알림 목록

พื้นที่วิเคราะห์:มหานครปูซาน

พื้นที่หลัก:สำนักงานใหญ่ของมหานครปูซาน เขตและอำเภอทั้ง 16 แห่ง และหน่วยงานภาครัฐในสังกัด

วาระการประชุม:ตรวจสอบว่าปัญญาประดิษฐ์และข้อมูลได้ก้าวข้ามขอบเขตของการสนับสนุนด้านการบริหาร และได้เปลี่ยนแปลงทางเลือกเชิงนโยบาย งบประมาณ การดำเนินงาน และการประเมินผลการปฏิบัติงานอย่างแท้จริงหรือไม่

ประเภทช่วงเวลาทอง:การขยายขีดความสามารถของ AI ในด้านการบริหาร + ช่องว่างของหลักฐานการตัดสินใจ

วันที่อ้างอิง: 28 สิงหาคม 2569

เวอร์ชัน:มาตรฐานการปรับปรุง Regional AX Golden Time Intelligence v3.2
 

ในช่วงปลายปี 2025 เมืองปูซานกลายเป็นหน่วยงานปกครองส่วนท้องถิ่นแห่งแรกที่เปิดตัวบริการบริหารจัดการด้วย AI ที่สร้างขึ้นจากแบบจำลองภาษาขนาดเล็กและการเพิ่มประสิทธิภาพการค้นหา และในช่วงต้นปี 2026 ก็ได้นำบริการ 22 ประเภทไปใช้ในทุกแผนก รวมถึงการถามตอบ การร่างเอกสาร และการค้นหาข้อมูลทางการบริหาร ขอบเขตของการประยุกต์ใช้ AI ในการบริหารได้เปลี่ยนจากการใช้งาน AI ที่สร้างขึ้นจากภายนอกโดยพนักงานแต่ละคน ไปสู่บริการระดับองค์กรที่ผสานรวมข้อมูลการบริหารภายในเข้ากับระบบรักษาความปลอดภัย อย่างไรก็ตาม ยังไม่มีการตรวจสอบบันทึกการตัดสินใจสาธารณะที่แสดงให้เห็นว่าการใช้บริการนำไปสู่การเปรียบเทียบทางเลือกนโยบาย การเปลี่ยนแปลงงบประมาณ การระงับโครงการ การปรับพื้นที่เป้าหมาย หรือการเปลี่ยนแปลงวิธีการดำเนินการ หากแผนการพัฒนาสามปีตั้งแต่ปี 2026 ถึง 2028 ดำเนินไปโดยอิงจากปริมาณการใช้งานและจำนวนเอกสารที่สร้างขึ้นเป็นหลัก AI ในการบริหารจะหยุดนิ่งและกลายเป็นเพียงการปรับปรุงความเร็วในการทำงานเท่านั้น แม้ว่าการบริหารด้วย AI ของปูซานจะไปถึงขั้นที่ใช้งานได้ทุกแผนกแล้ว แต่ก็ยังขาดหลักฐานที่จะสรุปได้ว่าได้ไปถึงขั้นเปลี่ยนแปลงกระบวนการตัดสินใจแล้ว

คำถามเชิงนโยบายที่เกิดขึ้นจริง เช่น การเปลี่ยนแปลงยอดขายหลังจากการเปลี่ยนวันปิดทำการของไฮเปอร์มาร์เก็ตให้เป็นวันธรรมดา ยอดขายบัตรเครดิตก่อนและหลังโครงการ "เมือง 15 นาที" จำนวนผู้เข้าชมเทศกาลและยอดขายในย่านการค้า และปัญหาการขาดแคลนที่จอดรถในเขตยองโด ได้ถูกบันทึกไว้เป็นงานวิเคราะห์ในระบบบิ๊กดาต้าของเมืองปูซาน การใช้ข้อมูลกำลังเปลี่ยนจากการสอบถามทางสถิติไปสู่การตรวจสอบผลลัพธ์ก่อนและหลังการดำเนินนโยบาย อย่างไรก็ตาม บันทึกการติดตามผลที่เปิดเผยต่อสาธารณะเกี่ยวกับทางเลือกที่ถูกตัดออกและการตัดสินใจ งบประมาณ หรือการดำเนินการใด ๆ ที่ถูกเปลี่ยนแปลงนั้นมีจำกัด หากคำขอวิเคราะห์และการตัดสินใจเชิงนโยบายยังคงอยู่ในระบบที่แยกจากกันเป็นเวลาสองถึงสามปีข้างหน้า ปริมาณการวิเคราะห์อาจเพิ่มขึ้น แต่ผลกระทบของการตัดสินใจนั้นไม่สามารถวัดได้ ใน  การบริหารงานที่ขับเคลื่อนด้วยข้อมูลของเมืองปูซาน แม้ว่าการสร้างคำถามและการดำเนินการวิเคราะห์จะได้รับการยืนยันแล้ว แต่ความสามารถในการตรวจสอบย้อนกลับของการเปลี่ยนแปลงการตัดสินใจนั้นถือว่ายังไม่ได้รับการยืนยัน

แผนส่งเสริมการบริหารด้วย AI ปี 2026 เสนอให้มีการนำ AI มาใช้ในวงกว้างทั่วทั้งระบบราชการ ในขณะที่แผนงานสำหรับภาคส่วนข้อมูลนั้นรวมถึงการวิเคราะห์ที่ขยายวงกว้างขึ้น การฝึกอบรมพนักงาน และการใช้ข้อมูลที่ไม่ระบุตัวตนเพื่อแก้ไขปัญหาของเทศบาล การเปลี่ยนผ่านสู่ระบบดิจิทัลของการบริหารได้เปลี่ยนจากโครงการนำร่องบางส่วนไปสู่แผนการนำไปใช้ในวงกว้างทั่วทุกภาคส่วน ในทางกลับกัน ยังไม่มีการกำหนดเกณฑ์มาตรฐานสาธารณะที่เชื่อมโยงคุณภาพข้อมูลของหน่วยงาน ความแม่นยำในการตอบสนองของ AI พฤติกรรมการตรวจสอบของผู้ใช้ การเกิดข้อผิดพลาด และผลลัพธ์ของประชาชนเข้าไว้ในกรอบการทำงานด้านประสิทธิภาพเดียว หากการให้บริการขยายตัวอย่างรวดเร็วระหว่างปี 2026 ถึง 2028 ข้อมูลดิบคุณภาพต่ำและการตอบสนองที่ยังไม่ได้รับการตรวจสอบจะถูกแทรกเข้าไปในขั้นตอนการทำงานซ้ำแล้วซ้ำเล่า  ความเสี่ยงที่สำคัญสำหรับระบบบริหาร AX ของปูซานนั้นอยู่ที่ความเร็วในการนำ AI มาใช้เร็วกว่าความเร็วของคุณภาพหลักฐานและการจัดตั้งระบบการตรวจสอบความรับผิดชอบ

โครงการสนับสนุนการตัดสินใจในหลากหลายภาคส่วน เช่น การจำลองเครือข่ายการจ่ายน้ำ หมู่บ้านมหาสมุทรอัจฉริยะ และการบริหารจัดการการตรวจสอบโดยใช้ AI กำลังดำเนินการอยู่ การประยุกต์ใช้ AI กำลังขยายตัวจากงานเอกสารทั่วไปไปสู่การตัดสินใจของผู้เชี่ยวชาญในด้านการจ่ายน้ำ สภาพแวดล้อมทางทะเล การตรวจสอบ และความปลอดภัย อย่างไรก็ตาม ยังไม่มีข้อมูลเปรียบเทียบที่เปิดเผยต่อสาธารณะเพื่อยืนยันว่าคำเตือนล่วงหน้าได้เปลี่ยนแปลงลำดับความสำคัญของการตรวจสอบ การจัดสรรงบประมาณ และการตัดสินใจด้านกฎระเบียบและการตรวจสอบมากน้อยเพียงใด หรือผลลัพธ์ดีขึ้นหรือไม่ หากระบบเฉพาะภาคส่วนได้รับการพัฒนาอย่างอิสระในช่วงสองถึงสามปีข้าง  หน้า เมืองปูซานจะไม่มีระบบการเรียนรู้ด้านการบริหารจัดการที่เป็นหนึ่งเดียว แม้ว่าจะมีบริการ AI หลายอย่างก็ตาม ปัจจุบัน "ช่วงเวลาทอง" ไม่ได้ถูกประเมินว่าเป็นช่วงเวลาสำหรับการขยายบริการ AI แต่เป็นช่วงสองถึงสามปีที่นำไปสู่การเชื่อมต่อครั้งแรกระหว่างการตัดสินใจที่เปลี่ยนแปลงโดย AI และผลลัพธ์ที่เกิดขึ้น

วิทยานิพนธ์ช่วงเวลาทอง — หน่วยวัดผลสำหรับระบบประมวลผลการตัดสินใจทางปกครองของปูซาน (Busan Administrative AX) ไม่ใช่จำนวนบริการ AI หรือจำนวนเอกสารที่สร้างขึ้น แต่หน่วยวัดผลคือ ระยะเวลาดำเนินการตัดสินใจ (Decision Runtime) ซึ่งครอบคลุมไปถึงว่า AI และข้อมูลได้สร้างทางเลือกที่แตกต่างจากการตัดสินใจที่มีอยู่เดิมหรือไม่ และทางเลือกนั้นได้ปรับปรุงผลลัพธ์สำหรับประชาชน ธุรกิจ และภูมิภาคหรือไม่

การบริหารงานของเมืองปูซานจัดการด้านการขนส่ง สวัสดิการ ความปลอดภัย อุตสาหกรรม สิ่งแวดล้อม การท่องเที่ยว และการวางผังเมือง ผ่านสำนักงานใหญ่ หน่วยงานธุรกิจ เขตและอำเภอ 16 แห่ง และองค์กรภาครัฐ หน่วยงาน และสถาบันที่ลงทุนหรือสนับสนุน ข้อมูลการบริหารมีโครงสร้างแบบกระจายศูนย์ สร้างขึ้นโดยหลายองค์กรและหน่วยงานที่ได้รับมอบหมาย ไม่ใช่หน่วยงานเดียว ขอบเขตที่พลเมือง ธุรกิจ พื้นที่ หรือโครงการเดียวกันได้รับการจัดการโดยหน่วยงานต่างๆ โดยใช้รหัสและรอบการอัปเดตที่แตกต่างกันนั้น ไม่สามารถตรวจสอบได้อย่างครบถ้วนจากข้อมูลที่เปิดเผยต่อสาธารณะ เมื่อบริการ AI ของหน่วยงานต่างๆ ขยายตัวบนข้อมูลที่กระจายศูนย์นี้ระหว่างปี 2026 ถึง 2028 อาจเกิดการตอบสนองและการประเมินความเสี่ยงที่แตกต่างกันเกี่ยวกับประเด็นเดียวกัน  ความเสี่ยงด้านขนาดของการบริหารงานของปูซานถูกกำหนดโดยบันทึกหลายรายการของเรื่องการบริหารเดียวกัน มากกว่าการขาดข้อมูล

Big-DataWave ให้บริการข้อมูลสาธารณะและส่วนตัว สถิติ การให้คำปรึกษาด้านการวิเคราะห์ และกรณีศึกษาการใช้ข้อมูล ฐานข้อมูลของหน่วยงานบริหารเมืองปูซานได้ขยายตัวจากสถิติเป็นระยะๆ ไปสู่การวิเคราะห์นโยบายโดยใช้ข้อมูลยอดขายบัตรเครดิต การเคลื่อนย้ายประชากรผ่านระบบโทรคมนาคม ตารางพิกัดทางภูมิศาสตร์ และแบบสำรวจ อย่างไรก็ตาม ตัวชี้วัดการดำเนินงานที่เปิดเผยต่อสาธารณะซึ่งเชื่อมโยงจำนวนคำขอวิเคราะห์ทั้งหมดที่ลงทะเบียน เวลาประมวลผลเฉลี่ย อัตราการสะท้อนนโยบาย และอัตราการนำกลับมาใช้ใหม่ ยังไม่มีให้บริการ ในขณะที่เวลารอคอยและการทำซ้ำของการวิเคราะห์แต่ละรายการสะสมมากขึ้นเมื่อปริมาณคำขอเพิ่มขึ้นในช่วงสองถึงสามปี ความสามารถในการวิเคราะห์โดยรวมขององค์กรยังคงไม่ได้รับการประเมิน แม้ว่า  หน่วยงานบริหารข้อมูลของปูซานจะมีโครงสร้างพื้นฐานด้านการวิเคราะห์ แต่ความสามารถในการประมวลผลเมื่อเทียบกับความต้องการ ยังคงไม่ได้รับการวัดผล

บริการบริหารจัดการด้วย AI เชิงสร้างสรรค์ของเมืองปูซานมีฟังก์ชันการทำงาน 22 ประเภท รวมถึงการถามตอบ การค้นหาข้อมูล และการสร้างเอกสาร สำหรับทุกแผนก ขอบเขตการใช้งาน AI เชิงสร้างสรรค์ได้ขยายจากช่วงการฝึกอบรมและการใช้งานนำร่องไปสู่บริการทั่วไปในสภาพแวดล้อมการทำงานจริง อย่างไรก็ตาม ยังไม่มีการเปิดเผยจำนวนผู้ใช้งานจริงแยกตามแผนก ความถี่ในการใช้งาน การประหยัดเวลาทำงาน เวลาในการแก้ไขข้อผิดพลาด และอัตราการยอมรับ/ปฏิเสธการตอบกลับ หากจำนวนฟังก์ชันเพิ่มขึ้นเพียงอย่างเดียวระหว่างปี 2026 ถึง 2028 บริการที่มีการใช้งานจริงและการปรับปรุงการทำงานต่ำจะยังคงถูกระบุว่าเป็นความสำเร็จในการนำไปใช้  แม้ว่าขอบเขตการใช้งาน AI เชิงสร้างสรรค์ของปูซานจะได้รับการตรวจสอบแล้วจากจำนวนฟังก์ชัน แต่ขอบเขตการใช้งานจริงยังไม่ได้รับการยืนยัน

การสนับสนุนการตัดสินใจโดยใช้เซ็นเซอร์ โมเดล และปัญญาประดิษฐ์ (AI) กำลังได้รับการส่งเสริมในด้านเครือข่ายการจ่ายน้ำ สภาพแวดล้อมทางทะเล การตรวจสอบ และความปลอดภัย AI ด้านการบริหารได้เปลี่ยนไปใช้โครงสร้างหลายชั้น โดยที่โมเดลภาษาทั่วไปและโมเดลการคาดการณ์และการตรวจจับเฉพาะภาคส่วนทำงานพร้อมกัน อย่างไรก็ตาม ข้อมูลที่เปิดเผยต่อสาธารณะเกี่ยวกับการเปรียบเทียบทะเบียนโมเดลทั่วไป แหล่งที่มาของข้อมูล ความแม่นยำ กรณีข้อผิดพลาด และความรับผิดชอบในการดำเนินงานทั่วทั้งเมืองยังไม่ได้รับการยืนยัน ในขณะที่จำนวนโมเดลเฉพาะทางเพิ่มขึ้นในช่วงสองถึงสามปีข้างหน้า ต้นทุนในการจัดการความเสี่ยงเฉพาะโมเดลแบบบูรณาการจะเพิ่มขึ้นอย่างรวดเร็ว  ในขณะที่ AI ด้านการบริหารของเมืองปูซานอยู่ในช่วงของการขยายตัวไปยังหลายภาคส่วน การกำกับดูแลด้วยโมเดลทั่วทั้งเมืองยังไม่ได้รับการยืนยัน

บริการ AI เชิงสร้างสรรค์ 22 ประเภท คลื่นข้อมูลขนาดใหญ่ และแพลตฟอร์มอัจฉริยะเฉพาะภาคส่วน แสดงให้เห็นว่าเมืองปูซานมีสินทรัพย์ AI และข้อมูลจำนวนมาก สินทรัพย์ดิจิทัลด้านการบริหารได้พัฒนาไปสู่โครงสร้างที่ระบบ AI อเนกประสงค์และระบบวิเคราะห์เฉพาะทางอยู่ร่วมกันภายในพอร์ทัลสถิติเดียว อย่างไรก็ตาม ยังไม่มีการยืนยันช่วงเวลาการทำงานร่วมกันที่ผลการวิเคราะห์จากแพลตฟอร์มต่างๆ จะเชื่อมโยงไปยังการประชุมนโยบาย การอนุมัติ งบประมาณ และการประเมินผลการปฏิบัติงานเดียวกัน เมื่อจำนวนระบบเพิ่มขึ้นระหว่างปี 2026 ถึง 2028 การดึงข้อมูลอาจเร็วขึ้น แต่ความแตกต่างในการตัดสินใจระหว่างองค์กรอาจกว้างขึ้น  สิ่งที่ได้รับการยืนยันแล้วในขณะนี้คือการสะสมของเครื่องมือ AI และข้อมูล ไม่ใช่การบูรณาการระบบนิเวศการตัดสินใจ

คำขอวิเคราะห์ยอดขายบัตรก่อนและหลังโครงการ "เมือง 15 นาที" ยอดขายในตลาดดั้งเดิมและธุรกิจขนาดเล็กหลังจากมีการเปลี่ยนแปลงข้อกำหนดการปิดร้านสำหรับซูเปอร์มาร์เก็ตขนาดใหญ่ และปริมาณการสัญจรของคนเดินเท้าและยอดขายบัตรก่อนและหลังเทศกาลต่างๆ นั้น ล้วนสอบถามถึงผลลัพธ์มากกว่าปัจจัยนำเข้า การสอบถามทางด้านการบริหารได้เปลี่ยนจากการตรวจสอบว่าโครงการได้ถูกนำไปใช้หรือไม่ ไปเป็นการตรวจสอบว่านโยบายดังกล่าวได้เปลี่ยนแปลงเศรษฐกิจในท้องถิ่นจริงหรือไม่ อย่างไรก็ตาม ไม่พบเอกสารสาธารณะใดๆ ที่เชื่อมโยงผลการวิเคราะห์กับกรณีที่นโยบายที่มีอยู่ได้รับการรักษา ปรับเปลี่ยน หรือยกเลิก หากการวิเคราะห์ยังคงเป็นเพียงข้อมูลอ้างอิงย้อนหลังเป็นเวลาสองถึงสามปี การขยายขอบเขตคำถามเกี่ยวกับผลลัพธ์ก็ไม่ได้นำไปสู่การเปลี่ยนแปลงในการตัดสินใจ  แม้ว่าเมืองปูซานจะมีความต้องการการวิเคราะห์ผลลัพธ์ แต่ระบบนิเวศสำหรับการประสานงานนโยบายตามผลลัพธ์นั้นยังไม่ได้รับการยืนยัน

การฝึกอบรม AI เชิงปฏิบัติในปี 2025 ครอบคลุมการวางแผนเชิงกลยุทธ์และการปฏิบัติทางเทคนิคสำหรับศาลากลาง อำเภอ จังหวัด และองค์กรในสังกัด ขณะที่คาดการณ์ว่าการขยายบริการ AI ไปยังทุกภาคส่วนจะเกิดขึ้นในช่วงปี 2026-2028 โครงสร้างการพัฒนาบุคลากรขยายจากการใช้งานเครื่องมือพื้นฐานไปสู่ความสามารถในการวางแผนบริการ อย่างไรก็ตาม ในระหว่างการตรวจสอบการบริหารงานของสภาเมืองปูซานในปี 2025 พบว่ากว่า 80% ของหลักสูตรฝึกอบรม AI บางหลักสูตรอยู่ในระดับพื้นฐาน หากความเร็วในการแพร่กระจายบริการในช่วงสองถึงสามปีข้างหน้าแซงหน้าความสามารถในการวางแผนและการตรวจสอบ พนักงานจะใช้ผลลัพธ์จาก AI แต่ไม่สามารถระบุข้อจำกัดและข้อผิดพลาดของแบบจำลองได้  มีการประเมินว่ามีช่องว่างภายในระบบนิเวศของบุคลากรด้านการบริหาร AI ของปูซานระหว่างการขยายตัวของผู้ใช้และความสามารถในการตรวจสอบขั้นสูง

โครงการ Smart Ocean Village กำลังดำเนินการตรวจสอบสภาพแวดล้อมทางทะเลและสนับสนุนการตัดสินใจโดยใช้ AI ในขณะที่ภาคการจัดหาน้ำกำลังนำข้อมูลขนาดใหญ่และการจำลองเครือข่ายท่อโดยใช้ AI มาใช้ การบริหารจัดการในภาคส่วนเหล่านี้กำลังเปลี่ยนจากการรับเรื่องร้องเรียนและการตรวจสอบหลังเกิดเหตุ ไปสู่การตรวจจับและการคาดการณ์เชิงรุก อย่างไรก็ตาม หลักฐานที่เปิดเผยต่อสาธารณะเกี่ยวกับการเปรียบเทียบอัตราความสอดคล้องระหว่างการคาดการณ์และเหตุการณ์จริง เวลาตอบสนองหลังจากได้รับการแจ้งเตือน และการลดอุบัติเหตุยังมีจำกัด แม้ว่าระบบจะใช้งานได้ระหว่างปี 2026 ถึง 2028 แพลตฟอร์มก็จะยังคงเป็นเพียงหน้าจอตรวจสอบหากความแม่นยำในการคาดการณ์ไม่ได้เชื่อมโยงกับการดำเนินการในสถานที่จริง ในขณะที่  AI เฉพาะภาคส่วนมีความสามารถในการคาดการณ์ แต่หลักฐานเชิงระบบนิเวศที่แสดงให้เห็นว่าการคาดการณ์ได้เปลี่ยนแปลงพฤติกรรมการบริหารจัดการจริงนั้นยังขาดอยู่

ปัญญาประดิษฐ์เชิงสร้างสรรค์ (Generative AI) ช่วยลดต้นทุนการรวบรวมข้อมูลโดยการประมวลผลการค้นหาข้อมูลทางการบริหารและการร่างเอกสารในเวลาเพียงไม่กี่วินาที ปัญหาคอขวดในการบริหารจึงเปลี่ยนจากเวลาที่ใช้ในการค้นหาข้อมูลไปเป็นเวลาที่ใช้ในการพิจารณาว่าหลักฐานใดน่าเชื่อถือและควรเลือกทางเลือกใด ในขณะที่บริการ AI ของปูซานมีฟังก์ชันการค้นหาและการร่างเอกสาร แต่ความสามารถในการตัดสินใจที่เปรียบเทียบประสิทธิภาพ ต้นทุน และความเสี่ยงของทางเลือกต่างๆ นั้นไม่พบในข้อมูลที่เปิดเผยต่อสาธารณะ หากความเร็วในการค้นหาเพิ่มขึ้นเพียงอย่างเดียวระหว่างปี 2026 ถึง 2028 โครงสร้างที่สามารถสร้างตรรกะนโยบายที่มีอยู่ได้อย่างรวดเร็วยิ่งขึ้นก็อาจเกิดขึ้นได้ แม้ว่าการเปลี่ยนแปลงโครงสร้างในระบบบริหาร AX จะเปลี่ยนจากการสร้างเอกสารไปเป็นการตัดสินและการตรวจสอบ แต่ฟังก์ชันปัจจุบันของปูซานได้รับการประเมินว่าใกล้เคียงกับการสร้างเอกสารมากกว่า

บริการบริหารจัดการแบบ RAG ช่วยเสริมความแข็งแกร่งให้กับพื้นฐานของการตอบสนองโดยการค้นหาข้อมูลการบริหารภายใน โครงสร้างนี้แสดงถึงการเปลี่ยนแปลงของ AI เชิงสร้างสรรค์ จากการมุ่งเน้นไปที่ข้อมูลสาธารณะบนอินเทอร์เน็ต มาเป็นการมุ่งเน้นไปที่ข้อมูลที่เมืองปูซานเก็บรักษาไว้ อย่างไรก็ตาม ไม่มีบันทึกการตรวจสอบสาธารณะ—ซึ่งบันทึกข้อความต้นฉบับที่อ้างอิงในการตอบสนอง วันที่อ้างอิง เอกสารที่ขัดแย้ง แนวทางที่ถูกยกเลิก ระดับความเชื่อมั่น และผู้ตรวจสอบขั้นสุดท้าย—ที่สามารถเข้าถึงได้ เมื่อข้อมูลการบริหารสะสมมากขึ้นในช่วงสองถึงสามปี ความเสี่ยงของการผสมผสานหลักฐานล่าสุด หลักฐานในอดีต และหลักฐานที่ขัดแย้งกันอย่างไม่ถูกต้องก็จะเพิ่มขึ้น  ช่องว่างเชิงโครงสร้างของ AI เชิงสร้างสรรค์แบบปูซานนั้นเห็นได้ชัดในการพิจารณาความถูกต้องของหลักฐานมากกว่าในการสร้างการตอบสนอง

ข้อมูลส่วนตัว เช่น บัตรประจำตัว ข้อมูลโทรคมนาคม และข้อมูลเชิงพื้นที่ เผยให้เห็นการเปลี่ยนแปลงในพื้นที่เชิงพาณิชย์ การสัญจร และพื้นที่อยู่อาศัยได้เร็วกว่าสถิติจากหน่วยงานราชการ หลักฐานเชิงนโยบายได้เปลี่ยนจากสถิติรายปีไปเป็นระดับเวลาการทำงาน เช่น รายวัน รายชั่วโมง และระดับตาราง 50 เมตร อย่างไรก็ตาม ยังไม่มีการระบุระบบการเปิดเผยข้อมูลใดที่สามารถจัดการกับอคติในการสุ่มตัวอย่าง การเปลี่ยนแปลงของผู้ให้บริการ การปรับเปลี่ยนสูตร ต้นทุน และความสามารถในการทำซ้ำของข้อมูลส่วนตัวควบคู่ไปกับบันทึกการตัดสินใจเชิงนโยบาย หากการพึ่งพาข้อมูลส่วนตัวเพิ่มขึ้นระหว่างปี 2026 ถึง 2028 การเปลี่ยนแปลงในสัญญาจัดหาอาจนำไปสู่การหยุดชะงักของฐานข้อมูลนโยบาย แม้ว่า  การบริหารจัดการข้อมูลของเมืองปูซานจะมีความรวดเร็ว แต่ความสามารถในการเปรียบเทียบและการทำซ้ำในระยะยาวนั้นยังไม่ได้รับการยืนยัน

การบริหารจัดการการตรวจสอบโดยใช้ AI ช่วยขยายขอบเขตการเลือกเป้าหมายการตรวจสอบและการตรวจจับความเสี่ยง จากการตรวจสอบตัวอย่างไปสู่การค้นหาแบบเต็มรูปแบบโดยใช้ข้อมูล โครงสร้างของการตรวจสอบเปลี่ยนจากการตรวจจับภายหลังไปสู่การตรวจจับความผิดปกติในระยะเริ่มต้น อย่างไรก็ตาม การรวบรวมข้อมูลสาธารณะเพื่อตรวจสอบเป้าหมายการตรวจสอบที่เลือกโดยแบบจำลอง เป้าหมายที่ไม่ถูกเลือก การละเมิดจริง ผลลัพธ์ที่ผิดพลาด และอคติ ยังอยู่ในช่วงเริ่มต้น หากมีการนำคำแนะนำของ AI มาใช้ในลำดับความสำคัญของการตรวจสอบระหว่างปี 2026 ถึง 2028 ผลลัพธ์ที่ผิดพลาดที่ไม่สามารถอธิบายได้จะกลายเป็นภาระด้านการบริหารและความเสี่ยงด้านชื่อเสียง  การตรวจสอบ AX มุ่งมั่นที่จะแสดงให้เห็นทั้งขอบเขตการตรวจจับที่ขยายกว้างขึ้นและช่องว่างความรับผิดตามขั้นตอนไปพร้อมๆ กัน

แผนส่งเสริมการบริหารด้วย AI ปี 2026 ได้นำเสนอทิศทางสำหรับการเผยแพร่ AI อย่างเป็นระบบทั่วทั้งระบบราชการ การนำร่องโดยหน่วยงานต่างๆ ได้เปลี่ยนไปเป็นการจัดทำเป็นพอร์ตโฟลิโอในระดับรัฐบาลเมือง อย่างไรก็ตาม ยังไม่มีการกำหนดทะเบียนโครงการ AI ที่เปิดเผยข้อมูลพื้นฐานเฉพาะโครงการ ผลลัพธ์ที่คาดหวัง หน่วยงานที่รับผิดชอบ ระดับความเสี่ยงของแบบจำลอง และเกณฑ์การยุติโครงการในรูปแบบเดียวกัน หากการขยายไปสู่ทุกภาคส่วนดำเนินการก่อนระหว่างปี 2026 ถึง 2028 จะเป็นการยากที่จะแยกแยะระหว่างโครงการที่มีประสิทธิภาพต่ำและโครงการที่มีความเสี่ยงสูงโดยใช้เกณฑ์เดียวกัน  ปัจจุบันการตอบสนองด้าน AI ของเมืองปูซานอยู่ในขั้นตอนการจัดทำพอร์ตโฟลิโอ ในขณะที่ขั้นตอนการจัดการประสิทธิภาพของพอร์ตโฟลิโอถือว่ายังไม่ได้รับการยืนยัน

บริการบริหารจัดการด้วย AI เชิงสร้างสรรค์ถูกนำมาใช้ในทุกแผนกตั้งแต่ต้นปี 2026 และมีการนำเสนอแผนงานสำหรับการพัฒนาและขยายผลในอีกสามปีข้างหน้า การประยุกต์ใช้ AI ได้ขยายจากการทดสอบกับผู้ใช้ในวงจำกัดไปสู่สภาพแวดล้อมการทำงานทั่วไปสำหรับพนักงานทุกคน อย่างไรก็ตาม ยังไม่มีการยืนยันข้อมูลพื้นฐานสาธารณะที่เปรียบเทียบชั่วโมงการทำงาน ความแม่นยำในการตอบสนองต่อข้อร้องเรียน อัตราการแก้ไข การทำงานซ้ำ และเหตุการณ์ด้านความปลอดภัยก่อนและหลังการใช้งาน เมื่อการใช้งานถูกรวมเข้ากับขั้นตอนการทำงานพื้นฐานในอีกสองถึงสามปีข้างหน้า การเปรียบเทียบผลกระทบกับช่วงเวลาก่อนที่จะมีการนำ AI มาใช้จะทำได้ยาก  ปัจจุบัน แม้ว่าแผนงานการขยายตัวสำหรับการตอบสนองในสามปีจะชัดเจน แต่โครงสร้างสำหรับการวัดผลกระทบเชิงสาเหตุยังไม่ได้รับการยืนยัน

แผนงานด้านข้อมูลปี 2026 ประกอบด้วยการขยายการวิเคราะห์เพื่อแก้ไขปัญหาของเทศบาล การฝึกอบรมพนักงาน และการใช้ข้อมูลที่ไม่ระบุตัวตน ขอบเขตการใช้ข้อมูลกำลังขยายจากสถิติสาธารณะไปสู่การวิเคราะห์แบบผสมผสานที่ปกป้องข้อมูลส่วนบุคคล อย่างไรก็ตาม ยังไม่พบข้อมูลใดที่เปิดเผยผลลัพธ์ของนโยบาย ความเสี่ยงในการระบุตัวตนซ้ำ ความล้มเหลวในการผสมผสาน ระยะเวลาการพิจารณา หรือการเปลี่ยนแปลงนโยบายที่แท้จริงที่เกี่ยวข้องกับการวิเคราะห์แบบผสมผสานที่ไม่ระบุตัวตน หากการใช้และการปกป้องถูกจัดการเป็นตัวชี้วัดประสิทธิภาพที่แยกจากกันสำหรับช่วงปี 2026–2028 จะทำให้ยากต่อการประเมินความเสี่ยงระหว่างการวิเคราะห์ที่ขยายวงกว้างและความไว้วางใจของสาธารณชน  การตอบสนองของปูซานต่อข้อมูลที่ไม่ระบุตัวตนในปัจจุบันอยู่ในขั้นตอนของการขยายฐานการใช้ ยังไม่ถึงขั้นตอนของการประเมินผลลัพธ์และความไว้วางใจแบบบูรณาการ

การฝึกอบรมด้าน AI และข้อมูลเชิงปฏิบัติได้ขยายขอบเขตไปสู่สำนักงานส่วนกลาง เขต อำเภอ และสถาบันของรัฐ นโยบายด้านความสามารถได้เปลี่ยนจากการส่งเสริมผู้เชี่ยวชาญด้านข้อมูลจำนวนน้อยไปเป็นการใช้ AI ในหมู่เจ้าหน้าที่ฝ่ายบริหารทั่วไป อย่างไรก็ตาม ประสิทธิภาพการวิเคราะห์จริงก่อนและหลังการฝึกอบรม การเปลี่ยนแปลงในการวางแผนนโยบาย อัตราการตรวจจับข้อผิดพลาด และอัตราการนำไปใช้ในภาคสนามยังไม่ได้รับการเปิดเผย หากพิจารณาเฉพาะจำนวนผู้เข้ารับการฝึกอบรมในช่วงสองถึงสามปี ก็เป็นไปไม่ได้ที่จะแยกแยะความแตกต่างระหว่างการขยายขอบเขตการฝึกอบรมและการปรับปรุงคุณภาพการตัดสินใจ แม้ว่า  การตอบสนองต่อการฝึกอบรมจะขยายวงกว้างขึ้นในแง่ของขอบเขตการมีส่วนร่วม แต่ก็ยังไม่ได้รับการตรวจสอบในแง่ของผลลัพธ์การทำงาน

เมืองปูซานประกาศว่าได้เปิดใช้งานบริการบริหารจัดการด้วย AI เชิงสร้างสรรค์บนพื้นฐานของ sLLM และ RAG ในทุกหน่วยงานแล้ว นับเป็นหน่วยงานปกครองส่วนท้องถิ่นแห่งแรกที่ทำเช่นนั้น หลักฐานของการนำสภาพแวดล้อมการทำงาน AI ทั่วไปมาใช้ในระยะเริ่มต้นได้รับการยืนยันจากการเปรียบเทียบกับหน่วยงานปกครองส่วนท้องถิ่นอื่นๆ ในประเทศ อย่างไรก็ตาม การเปรียบเทียบอัตราการใช้งานจริง การประหยัดเวลา ความแม่นยำ และอัตราการเปลี่ยนแปลงนโยบายโดยใช้มาตรฐานเดียวกันกับเมืองชั้นนำอื่นๆ นั้นยังไม่ได้เปิดเผย หากการกำหนด "การนำมาใช้ในระยะเริ่มต้น" ในปี 2026–2028 แทนที่การเปรียบเทียบประสิทธิภาพ ความแตกต่างระหว่างความเป็นผู้นำทางเทคโนโลยีและประสิทธิภาพการบริหารจัดการก็จะถูกบดบัง แม้ว่า  ปูซานจะแสดงให้เห็นถึงสัญญาณความเป็นผู้นำในช่วงเวลาของการนำมาใช้ แต่ก็ถูกตัดสินว่าไม่สามารถเปรียบเทียบได้ในแง่ของผลลัพธ์ในการตัดสินใจ

การกำกับดูแล AI ในภาครัฐระหว่างประเทศมุ่งเน้นไปที่การจัดการที่มาของข้อมูล การตรวจสอบโดยมนุษย์ ความสามารถในการอธิบาย การประเมินผลกระทบ การคัดค้าน และการตรวจสอบแบบจำลอง บริการ AI แบบสร้างสรรค์ของเมืองปูซานสร้างขึ้นบนพื้นฐานของการใช้ระบบรักษาความปลอดภัยและข้อมูลภายใน อย่างไรก็ตาม ยังไม่มีหลักฐานยืนยันเกี่ยวกับการเปิดเผยการอนุมัติระดับความเสี่ยง การประเมินผลกระทบต่อประชาชน การเปิดเผยข้อผิดพลาด และประวัติการเปลี่ยนแปลงแบบจำลองในระดับรัฐบาลเมือง ในขณะที่ AI ขยายตัวในด้านการมีส่วนร่วมของประชาชน การตรวจสอบ และความปลอดภัยในช่วงสองถึงสามปีข้างหน้า ความรับผิดชอบตามขั้นตอนมากกว่าความสะดวกในการปฏิบัติงาน จะเป็นตัวกำหนดความสามารถในการแข่งขันเชิงเปรียบเทียบ แม้ว่าความ  พร้อมในการนำเทคโนโลยีมาใช้ของเมืองปูซานจะสูง แต่ความพร้อมในการกำกับดูแลภาครัฐของเมืองยังไม่ได้รับการยืนยัน

หน่วยงานรัฐบาลท้องถิ่นขนาดใหญ่ เช่น โซลและคยองกี ดำเนินการองค์กรวิเคราะห์ข้อมูล ข้อมูลสาธารณะ ดิจิทัลทวิน และบริการ AI ในรูปแบบหลายชั้น ปูซานก็กำลังลดช่องว่างด้านเครื่องมือลงด้วยการสร้าง Big Data Wave และแพลตฟอร์ม AI เฉพาะภาคส่วน อย่างไรก็ตาม ตัวชี้วัดที่เปรียบเทียบได้สำหรับการวิเคราะห์ → การเปลี่ยนแปลงการตัดสินใจ → ผลลัพธ์ ในเมืองต่างๆ ยังไม่ได้มีการกำหนดมาตรฐานภายในประเทศ การเปรียบเทียบเฉพาะจำนวนแพลตฟอร์มและงบประมาณสำหรับปี 2026–2028 ไม่สามารถประเมินประสิทธิภาพการบริหารและผลกระทบต่อประชาชนที่แท้จริงของปูซานได้  อันดับของปูซานในประเทศถูกประเมินว่าอยู่ในระดับกลางค่อนข้างสูงในด้านการเป็นเจ้าของเครื่องมือ แต่มีช่องว่างด้านข้อมูลทั่วไปในเรื่อง Decision Runtime

การวิเคราะห์เมือง 15 นาทีของปูซาน เทศกาล ย่านธุรกิจ การขนส่ง และสิ่งแวดล้อมทางทะเล แก้ไขปัญหาในระดับท้องถิ่นโดยการผสมผสานข้อมูลจากภาคเอกชน ซึ่งแสดงถึงโครงสร้างที่ก้าวหน้ากว่าในยุคที่ใช้เพียงสถิติการบริหารที่มีโครงสร้างเท่านั้น ในทางกลับกัน หลักฐานที่จัดการโดยมาตรฐานทั่วไปเกี่ยวกับการทำซ้ำของการวิเคราะห์ กลุ่มควบคุม ข้อมูลพื้นฐานก่อนและหลัง และผลลัพธ์หลังการวิเคราะห์ ยังมีจำกัด แม้ว่าจำนวนกรณีศึกษาจะเพิ่มขึ้นในช่วงสองถึงสามปี แต่ก็ไม่ได้ถูกรวบรวมเข้ากับการเรียนรู้ของเมืองทั้งหมด หากการออกแบบเปรียบเทียบแตกต่างกัน  จุดแข็งของปูซานอยู่ที่ความสมจริงของหัวข้อการวิเคราะห์ ในขณะที่จุดอ่อนอยู่ที่การกำหนดมาตรฐานของผลการวิเคราะห์ไปสู่การทดลองเชิงนโยบาย

การเชื่อมโยงบริการ AI เชิงสร้างสรรค์ทั้ง 22 ประเภทเข้ากับการประยุกต์ใช้ในทุกแผนก ยืนยันถึงฟังก์ชันการทำงานและขอบเขตการใช้งาน อย่างไรก็ตาม เนื่องจากไม่ได้เปิดเผยจำนวนผู้ใช้งานจริง จำนวนการสอบถาม อัตราการนำไปใช้ อัตราการปรับเปลี่ยน การประหยัดเวลา และอัตราการเปลี่ยนแปลงนโยบาย จึงไม่สามารถคำนวณประสิทธิภาพการใช้งานได้ จำนวนบริการคูณด้วยจำนวนแผนกแสดงให้เห็นถึงขนาดของการแพร่กระจาย แต่ไม่ได้สะท้อนถึงประสิทธิภาพการบริหาร หากจำนวนฟังก์ชันเพิ่มขึ้นระหว่างปี 2026 ถึง 2028 ตัวชี้วัดความสำเร็จที่ไม่มีตัวหารอาจมีค่ามากขึ้น  ตัวเลขปัจจุบันสำหรับ AI เชิงสร้างสรรค์ของเมืองปูซานแสดงถึงขนาดของการนำไปใช้ ในขณะที่ผลิตภาพในการตัดสินใจนั้นถูกกำหนดโดยช่องว่างของข้อมูล

คำขอวิเคราะห์ข้อมูลสำหรับ Big-DataWave ครอบคลุมประเด็นนโยบายจริง เช่น แนวคิด "เมือง 15 นาที" การปิดร้านค้าของไฮเปอร์มาร์เก็ต การจัดงานเทศกาล ที่จอดรถ การจราจรของคนเดินเท้า และยอดขายของผู้บริโภค จำนวนคำขอและตัวชี้วัด "การตอบสนองที่เสร็จสมบูรณ์" แสดงให้เห็นว่าการวิเคราะห์ข้อมูลนั้นมีประสิทธิภาพ อย่างไรก็ตาม ตัวเลขที่ตามมาเกี่ยวกับความคืบหน้าจาก "การตอบสนองที่เสร็จสมบูรณ์" ไปสู่ ​​"การพิจารณาอนุมัติ" "การปรับเปลี่ยนโครงการ" และ "การเปลี่ยนแปลงผลลัพธ์" นั้นไม่ได้เปิดเผย หากจำนวนกรณีที่เสร็จสมบูรณ์สะสมมากขึ้นในช่วงสองถึงสามปี ประสิทธิภาพของการประมวลผลการวิเคราะห์และประสิทธิภาพของการเปลี่ยนแปลงนโยบายอาจถูกมองว่าเหมือนกัน  อัตราความสำเร็จของการวิเคราะห์ถูกกำหนดให้เป็นตัวชี้วัดการบริการด้านการบริหาร ไม่ใช่ตัวชี้วัดประสิทธิผลของนโยบาย

การวิเคราะห์ยอดขายบัตรก่อนและหลังโครงการเมือง 15 นาที มีจุดประสงค์เพื่อเปรียบเทียบการเปลี่ยนแปลงในปี 2023 และ 2024 โดยเฉพาะก่อนและหลังโครงการเสร็จสมบูรณ์ แม้ว่าจะมีโครงสร้างการเปรียบเทียบตามเวลาอยู่แล้ว แต่หลักฐานที่แสดงว่าได้แยกพื้นที่ควบคุม สภาพเศรษฐกิจภายนอก ราคา และปัจจัยตามฤดูกาลออกจากกันแล้วนั้น ไม่สามารถยืนยันได้จากข้อมูลที่ร้องขอเพียงอย่างเดียว การเพิ่มขึ้นและลดลงอย่างง่ายๆ ก่อนและหลังโครงการเป็นการผสมผสานผลกระทบของนโยบายกับการเปลี่ยนแปลงภายนอกที่เกิดขึ้นพร้อมกัน หากมีการวิเคราะห์ในลักษณะเดียวกันซ้ำระหว่างปี 2026 และ 2028 การกำหนดสาเหตุที่ไม่ถูกต้องอาจสะสมมากขึ้น นำไปสู่การขยายหรือลดงบประมาณ  ช่องว่างเชิงตัวเลขในการวิเคราะห์ข้อมูลของปูซานอยู่ระหว่างการวัดการเปลี่ยนแปลงและการกำหนดสาเหตุ

การวิเคราะห์การเปลี่ยนเวลาปิดร้านของไฮเปอร์มาร์เก็ตไปเป็นวันธรรมดาเป็นประเด็นนโยบายที่เปรียบเทียบยอดขายของไฮเปอร์มาร์เก็ต ตลาดแบบดั้งเดิม และผู้ประกอบการธุรกิจขนาดเล็กเข้าด้วยกัน ซึ่งยืนยันถึงการเปลี่ยนแปลงเชิงโครงสร้างที่มุ่งเน้นการตรวจสอบการกระจายผลประโยชน์ในหมู่ผู้มีส่วนได้ส่วนเสียมากกว่ายอดขายของอุตสาหกรรมใดอุตสาหกรรมหนึ่งเพียงอย่างเดียว อย่างไรก็ตาม ผลลัพธ์ที่เปิดกว้างซึ่งรวมถึงผลประโยชน์ของผู้บริโภค สภาพการทำงานของคนงาน การเปลี่ยนแปลงไปสู่การบริโภคออนไลน์ และผลกระทบระยะยาว ยังไม่ได้รับการระบุ หากข้อสรุปถูกกำหนดโดยอิงจากยอดขายบัตรเครดิตระยะสั้นในช่วงสองถึงสามปีเท่านั้น ต้นทุนและผลประโยชน์ของนโยบายก็จะจำกัดอยู่เฉพาะกลุ่มใดกลุ่มหนึ่ง แม้ว่า  การตัดสินใจโดยใช้ข้อมูลของปูซานจะขยายไปสู่การเปรียบเทียบหลายกลุ่ม แต่ก็พบว่ายังไม่ครอบคลุมผลลัพธ์ทางสังคมโดยรวม

แม้ว่าจำนวนผู้เข้าร่วมและหลักสูตรการศึกษาด้าน AI จะแสดงให้เห็นถึงศักยภาพที่เพิ่มขึ้น แต่การตรวจสอบของสภาเมืองชี้ให้เห็นว่ากว่า 80% ของบางหลักสูตรอยู่ในระดับพื้นฐาน นี่เป็นหลักฐานที่แสดงให้เห็นว่าการเพิ่มปริมาณการฝึกอบรมไม่ได้หมายถึงการได้มาซึ่งความสามารถขั้นสูง การฝึกอบรมไม่ได้เชื่อมโยงกับคุณภาพการวิเคราะห์ในที่ทำงาน การตรวจสอบความถูกต้องของแบบจำลอง หรือการเปลี่ยนแปลงนโยบาย หากการขยายตัวที่เน้นการศึกษาขั้นพื้นฐานยังคงดำเนินต่อไปตั้งแต่ปี 2026 ถึง 2028 โครงสร้างจะยังคงอยู่เช่นเดิม คือจำนวนผู้ใช้ AI เพิ่มขึ้น แต่ขาดแคลนผู้มีอำนาจตัดสินใจที่ตรวจสอบได้  จำนวนการฝึกอบรมบ่งชี้ถึงการขยายตัว แต่ความสามารถในการตัดสินใจขององค์กรยังไม่ได้รับการประเมิน

ช่องว่างแรกคือการขาดบันทึกการตัดสินใจคำขอวิเคราะห์ การตอบสนองของ AI เอกสารทางราชการ การอนุมัติ งบประมาณ และผลการดำเนินการนั้นมีอยู่แยกต่างหาก อย่างไรก็ตาม บันทึกสาธารณะที่เชื่อมโยงกับรหัสประจำตัวนโยบายเดียวกันเพื่อระบุว่าหลักฐานใดที่ทำให้ทางเลือกที่มีอยู่ถูกยกเลิกและเปลี่ยนแปลงการตัดสินใจขั้นสุดท้ายนั้นไม่มีให้ใช้งาน เมื่อการใช้ AI กลายเป็นเรื่องปกติระหว่างปี 2026 ถึง 2028 การติดตามผลกระทบที่แท้จริงของ AI ในกระบวนการตัดสินใจจะยิ่งยากขึ้น  ช่องว่างที่ใหญ่ที่สุดในระบบ AX ทางการบริหารของปูซานนั้นถูกกำหนดให้เป็นการตรวจสอบย้อนกลับของการเปลี่ยนแปลงการตัดสินใจ มากกว่าความสามารถในการวิเคราะห์

ช่องว่างประการที่สองคือการขาดเกณฑ์มาตรฐานผลลัพธ์แม้ว่าบริการ AI เชิงสร้างสรรค์ทั้ง 22 ประเภทจะนำเสนอฟังก์ชันการทำงาน แต่ค่าเกณฑ์มาตรฐานทั่วไปสำหรับชั่วโมงการทำงานก่อนการนำไปใช้ อัตราข้อผิดพลาด คุณภาพการร้องเรียน และระยะเวลาการประมวลผลนโยบายยังไม่ได้รับการเปิดเผย โครงสร้างนี้ทำให้มีมาตรฐานการเปรียบเทียบที่อ่อนแอ แม้ว่าจะมีการเปลี่ยนแปลงเกิดขึ้นหลังจากการนำไปใช้ก็ตาม หาก AI กลายเป็นมาตรฐานการทำงานภายในสองถึงสามปี การเปรียบเทียบสถานะก่อนการนำไปใช้กับกลุ่มควบคุมที่ไม่ใช้งาน  AI เชิงสร้างสรรค์ของปูซานได้รับการประเมินว่ามีความพร้อมในการตรวจสอบประสิทธิภาพต่ำกว่าความพร้อมในการใช้งานจริง

ช่องว่างประการที่สาม อยู่ที่ การจัดการแหล่งที่มาของข้อมูลและวันที่อ้างอิงที่ยังไม่ได้รับการตรวจสอบแม้ว่า RAG จะใช้ข้อมูลภายใน แต่บันทึกการบริหารประกอบด้วยแนวทางก่อนการแก้ไข เอกสารซ้ำ และสถิติที่ขัดแย้งกัน ไม่มีโครงสร้างที่ได้รับการยืนยันสำหรับการติดตามอย่างเปิดเผยว่าข้อมูลและวันที่อ้างอิงใดที่ AI ใช้ในการตอบกลับ เมื่อปริมาณเอกสารเพิ่มขึ้นระหว่างปี 2026 ถึง 2028 ความเสี่ยงที่ข้อผิดพลาดเกี่ยวกับความใหม่ของข้อมูลจะเกิดขึ้นซ้ำในรูปแบบของประโยคที่ถูกต้องก็จะเพิ่มขึ้น  ช่องว่างในการบริหารจัดการตามหลักฐานไม่ได้อยู่ที่การเข้าถึงข้อมูล แต่ขึ้นอยู่กับความสามารถในการพิจารณาว่าข้อมูลใดถูกต้อง

ช่องว่างที่สี่ คือ ความไม่สอดคล้องกันระหว่างการวิเคราะห์และงบประมาณแม้ว่าการวิเคราะห์ข้อมูลจะยืนยันประสิทธิภาพของนโยบาย แต่บันทึกสาธารณะที่เชื่อมโยงกับการเพิ่มขึ้น ลดลง หรือการยกเลิกในงบประมาณปีถัดไปนั้นมีจำกัด โครงสร้างเป็นเช่นนั้น การวิเคราะห์ถูกจัดการในฐานะเอกสารอ้างอิง ในขณะที่งบประมาณถูกมองว่าเป็นเอกสารตรวจสอบแยกต่างหาก หากโครงการที่มีผลการดำเนินงานต่ำถูกรวมอยู่ในงบประมาณซ้ำแล้วซ้ำเล่าเป็นเวลาสองถึงสามปีโดยไม่คำนึงถึงผลการวิเคราะห์ ประโยชน์ทางการเงินของการบริหารที่ขับเคลื่อนด้วยข้อมูลก็จะหายไป ความพร้อมใน  การตัดสินใจของปูซานถูกตัดสินว่าไม่ได้รับการยืนยันในการจัดสรรงบประมาณใหม่มากกว่าในการวิเคราะห์นโยบาย

ช่องว่างที่ห้าคือการขาดการเรียนรู้ขององค์กรเกี่ยวกับข้อผิดพลาดของ AI AI แบบสร้างข้อมูลและแบบจำลองการคาดการณ์สามารถสร้างคำตอบที่ไม่ถูกต้อง การละเว้น อคติ และผลลัพธ์ที่ผิดพลาดได้ ยังไม่พบระบบทะเบียนใดที่บูรณาการและเปิดเผยกรณีข้อผิดพลาด เวลาในการแก้ไข อัตราการเกิดซ้ำ และการเปลี่ยนแปลงเวอร์ชันตามแบบจำลองสำหรับเมืองปูซาน เนื่องจากจำนวนบริการเพิ่มขึ้นระหว่างปี 2026 ถึง 2028 ข้อผิดพลาดเดียวกันอาจแพร่กระจายไปยังเอกสารและการตัดสินใจในหลายแผนก  ความเสี่ยงต่อการบริหารจัดการ AI ของปูซานนั้นประเมินว่าไม่ได้อยู่ที่การมีอยู่ของข้อผิดพลาด แต่เกิดจากโครงสร้างที่ข้อผิดพลาดไม่ได้ถูกเก็บรักษาไว้ในหน่วยความจำขององค์กร

บริการบริหารจัดการ Big Data Wave และ Generative AI ให้ข้อมูลเชิงวิเคราะห์และโครงสร้างพื้นฐานสนับสนุนธุรกิจตามลำดับ ปัจจุบันเมืองปูซานมีทั้งความสามารถในการสอบถามและวิเคราะห์ข้อมูล รวมถึง AI สำหรับเอกสารและการค้นหา อย่างไรก็ตาม ยังไม่มีหลักฐานยืนยันอย่างเป็นทางการที่เชื่อมโยงโครงสร้างพื้นฐานทั้งสองเข้ากับรหัสภารกิจนโยบายเดียวกัน หากการอัปเกรดแยกต่างหากยังคงดำเนินต่อไปตั้งแต่ปี 2026 ถึง 2028 ผลการวิเคราะห์ข้อมูลอาจไม่ปรากฏในคำตอบของ Generative AI หรือวันที่อ้างอิงอาจเปลี่ยนแปลงไป  มีการพิจารณาแล้วว่าได้มีการจัดหาโครงสร้างพื้นฐานทางเทคนิคหลายอย่างแล้ว ในขณะที่ความสามารถในการทำงานร่วมกันในระดับนโยบายยังไม่ได้รับการยืนยัน

มีการจัดอบรมด้าน AI และข้อมูลสำหรับสำนักงานใหญ่ เขต อำเภอ และองค์กรในเครือ รวมถึงการอบรมการวางแผนเชิงปฏิบัติ กลุ่มเป้าหมายในการอบรมได้ขยายจากบุคลากรด้านไอทีเฉพาะกลุ่มไปสู่เจ้าหน้าที่ฝ่ายนโยบายทั่วไป ในทางกลับกัน การตรวจสอบการบริหารในปี 2025 ชี้ให้เห็นถึงการขาดแคลนแอปพลิเคชันขั้นสูงและความสามารถในการบูรณาการ หาก AI แพร่หลายไปทั่วทุกแผนกในอีกสองถึงสามปีข้างหน้า อาจเกิดปัญหาคอขวดขึ้นได้ โดยที่เจ้าหน้าที่ตรวจสอบเพียงคนเดียวต้องจัดการกับข้อผิดพลาดจากผู้ใช้หลายคน  โครงสร้างพื้นฐานด้านบุคลากรได้รับการประเมินว่าอยู่ในช่วงการขยายตัวของผู้ใช้งาน ในขณะที่บุคลากรตรวจสอบขั้นสูงถูกประเมินว่าอยู่ในช่วงขาดแคลน

โครงสร้างพื้นฐานการใช้งานสำหรับการขายบัตร การไหลเวียนของการสื่อสารโทรคมนาคม ตารางเชิงพื้นที่ สถิติการบริหาร และข้อมูลที่ไม่ระบุตัวตน สังเกตปรากฏการณ์นโยบายจากมุมมองต่างๆ โครงสร้างพื้นฐานด้านข้อมูลได้ขยายตัวจากข้อมูลสาธารณะที่มีโครงสร้างไปสู่การบูรณาการระหว่างภาครัฐและเอกชน อย่างไรก็ตาม ยังไม่มีการระบุข้อมูลที่จัดการผลกระทบของอคติในการสุ่มตัวอย่าง การเปลี่ยนแปลงสูตร ค่าที่ขาดหายไป และการยุติการได้มาซึ่งข้อมูลต่อผลการวิเคราะห์อย่างครบถ้วน เนื่องจากการพึ่งพาข้อมูลส่วนตัวเพิ่มขึ้นระหว่างปี 2026 ถึง 2028 การเปลี่ยนแปลงในสัญญาและสูตรจะรบกวนอนุกรมเวลาของผลลัพธ์นโยบาย แม้ว่า  ความพร้อมของข้อมูลจะขยายขอบเขตออกไป แต่ก็ยังไม่ได้รับการยืนยันในด้านคุณภาพและความต่อเนื่อง

แผนส่งเสริมการบริหารด้วย AI และระบบข้อมูลส่วนบุคคลและความปลอดภัยของเมืองปูซานเป็นรากฐานเชิงสถาบันสำหรับการใช้ AI การนำ AI มาใช้เปลี่ยนจากการใช้งานโดยพนักงานแบบอัตโนมัติไปสู่ระบบการบริหารอย่างเป็นทางการ อย่างไรก็ตาม ยังไม่มีการระบุระบบบูรณาการใดที่เปิดเผยการตัดสินใจขั้นสุดท้ายของมนุษย์ในการตัดสินใจที่มีความเสี่ยงสูง การแจ้งเตือนประชาชน การคัดค้าน พื้นที่ที่ห้ามใช้ระบบอัตโนมัติ และเกณฑ์การยุติการใช้งานแบบจำลอง หากการประยุกต์ใช้ขยายไปสู่ภาคส่วนการร้องเรียนทางแพ่ง สวัสดิการ การตรวจสอบ และความปลอดภัยในอีกสองถึงสามปีข้างหน้า ช่องว่างทางขั้นตอนจะกลายเป็นความเสี่ยงต่อสิทธิของประชาชน  จึงสรุปได้ว่าแม้ระบบจะได้รับการอนุมัติให้นำไปใช้แล้ว แต่ยังไม่ถึงขั้นรับผิดชอบต่อผลกระทบที่เกิดขึ้น

บริการบริหารจัดการด้วย AI เชิงสร้างสรรค์มีเป้าหมายเพื่อลดภาระงานของพนักงานและเวลาในการตอบสนองของประชาชน โดยสนับสนุนการค้นหาข้อมูลด้านการบริหารและการร่างคำตอบข้อร้องเรียนของประชาชน โครงสร้างนี้เกี่ยวข้องกับเทคโนโลยีการดำเนินงานภายในที่ขยายไปถึงคุณภาพของคำตอบ ณ จุดที่ติดต่อกับประชาชน อย่างไรก็ตาม ยังไม่มีการเปิดเผยการเปรียบเทียบเวลาในการประมวลผลข้อร้องเรียนของประชาชน อัตราการสอบถามซ้ำ อัตราข้อผิดพลาด และความพึงพอใจของประชาชนก่อนและหลังการนำไปใช้ แม้ว่าการใช้งานของพนักงานจะเพิ่มขึ้นระหว่างปี 2026 ถึง 2028 แต่หากความเร็วและความแม่นยำที่ประชาชนได้รับไม่ดีขึ้น บริการบริหารจัดการ AX ก็จะยังคงเป็นเพียงมาตรการเพิ่มประสิทธิภาพภายในเท่านั้น ในขณะที่  การยอมรับจากประชาชนถูกนำเสนอว่าเป็นผลที่คาดหวัง แต่ผลลัพธ์ที่แท้จริงยังไม่ได้รับการยืนยัน

การวิเคราะห์ข้อมูลเกี่ยวกับการปิดร้านค้าตามคำสั่งของซูเปอร์มาร์เก็ตขนาดใหญ่ โครงการ "เมือง 15 นาที" เทศกาล และย่านการค้า มุ่งเป้าไปที่นโยบายที่เกี่ยวข้องโดยตรงกับชีวิตของเจ้าของธุรกิจขนาดเล็กและผู้อยู่อาศัย การบริหารจัดการข้อมูลกำลังเปลี่ยนจากการจัดทำรายงานภายในไปสู่การวิเคราะห์ผลลัพธ์ทางเศรษฐกิจระดับภูมิภาค อย่างไรก็ตาม หลักฐานติดตามที่แสดงให้เห็นว่าผลการวิเคราะห์ได้เปลี่ยนแปลงสภาพแวดล้อมทางธุรกิจ รูปแบบสถานที่ งบประมาณ และการออกแบบกิจกรรมนั้นยังมีจำกัด หากการวิเคราะห์เสร็จสิ้นหลังจากสองถึงสามปี ธุรกิจในท้องถิ่นยังคงเป็นเพียงเป้าหมายของการจัดหาข้อมูลและไม่ได้รับประโยชน์จากการเปลี่ยนแปลงนโยบาย  แม้ว่าการวิเคราะห์ที่มุ่งเป้าไปที่ธุรกิจและผู้อยู่อาศัยจะขยายวงกว้างขึ้น แต่ผลกระทบที่จับต้องได้จากการเปลี่ยนแปลงการตัดสินใจยังคงไม่ได้รับการยืนยัน

ข้อมูลสาธารณะและกระแสข้อมูลขนาดใหญ่ (Big Data Wave) ช่วยให้วิสาหกิจขนาดกลางและขนาดย่อม (SMEs) และประชาชนทั่วไปเข้าถึงข้อมูลได้ ขอบเขตการใช้ข้อมูลขยายจากภายในองค์กรไปสู่ภาคเอกชน อย่างไรก็ตาม ข้อมูลที่เชื่อมโยงประสิทธิภาพของข้อมูลเปิด ซึ่งนำไปสู่ผลิตภัณฑ์ บริการ ยอดขาย และการจ้างงานขององค์กร กับปัญหาด้านคุณภาพข้อมูล ยังไม่ได้รับการตรวจสอบอย่างเป็นระบบ หากจำนวนชุดข้อมูลเพิ่มขึ้นเพียงอย่างเดียวระหว่างปี 2026 ถึง 2028 ข้อมูลที่มีมูลค่าการใช้งานจริงต่ำจะยังคงเป็นเพียงความสำเร็จของการเปิดเผยข้อมูล ในขณะที่  การแพร่กระจายไปยังภาคเอกชนได้รับการยืนยันในแง่ของการเข้าถึง แต่ผลลัพธ์ทางอุตสาหกรรมยังคงไม่ได้รับการตรวจสอบ

ระบบตรวจสอบ ความปลอดภัย การประปา และสิ่งแวดล้อมทางทะเลที่ใช้ AI มีเป้าหมายเพื่อสร้างโครงสร้างที่ลดความเสียหายต่อประชาชนโดยการตรวจจับอุบัติเหตุ การทุจริต และการรั่วไหลในระยะเริ่มต้น ผลลัพธ์ที่ประชาชนได้รับไม่ได้ปรากฏให้เห็นจากการนำระบบไปใช้ แต่ปรากฏให้เห็นจากการลดอุบัติเหตุ เวลาในการฟื้นฟู คุณภาพน้ำ และความปลอดภัย การเปลี่ยนแปลงของความเสียหายต่อประชาชนและต้นทุนจากผลลัพธ์ที่ผิดพลาดก่อนและหลังการนำระบบเหล่านี้ไปใช้นั้นมีหลักฐานที่เปิดเผยต่อสาธารณะอย่างจำกัด หากจำนวนการแจ้งเตือนและการตรวจสอบเพิ่มขึ้นเพียงสองถึงสามปี ประโยชน์ที่ประชาชนได้รับจะถูกบดบังด้วยประวัติการนำเทคโนโลยีทางการบริหารไปใช้  การแพร่กระจายของ AI ในหมู่ประชาชนตามภาคส่วนได้รับการยืนยันในระดับความสามารถในการตรวจจับ ในขณะที่ผลลัพธ์ของการลดความเสียหายยังไม่ได้รับการยืนยัน

แม้ว่าศาลาว่าการนครปูซานจะมีบริการปัญญาประดิษฐ์เชิงสร้างสรรค์ (Generative AI) และหน่วยงานข้อมูลเฉพาะทางที่เหมือนกัน แต่บุคลากรด้านข้อมูล งบประมาณ และประสบการณ์การวิเคราะห์ของแต่ละเขตและอำเภอไม่เหมือนกัน ถึงแม้ว่า Administrative AX จะมุ่งเป้าไปที่การขยายไปยังทุกหน่วยงานและเขต แต่ความสามารถในการดำเนินการจริงอาจแตกต่างกันไปขึ้นอยู่กับขนาดขององค์กร ข้อมูลเปรียบเทียบอัตราการใช้งานจริง คำขอวิเคราะห์ การวิเคราะห์ภายใน และอัตราการสะท้อนนโยบายในแต่ละเขตและอำเภอไม่มีให้ใช้งาน หากช่องว่างด้านความสามารถเหล่านี้สะสมมากขึ้นระหว่างปี 2026 ถึง 2028 ความถูกต้องของนโยบายที่อิงตามข้อมูลอาจแตกต่างกันแม้กระทั่งในหมู่ประชาชนปูซานตามที่อยู่ของพวกเขา จึง  สรุปได้ว่าภายใน Administrative AX ของปูซาน ความสมดุลของการเข้าถึงบริการไม่สอดคล้องกับความสมดุลของความสามารถในการใช้งาน

คำขอวิเคราะห์ข้อมูลขนาดใหญ่ (Big Data Wave) ครอบคลุมประเด็นเฉพาะภูมิภาค เช่น การจราจรของคนเดินเท้าในเขตดงกู ที่จอดรถในเขตยองโดกู ย่านธุรกิจในเขตปูซานจินกู และเทศกาลกวางอัลลี แม้ว่าความต้องการข้อมูลจะเกิดขึ้นทั่วเมืองปูซาน แต่ประเภทของปัญหาและความยากง่ายในการจัดหาข้อมูลนั้นแตกต่างกัน หากการสนับสนุนการวิเคราะห์ดำเนินการตามคำขอ องค์กรที่มีความสามารถในการใช้งานและทักษะการออกแบบโครงการที่แข็งแกร่งจะมีโอกาสได้รับการสนับสนุนมากกว่า หากโครงสร้างนี้ได้รับการรักษาไว้เป็นเวลาสองถึงสามปี ภูมิภาคที่ล้มเหลวในการร่างคำขอวิเคราะห์ที่มีประสิทธิภาพจะถูกตัดออกก่อนภูมิภาคที่ขาดข้อมูล จากการศึกษา  พบว่าความเหลื่อมล้ำทางพื้นที่นั้นมีแนวโน้มที่จะเกิดจากความสามารถในการออกแบบคำถามเชิงบริหารมากกว่าการครอบครองข้อมูล

การวิเคราะห์ข้อมูลการสัญจรของคนเดินเท้าและยอดขายผ่านบัตรในรูปแบบตาราง 50 เมตร ช่วยบันทึกการเปลี่ยนแปลงวิถีชีวิตในระดับย่านที่อยู่อาศัยและระดับที่เล็กลง หน่วยการวิเคราะห์เชิงบริหารกำลังเปลี่ยนจากค่าเฉลี่ยระดับอำเภอและเขต ไปสู่พื้นที่อยู่อาศัยขนาดเล็ก อย่างไรก็ตาม ยังไม่มีหลักฐานยืนยันว่าความละเอียดเชิงพื้นที่และรอบการอัปเดตเดียวกันนั้นถูกนำไปใช้กับทุกด้านของนโยบาย หากมีการสังเกตอย่างแม่นยำเฉพาะบางพื้นที่ระหว่างปี 2026 ถึง 2028 พื้นที่ที่ไม่ได้รับการสังเกตอาจถูกระบุผิดว่าเป็นพื้นที่ที่ไม่มีความต้องการ  ในขณะที่ระบบอัจฉริยะเชิงพื้นที่ของปูซานได้รับการปรับปรุงแล้ว แต่ความสม่ำเสมอของการสังเกตทั่วทั้งภูมิภาคยังไม่ได้รับการยืนยัน

ใจกลางเมืองเดิม ปูซานตะวันตก และปูซานตะวันออกมีความแตกต่างกันในด้านประชากร อุตสาหกรรม การขนส่ง และโครงสร้างทางการค้า แม้ว่าจะใช้แบบจำลอง AI เดียวกันทั่วทั้งเมือง แต่ข้อผิดพลาดในการทำนายจะแตกต่างกันไปตามภูมิภาค หากองค์ประกอบของข้อมูลฝึกฝนในแต่ละภูมิภาคแตกต่างกัน ไม่มีข้อมูลสาธารณะใดที่เปรียบเทียบประสิทธิภาพของแบบจำลองตามเขต อำเภอ อายุ รายได้ หรือขนาดธุรกิจ หากมีการจัดการเพียงความแม่นยำเฉลี่ยในช่วงสองถึงสามปี ความแม่นยำต่ำในพื้นที่ที่มีความเสี่ยงจะถูกบดบังด้วยค่าเฉลี่ยโดยรวม ความเสี่ยง  เชิงพื้นที่ของ AI ด้านการบริหารของปูซานนั้นถูกกำหนดโดยความไม่ปรากฏของอัตราข้อผิดพลาดในระดับภูมิภาคมากกว่าการใช้งานบริการ

บริการบริหารจัดการด้วย AI แบบสร้างสรรค์สไตล์ปูซานถูกนำมาใช้ในทุกแผนกตั้งแต่ต้นปี 2026 และจะได้รับการพัฒนาและขยายเพิ่มเติมในช่วงสามปี ตั้งแต่ปี 2026 ถึง 2028 สองถึงสามปีข้างหน้าจะเป็นช่วงเวลาที่ฟังก์ชัน ข้อมูล และรูปแบบการใช้งานเริ่มต้นจะกลายเป็นขั้นตอนการดำเนินงานมาตรฐาน ยังไม่มีการเปิดเผยข้อมูลพื้นฐานก่อนการนำ AI มาใช้และบันทึกการตัดสินใจเกี่ยวกับผลกระทบของ AI เมื่อขั้นตอนพื้นฐานฝังแน่นแล้ว การเปรียบเทียบการทำงานกับการทำงานโดยไม่มี AI จะทำได้ยาก และแนวทางการใช้งานที่ไม่ถูกต้องจะยังคงเป็นบรรทัดฐานขององค์กร  ปัจจุบัน "ช่วงเวลาทอง" ถูกกำหนดไว้ว่าไม่ใช่ก่อนการนำ AI มาใช้ แต่เป็นก่อนที่มาตรฐานการดำเนินงานสามปีแรกจะมั่นคง

ปัญญาประดิษฐ์และการวิเคราะห์ข้อมูลกำลังขยายตัวอย่างรวดเร็วไปยังด้านต่างๆ เช่น เมือง 15 นาที ย่านธุรกิจ งานเทศกาล การขนส่ง กิจการทางทะเล การจัดหาน้ำ และการตรวจสอบบัญชี ขอบเขตการใช้งานได้เปลี่ยนจากงานทั่วไปไปสู่การตัดสินของผู้เชี่ยวชาญที่ส่งผลกระทบต่อสิทธิและความปลอดภัยของประชาชน อย่างไรก็ตาม ยังไม่มีระบบการเปิดเผยข้อมูลสาธารณะใดที่บูรณาการการจัดการระดับความเสี่ยง ข้อผิดพลาด ข้อโต้แย้ง และเกณฑ์การระงับ หากระบบอัตโนมัติขยายไปยังภาคส่วนที่มีความเสี่ยงสูงระหว่างปี 2026 ถึง 2028 จะเป็นการยากที่จะใช้กฎระเบียบเพิ่มเติมภายหลังกับคำตัดสินและข้อร้องเรียนที่สะสมมาแล้วช่วงเวลาทองของการกำกับดูแลถูกกำหนดไว้ก่อนที่มาตรการที่มีความเสี่ยงสูงจะกลายเป็นส่วนหนึ่งของการดำเนินงานประจำวัน

การใช้ข้อมูลบัตรเครดิตและข้อมูลโทรคมนาคมส่วนตัว รวมถึงข้อมูลที่ไม่ระบุตัวตน ช่วยเผยให้เห็นแนวโน้มของนโยบายได้เร็วกว่าสถิติทางการบริหาร ความเร็วในการวิเคราะห์ข้อมูลในปูซานกำลังเร่งตัวขึ้นจากสถิติรายปีไปเป็นรายเดือน รายวัน และรายชั่วโมง อย่างไรก็ตาม ระบบการเปิดเผยข้อมูลต่อสาธารณะสำหรับการจัดการการเปลี่ยนแปลงในสูตรข้อมูลส่วนตัว ตัวอย่าง และสัญญา ตลอดจนการเปรียบเทียบในระยะยาว ยังมีข้อจำกัด หากนโยบายที่อาศัยข้อมูลชุดเดียวกันสะสมมาเป็นเวลาสองถึงสามปี ความสามารถในการทำซ้ำของการวิเคราะห์ในอดีตจะหายไปหลังจากมีการเปลี่ยนแปลงผู้ให้บริการ  "ช่วงเวลาทองของข้อมูล" ถูกกำหนดขึ้นก่อนที่ความต่อเนื่องของฐานข้อมูลจะถูกตัดขาด มากกว่าการขยายตัวของปริมาณการใช้งาน

แม้ว่าการฝึกอบรมพนักงานจะขยายตัวมากขึ้น แต่การตรวจสอบการบริหารในปี 2025 ชี้ให้เห็นว่ามีการเน้นหลักสูตรพื้นฐานมากเกินไป นี่เป็นหลักฐานที่แสดงให้เห็นว่าความเร็วในการแพร่กระจายของบริการ AI แตกต่างจากความเร็วในการเติบโตของบุคลากรอาวุโสในการวางแผนและตรวจสอบ ข้อมูลที่วัดความสามารถขั้นสูงและการตรวจจับข้อผิดพลาดที่แท้จริงยังไม่ได้รับการยืนยัน เมื่อการใช้ AI กลายเป็นเรื่องปกติสำหรับพนักงานทุกคนระหว่างปี 2026 ถึง 2028 จะเป็นเรื่องยากสำหรับผู้เชี่ยวชาญจำนวนน้อยที่จะตรวจสอบแบบจำลอง ข้อมูล และการตอบสนองทั้งหมด  "ช่วงเวลาทอง" สำหรับบุคลากรที่มีความสามารถจึงถูกกำหนดให้เป็นช่วงเวลาก่อนที่จำนวนผู้ใช้จะแซงหน้าจำนวนผู้ตรวจสอบอย่างเป็นระบบ

12-1. กรณีศึกษาการประยุกต์ใช้ช่วงเวลาทองในหน่วยงานปกครองส่วนท้องถิ่นระดับพื้นฐาน ① — เขตปูซานจิน

มีการร้องขอให้ Big-Data Wave วิเคราะห์การเปลี่ยนแปลงยอดขายบัตรก่อนและหลังโครงการ 15-Minute City ซึ่งรวมถึงพื้นที่อยู่อาศัยดังกัมและแกกึม การประเมินนโยบายพื้นที่อยู่อาศัยของเขตบุซานจินได้เปลี่ยนจากการพิจารณาจากการก่อสร้างแล้วเสร็จไปเป็นการพิจารณาจากผลลัพธ์ยอดขายจริงของย่านการค้าโดยรอบ อย่างไรก็ตาม ยังไม่มีการยืนยันผลการวิเคราะห์สาธารณะที่แยกผลกระทบของราคา ฤดูกาล สภาพเศรษฐกิจ และพื้นที่ควบคุมจากการเปลี่ยนแปลงก่อนและหลังการก่อสร้างแล้วเสร็จ รวมถึงการเปลี่ยนแปลงนโยบายใดๆ ที่ตามมา หากโครงการ 15-Minute City ขยายโดยใช้วิธีเดียวกันระหว่างปี 2026 ถึง 2028 ข้อผิดพลาดในการกำหนดสาเหตุเบื้องต้นอาจเกิดขึ้นซ้ำกับพื้นที่อยู่อาศัยอื่นๆ  แม้ว่าเขตบุซานจินจะเป็นภูมิภาคที่มีการตั้งคำถามเกี่ยวกับผลลัพธ์ที่อิงตามข้อมูล แต่ก็ยังไม่ถึงขั้นที่จะยืนยันผลกระทบของนโยบายได้

พื้นที่ดังกัมและแกกึมใช้เขตที่อยู่อาศัยจริง ซึ่งมีขนาดใหญ่กว่าหน่วยดง แต่เล็กกว่าหน่วยอำเภอ เป็นหน่วยนโยบาย การตัดสินใจเชิงพื้นที่ได้เปลี่ยนจากค่าเฉลี่ยของหน่วยดงทางการปกครองไปเป็นเขตที่อยู่อาศัยที่รวมการเคลื่อนย้ายและการบริโภคของผู้อยู่อาศัยเข้าด้วยกัน อย่างไรก็ตาม ยังไม่มีหลักฐานสาธารณะที่ยืนยันได้ว่าเชื่อมโยงประชากรเคลื่อนย้าย ยอดขายบัตร การเข้าถึงสิ่งอำนวยความสะดวก ความพึงพอใจของผู้อยู่อาศัย และการอยู่รอดของธุรกิจเข้ากับระยะเวลาดำเนินการของเขตที่อยู่อาศัยเดียว หากโครงการเขตที่อยู่อาศัยที่เป็นตัวแทนแล้วเสร็จภายในสองถึงสามปี อาจเหลือเพียงผลการดำเนินงานเฉพาะสิ่งอำนวยความสะดวกเท่านั้นโดยไม่มีข้อมูลพื้นฐาน  ช่วงเวลาทองของเขตปูซานจินไม่ใช่การมีอยู่ของการวิเคราะห์เขตที่อยู่อาศัยเอง แต่เป็นช่วงเวลาที่สามารถบันทึกได้ว่าการวิเคราะห์ดังกล่าวมีอิทธิพลต่อการจัดวางสิ่งอำนวยความสะดวกและงบประมาณในภายหลังหรือไม่

12-2. กรณีศึกษาการประยุกต์ใช้ช่วงเวลาทองในหน่วยงานปกครองส่วนท้องถิ่นระดับพื้นฐาน ② — เขตยองโด

เขตยองโดได้ขอรับคำปรึกษาด้านการวิเคราะห์ข้อมูลเกี่ยวกับปัญหาการขาดแคลนที่จอดรถ หลังจากที่การวิเคราะห์ข้อร้องเรียนจากศูนย์ให้คำปรึกษา (Saeol) ยืนยันว่าข้อร้องเรียนที่เกี่ยวข้องกับที่จอดรถเป็นปัญหาที่พบบ่อยที่สุด กรณีนี้แสดงให้เห็นว่าข้อความร้องเรียนของประชาชนไม่ได้จำกัดอยู่แค่การรวบรวมข้อร้องเรียนซ้ำๆ เท่านั้น แต่ยังรวมถึงคำถามสำหรับการวิเคราะห์นโยบายด้วย อย่างไรก็ตาม ยังไม่มีการเปิดเผยบันทึกการติดตามผลต่อสาธารณะเพื่อยืนยันว่ามีการเปลี่ยนแปลงการตัดสินใจใดบ้าง เช่น การจัดสรรพื้นที่จอดรถ เวลาบังคับใช้กฎหมาย ระบบขนส่งสาธารณะ หรือเส้นทางท่องเที่ยว โดยอิงจากผลการวิเคราะห์ หากความต้องการที่จอดรถเปลี่ยนแปลงไปเนื่องจากการท่องเที่ยว ที่อยู่อาศัย และการสูงวัยของประชากรระหว่างปี 2026 ถึง 2028 การวิเคราะห์ข้อร้องเรียนในอดีตก็จะกลายเป็นข้อมูลครั้งเดียวที่มีจุดอ้างอิงที่แตกต่างออกไป  แม้ว่าเขตยองโดจะเป็นกรณีที่ข้อมูลระบุถึงปัญหาเชิงนโยบาย แต่ก็ยังไม่ได้รับการยืนยันว่าข้อมูลได้เปลี่ยนแปลงทางเลือกในการแก้ปัญหาหรือไม่

ปัญหาที่จอดรถในเขตยองโดเป็นปัญหาที่ซับซ้อน ซึ่งความต้องการใช้ที่จอดรถในแต่ละชั่วโมงของผู้อยู่อาศัย นักท่องเที่ยว พ่อค้าแม่ค้า และผู้พิการ ต่างขัดแย้งกันในพื้นที่เดียวกัน จำนวนการร้องเรียนเพียงอย่างเดียวไม่สามารถแยกแยะได้ว่าความต้องการของกลุ่มใดหรือช่วงเวลาใดที่เป็นปัญหาคอขวด นอกจากนี้ ยังไม่สามารถตรวจสอบความสัมพันธ์ระหว่างการร้องเรียน การหมุนเวียนที่จอดรถ การจอดรถผิดกฎหมาย ความปลอดภัยของคนเดินเท้า และรายได้เชิงพาณิชย์ได้ หากใช้การตัดสินโดยอิงจากปริมาณการร้องเรียนเป็นหลักเป็นเวลาสองถึงสามปี พื้นที่ที่มีอัตราการรายงานสูงและพื้นที่ที่มีความเสี่ยงสูงจริง ๆ ก็จะปะปนกันไป  “ช่วงเวลาทอง” ของเขตยองโด คือช่วงเวลาที่สามารถระบุสาเหตุของการร้องเรียนและความแตกต่างระหว่างทางเลือกนโยบายต่าง ๆ ได้ ซึ่งก้าวข้ามขั้นตอนของการระบุเพียงจุดที่มีการร้องเรียนสูงเท่านั้น

หากไม่มีการเก็บรักษาข้อมูลเกี่ยวกับการใช้งาน ข้อผิดพลาด การแก้ไข และการนำไปใช้ตั้งแต่ช่วงเริ่มต้นของการประยุกต์ใช้ AI ในทุกแผนกในปี 2026 ข้อมูลพื้นฐานสำหรับการเปรียบเทียบประสิทธิภาพการบริหารในอนาคตก็จะหายไป การสนับสนุนการทำงานของ AI มีโครงสร้างที่จะขยายตัวในช่วงสามปี โดยงานที่ไม่ต้องใช้ AI จะลดลงอย่างรวดเร็ว ปัจจุบันผลลัพธ์ที่เปิดเผยก่อนและหลังการนำไปใช้ยังมีจำกัด หลังจากปี 2026-2028 จะเป็นเรื่องยากที่จะแยกแยะได้ว่า AI ได้ปรับปรุงกระบวนการทำงานหรือเพียงแค่ดูดซับปริมาณงานที่เพิ่มขึ้น  การสูญเสียครั้งแรกจะถูกกำหนดโดยหลักฐานเชิงสาเหตุจากช่วงเริ่มต้นของการนำ AI มาใช้ มากกว่างบประมาณด้านเทคโนโลยี

หากผลการวิเคราะห์ไม่ได้เชื่อมโยงกับการอนุมัติ งบประมาณ และการดำเนินการ การวิเคราะห์ประเด็นเดียวกันก็จะถูกทำซ้ำในแผนกต่างๆ และตลอดหลายปีที่ผ่านมา แม้ว่าจะมีคำถามเชิงนโยบายในโลกแห่งความเป็นจริงมากมายที่ระบุไว้ใน Big Data Wave แต่ประวัติการนำไปใช้ซ้ำและการเปลี่ยนแปลงการตัดสินใจกลับไม่ถูกเปิดเผย หากมีการโยกย้ายบุคลากรและการปรับโครงสร้างองค์กรเกิดขึ้นในช่วงสองถึงสามปี ข้อสมมติฐาน ข้อจำกัด และการตัดสินใจที่ตามมาของการวิเคราะห์ก็จะถูกแยกออกจากความทรงจำขององค์กร การ  สูญเสียครั้งที่สองไม่ได้ถูกกำหนดโดยรายงานแต่ละฉบับ แต่โดยความทรงจำด้านการบริหารที่ไม่ทำซ้ำความล้มเหลวของนโยบาย

หากข้อผิดพลาดในการตอบสนองของ AI และแบบจำลองการคาดการณ์ไม่ได้รับการบันทึกไว้ ข้อผิดพลาดก็จะเกิดขึ้นซ้ำอีกโดยใช้ข้อมูล คำถาม และแบบจำลองเดิม ในขณะที่บริการกำลังขยายไปยังทุกแผนกและสาขาเฉพาะทาง แต่ระบบการเรียนรู้ข้อผิดพลาดทั่วทั้งเมืองยังไม่ได้รับการตรวจสอบ เนื่องจากระบบต่างๆ จะมีความก้าวหน้ามากขึ้นระหว่างปี 2026 ถึง 2028 เวอร์ชันและผู้รับผิดชอบจะเปลี่ยนแปลงไป ทำให้ยากต่อการจำลองข้อผิดพลาดในอดีต การ  สูญเสียประการที่สามไม่ได้พิจารณาจากตัวเลขความแม่นยำ แต่พิจารณาจากเวลาเรียนรู้ที่จำเป็นในการนำข้อผิดพลาดไปใช้ในการตัดสินใจครั้งต่อไป

หากความแตกต่างในด้านบุคลากรด้านข้อมูลและความสามารถในการออกแบบคำถามสะสมมากขึ้นในแต่ละเขตและอำเภอ การสนับสนุนการวิเคราะห์อาจกระจุกตัวอยู่ในองค์กรที่มีความสามารถในการใช้งานสูงกว่า แทนที่จะอยู่ในภูมิภาคที่มีความต้องการสูง ปัจจุบัน ระบบการวิเคราะห์ตามคำขอและภารกิจระดับภูมิภาคได้รับการระบุแล้ว แต่ยังไม่พบความต้องการที่ยังไม่ได้นำไปใช้ หากโครงสร้างนี้ฝังรากลึกเป็นเวลาสองถึงสามปี ช่องว่าง AX ด้านการบริหารจะเปลี่ยนเป็นช่องว่างด้านบริการระดับภูมิภาค  การสูญเสียประการที่สี่ไม่ได้ถูกกำหนดโดยความเท่าเทียมกันทางเทคโนโลยี แต่โดยความเสมอภาคในการตัดสินใจเชิงนโยบายที่ไม่ได้รับอิทธิพลจากที่อยู่หรือศักยภาพขององค์กร

เมืองปูซานมีบริการ AI เชิงสร้างสรรค์อยู่แล้วในทุกแผนก มี Big Data Wave การใช้ข้อมูลที่ไม่ระบุตัวตน และแพลตฟอร์ม AI เฉพาะภาคส่วน รวมถึงการฝึกอบรมเชิงปฏิบัติ ส่วนประกอบของ Administrative AX นั้นไม่ได้หายไปทั้งหมด แต่กระจัดกระจายอยู่ในขั้นตอนต่างๆ อย่างไรก็ตาม หลักฐานที่เชื่อมโยงโดยรหัสนโยบายและบันทึกการตัดสินใจยังไม่ได้รับการตรวจสอบ ยังมีเวลาที่จะเปรียบเทียบสินทรัพย์ที่มีอยู่โดยอิงจากผลลัพธ์นโยบายเดียวกันก่อนที่โครงสร้างระบบจะคงที่ระหว่างปี 2026 ถึง 2028  ปัจจุบัน โอกาสนี้ถูกประเมินว่าเป็นช่วงเวลาในการสร้างการเชื่อมต่อการตัดสินใจของสินทรัพย์ที่กระจัดกระจายมากกว่าการสร้างระบบใหม่

คำขอวิเคราะห์เกี่ยวกับ "เมือง 15 นาที" ซูเปอร์มาร์เก็ตขนาดใหญ่ เทศกาล และที่จอดรถ แสดงให้เห็นว่าฝ่ายบริหารได้ตั้งคำถามเฉพาะเจาะจงเกี่ยวกับผลกระทบของนโยบายแล้ว ช่องว่างของปูซานไม่ได้อยู่ที่การไม่มีคำถาม แต่เกิดจากการขาดบันทึกการตัดสินใจที่ตามมาหลังจากการตอบคำถามเหล่านั้น ยังไม่มีการระบุห่วงโซ่ผลการวิเคราะห์และการเปลี่ยนแปลงนโยบายที่เปิดเผยต่อสาธารณะ หากคำขอวิเคราะห์ยังคงเพิ่มขึ้นอย่างต่อเนื่องในอีกสองถึงสามปีข้างหน้า ความสามารถในการเชื่อมโยงการตัดสินใจที่ตามมาจะกลายเป็นเกณฑ์ในการกำหนดผลิตภาพของฝ่ายบริหาร  โอกาสในปัจจุบันไม่ได้อยู่ที่การขยายปริมาณการวิเคราะห์ แต่เป็นระยะที่สามารถเก็บรักษาคำถามนโยบายที่สมจริงไว้เป็นหลักฐานการตัดสินใจที่นำไปใช้ซ้ำได้

ปัญญาประดิษฐ์เชิงสร้างสรรค์ (Generative AI) ที่ใช้โมเดล RAG ใช้ข้อมูลการบริหารภายในของเมืองปูซานเป็นพื้นฐานในการนำเหตุผลเชิงนโยบายในอดีตขององค์กรมาใช้ซ้ำ พร้อมทั้งลดเวลาในการค้นหา อย่างไรก็ตาม โครงสร้างสำหรับการค้นหาความถูกต้องของข้อมูล ข้อขัดแย้ง และผลลัพธ์ของการตัดสินใจยังไม่ได้รับการเปิดเผย หากเหตุผลและผลลัพธ์ไม่เชื่อมโยงกันก่อนที่ข้อมูลการบริหารจะเพิ่มขึ้นระหว่างปี 2026 ถึง 2028 ปัญญาประดิษฐ์จะสามารถค้นหาเอกสารในอดีตได้อย่างรวดเร็ว แต่จะไม่สามารถแยกแยะความสำเร็จและความล้มเหลวของการตัดสินใจในอดีตได้  ปัจจุบัน โอกาสนี้ได้รับการประเมินว่าเป็นช่วงเริ่มต้นของการดำเนินงาน ซึ่งเอกสารการบริหารสามารถนำมาใช้เป็นข้อมูลการเรียนรู้ขององค์กรได้

การตรวจสอบการบริหารงานของเทศบาลนครปูซานตั้งคำถามต่อสาธารณะเกี่ยวกับระดับการศึกษาด้านปัญญาประดิษฐ์ (AI) และประสิทธิภาพของโครงการต่างๆ โครงสร้างดังกล่าวเกี่ยวข้องกับการเผยแพร่ AI ของฝ่ายบริหารและการตรวจสอบจากภายนอกของเทศบาลที่ดำเนินไปพร้อมกัน อย่างไรก็ตาม การเชื่อมโยงข้อมูลที่เชื่อมโยงผลการตรวจสอบ การบริหารงานของเทศบาล การเปลี่ยนแปลงรูปแบบ/การศึกษา และผลลัพธ์ที่ตามมา ยังไม่ได้รับการตรวจสอบ หากการตรวจสอบของเทศบาลยังคงเป็นการสอบถามแยกส่วนเป็นเวลาสองถึงสามปี การกำกับดูแล AI จะกระจัดกระจายไปอยู่ในการทบทวนงบประมาณและรายงานโครงการ  ปัจจุบัน โอกาสที่เหมาะสมคือช่วงเวลาที่การดำเนินงานภายในและการตรวจสอบจากภายนอกของการบริหาร AI สามารถเชื่อมโยงกันได้ภายในห่วงโซ่หลักฐานเดียว

รันไทม์ AX สำหรับการบริหารจัดการ

คำถามเชิงนโยบาย → ข้อมูลพื้นฐาน → การวิเคราะห์ข้อมูลและ AI → การเปรียบเทียบทางเลือก → การเปลี่ยนแปลงการตัดสินใจ → งบประมาณ → การดำเนินการ → ผลลัพธ์ของประชาชน → ช่องว่าง → การตรวจสอบและการยืนยันโดยสภา → การแก้ไข → การตัดสินใจครั้งต่อไป

การขยายขีดความสามารถของ AI ในด้านการบริหาร + ช่องว่างด้านหลักฐานการตัดสินใจ

ระบบ AI และการบริหารจัดการข้อมูลของเมืองปูซานได้ก้าวข้ามขั้นตอนการนำมาใช้แล้ว และกำลังอยู่ในขั้นตอนการขยายผลไปยังทุกแผนก

การค้นหางาน การสร้างเอกสาร และการวิเคราะห์นโยบายรายบุคคลได้รับการยืนยันแล้ว

ไม่มีความเชื่อมโยงระหว่างสิ่งที่ AI และข้อมูลเปลี่ยนแปลงไปเกี่ยวกับการตัดสินใจที่มีอยู่เดิม กับผลลัพธ์ที่เปลี่ยนแปลงไป

อันตรายในปัจจุบันไม่ได้อยู่ที่การบริหารงานที่ไม่ใช้ AI แต่เป็นการบริหารงานที่ใช้ AI แต่ไม่สามารถระบุได้ว่า AI นั้นตัดสินใจได้ดีกว่าหรือไม่

คำตัดสินขั้นสุดท้ายคือ การขยายขีดความสามารถด้านปัญญาประดิษฐ์เชิงบริหาร + ช่องว่างด้านหลักฐานการตัดสินใจ

1. ผู้ใช้งาน AI เชิงสร้างสรรค์ (Generative AI) จำแนกตามแผนก
2. ความถี่ในการใช้งาน AI ของพนักงานแต่ละคน
3. อัตราการใช้งานแยกตามประเภทบริการ 22 ประเภท
4. อัตราการนำไปใช้ การปรับเปลี่ยน และการปฏิเสธคำตอบของ AI
5. อัตราการแก้ไขเฉลี่ยของเอกสารที่สร้างโดย AI
6. ลดเวลาในการค้นหาข้อมูลด้านการบริหาร
7. ลดเวลาที่ใช้ในการร่างคำร้องทางแพ่ง
8. อัตราการสอบถามซ้ำในคดีแพ่งก่อนและหลังการใช้ AI
9. จำนวนข้อผิดพลาด การละเว้น และอคติในการตอบสนองของ AI
10. ระยะเวลาตั้งแต่พบข้อผิดพลาดจนถึงการแก้ไข
11. อัตราการเกิดซ้ำของข้อผิดพลาดเดิม
12. การรับคำขอวิเคราะห์ การดำเนินการ และระยะเวลารอคอย
13. อัตราการสะท้อนการอนุมัติของผลการวิเคราะห์
14. อัตราการเปลี่ยนแปลงทางเลือกนโยบายหลังจากการวิเคราะห์
15. อัตราการเปลี่ยนแปลงของเป้าหมายโครงการและภูมิภาคหลังจากการวิเคราะห์
16. การเพิ่มงบประมาณ การลดงบประมาณ และอัตราความสำเร็จหลังการวิเคราะห์
17. อัตราการเปิดเผยข้อมูลพื้นฐานก่อนการบังคับใช้ตามนโยบาย
18. อัตราส่วนการวิเคราะห์โดยใช้บริเวณควบคุม/กลุ่มควบคุม
19. สูตรข้อมูลส่วนตัวและประวัติการเปลี่ยนแปลงตัวอย่าง
20. ความแม่นยำ, ผลบวกเท็จ และการตรวจจับพลาด โดยจำแนกตามโมเดล
21. ช่องว่างในการใช้งาน AI และการวิเคราะห์ภายในแยกตามเขต/อำเภอ
22. อัตราการสมัครงานหลังจบการฝึกอบรม
23. จำนวนบุคลากรด้านปัญญาประดิษฐ์ขั้นสูงและการตรวจสอบข้อมูล
24. อัตราการแก้ไขจริงหลังจากประเด็นที่สภาและหน่วยงานตรวจสอบได้หยิบยกขึ้นมา
25. อัตราการปรับปรุงผลลัพธ์ของประชาชนและธุรกิจหลังจากการเปลี่ยนแปลงนโยบาย

ช่องว่างข้อมูล:จากหลักฐานสาธารณะ พบว่ากระบวนการตัดสินใจของเมืองปูซานที่เชื่อมโยงการสอบถามนโยบาย → การวิเคราะห์ข้อมูล/AI → การเปรียบเทียบข้อเสนอที่มีอยู่และทางเลือกอื่น → การอนุมัติ/การเปลี่ยนแปลงงบประมาณ → การดำเนินการ → ผลลัพธ์ต่อประชาชน/ธุรกิจ → การตรวจสอบ/การยืนยันของสภา → การแก้ไขติดตามผล ภายใต้รหัสนโยบายเดียวกันนั้น ไม่ได้รับการยืนยัน

รันไทม์เชน

ข้อมูล → การวิเคราะห์ → ทางเลือก → การเปลี่ยนแปลงการตัดสินใจ → งบประมาณ → การดำเนินการ → ผลลัพธ์ → ข้อผิดพลาด/ช่องว่าง → การตรวจสอบ/สภา → การแก้ไข → การตัดสินใจครั้งต่อไป

แหล่งที่มา · การตรวจสอบ

• นครปูซานเปิดตัวบริการบริหารจัดการด้วยปัญญาประดิษฐ์เชิงสร้างสรรค์ (AI) แห่งแรกของประเทศ
• แผนการดำเนินงานด้านการบริหารจัดการปัญญาประดิษฐ์ (AI) ของเมืองปูซาน ปี 2026
• แผนงานหลักด้านการบริหารจัดการเมืองปูซาน ปี 2026 โดยใช้ข้อมูลเป็นฐาน
• คลื่นข้อมูลขนาดใหญ่ในปูซาน สถานะของการวิเคราะห์ข้อมูลเชิงนโยบายและการให้คำปรึกษา
• คลื่นข้อมูลขนาดใหญ่แห่งเมืองปูซาน: เอกสารอธิบายเชิงสถิติ
• นครปูซาน: การฝึกอบรมเชิงปฏิบัติการโดยใช้ AI สำหรับการบริหารในอนาคต
• สภาเทศบาลนครปูซาน การตรวจสอบการบริหารงานประจำปี 2025 ของสำนักงานส่งเสริมอุตสาหกรรมสารสนเทศแห่งเกาหลี
• แพลตฟอร์มสนับสนุนการจัดการสิ่งแวดล้อมทางทะเลอัจฉริยะบนพื้นฐานข้อมูลของเมืองปูซาน
• นครปูซานเตรียมสนับสนุนการตัดสินใจโดยใช้ปัญญาประดิษฐ์ (AI) และบิ๊กดาต้าสำหรับเครือข่ายประปาภายในปี 2026
• ระบบสนับสนุนการบริหารจัดการการตรวจสอบอัจฉริยะแบบ AI ของเมืองปูซาน

ข้อมูลเชิงโครงสร้างที่ยังคงหลงเหลืออยู่จากการวิเคราะห์นี้

กระบวนการตัดสินใจเชิงบริหารจะเก็บรักษาไว้เฉพาะข้อเสนอสุดท้ายที่เขียนไว้ในเอกสาร และลบทางเลือกอื่นที่ไม่ได้รับการเลือกออกไป แม้ว่า AI จะนำเสนอหลักฐานและทางเลือกเพิ่มเติม แต่หากไม่ได้บันทึกความแตกต่างระหว่างแผนเดิม ทางเลือกอื่น และแผนสุดท้าย ก็ไม่สามารถตรวจสอบได้ว่า AI เปลี่ยนการตัดสินใจหรือไม่ โครงสร้างเช่นนี้จึงเหลือเพียงแค่การใช้งาน แต่ผลกระทบกลับหายไป

ในโครงสร้างนี้ ความแตกต่างระหว่าง AI ที่ดีและ AI ที่ไม่ดีไม่ได้ถูกกำหนดโดยความถูกต้องแม่นยำเพียงอย่างเดียว หากการวิเคราะห์ที่ถูกต้องแม่นยำไม่สามารถเปลี่ยนแปลงการอนุมัติและงบประมาณได้ ผลกระทบต่อการบริหารก็จะแทบเป็นศูนย์ ในทางกลับกัน หากการวิเคราะห์ที่ไม่สมบูรณ์เปลี่ยนแปลงการตัดสินใจที่มีความเสี่ยงสูง แม้แต่ข้อผิดพลาดเล็กน้อยก็อาจลุกลามใหญ่โตจนส่งผลกระทบต่อประชาชนได้ คุณค่าทางการบริหารของ AI เกิดจากผลคูณของประสิทธิภาพของแบบจำลองและผลกระทบต่อการตัดสินใจ

ดังนั้น จึงมีเพียงมุมมองเชิงโครงสร้างเดียวเกี่ยวกับระบบบริหารจัดการ AX ของเมืองปู ซาน ปัญญาประดิษฐ์จะกลายเป็นความสามารถในการบริหารจัดการได้ก็ต่อเมื่อมันบันทึกเหตุผลว่าทำไมการตัดสินใจจึงเปลี่ยนแปลงไป ไม่ใช่เมื่อมันเข้ามาแทนที่การ  ตัดสินใจ หากปราศจากบันทึกนี้ เมืองปูซานอาจค้นหาข้อมูลได้เร็วขึ้นและสร้างเอกสารได้มากขึ้น แต่ก็ไม่สามารถระบุได้ว่าได้ตัดสินใจได้ดีกว่าในอดีตหรือไม่

ทฤษฎีช่วงเวลาทอง — ช่วงเวลาระหว่างปี 2026 ถึง 2028 สำหรับระบบการตัดสินใจเชิงบริหารของเมืองปูซาน ไม่ใช่ช่วงเวลาสำหรับการแพร่กระจายของปัญญาประดิษฐ์เชิงสร้างสรรค์ แต่เป็นช่วงเวลาสำหรับการบันทึกความแตกต่างระหว่าง หลักฐาน → ทางเลือก → การเปลี่ยนแปลงการตัดสินใจ → ผลลัพธ์ ในบันทึกการบริหารเป็นครั้งแรก หากปราศจากการเชื่อมโยงนี้ ปัญญาประดิษฐ์อาจเพิ่มความเร็วในการบริหารได้ แต่ไม่สามารถเพิ่มความเร็วในการตรวจจับและแก้ไขความล้มเหลวของนโยบายได้