2026年，AI智能体正加速迈向规模化落地，越来越多行业开始探索如何将智能体真正融入业务流程。相比制造业、金融、办公等商业场景，医疗医保、数字政务、智慧城市等公共服务领域，不仅要求智能体能够理解和执行任务，更要求每一次智能服务都安全可靠、可追溯、可审计。
当智能体开始从“智能问答”走向“边聊边办”，公共服务也迎来了从辅助咨询向业务办理的关键一步。
围绕公共服务智能体的发展趋势、规模化落地面临的挑战，以及未来服务模式将发生哪些变化等问题，我们对话了四川久远银海软件股份有限公司（以下简称”久远银海”）AI首席技术官吴钒。
智能体开始进入公共服务业务流程
随着智能体逐步进入产业落地阶段，其价值正从“回答问题”转向“完成任务”。在吴钒看来，在这一轮AI Agent热潮中，民生领域智能化需求正在发生明显变化。
“以最常见的智能客服为例，在智能体技术成熟前，主要依托大模型+知识库方便办事群众查询信息，指导经办人员进行业务办理，但业务操作仍需人工完成。随着智能体能力提升，真正进入数字员工时代，从‘智能问答’升级为‘边聊边办’，由业务智能体分析理解用户意图，把复杂的任务拆解成可执行的步骤，最终在授权范围内执行标准化流程。”
以久远银海推出的AI就医智能体“杏捷”为例，可以通过对话互动方式帮助患者完成“挂、缴、查、问、办”全流程业务服务，真正实现智能导诊、智能陪诊、智能经办。
吴钒介绍，目前公司已设计研发数十款民生行业智能体应用。“从落地效果来看，规则相对明确、低风险、高容错的服务场景最容易率先实现规模化应用，涉及个人隐私、规则模糊、关系重大、责任风险较高的场景则推进得更为谨慎。”
例如，在医疗医保领域，电子病历生成、智能导诊、报告解读、智能审核等辅助型场景已经大范围落地；数字政务领域，政务热线智能客服、办事大厅智能导办、申报材料前置智能预审等高频刚需场景，也已实现智能体应用的大范围普及；智慧城市领域，城市运行智能分析、事件智能分拨、智能处置与AI问数等场景，也正逐步推广智能体应用。
与此同时，一批智能体应用已经开始带来可量化的业务成效。
吴钒举例称，公司为某地公积金打造的智能客服“善小金”，深度融合大模型、智能体和行业知识库，实现政策问答、业务导办与“边聊边办”一体化，“偿还贷款提取”等高频业务已做到零材料秒批秒到账；在医疗医保领域，为某三甲医院上线医保特例单议智能体，实现快速全量筛查申报病例，自动总结千份病历摘要，处理周期从两周缩短至一天，申诉通过率超过90%……
从目前行业落地情况来看，公共服务智能体率先实现规模化的，大多仍是规则清晰、流程标准化、容错空间相对可控的业务场景；而涉及重大决策、复杂规则和高责任风险的环节，仍普遍采取“智能体辅助、人工把关”的推进路径。这也是公共服务智能体现阶段走向规模化应用的基本特征。
公共服务智能体，比“聪明”更重要的是“可靠”
相比企业应用，公共服务领域最大的特殊性，在于每一次智能服务都直接关系群众切身利益。对此，吴钒表示，“如果企业场景追求的是‘提质增效’，那么公共服务还要求‘安全可靠’。”
随着智能体开始从信息咨询走向业务办理，公共服务领域对AI的要求也随之发生变化。相比商业场景,医疗医保、数字政务等公共服务场景，更关注智能体能否在复杂规则下稳定运行，办理结果可追溯，责任主体可明确。
吴钒认为，企业场景更多追求提质增效，而公共服务领域关系群众的“钱袋子”“命根子”，不仅要求智能体准确理解群众诉求，更要求每一次业务办理都安全可靠。尤其在医保待遇、民生保障等核心业务中，任何偏差都可能直接影响群众切身利益，行业对错误采取“零容忍”的态度，要求系统在关键环节具备高度确定性和稳定性。
吴钒介绍，要让智能体真正适用于公共服务场景，需要将政策法规、业务规范等行业知识转化为智能体能够理解和执行的规则体系，并持续结合业务实践进行校验和优化，让智能体不仅“知道政策”，更能够按照规则完成分析和办理。
在实际应用中，智能体也并非完全独立运行，而是通过权限控制、人工复核、运行监测等方式与业务人员形成协同，以降低复杂场景中的应用风险。
不过，在吴钒看来，公共服务智能体面临的挑战并不只来自技术本身。多智能体协同、内生安全和AI普惠等技术问题仍待解决，但制度层面的挑战更加棘手。
“当前人工智能迭代速度远超法规更新节奏，智能体‘高自主性、跨平台交互、自主决策’等特性，对传统治理框架形成全方位冲击。”
随着智能体进入更多业务环节，原有的授权、监管和责任划分机制也需要重新调整。智能体可以获得多大权限，跨平台调用数据和工具时如何监管，多方参与的业务出现问题后如何归责，都涉及权责关系和治理规则的重构，解决周期往往比技术问题更长，不确定性也更高。
从目前行业发展来看，公共服务智能体的落地标准，正在从模型能力延伸到业务可信能力。模型决定智能体能否理解和执行任务，规则体系、数据安全与业务合规则决定其能否被放心使用；而要进一步走向规模化应用，还需要授权、监管和责任体系跟上技术演进的速度。
公共服务智能体迈向规模化，还需跨越哪些门槛？
谈及公共服务智能体何时真正迎来规模化应用，吴钒认为，行业真正的关键拐点，在于能否形成更加成熟的产业生态。
“关键拐点在于能不能出现一款公共服务领域的‘龙虾’。”在他看来，今年以来，“龙虾”之所以迅速走红，展示了开放生态和技能扩展机制对智能体普及的推动作用，也暴露出高权限执行、数据安全和插件治理等新问题。公共服务领域同样需要这样的生态型应用，让智能体从单点试点走向规模化复制。
不过，吴钒同时强调，真正推动公共服务智能体从试点走向规模化，最大的制约因素并非单一技术突破，而是政策、技术、数据、价值闭环四个要素需要同步成熟。“任一环节缺失，都无法实现大规模普及。”
在他看来，除了多智能体协同、内生安全、AI普惠等技术挑战外，制度层面的挑战更加值得关注。“当前人工智能迭代速度远超法规更新节奏，智能体‘高自主性、跨平台交互、自主决策’等特性，对传统治理框架形成全方位冲击。”随着智能体逐步进入公共服务核心业务，授权机制、监管体系、法律归责等问题也将随之而来。相比技术持续迭代，这类涉及权责划分和治理规则重构的问题，往往需要更长时间完善，也决定着公共服务智能体能够走多远。
对于未来2—3年的发展，吴钒认为，智能体将重新划分人与机器的分工边界，推动医疗医保、数字政务等公共服务逐步进入“人机协同”阶段。
“政务服务将逐步从‘群众跑腿、人工经办’转向‘主动服务、无感办结’；医疗医保服务将从‘人工审核、线下办理’转向‘主要流程自动化办理、高风险环节人工监督’，未来的服务更便捷、更智能、更普惠、更精准、更安全。”吴钒表示，未来，重复性、规则清晰、标准化的事务将更多由智能体承接，各类标准化业务流转、材料核验、信息登记、日常筛查等流程将进一步实现智能化，人力则更多投入到疑难业务处置、特殊人群兜底帮扶、结果复核、风险研判等更需要专业判断和公共责任的工作。
从行业发展来看，公共服务智能体的发展，本质上并非一场单纯的技术升级，而是技术能力与公共治理体系相互适配的过程。随着智能体不断进入医疗医保、数字政务等公共服务核心场景，模型能力、规则体系、制度建设和产业生态将共同决定其应用边界。未来，公共服务智能体能走多远，不仅取决于技术创新的速度，也取决于治理体系能否与之同步演进，在安全、效率与公共责任之间建立新的平衡。
谭欣迟 红星新闻记者 李伟铭
