跨部门数据协同清单

跨部门数据协同的难点，通常不在于是否接入人工智能，而在于部门之间能否形成统一的数据边界、业务规则和责任机制。面对政务服务事项分散、政策法规数量庞大、诉求流转链条较长等场景，协同清单应当从“要共享什么、谁负责、如何使用、如何评价”四个问题出发，避免把系统建设简单等同于模型部署。

先定协同范围

第一步是梳理跨部门业务流程，而不是直接采购技术。应逐项记录事项名称、涉及部门、数据来源、使用环节、更新责任和共享目的，优先识别智能问答、自动分析、智能派单等能够减少重复录入和人工判断的场景。黄埔政务服务大模型智能体覆盖全区37个部门、2000余项政务服务事项及2000余项政策和法规，说明协同建设需要以事项和政策体系为基本单元，而不是只建设一个孤立的问答入口。

再定数据与安全边界

数据清单必须同步标注访问权限、个人信息范围、敏感业务内容和留痕要求。涉及个人信息和政务数据时，应开展数据安全与合规审查，明确哪些数据可以共享、哪些只能在授权条件下调用、哪些内容不得进入模型处理流程。南昌市的相关试点采用政务云国产算力资源池进行私有化部署，广东智慧机关事务一体化平台则将大模型嵌入业务系统，这些做法体现出部署环境、系统边界和数据流向需要一并纳入设计，并符合《数据安全法》等法律法规要求。

把协同结果纳入考核

清单不能停留在系统上线。每个协同场景都应设置负责人、处理时限、异常转人工条件和持续优化机制，同时记录响应时间、派单准确性、人工干预次数等结果。相关试点披露处理效率提升25%、响应时间缩短30%、智能派单准确率超过90%，但这些指标必须结合本地基线和业务口径核验，不能直接移植为承诺目标。

最后，还要安排工作人员培训，确保使用者理解数据权限、模型边界和异常处理流程。只有当业务流程、数据治理、技术集成、人员能力和效果监测同时列入清单，跨部门协同才会从“数据接通”转变为可追责、可评估、可持续优化的业务机制。