个客户的关键论据。
对比过去，OpenAI去年发布的企业案例大多还是以营收、性能指标为中心，而最近则更倾向于讲述Codex如何改变了整个开发组织的故事。一家初创公司在没有大幅扩充工程师团队的情况下，把政府机构规模的服务开发速度提升3至5倍——这样的故事在小团队对接大型机构的政府采购（B2G）市场里尤其有说服力。
对国内而言，值得参考的一点是数据标准化。Polymill花费时间最多的工作，不是调优AI模型，而是收集并统一全国地方政府的会议记录格式。如果国内的公共机构或企业也在考虑类似项目,这说明在引入AI之前，应该先把预算和时间投入到整理分散文档上，这样才能真正看到成效。
未来几个月里，2026年秋季预告的Qommons ONE实际运行规模，以及届时有多少外部企业应用接入其中，将是检验这个案例后续走向的关键节点。
评论