알림 목록

Khu vực phân tích: Thành phố Daegu

Khu vực trọng tâm: Tòa thị chính thành phố Daegu, 9 quận/huyện, khu công nghiệp, khu dân cư, giao thông, hệ thống vận hành dữ liệu hành chính y tế và phúc lợi.

Chương trình nghị sự: Liệu có hệ thống quản lý nào đang hoạt động, kết nối dữ liệu về công nghiệp, dân số, việc làm, khu thương mại, giao thông và phúc lợi để phát hiện sớm những thay đổi và rủi ro tại các thành phố sản xuất hay không?

Loại thời gian vàng: Khoảng cách tích hợp dữ liệu + Rủi ro độ trễ quyết định

Ngày tham chiếu: 28 tháng 8 năm 2026

Phiên bản: Regional AX Golden Time Intelligence v3.2
 

Năm 2019, thành phố Daegu đã thiết lập một nền tảng dữ liệu lớn tích hợp, cung cấp 775 mẩu dữ liệu công khai và khoảng 14.000 mẩu dữ liệu thống kê từ thành phố và các quận, huyện trực thuộc. Hiện tại, D-Data Hub đang thu thập, tìm kiếm, phân tích và trực quan hóa dữ liệu hành chính, công nghiệp và lối sống. Mặc dù cơ sở hạ tầng dữ liệu đã đạt đến giai đoạn nền tảng, nhưng các trường hợp công khai phát hiện khủng hoảng công nghiệp, dòng chảy thanh niên, suy thoái thương mại và rủi ro phúc lợi như một con đường thay đổi đơn lẻ còn hạn chế. Nếu dữ liệu vẫn chỉ là dữ liệu truy vấn theo ngành trong hai đến ba năm tới, mối liên hệ giữa những thay đổi trong cơ cấu công nghiệp và tác động đến dân số và điều kiện sống sẽ chỉ được xác nhận thông qua thống kê hồi cứu.  Kết luận: Vấn đề của Hệ thống Quản lý Hành chính Daegu (Administrative AX) không nằm ở việc thiếu dữ liệu, mà ở việc không thể diễn giải các tín hiệu thay đổi khác nhau trên cùng một mốc thời gian.

Tháng 8 năm 2026, thành phố Daegu tuyên bố "Daegu, Thành phố hàng đầu về đổi mới quản trị bằng AI" và đề xuất các gói dịch vụ AI tạo sinh, đào tạo cho cán bộ công chức, tự động hóa công việc, chatbot chuyên dụng cho quản trị, và việc thành lập nền tảng quản trị AI kiểu Daegu vào năm 2027. Trọng tâm của Quản trị Hành chính (Administrative AX) đang chuyển từ việc công khai dữ liệu sang việc sử dụng AI bởi các cán bộ công chức và các nền tảng độc quyền. Tuy nhiên, các chỉ số hiệu suất chưa phân biệt rõ ràng giữa việc giảm thời gian viết báo cáo và phát hiện sớm các rủi ro chính sách. Nếu sự tiện lợi trong công việc do AI tạo sinh mang lại thay thế cho hiệu suất của Quản trị Hành chính trong hai đến ba năm tới, cấu trúc phán đoán chính sách sẽ vẫn giữ nguyên như hiện trạng.  Kết luận: Quản trị Hành chính Daegu đã bắt đầu giới thiệu các công cụ, nhưng mô hình quản trị chủ động vẫn chưa được kiểm chứng.

D-Data Hub thu thập và lưu trữ dữ liệu từ thành phố Daegu, các quận, huyện và các tổ chức trực thuộc, hỗ trợ phân tích và trực quan hóa, đồng thời lưu giữ dữ liệu về tài chính doanh nghiệp, dân cư lưu động, hình ảnh sản xuất, dịch vụ y tế và khu thương mại. Cấu trúc đã mở rộng từ một nền tảng tập trung vào hành chính công sang bao gồm dữ liệu của khu vực công nghiệp và tư nhân. Tuy nhiên, tính cập nhật của các tập dữ liệu, tỷ lệ sử dụng thực tế theo từng bộ phận, số lượng trường hợp được phản ánh trong các quyết định chính sách và kết quả chưa được công bố một cách tích hợp. Nếu chỉ cần khối lượng dữ liệu đăng ký tăng lên trong hai đến ba năm tới, nền tảng này sẽ trở thành một hệ thống liệt kê dữ liệu hơn là một hệ thống ra quyết định hành chính.  Kết luận: Mặc dù Daegu sở hữu một nền tảng tích hợp dữ liệu, nhưng không có bằng chứng cho thấy thành phố này sở hữu một nền tảng đánh giá tích hợp.

Năm 2018, thành phố Daegu đã phân tích khoảng 1,1 triệu bản ghi từ bộ dữ liệu "Salpiso", 32.000 khiếu nại của người dân và 5,9 tỷ bản ghi lưu lượng người đi bộ để dự đoán các khu vực dễ phát sinh khiếu nại với độ chính xác 96,2%. Điều này dẫn đến độ chính xác 90% trong việc tự động phân công các bộ phận xử lý và giảm thời gian xử lý trung bình từ bảy ngày xuống còn sáu ngày. Chính quyền Daegu đã có kinh nghiệm thực tiễn trong việc dự đoán các khiếu nại trong tương lai bằng cách sử dụng dữ liệu quá khứ. Tuy nhiên, vẫn chưa được xác nhận liệu mô hình này có được phổ biến rộng rãi đến tất cả các bộ phận một cách liên tục hay không, hoặc liệu độ chính xác dự đoán và hiệu quả phòng ngừa của nó có được đo lường một cách nhất quán hay không. Nếu mô hình thành công trong quá khứ không được khôi phục vào hệ thống hoạt động trong vòng hai đến ba năm, thì có nguy cơ cao là sáng kiến ​​AX Hành chính năm 2026 sẽ lại kết thúc như một dự án thí điểm riêng lẻ.  Kết luận: Vấn đề của Daegu không phải là thiếu công nghệ quản lý chủ động, mà là sự gián đoạn trong thể chế hóa sau dự án thí điểm.

Năm 2026, thành phố Daegu đã công bố hệ thống dự báo phân tích khiếu nại dân sự được thiết kế để xác định trước các điểm tập trung nhu cầu, trong khi Tổng công ty Giao thông vận tải và Trụ sở Cấp nước triển khai hệ thống phát hiện dấu hiệu rò rỉ bằng cách phân tích dữ liệu đọc đồng hồ từ xa bằng trí tuệ nhân tạo (AI). Cơ cấu quản lý khiếu nại dân sự và cơ sở hạ tầng đang chuyển từ phương pháp phản ứng sang phương pháp tập trung vào phát hiện các dấu hiệu bất thường. Tuy nhiên, kết quả chưa xác nhận rằng hệ thống dự báo tương tự đã được mở rộng sang các lĩnh vực công nghiệp, dân cư, phúc lợi và thương mại. Nếu quản lý dự báo vẫn chỉ giới hạn ở cơ sở hạ tầng và khiếu nại dân sự trong hai đến ba năm tới, hệ thống cảnh báo sớm về những thay đổi trong cấu trúc đô thị sẽ vẫn là một lỗ hổng.  Kết luận: Mặc dù một số dự đoán liên quan đến quản lý hàng ngày đã được xác nhận, nhưng các dự đoán về những thay đổi trên toàn thành phố thì chưa.

Hệ thống Xu hướng Kinh tế Công nghiệp Daegu cung cấp dữ liệu về sản xuất, xuất khẩu, việc làm, các khu công nghiệp và xu hướng doanh nghiệp, trong khi D-Data Hub chứa hồ sơ và dữ liệu tài chính của các công ty đặt tại Daegu. Quản lý công nghiệp đã mở rộng thành một cấu trúc đồng thời nắm giữ số liệu thống kê kinh tế vĩ mô và thông tin doanh nghiệp. Tuy nhiên, chưa có kết quả nào được công bố rộng rãi xác nhận có thể xác định sớm các công ty và khu công nghiệp đang gặp khủng hoảng bằng cách liên kết những thay đổi trong doanh thu, giảm việc làm, sử dụng điện, hoạt động nhà máy và xuất khẩu. Nếu phân tích tập trung vào số liệu thống kê hàng tháng được duy trì trong hai đến ba năm, các dấu hiệu tái cấu trúc chỉ được phát hiện sau khi doanh nghiệp đóng cửa, tạm ngừng hoạt động hoặc sa thải hàng loạt.  Đánh giá: Mặc dù dữ liệu công nghiệp Daegu được sử dụng để giải thích tình hình hiện tại, nhưng việc sử dụng nó để đánh giá trước khủng hoảng còn hạn chế.

Năm 2026, thành phố Daegu bắt đầu xây dựng chuỗi giá trị dữ liệu AI sản xuất, kết nối việc xác minh chất lượng dữ liệu, đánh giá hiệu suất mô hình AI và ứng dụng thực địa cho các công ty sản xuất. Cấu trúc này mở rộng dữ liệu công nghiệp từ số liệu thống kê hành chính sang dữ liệu từ các địa điểm sản xuất của doanh nghiệp. Tuy nhiên, các chỉ số về thẩm quyền, an ninh và các chỉ số chung liên kết dữ liệu quy trình không công khai của các công ty với dữ liệu về việc làm, vị trí và hỗ trợ của chính quyền địa phương vẫn chưa được xác định. Nếu dữ liệu sản xuất vẫn chỉ giới hạn ở việc xác thực riêng lẻ của từng công ty trong hai đến ba năm tới, nó sẽ không thể phát hiện ra các rủi ro công nghiệp khu vực một cách toàn diện.  Đánh giá: Dữ liệu AX sản xuất đã bắt đầu được tạo ra, nhưng vẫn chưa đến giai đoạn được đưa trở lại vào dữ liệu chính sách công nghiệp.

Daegu công bố dữ liệu về dân số đăng ký cư trú, dòng người đến và đi, dân số theo độ tuổi và dân số thường trú, trong khi D-Data Hub cung cấp các chức năng phân tích dân số khu vực. Việc quản lý dân số đã được chia nhỏ hơn so với tổng số người giảm dân số thành các phân tích ở cấp độ Eup, Myeon và Dong, cũng như theo độ tuổi và di cư. Tuy nhiên, chưa có phân tích nào được xác nhận liên kết hiện tượng chảy máu chất xám ở giới trẻ với chuyên ngành, chức năng công việc, tuyển dụng của doanh nghiệp, tiền lương hoặc chi phí nhà ở. Nếu sự suy giảm dân số trong hai đến ba năm tới chỉ được quản lý như một hiện tượng theo từng quận hành chính, thì nguyên nhân của hiện tượng chảy máu chất xám từ các ngành công nghiệp sẽ vẫn bị cô lập.  Kết luận: Daegu đo lường sự di chuyển dân số nhưng không theo dõi các con đường công nghiệp đã tạo ra sự di chuyển đó.

Với việc sáp nhập Gunwi, diện tích hành chính của Daegu đã tăng khoảng 70%, và các khu vực nông thôn, người cao tuổi và khu vực dân cư thưa thớt đã được thêm vào hệ thống dữ liệu đô thị. Việc đánh giá một cách công bằng những thay đổi trong giao thông, dịch vụ y tế, nông nghiệp và dịch vụ sinh hoạt ở Gunwi chỉ dựa trên các chỉ số đô thị hiện có đã trở nên khó khăn. Một tiêu chuẩn chung để phân biệt giữa trung tâm thành phố và Gunwi khi so sánh chúng như một khu vực sinh sống duy nhất vẫn chưa được công bố. Nếu các tiêu chuẩn dữ liệu vẫn bị phân tách trong hai đến ba năm tới, các dấu hiệu cảnh báo ở Gunwi sẽ bị làm giảm bớt trong mức trung bình của Daegu.  Đánh giá: Mặc dù việc sáp nhập Gunwi đã mở rộng phạm vi dữ liệu, nhưng các tiêu chí để tích hợp khu vực đô thị và nông thôn vẫn chưa được hoàn thiện.

Dữ liệu về khiếu nại dân sự, giao thông, cấp nước, dân cư tạm trú và khu thương mại được tạo ra theo thời gian thực hoặc theo chu kỳ ngắn hạn, cho thấy những thay đổi trong cuộc sống hàng ngày nhanh hơn so với đăng ký cư dân hoặc thống kê kinh doanh. Daegu có kinh nghiệm sử dụng dữ liệu tần suất cao như vậy để dự đoán các điểm dễ bị tổn thương về khiếu nại dân sự và phát hiện sớm rò rỉ nước. Tuy nhiên, chưa có mô hình đối chiếu nào liên kết những thay đổi trong dữ liệu lối sống với khủng hoảng phúc lợi, suy thoái thương mại, di cư dân số hoặc việc làm công nghiệp được xác định. Nếu các dự đoán của từng bộ phận được tách biệt trong hai đến ba năm, các rủi ro phức tạp xảy ra trong cùng một khu vực sẽ được xử lý như các khiếu nại dân sự riêng biệt.  Đánh giá: Mặc dù dữ liệu lối sống của Daegu được cập nhật nhanh chóng, nhưng các đánh giá chính sách lại bị phân mảnh theo từng lĩnh vực.

Nền tảng tích hợp dữ liệu quận Buk-gu cung cấp riêng chức năng phân tích khu vực thương mại bằng cách sử dụng dân số lưu động và các ngành kinh doanh hàng ngày. Khi các hệ thống phân tích ở cấp quận và huyện được thiết lập bên cạnh nền tảng cấp thành phố, dữ liệu tập trung vào địa phương đã được phân chia nhỏ hơn. Tuy nhiên, vẫn chưa được xác nhận liệu các tiêu chuẩn dữ liệu, chu kỳ cập nhật và kết quả phân tích giữa Trung tâm dữ liệu số cấp thành phố và các nền tảng cấp quận/huyện có được liên kết tự động hay không. Nếu số lượng nền tảng tăng lên theo từng đơn vị trong hai đến ba năm tới, việc phân cấp nền tảng sẽ mở rộng trước khi dữ liệu được tích hợp.  Nhận định: Mặc dù độ phân giải của phân tích khu vực đã được cải thiện, nhưng hệ thống đánh giá giữa cấp thành phố và cấp địa phương vẫn chưa được tích hợp.

Năm 2023, thành phố Daegu đã theo đuổi một kế hoạch tổng thể xây dựng bản đồ dữ liệu hành chính – dự án đầu tiên thuộc loại này trong số các chính quyền địa phương trong nước – nhằm mục đích tổ chức vị trí và mối quan hệ của dữ liệu nằm rải rác giữa các phòng ban và nhiệm vụ. Trọng tâm quản lý dữ liệu đã chuyển từ các tệp và hệ thống riêng lẻ sang cấu trúc mối quan hệ dữ liệu. Tuy nhiên, tính đến năm 2026, phạm vi của bản đồ dữ liệu hoàn chỉnh, các khóa liên kết giữa các dữ liệu, tỷ lệ sử dụng của nhân viên hiện trường và trách nhiệm cập nhật vẫn chưa được công khai xác minh. Nếu bản đồ dữ liệu vẫn chỉ là một danh sách dựa trên tài liệu trong hai đến ba năm tới, chất lượng học tập và tìm kiếm trên nền tảng quản trị AI cũng sẽ bị hạn chế vào năm 2027.  Đánh giá: Mặc dù vị trí của dữ liệu hành chính đã được xác định, nhưng các mối quan hệ ngữ nghĩa và hệ thống trách nhiệm vẫn chưa được xác nhận.

Dữ liệu về công nghiệp, dân số, phúc lợi và giao thông vận tải được quản lý bằng các tiêu chí nhận dạng khác nhau, chẳng hạn như mã số công ty, cư dân, địa chỉ, nơi làm việc, cơ sở vật chất và thời gian. Mặc dù AI có thể liên kết các dữ liệu này, nhưng việc kết hợp các nguồn gốc ban đầu bị hạn chế do thông tin cá nhân và bí mật doanh nghiệp. Các quy tắc kết hợp dữ liệu kiểu Daegu, bao gồm việc mã hóa dữ liệu, kết hợp đơn vị không gian và quyền truy cập theo thẩm quyền, vẫn chưa được công bố. Nếu các quy tắc kết hợp không được hoàn thiện trong vòng hai đến ba năm, nền tảng quản trị AI sẽ tập trung vào việc tìm kiếm dữ liệu công khai và tóm tắt tài liệu.  Kết luận: Khoảng cách về thẩm quyền kết hợp dữ liệu lớn hơn khoảng cách công nghệ trong quản trị tích hợp.

Thành phố Daegu đã trình bày kế hoạch triển khai dịch vụ đăng ký trí tuệ nhân tạo (AI) tạo sinh vào năm 2026 và thiết lập nền tảng quản lý AI kiểu Daegu liên kết với cơ sở hạ tầng chung AI toàn chính phủ vào năm 2027. Việc sử dụng AI được lên kế hoạch chuyển từ các dịch vụ bên ngoài riêng lẻ sang một nền tảng nội bộ tích hợp dữ liệu hành chính. Tuy nhiên, ngân sách xây dựng, nhiệm vụ áp dụng, phạm vi dữ liệu, độ chính xác, các bên chịu trách nhiệm và kết quả đối với người dân vẫn chưa được hoàn thiện. Nếu việc xây dựng nền tảng được tiến hành như một dự án công nghệ trong hai đến ba năm tới, các quyết định chính sách thực tế sẽ duy trì cấu trúc báo cáo và phê duyệt hiện có.  Đánh giá: Nền tảng quản lý AI kiểu Daegu đang trong giai đoạn tiền triển khai và mô hình hoạt động vẫn chưa được kiểm chứng.

Một Nhóm Đổi mới Quản trị AI đã được thành lập, và việc đào tạo cũng như bồi dưỡng các nhà lãnh đạo đổi mới quản trị AI đã bắt đầu cho tất cả mọi người, từ cấp quản lý cao nhất đến nhân viên cấp cơ sở. Mặc dù đã có cấu trúc hình thành đồng thời một tổ chức chuyên trách và người dùng nội bộ, nhưng các thủ tục để tích hợp phân tích AI vào quyền ra quyết định của các phòng ban và quy trình điều chỉnh ngân sách vẫn chưa được xác nhận. Nếu việc hoàn thành đào tạo và tạo ra các công cụ tự động hóa không dẫn đến thay đổi chính sách, hiệu quả công việc và quản trị hành chính (AX) sẽ vẫn tách biệt. Nếu việc sử dụng AI chỉ đơn thuần là năng lực cá nhân trong hai đến ba năm tới, năng lực của tổ chức sẽ biến mất cùng với những thay đổi về nhân sự.  Kết luận: Việc áp dụng AI của người dùng đã bắt đầu, nhưng việc ứng dụng AI trong ra quyết định của tổ chức vẫn chưa được thực hiện.

Mô hình dự đoán khiếu nại dân sự năm 2018 đã xác định trước 27 điểm yếu và giảm thời gian xử lý khoảng 14%. Hệ thống dự báo phân tích khiếu nại dân sự năm 2026 tái xuất hiện với trọng tâm là dự đoán các khiếu nại tập trung trong ngắn hạn. Mặc dù Daegu đã trải qua quá trình chuyển đổi từ xử lý khiếu nại thụ động sang dự báo chủ động hai lần, nhưng tính liên tục và hiệu quả tích lũy của hai hệ thống vẫn chưa được xác nhận. Nếu mô hình dự đoán được xây dựng lại mỗi khi một dự án kết thúc trong hai đến ba năm tới, thì Quản trị thời gian thực sẽ không được thiết lập.  Kết luận: Quản trị chủ động của Daegu đã được chứng minh nhiều lần, nhưng tính vận hành bền vững của nó vẫn chưa được chứng minh.

Các cuộc khủng hoảng công nghiệp, tình trạng thanh niên di cư, sự suy thoái của các khu thương mại và rủi ro về phúc lợi xã hội xảy ra tuần tự trong nhiều tháng đến nhiều năm. Mặc dù các nền tảng công cộng hiện tại cung cấp thông tin cập nhật về tình trạng theo từng chỉ số, nhưng chưa có cấu trúc nào được xác định để tự động cảnh báo về khung thời gian và ngưỡng quan trọng mà tại đó những thay đổi cụ thể lan sang các lĩnh vực khác. Cũng không có bằng chứng phản hồi nào để xem xét lại mô hình liệu rủi ro đã giảm sau các biện pháp chính sách hay chưa. Nếu phân tích và thực thi vẫn tách biệt trong hai đến ba năm, chính quyền sẽ lặp lại các phản ứng thụ động mặc dù sở hữu thông tin dự báo.  Kết luận: Chính quyền Daegu sở hữu khả năng phân tích dữ liệu nhưng chưa đạt được Quản trị thời gian thực (Runtime Governance).

Trung tâm dữ liệu số (D-Data Hub), các nền tảng cấp huyện và quận, hệ thống xu hướng kinh tế - công nghiệp, dự báo khiếu nại dân sự và Đội ngũ Đổi mới Hành chính AI hiện đang hoạt động. Các yếu tố cơ bản về dữ liệu, nền tảng, tổ chức và trình diễn đã tồn tại. Tuy nhiên, kết quả cho thấy các yếu tố này được kết nối với một quy trình cảnh báo sớm và ra quyết định chính sách thống nhất vẫn chưa được xác nhận. Nếu không thiết lập được hoạt động tích hợp trong vòng hai đến ba năm tới, một nền tảng AI mới sẽ được bổ sung vào hệ thống hiện có.  Đánh giá: Mức độ sẵn sàng tổng thể đang ở giai đoạn "đảm bảo nền tảng - hệ thống vận hành phân mảnh".

Dữ liệu hành chính, thống kê, công nghiệp, dân số di động và dữ liệu doanh nghiệp đã được thu thập tại D-Data Hub, và một bản đồ dữ liệu đã được triển khai. Mặc dù việc tổng hợp dữ liệu vật lý đã diễn ra, nhưng các hệ thống nhận dạng chung, tiêu chuẩn cập nhật, thẩm quyền tích hợp và trách nhiệm cập nhật của các bộ phận vẫn chưa được xác minh công khai. Tồn tại một khoảng cách giữa số lượng tập dữ liệu và số lượng điểm dữ liệu có thể kết nối thực tế. Nếu sự chênh lệch này kéo dài từ hai đến ba năm, việc phân tích bằng AI sẽ bị hạn chế ở việc chỉ sử dụng lặp đi lặp lại một lượng dữ liệu hạn chế.  Đánh giá: Dữ liệu đang được lưu trữ một cách tích hợp, nhưng vẫn chưa đạt đến giai đoạn diễn giải tích hợp.

Việc đào tạo quản trị AI đã được mở rộng bao gồm cả các cán bộ quản lý cấp cao và nhân viên cấp cơ sở, và một số quận, huyện như Buk-gu đang vận hành các nền tảng dữ liệu riêng biệt. Việc sử dụng AI và dữ liệu hiện đang ở giai đoạn đầu, lan rộng từ một bộ phận chuyên trách duy nhất đến các khu vực hoạt động và quản trị cơ bản. Số lượng người dùng hoạt động theo từng bộ phận, số lượng tác vụ tự động hóa, tỷ lệ phản ánh chính sách và khoảng cách sử dụng giữa các quận, huyện vẫn chưa được công bố. Nếu không đo lường sự chênh lệch hiệu suất trong hai đến ba năm tới, một vài bộ phận sử dụng nhiều AI sẽ cùng tồn tại với các bộ phận không sử dụng.  Đánh giá: Ứng dụng AI trong quản trị đang trong giai đoạn hình thành người dùng tiên phong, chứ chưa lan rộng ra toàn bộ tổ chức.

Các trường hợp dự đoán và phát hiện được xác nhận ở những khu vực dễ bị ảnh hưởng bởi khiếu nại dân sự, nhu cầu khiếu nại tập trung và rò rỉ nguồn cung cấp nước. Mặc dù quản lý dự báo đã thâm nhập vào lĩnh vực bất tiện hàng ngày và quản lý cơ sở vật chất, nhưng không có bằng chứng cho thấy nó đã mở rộng sang lĩnh vực việc làm công nghiệp, di cư dân số, khủng hoảng phúc lợi hoặc rủi ro tài chính. Một hệ thống kép được duy trì, trong đó các mục tiêu dự đoán tập trung vào các sự kiện ngắn hạn, trong khi các thay đổi cấu trúc được quản lý thông qua số liệu thống kê hàng tháng và hàng năm. Nếu dự đoán rủi ro cấu trúc không mở rộng trong vòng 2 đến 3 năm, quản lý hành chính AX vẫn nằm trong phạm vi hiệu quả hoạt động.  Đánh giá: Dự đoán sự kiện được đánh giá là mở rộng một phần, trong khi dự đoán cấu trúc được đánh giá là không lan rộng.

Nền tảng quản lý AI kiểu Daegu dự kiến ​​sẽ được xây dựng vào năm 2027, nhưng các quy tắc kết hợp dữ liệu về ngành nghề, dân số và lối sống, cũng như các chỉ số cảnh báo chính sách, vẫn chưa được hoàn thiện. Nếu thiết kế nền tảng và việc tinh chỉnh dữ liệu được tiến hành tuần tự, hoạt động thực tế có thể bị trì hoãn đến sau năm 2028. Trong giai đoạn này, việc tái cấu trúc ngành sản xuất, sự di cư của giới trẻ, những thay đổi trong khu vực sinh sống Gunwi và việc phát triển sân bay mới sẽ diễn ra đồng thời.  Đánh giá: Thời điểm vàng cho quản lý AI không phải là sau khi nền tảng hoàn thành, mà là trong 12 đến 18 tháng tiếp theo, khi các mối quan hệ dữ liệu và tiêu chí cảnh báo được xác định.

Khi các nền tảng của từng phòng ban và các công cụ AI phát triển độc lập, các định nghĩa dữ liệu, quy trình kinh doanh và mô hình trở nên cố định trong mỗi hệ thống. Việc tích hợp sau đó phát sinh chi phí lớn hơn cho việc làm sạch dữ liệu và điều chỉnh tổ chức so với việc triển khai mới. Nếu các dịch vụ mở rộng mà không có cấu trúc chung trong hai đến ba năm tới, sự phân quyền công nghệ sẽ củng cố sự phân quyền hành chính.  Đánh giá: Rủi ro không thể đảo ngược đầu tiên không phải là thiếu dữ liệu, mà là sự cố định ngữ nghĩa dữ liệu giữa các hệ thống.

Nếu phân tích AI tập trung vào việc viết báo cáo và truy xuất dữ liệu, tốc độ sản xuất tài liệu sẽ tăng nhanh trong khi quy trình hoạch định chính sách hiện tại vẫn không thay đổi. Nếu các báo cáo được tạo ra nhanh chóng dẫn đến nhiều phê duyệt và dự án hơn, thì sự phức tạp trong quản lý thực tế sẽ tăng lên. Nếu không thiết lập được mối liên hệ giữa phân tích, quyết định, thực thi và hiệu suất trong vòng hai đến ba năm, AI sẽ trở nên cố hữu như một cơ sở hạ tầng sản xuất tài liệu hơn là một hệ thống đánh giá. Kết luận: Rủi ro không thể đảo ngược thứ hai là quản trị AX được định nghĩa là tự động hóa kinh doanh.

Về mặt kỹ thuật, hệ thống hành chính Daegu AX khả thi, nhưng vẫn chưa được thiết lập như một hệ thống vận hành hành chính thực sự.

Cấu trúc hiện tại đang ở giai đoạn thu thập dữ liệu và sử dụng trí tuệ nhân tạo, nhưng chưa đến giai đoạn xác định trước các nguyên nhân và quá trình chuyển đổi của đô thị.

Nếu nền tảng quản lý AI kiểu Daegu chỉ giới hạn ở việc tự động hóa tài liệu, thì quá trình quản lý sẽ nhanh hơn, nhưng nó sẽ không thể chủ động ứng phó với những thay đổi tại địa phương.

Đánh giá cuối cùng: CAM — Cơ sở hạ tầng dữ liệu mạnh mẽ + Hệ thống cảnh báo sớm liên ngành yếu

Thời điểm vàng: 12-18 tháng

Nguồn bằng chứng

• Trung tâm dữ liệu số Daegu
• Cấu trúc thu thập và phân tích dữ liệu của D-Data Hub
• Tình trạng các tập dữ liệu do D-DataHub nắm giữ
• Thúc đẩy việc lập bản đồ dữ liệu hành chính kiểu Daegu.
• Báo cáo rà soát Nghị định thành phố Daegu về việc thành lập Cơ quan Quản lý Trí tuệ Nhân tạo.
• Kế hoạch Nền tảng Quản trị AI và AX của Chính quyền Daegu năm 2027
• Tình trạng tổ chức của Nhóm Đổi mới Quản trị Trí tuệ Nhân tạo
• Hiệu quả hoạt động của Mô hình Dự đoán Khả năng Dễ bị Tổn thương trong Khiếu nại Dân sự tại Daegu
• Nền tảng tích hợp dữ liệu Daegu Buk-gu
• Thiết lập chuỗi giá trị dữ liệu AI trong sản xuất tại Daegu

Hiểu biết về cấu trúc — Đơn vị nhỏ nhất của quản trị AX không phải là dữ liệu, mà là các sự kiện thay đổi.

Dữ liệu hành chính được phân loại theo lĩnh vực trách nhiệm của các bộ phận, chẳng hạn như công nghiệp, dân số, giao thông vận tải và phúc lợi. Tuy nhiên, những thay đổi thực tế ở cấp khu vực không chỉ giới hạn trong một bộ phận duy nhất. Quá trình giảm sản lượng của doanh nghiệp dẫn đến giảm tuyển dụng, từ đó dẫn đến tình trạng di cư của thanh niên, và cuối cùng dẫn đến giảm doanh thu thương mại và nhu cầu học tập, là một sự kiện duy nhất tác động qua nhiều hệ thống.

Các nền tảng hiện tại ghi nhận những thay đổi xảy ra trong cùng một khu vực trên nhiều tập dữ liệu khác nhau. Ngay cả khi dữ liệu được tích hợp, nếu không gán mối quan hệ cho thấy chúng là các sự kiện giống hệt nhau, AI chỉ hiển thị những thay đổi đồng thời giữa các chỉ số và không thể xác định nguyên nhân hoặc đường dẫn chuyển đổi. Khi số lượng tập dữ liệu tăng lên, lượng thông tin không liên quan cũng tăng theo.

Quản trị AX được thiết lập không phải vào thời điểm dữ liệu của các phòng ban được lưu trữ ở một nơi, mà là vào thời điểm theo dõi các phòng ban nào đã trải qua một sự kiện thay đổi cụ thể và kết quả mà nó dẫn đến.  Đánh giá cấu trúc: Điểm nghẽn trong quản trị AX của Daegu không nằm ở việc tích hợp dữ liệu, mà ở việc không thể kết nối những thay đổi trong ngành nghề, dân số và lối sống với một Mã Sự kiện duy nhất.