1客户嘴上要的
「群众老投诉『同一件事,这个窗口说行、那个窗口说不行』,好差评里差评很多。做个 AI 审批助手,所有窗口都用它判断,标准就统一了。」
这是症状或现成方案,不一定是真问题。下面看两种做法。
2照字面做,会怎么烂
用一体化政务服务平台里两年的收件和退件结论训练模型,给收件员「收 / 退」建议。模型学到的是 4 个窗口各自的习惯,对同类材料时而建议收、时而建议退。审批科科长问「建议退的依据是哪一条」,答不上来。为什么烂:历史判断本身就不一致,模型只是把不一致变成了一个黑盒。
3好 FDE 的实际走法
共 14 周,分 5 个阶段。带三角标记的是这一步最容易踩的坑。
第 1–2 周找真问题(同一份材料,交给不同窗口)
- 在政务服务中心窗口坐 3 天,跟 4 个收件员和 1 个审批科科长聊。做一个小实验:拿 20 份历史申请,请 4 个收件员各自判断「收不收」。4 人结论完全一致的只有 9 份。
- 逐份追问分歧原因,归为 4 类:办事指南写得含糊(如「相关证明材料」);窗口在用、指南没写的「隐性要求」;收件员个人经验(「上次这种被审批科退回过」);政策更新后各窗口知道的时间不同。
- 真问题是「没有一把统一的尺子」。模型、系统都要等尺子定了才有意义。成功标准改成:「试点 3 个事项的审查要点统一成一份由审批科签发的清单;窗口间判断一致率从 45% 提到 90%;好差评中『多次跑』类差评减少一半。」
- 踩坑别拿历史收件结论当标签,它们本身就互相矛盾。另外,这 3 个事项要做实质审查,不在本地「秒批」清单里,系统不出审批结论。
第 3–5 周统一「一把尺子」
- 把办事指南、审查要点和 20 份分歧材料放在一起,逐条对,列出分歧点 23 个,其中隐性要求 11 条。
- 请审批科科长主持会议,逐条决定:写进清单,或者不再要求。每条写清判断规则、一个正例和一个反例。这份清单比模型更有价值。
- 踩坑分歧由科长裁决,FDE 和模型都不裁决。隐性要求不经确认就写进系统,等于把不合规的做法固化下来。
第 6–8 周原型 + evals
- 给收件员做「收件核对单」:按事项列出统一的审查要点,系统对照上传材料自动标出可疑项,每条引用清单条目。收件员逐项确认,判断结果和依据一起留痕。
- 次要功能:同一份清单放到网上办事大厅,供申请人提交前自查。
- evals:再收集 100 份分歧材料,由科长标注标准结论。要求系统提示和科长结论一致率不低于 90%,误报率不高于 5%。
- 数据:电子证照库在大数据局,调用要走数据共享申请,提前两周提交。
- 踩坑手写、拍照歪斜的材料识别率低。识别不准时提示「请人工确认」,不判错。
第 9–11 周试运行 + 并肩改
- 在 2 个综合窗口试运行,约 600 件申请。每周由科长抽 50 件复核,算窗口间一致率。
- 加一个「口径疑问」按钮:遇到清单没覆盖的情况,收件员一键提交,科长每周集中答复,答复写回清单。试运行期间收到 17 条,其中「委托代理时法人签字」一条补成了新规则。
第 12–14 周交接交接
- 交给审批科做清单负责人:每周答复口径疑问,政策调整时先改清单,再由信息中心同步规则。
- 周期长的原因:数据共享审批、等保测评、平台改版都要排期。没有审批科持续答复疑问,窗口会回到各凭经验,一致率很快掉回去。
4这个案例教给你的可复用判断
历史判断互相矛盾时,不能直接当训练标签,先统一标准。
用「同一份材料交给不同人判」的小实验,快速量化口径不一的程度。
给一线留「清单外情况」的提问通道,答复要写回清单。
自动审批要有授权依据、明确规则和人工抽检;没有这些,AI 只做核对辅助。
你手上也有类似的场景?
说说你所在的行业和想用 AI 做的事,留言会直接送达。觉得这个案例有误、过时,或有更好的做法,也欢迎指出。
政府与公共服务的其他案例
内容更新:2026-11-11