AI generativa para o setor público: a jornada para escalar

Inteligência artificial generativa (Genai) tem o potencial de tornar os governos muito mais eficientes e eficazes. O impacto de Genai no Setor público será significativo. Por exemplo, em nosso primeiro artigo nesta série, revelamos que as potenciais melhorias de produtividade da Genai poderiam valer US $ 1,75 trilhão por ano até 2033 globalmente em todos os níveis de governo. A Genai Tools aumentará o trabalho de funcionários públicos, reduzindo o tempo necessário para concluir determinadas tarefas e permitindo que eles concentrem mais tempo no trabalho de maior valor. Semelhante a outras indústrias, isso transformará fundamentalmente como o setor público opera e a natureza das tarefas e atividades dos funcionários do governo. Na maioria dos casos, uma abordagem iterativa - focando na experimentação e no desenvolvimento contínuo de capacidade, comparou com a maturidade da IA ​​da organização - o trabalho melhor. Ao implementar estrategicamente a Genai em áreas direcionadas, os líderes do setor público podem impulsionar melhorias impactantes na prestação de serviços, eficiência operacional e envolvimento dos cidadãos, minimizando riscos e exposição e construindo as habilidades e capacidades para ampliar suas transformações. O primeiro artigo, “

Getting started with GenAI does not require major upfront technology investments. In most cases, an iterative approach—focusing on experimentation and ongoing capability development, matched to the organization’s AI maturity—works best. By strategically implementing GenAI in targeted areas, public sector leaders can drive impactful improvements in service delivery, operational efficiency, and citizen engagement while minimizing risk and exposure and building the skills and capabilities to scale up their transformations.

This article is the second in a three-part guide for governments about unlocking the potential of GenAI. The first article, “ De oportunidades ao valor , ”Introduz os ganhos e mudanças de produtividade e mudanças disponíveis na tecnologia Genai. O terceiro artigo,“ Práticas e políticas para riscos e responsabilidades ”, fornecerá um roteiro para evitar consequências prejudiciais não intencionais. Aqui, analisamos as principais facilitadoras que podem ajudar os departamentos e agências do setor público. GENAI

How Government Entities Can Unlock the Potential of GenAI

Pilot projects provide an invaluable learning opportunity in the early stages of the GenAI implementation journey. These typically involve a small team developing a proof of concept and minimum viable product. As teams gain experience and confidence, these efforts can be scaled up to enterprise-level robustness, reliability, sustainability, and performance. (See Exhibit 1.)

Unlocking the potential of GenAI requires six key organizational enablers:

1. Leadership
2. People and skills
3. Parcerias
4. Technology
5. Dados
6. Políticas e governança

Examinamos os cinco primeiros desses elementos neste artigo. Nosso próximo artigo desta série mergulhará profundamente no sexto e último facilitador.

Liderança

Experimente e aprenda. As organizações devem se concentrar no treinamento prático para a equipe e a experiência prática, usando as ferramentas no trabalho para aumentar rapidamente as pessoas sobre como a Genai pode ser usada e como gerenciar os riscos. Os líderes do governo serão chamados a navegar novos desafios éticos e técnicos complexos. Eles deverão tomar decisões sobre a implementação e o uso da tecnologia, como ela será monitorada e como os riscos potenciais serão gerenciados. Para fazer isso, eles precisarão de um sólido entendimento das ferramentas genai, seu potencial transformacional e seus riscos e limitações. Senior leaders need to instigate and drive GenAI adoption across the public sector. Organizations should focus on practical training for staff and hands-on experience, using the tools on the job to quickly bring people up to speed on how GenAI can be used and how to manage the risks. Government leaders will be called on to navigate new, complex ethical and technical challenges. They will be required to make decisions about the technology’s implementation and use, how it will be monitored, and how potential risks will be managed. To do this, they will need a solid understanding of GenAI tools, their transformational potential, and their risks and limitations.

Already, many employees may be concerned about the potential impact of GenAI on their jobs and career prospects. Pesquisa recente do BCG descobriu que o sentimento dos líderes em relação aos funcionários da Genai versus da linha de frente difere fortemente. É provável que os líderes sejam mais otimistas do que os funcionários (62% vs. 42%) e menos propensos a se preocupar (22% vs. 39%) sobre as implicações de Genai. Assim, os líderes do governo devem estar preparados para abordar as preocupações dos funcionários, discutir abertamente como Genai pode afetar a composição e o tamanho futuros da força de trabalho e investir no aumento e na resgate de funcionários cujos papéis e atividades podem mudar em graus variados. As mensagens devem se concentrar no uso seguro e ético e na experimentação prática, com incentivos e apoio que reforçam isso na cultura organizacional. O estabelecimento de corrimãos para o uso seguro e responsável da IA ​​também ajuda a equipe a entender as expectativas e limites e fornece alguma garantia de que eles estão operando dentro de uma estrutura política aprovada. 

Uma maneira de abordar as preocupações da equipe é ajudá -las a desenvolver maior consciência e familiaridade com as ferramentas. À medida que os funcionários individuais ganham experiência, seu otimismo cresce. Os usuários regulares do Genai têm menos probabilidade de se preocupar com isso (22% vs. 42%), em parte porque veem seu valor potencial e as limitações. (Consulte Anexo 2.) Os líderes do setor público devem apoiar ativamente as discussões da equipe sobre Genai, incentivar os entusiastas a falar e oferecer demonstrações e se envolver diretamente. Por exemplo, os funcionários do governo da cidade de Yokosuka, no Japão, estão testando Genai para fazer anotações, resumir os materiais existentes, escrever texto e verificar se há erros. Esses casos de uso de risco relativamente baixo permitem que a equipe entenda melhor como a Genai pode ser usada no trabalho diário, permitindo que se sintam confortáveis ​​com as ferramentas. Em Cingapura, o governo está dando aos funcionários dos departamentos do setor público a oportunidade de se envolver diretamente no desenvolvimento de novas ferramentas da Genai por meio do seu programa de pioneiros de IA. Cada equipe receberá treinamento direcionado antes de seu envolvimento e trabalhará com líderes do governo para fornecer novas aplicações da Genai. Por exemplo, eles podem aumentar a adoção e impulsionar a mudança de cultura usando estrategicamente o uso de cutucadas comportamentais. As cutucadas específicas podem incluir:

Early GenAI projects should be designed to help staff members see the art of the possible firsthand. For example, staff at the Yokosuka City Government in Japan are trialing GenAI to take meeting notes, summarize existing materials, write text, and check for errors. These relatively low-risk use cases enable staff to better understand how GenAI can be used in their day-to-day work, allowing them to become comfortable with the tools. In Singapore, the government is giving staff from public sector departments the opportunity to be directly involved in the development of new GenAI tools through its AI Trailblazers program. Each team will receive targeted training prior to their involvement and will work with government leaders to deliver new GenAI applications.

Refine, scale, and optimize. Leaders will also play a critical role in bringing GenAI use to every part of the organization. For example, they can boost adoption and drive culture change by strategically using behavioral nudges. Specific nudges might include:

• , tornando as ferramentas genai facilmente disponíveis e acessíveis
• destacando e celebrando aplicações genai em comunicações internas
• Realizando fóruns internos em que os funcionários podem mostrar seus genais | com crachás e certificações
• Disseminating information about examples, best practices, and lessons learned
• Gamifiying training with badges and certifications

Esses esforços promovem um apetite pela inovação, aceleram a adoção de soluções genai e, finalmente, criam uma cultura em que o uso responsável de genai é visto como atraente, intuitivo e seguro, short. casos de uso piloto. Esses esquadrões devem incluir empresários e usuários, aprendizado de máquina e engenheiros de IA para projetar e otimizar soluções genai, cientistas de dados focados em transformar e gerenciar dados, especialistas em TI que podem orientar a integração e a política da Genai e os consultores de governança para garantir que as soluções sejam projetadas e implementadas com responsabilidade. Gradualmente, eles podem obter mais proficiência e reconhecer as capacidades que ainda não precisam abordar tarefas mais complexas, como oferecer novos serviços ao público. Essa reavaliação contínua pode ajudar um departamento a decidir quando e onde investir em plataformas de dados em larga escala e outras ferramentas e processos genai. Tarefas repetitivas, síntese de conhecimento e o processo de criação de conteúdo serão aprimoradas e até transformadas. Muitos papéis serão redesenhados para refletir mudanças na maneira como as pessoas trabalham. (Consulte o Anexo 3.) Por exemplo, o Departamento de Defesa dos EUA está atualmente desenvolvendo uma ferramenta Genai para automatizar a preparação da documentação de compras. A ferramenta pode gerar documentos complexos de compras em 15 minutos que levaram dias anteriormente para criar. Isso permitirá que a equipe de compras se concentre em tarefas de maior valor agregado, como o desenvolvimento de relacionamentos de fornecedores, o envolvimento com os licitantes e a otimização de gastos com compras.

People and Skills

Experiment and learn. In the short term, cross-functional squads are the best way to drive pilot use cases. These squads should include business owners and users, machine learning and AI engineers to design and optimize GenAI solutions, data scientists focused on transforming and managing data, IT experts who can guide integration, and GenAI policy and governance advisors to ensure solutions are designed and implemented responsibly.

Organizations should start by picking lower-risk projects they can readily master, such as document preparation or synthesis. Gradually, they can gain more proficiency and recognize the capabilities they don’t yet have to address more complex tasks, such as offering new services to the public. This continual reassessment can help a department decide when and where to invest in larger-scale data platforms and other GenAI tools and processes.

Refine, scale, and optimize. GenAI will significantly impact public sector roles, and new skills will be needed. Repetitive tasks, knowledge synthesis, and the process of content creation will all be improved and even transformed. Many roles will be redesigned to reflect changes in the way people work. (See Exhibit 3.) For example, the US Department of Defense is currently developing a GenAI tool to automate the preparation of procurement documentation. The tool can generate complex procurement documents in 15 minutes that previously took days to create. This will allow procurement staff to focus on higher value-added tasks such as developing vendor relationships, engaging with bidders, and optimizing procurement spend.

No entanto, poder realizar essas atividades de maior valor provavelmente exigirá investimentos adicionais em treinamento, resgate e aumento. Funcionários e empregadores sabem que existe uma lacuna de habilidades para Genai. Por exemplo, o Escritório de Gerenciamento de Pessoal dos Estados Unidos (OPM) reconheceu esse desafio resultante de Genai e IA em geral. A OPM divulgou um memorando para oficiais de capital humano que fornecem orientação às agências para direcionar as habilidades de IA-como extração e transformação de dados, testes e validação e design de sistemas-que são necessários para expandir os recursos de IA e Genai em todo o governo.

Additional resources are needed to upskill and train staff on AI tooling. Pesquisa BCG revelou que 86% dos funcionários da linha de frente acreditam que precisarão de treinamento para se adaptar, mas apenas 14% receberam treinamento formal para abordar como essas ferramentas mudarão seus empregos. Alguns governos já estão investindo para fechar a lacuna. Por exemplo, o governo de Dubai anunciou que fornecerá treinamento direcionado na tecnologia Genai para os trabalhadores do setor público. O treinamento equipará a equipe com o conhecimento fundamental sobre a Genai, incluindo as oportunidades e riscos que ele apresenta, para familiarizá -los com várias ferramentas genai e fornecer casos de uso prático, destacando como as ferramentas podem aumentar a eficiência, a eficácia e a qualidade do serviço. Os líderes do setor público devem agir estrategicamente para reorganizar suas forças de trabalho para apoiar essa transição. Ao alinhar iniciativas de aumento e recrutamento com demandas de habilidades projetadas, os governos podem capacitar sua força de trabalho para se destacar em papéis aumentados e transformados. Os governos geralmente lutam para atrair e reter as habilidades tecnológicas necessárias. Uma forte proposta de valor do funcionário (EVP) será crucial para preencher lacunas de capacidade, apoiadas por incentivos como remuneração, flexibilidade de trabalho, pistas de carreira especializadas personalizadas e aceleradas e programas de aprendizado contínuo. Nos estágios iniciais da implementação, as parcerias também permitirão ao governo acessar rapidamente conhecimentos e habilidades que estão faltando internamente. As organizações externas trazem perspectivas valiosas sobre políticas, regulamentos e casos de uso de alto valor. Por exemplo, o governo canadense fez uma parceria e forneceu financiamento à Université de Montreal para desenvolver e implementar novas estratégias de design e adoção de IA em três setores prioritários: descoberta de medicamentos, emergências ambientais e logística de sistemas de saúde. grupos e racionalizando acesso à tecnologia de ponta. São catalisadores e aceleradores que permitem que as organizações governamentais escalem muito mais rapidamente do que poderiam por conta própria. Por exemplo, o governo australiano fez uma parceria com a Microsoft para realizar um teste de seis meses do Microsoft 365 Copilot. A Microsoft está fornecendo assistência de treinamento, integração e implementação às agências participantes, com 7.400 servidores públicos participando do julgamento de janeiro a junho de 2024. A Figura 4 mostra diferentes tipos de parcerias que os governos podem formar e alavancar à medida que progridem com a implantação Genai.

GenAI will reshape the future of government work by transforming workflows and reinventing processes. Public sector leaders must act strategically to reorganize their workforces to support this transition. By aligning upskilling and recruitment initiatives with projected skill demands, governments can empower their workforce to excel in augmented and transformed roles.

Partnerships

Experiment and learn. Partnerships with other entities—tech companies, industry, universities, and experts—will be a key enabler. Governments often struggle to attract and retain the required technology skills. A strong employee value proposition (EVP) will be crucial to fill capability gaps, supported by incentives such as compensation, job flexibility, customized and accelerated expert career tracks, and continuous learning programs. In the early stages of implementation, partnerships will also enable the government to rapidly access knowledge and skills that are missing internally. External organizations bring valuable perspectives on policy, regulation, and high-value use cases. For instance, the Canadian government has partnered with and provided funding to the Université de Montréal to develop and implement new AI design and adoption strategies in three priority sectors: drug discovery, environmental emergencies, and health systems logistics.

Refine, scale, and optimize. Partnerships also play a role in roadmap development, upskilling, coordinating panels and other flexible working groups, and streamlining access to leading-edge technology. They are catalysts and accelerators that allow government organizations to scale much faster than they otherwise could on their own. For example, the Australian government has partnered with Microsoft to undertake a six-month trial of Microsoft 365 Copilot. Microsoft is providing training, onboarding, and implementation assistance to participating agencies, with 7,400 public servants participating in the trial from January to June 2024. Exhibit 4 shows different types of partnerships that governments can form and leverage as they progress with deploying GenAI.

Technology

Experimente e aprenda. Os componentes de alto nível da pilha de tecnologia Genai estão descritos no Anexo 5. Eles incluem uma interface do usuário (por exemplo, chatgpt); Algoritmos Genai e modelos fundamentais (por exemplo, Openai GPT, Google Gemini, Claude Antrópico); conjuntos de dados diversos, extensos e acessíveis; e infraestrutura de computação. Essas ferramentas Genai podem fornecer implementação mais rápida, mais fácil e econômica de casos de uso precoce. Experimentos básicos podem ajudar os governos a avaliar a viabilidade geral das soluções Genai, enquanto a equipe ganha familiaridade com o mínimo de comprometimento e risco. Each government entity has unique needs and use cases, along with its own level of technological readiness as well as constraints around the use of algorithms and data. The high-level components of the GenAI technology stack are outlined in Exhibit 5. They include a user interface (e.g., ChatGPT); GenAI algorithms and foundational models (e.g., OpenAI GPT, Google Gemini, Anthropic Claude); diverse, extensive, and accessible data sets; and computing infrastructure.

Much can be accomplished already with off-the-shelf GenAI solutions. These GenAI tools can provide faster, easier, and more cost-effective implementation of early use cases. Basic experiments can help governments assess the general feasibility of GenAI solutions, while staff gain GenAI familiarity with minimal commitment and risk.

Refine, escala e otimize. There are a wide range of platforms, foundation models, and implementation paths to consider for Implementando ai generativa . A escolha do modelo de fundação deve ser conduzida pelos requisitos do caso de uso que está sendo abordado. Esses requisitos podem incluir os tipos de saída que ele pode produzir (texto, visuais, vídeo, código ou outros formatos), o nível de ajuste fino necessário e sua conformidade com a sensibilidade dos dados e as diretrizes de IA responsáveis. Por exemplo, se for necessário um grau significativo de controle, um modelo de código aberto que pode ser alterado e alterado livremente pode ser selecionado sobre um modelo proprietário. As decisões de compra da plataforma devem basear -se em uma avaliação sobre se os fornecedores podem fornecer serviços com segurança à sua geografia, de acordo com a IA responsável e as necessidades de segurança. Por exemplo, o Departamento de Educação da Austrália do Sul fez uma parceria com a Microsoft para desenvolver um AI Chatbot, Edchat, como parte de um julgamento de 8 semanas com 180 educadores e 1.500 alunos em 8 escolas. Aproveitando sua plataforma existente do Microsoft Azure Cloud, eles foram capazes de implementar uma solução baseada em GPT4.0. O Anexo 6 ​​mostra critérios para a escolha de modelos e plataformas, adaptados para o setor público. Em alguns países onde o inglês não é o idioma principal, como a França e o Japão, houve um foco significativo no desenvolvimento de seus próprios LLMs. A capacidade soberana também pode ser um requisito para algumas aplicações nos domínios de defesa e segurança nacional. No entanto, o custo de construção de um novo modelo fundamental é muito alto e o caso de negócios não será justificado na maioria dos casos. Uma alternativa para a construção de um modelo completamente novo pode ser a de envolver um fornecedor que possa ajustar um modelo local e alavancar os benefícios da geração aumentada de recuperação (RAG). Onde houver uma necessidade crítica de dados de sandbox completamente e onde camadas de abstração e estratégias de anonimato de dados não fornecem proteção suficiente em escala, as organizações têm maior probabilidade de buscar uma solução local. Muitas organizações combinam opções para propósitos diferentes, como mostrado no Anexo 7.

Additionally, the department’s level of control over the model should be considered. For example, if a significant degree of control is needed, an open-source model that can be freely altered and changed may be selected over a proprietary model. Platform purchasing decisions should be based on an assessment of whether vendors can securely provide services to your geography in line with your responsible AI and security needs.

Compatibility between existing platforms and models should also be a consideration, as this can reduce implementation barriers. For example, the South Australian Department of Education partnered with Microsoft to develop an AI chatbot, EdChat, as part of an 8-week trial with 180 educators and 1,500 students across 8 schools. Leveraging their existing Microsoft Azure cloud platform, they were able to implement an OpenAI GPT4.0-based solution. Exhibit 6 shows criteria for choosing models and platforms, tailored for the public sector.

Some jurisdictions are exploring the need to invest in building their own large language models (LLMs). In some countries where English is not the primary language, such as France and Japan, there has been significant focus on developing their own LLMs. Sovereign capability may also be a requirement for some applications in the defense and national security domains. However, the cost of building a new foundational model is very high, and the business case will not be justified in most instances. An alternative to building a completely new model may be to engage a vendor who can fine-tune an on-premises model and leverage the benefits of retrieval augmented generation (RAG).

Cloud-based GenAI deployments are typically more flexible, more cost-effective, and easier to keep up to date with the latest developments in this rapidly-changing domain. Where there is a critical need to sandbox data entirely, and where abstraction layers and data anonymization strategies do not provide sufficient protection at scale, organizations are more likely to pursue an on-premise solution. Many organizations will combine options for different purposes, as shown in Exhibit 7.

Dados

experimento e aprendem. Os modelos Genai podem aproveitar dados mais não estruturados, variados e multimodais do que a IA tradicional (aprendizado profundo, aprendizado de máquina), mas a qualidade das saídas ainda depende da qualidade das entradas. A entrada para a maioria dos modelos Genai inclui uma combinação de texto, gráficos, áudio, vídeo e outros dados obtidos na Internet aberta, combinados com outras fontes de dados que os produtores dos modelos tiveram ou adquiridos. Embora sejam feitos esforços substanciais para corrigir e reduzir o viés indesejado, os usuários devem entender os riscos inerentes potenciais em qualquer modelo de IA com base nos dados subjacentes. Uma plataforma de dados comum e bem organizada permitirá que os governos tornem gradualmente seus dados mais acessíveis, facilitando a transição de um pequeno número de casos de uso e pilotos para a integração de Genai em toda a organização. Isso normalmente envolverá a possibilidade de permitir o acesso a dados que são resinidos em toda a organização, melhorias na governança de dados, adicionando recursos de IA à própria plataforma de gerenciamento de dados, integrando novas camadas avançadas de software e hardware dedicadas aos sistemas de IA e fornecendo acesso a fontes novas e variadas de dados. Alguns líderes da agência governamental expressaram preocupações sobre seus sistemas herdados e qualidade dos dados, o que pode não apoiar efetivamente casos ou aplicativos de uso da Genai. Ao implantar uma estratégia incremental para modernizar a arquitetura de tecnologia e usar o próprio Genai, os governos podem obter vitórias rápidas com essa tecnologia e ver seus benefícios desde o início. Like all AI applications, GenAI’s value is inextricably linked to the volume and quality of the underlying model training data. GenAI models can leverage more unstructured, varied, and multimodal data than traditional (deep learning, machine learning) AI, but the quality of the outputs still depends on the quality of the inputs. The input for most GenAI models includes a combination of text, graphics, audio, video, and other data obtained from the open internet, combined with other data sources that the producers of the models have sourced or acquired. While substantial efforts are made to correct for and reduce unwanted bias, users must understand the potential inherent risks in any AI model based on the underlying data.

Refine, scale, and optimize. The roadmap to scaling GenAI capability may require some investments in upgrading digital and data platforms and modernization of legacy technology environments. A well-organized, common data platform will allow governments to gradually make their data more generally accessible, facilitating the transition from a small number of use cases and pilots to the organization-wide integration of GenAI. This will typically involve enabling access to data that is siloed across the organization, improvements to data governance, adding AI capabilities to the data management platform itself, integrating new advanced software and hardware layers dedicated to AI systems, and providing access to new and varied sources of data.

To fully unlock the power of this data, governments will also require modular platforms that share the data across the organization and liberate it from legacy systems. Some government agency leaders have expressed concerns about their legacy systems and data quality, which may not effectively support GenAI use cases or applications. By deploying an incremental strategy to modernize the technology architecture and using GenAI itself, governments can realize quick wins from this technology and see its benefits early on.

Ao mesmo tempo, os governos devem gerenciar esse novo ambiente com cuidado. O uso de dados não estruturados pela Genai requer novas abordagens para a governança e o gerenciamento do ciclo de vida dos dados. Por exemplo, os LLMs multimodais podem usar entradas de documentos, chamadas de áudio ou contatos de vídeo. Isso aumenta o risco de dados coletados usados ​​para algo fora de sua finalidade aprovada ou pretendida.

A função de governança de dados de uma organização deve estar intimamente envolvida. É importante poder rastrear e registrar claramente a proveniência dos dados, documentando como os dados foram obtidos, de quem e que permissões ou restrições de uso se aplicam a ele. A função também deve gerenciar a classificação de dados, certificando -se de que os dados sejam rotulados adequadamente. A governança de dados é especialmente importante no setor público para evitar a excesso de alcance e garantir que o uso de dados permaneça dentro dos limites legais, éticos e de privacidade. No entanto, os governos também devem considerar o potencial de novas tecnologias para permitir que eles atinjam o impacto pretendido de maneira mais eficiente e eficaz e gerar maior valor público. Os cinco facilitadores deste artigo-líderes, pessoas e habilidades, parcerias, tecnologia e dados-devem ser orientadas para equilibrar os benefícios potenciais com os riscos envolvidos. O ponto de partida e as áreas de foco de cada organização serão conduzidos por sua própria maturidade de IA e metas de casos de uso específicos. Felizmente, o Genai pode ser adotado e desenvolvido em uma abordagem iterativa - adquirindo novas ferramentas genai, aprendendo como elas funcionam e integrando -as na atual plataforma tecnológica e organizacional antes de passar para a próxima iteração - mas há um forte foco em que a implementação de uma implementação de um raio, que se requer, que não vimos, qualquer um dos riscos, que não vimos, em que se concentre, a implementação de uma implementação de um setor de aprendizado. O terceiro artigo desta série, “Práticas e políticas de risco e responsabilidade”, discutirá esses pontos ainda mais. Inscreva -se

Conclusion: A Balance Between Caution and Vision

Given the consequential nature of their decisions, many public sector organizations adopt new technologies cautiously. However, governments must also look at the potential for new technologies to enable them to achieve their intended impact more efficiently and effectively and generate greater public value. The five enablers in this article—leaders, people and skills, partnerships, technology, and data—should be oriented to balance the potential benefits with the risks involved.

Each government’s journey to becoming GenAI-enabled will be different and should be designed based on the unique needs arising from the role, structure, and the services it delivers. Each organization’s starting point and focus areas will be driven by its own AI maturity and specific use case goals. Fortunately, GenAI can be adopted and developed in an iterative approach—adding new GenAI tools, learning how they work, and integrating them into the current technological and organizational platform before moving on to the next iteration—but there is a strong imperative to get started on the learning curve.

As we’ve seen, any implementation of GenAI in a public sector context requires a strong focus on governance, risk management, and security. The third article in this series, “Practices and Policies for Risk and Responsibility,” will discuss these points further.