美國聯邦政府近年大舉投入人工智慧（AI）發展，希望透過AI提升行政效率、強化國家競爭力並改善公共服務。然而最新研究顯示，真正阻礙AI落地的原因並非技術能力不足，而是政府體系本身的制度瓶頸。
根據 ICF 於美東時間23日發布的最新調查報告，美國各聯邦機構在AI策略規劃與技術測試方面已取得明顯進展，但從概念驗證（POC）走向實際部署的速度仍然緩慢，使得AI投資與實際任務成果之間出現愈來愈大的落差。
這份調查訪問了200名直接參與聯邦AI規劃、採購、導入與決策工作的公務人員。結果顯示，多數機構已完成AI試驗專案，但真正進入正式營運環境的比例仍偏低，許多專案停留在測試與驗證階段，未能轉化為具體生產力。
報告指出，目前聯邦政府面臨三大挑戰。
首先是採購制度過於緩慢。傳統政府採購流程往往需要經過冗長審查與招標程序，但AI技術更新速度極快，當採購完成時，原本評估的技術方案可能已經過時，導致政府難以跟上市場發展節奏。
其次是數據碎片化問題。各部門長期建立獨立資訊系統，資料格式、標準與管理機制不盡相同，形成大量「資料孤島」。AI模型需要大量且高品質資料進行訓練與運作，但當資料無法跨機關流通時，AI效能自然受到限制。
第三則是人才準備不足。雖然聯邦政府積極推動數位轉型，但具備AI治理、資料科學、機器學習及系統整合能力的人才仍相對短缺，許多單位缺乏能夠同時理解技術與業務需求的專業人員。
ICF認為，未來政府若要真正發揮AI價值，不能只增加預算投入，而必須從制度面進行改革。
報告建議，聯邦政府應將AI深度整合至核心業務系統與工作流程，而非僅作為獨立實驗專案存在。同時，必須強化資料治理與基礎建設，建立跨部門共享機制，提升資料品質與可用性。
此外，政府也應重新設計採購與治理架構，使其更符合AI產品快速迭代的特性。例如採用模組化採購、分階段驗證及敏捷開發模式，以縮短技術導入時間。
從全球趨勢來看，美國政府遭遇的問題其實並非個案。包括 Microsoft 、 Google 、 OpenAI 與 Anthropic 等科技企業持續推出更強大的AI模型，但企業與政府組織逐漸發現，影響AI成效的關鍵已從模型能力轉向組織治理能力。
換言之，AI競賽正在進入下一階段。過去比拚的是誰擁有更強大的模型與運算能力，未來則將轉變為誰能更快完成組織轉型、打通資料流程並建立適合AI運作的管理制度。
對美國聯邦政府而言，若無法解決採購、數據與人才三大問題，即使持續增加AI投資，也可能難以轉化為實際行政效率與公共服務成果。這不僅關係到政府數位轉型成敗，更將影響美國在全球AI競爭中的長期領先地位。
