알림 목록

Area Analisis: Kota Metropolitan Busan

Wilayah Inti: Kantor Pusat Kota Metropolitan Busan, 16 Distrik dan Kabupaten, serta Lembaga Publik yang Beraffiliasi

Agenda: Memverifikasi apakah AI dan data telah melampaui bantuan administratif dan benar-benar mengubah alternatif kebijakan, anggaran, implementasi, dan evaluasi kinerja.

Tipe Waktu Emas: Ekspansi AI Administratif + Kesenjangan Bukti Keputusan

Tanggal Referensi: 28 Agustus 2026

Versi: Standar Peningkatan Kecerdasan Waktu Emas AX Regional v3.2
 

Pada akhir tahun 2025, Kota Busan menjadi pemerintah daerah pertama yang meluncurkan layanan administrasi AI generatif berdasarkan model bahasa kecil dan peningkatan pencarian, dan pada awal tahun 2026, telah menerapkan 22 jenis layanan—termasuk tanya jawab, penyusunan dokumen, dan pencarian data administrasi—ke semua departemen. Lingkup penerapan AI dalam administrasi telah bergeser dari penggunaan AI generatif eksternal oleh karyawan individu ke layanan tingkat organisasi yang menggabungkan data administrasi internal dengan sistem keamanan. Namun, catatan keputusan publik yang menunjukkan bahwa penggunaan layanan tersebut menyebabkan perbandingan alternatif kebijakan, perubahan anggaran, penangguhan proyek, penyesuaian area target, atau perubahan metode implementasi belum diverifikasi. Jika rencana peningkatan tiga tahun dari tahun 2026 hingga 2028 terutama didasarkan pada volume penggunaan dan jumlah dokumen yang dihasilkan, AI administrasi akan menjadi stagnan hanya sebagai peningkatan kecepatan kerja. Meskipun administrasi AI Busan telah mencapai tahap penggunaan di semua departemen, masih kurang bukti untuk menyimpulkan bahwa hal itu telah mencapai tahap perubahan proses pengambilan keputusan.

Pertanyaan kebijakan aktual, seperti perubahan penjualan setelah perubahan hari penutupan wajib hypermarket menjadi hari kerja, penjualan kartu kredit sebelum dan sesudah proyek "Kota 15 Menit", jumlah pengunjung festival dan penjualan kawasan komersial, serta kekurangan tempat parkir di Yeongdo-gu, telah terdaftar sebagai tugas analisis dalam Gelombang Big Data Busan. Pemanfaatan data bergeser dari penyelidikan statistik ke verifikasi hasil sebelum dan sesudah implementasi kebijakan. Namun, catatan tindak lanjut yang tersedia untuk umum mengenai alternatif mana yang dikecualikan dan keputusan, anggaran, atau pelaksanaan mana yang diubah masih terbatas. Jika permintaan analisis dan keputusan kebijakan tetap berada dalam sistem terpisah selama dua hingga tiga tahun ke depan, volume analisis mungkin meningkat, tetapi dampak pengambilan keputusan tidak dapat diukur. Dalam  administrasi berbasis data Busan, meskipun pembuatan pertanyaan dan pelaksanaan analisis telah dikonfirmasi, keterlacakan perubahan keputusan dianggap belum dikonfirmasi.

Rencana Promosi Administrasi AI 2026 mengusulkan adopsi AI secara luas di seluruh administrasi, sementara rencana kerja untuk sektor data mencakup analisis yang diperluas, pelatihan karyawan, dan pemanfaatan informasi yang dianonimkan untuk mengatasi tantangan kota. Digitalisasi administrasi telah bergeser dari proyek percontohan parsial ke rencana adopsi luas di semua sektor. Sebaliknya, tolok ukur publik yang menghubungkan kualitas data departemen, akurasi respons AI, perilaku verifikasi pengguna, terjadinya kesalahan, dan hasil bagi warga ke dalam kerangka kerja kinerja tunggal belum diidentifikasi. Jika layanan berkembang pesat antara tahun 2026 dan 2028, data mentah berkualitas rendah dan respons yang tidak terverifikasi akan berulang kali dimasukkan ke dalam prosedur kerja.  Risiko yang sensitif terhadap waktu bagi administrasi AX Busan terletak pada kenyataan bahwa kecepatan adopsi AI melampaui kecepatan kualitas bukti dan pembentukan sistem akuntabilitas.

Proyek pendukung pengambilan keputusan di berbagai sektor, seperti simulasi jaringan pasokan air, Desa Laut Pintar, dan administrasi audit berbasis AI, juga sedang berlangsung. Penerapan AI meluas dari tugas dokumen umum hingga penilaian ahli dalam pasokan air, lingkungan laut, audit, dan keselamatan. Namun, tidak ada data komparatif yang tersedia untuk umum yang mengkonfirmasi seberapa besar peringatan prediktif telah mengubah prioritas inspeksi aktual, alokasi anggaran, dan penilaian regulasi dan audit, atau apakah hasilnya telah meningkat. Jika sistem khusus sektor dikembangkan secara independen selama dua hingga tiga tahun ke depan, Kota Busan tidak akan memiliki sistem pembelajaran administratif yang terpadu, meskipun memiliki beberapa layanan AI.  Saat ini, "Masa Keemasan" dinilai bukan sebagai periode untuk memperluas layanan AI, tetapi sebagai dua hingga tiga tahun menjelang koneksi pertama antara keputusan yang diubah oleh AI dan hasilnya.

Tesis Golden Time — Satuan penilaian untuk Busan Administrative AX bukanlah jumlah layanan AI atau jumlah dokumen yang dihasilkan. Satuan penilaiannya adalah Decision Runtime, yang mencakup apakah AI dan data menciptakan pilihan yang berbeda dari keputusan yang ada dan apakah pilihan tersebut meningkatkan hasil bagi warga, bisnis, dan wilayah tersebut.

Administrasi Kota Busan mengelola transportasi, kesejahteraan, keamanan, industri, lingkungan, pariwisata, dan perencanaan kota melalui kantor pusat, unit bisnis, 16 distrik dan kabupaten, serta perusahaan publik, lembaga, dan institusi yang diinvestasikan atau disumbangkan. Data administratif memiliki struktur terdistribusi, yang dihasilkan oleh berbagai organisasi dan lembaga yang diberi wewenang, bukan oleh satu entitas tunggal. Sejauh mana warga negara, bisnis, ruang, atau proyek yang sama dikelola oleh berbagai departemen menggunakan ID dan siklus pembaruan yang berbeda tidak dapat sepenuhnya diverifikasi dalam data yang tersedia untuk umum. Seiring dengan perluasan layanan AI departemen pada data terdistribusi ini antara tahun 2026 dan 2028, respons dan penilaian risiko yang berbeda mungkin muncul terkait masalah yang sama.  Skala risiko administrasi Busan ditentukan oleh banyaknya catatan tentang subjek administratif yang sama, bukan karena kurangnya data.

Big-DataWave menyediakan data publik dan privat, statistik, konsultasi analisis, dan studi kasus pemanfaatan data. Basis data administrasi Busan telah berkembang dari statistik periodik menjadi analisis kebijakan yang memanfaatkan data penjualan kartu kredit, telekomunikasi, mobilitas penduduk, grid spasial, dan survei. Namun, indikator operasional yang tersedia untuk umum yang menghubungkan jumlah total permintaan analisis yang terdaftar, waktu pemrosesan rata-rata, tingkat refleksi kebijakan, dan tingkat penggunaan kembali data belum tersedia. Meskipun waktu tunggu dan duplikasi analisis individual menumpuk seiring meningkatnya volume permintaan selama dua hingga tiga tahun, kapasitas analisis keseluruhan organisasi tetap belum dinilai. Meskipun  administrasi data Busan memiliki infrastruktur analisis, kapasitas pemrosesannya relatif terhadap permintaan tetap belum terukur.

Layanan administrasi AI generatif Busan menyediakan 22 jenis fungsi, termasuk tanya jawab, pencarian data, dan pembuatan dokumen, untuk semua departemen. Skala aplikasi AI generatif telah berkembang dari pelatihan dan penggunaan percontohan menjadi layanan umum di lingkungan kerja nyata. Namun, pengguna aktif per departemen, frekuensi penggunaan, penghematan waktu kerja, waktu koreksi kesalahan, dan tingkat penerimaan/penolakan respons belum diungkapkan. Jika hanya jumlah fungsi yang meningkat antara tahun 2026 dan 2028, layanan dengan penggunaan aktual yang rendah dan peningkatan kerja akan tetap tercantum sebagai pencapaian implementasi.  Meskipun skala AI generatif Busan diverifikasi berdasarkan fungsi, skala penggunaan aktual dianggap belum terkonfirmasi.

Dukungan pengambilan keputusan yang memanfaatkan sensor, model, dan AI sedang dipromosikan di bidang jaringan pasokan air, lingkungan laut, audit, dan keselamatan. AI administratif telah bergeser ke struktur berlapis-lapis di mana model bahasa tujuan umum dan model prediksi dan deteksi khusus sektor beroperasi secara bersamaan. Namun, data yang tersedia untuk umum yang membandingkan registri model umum, silsilah data, akurasi, kasus kesalahan, dan akuntabilitas operasional di seluruh kota belum dikonfirmasi. Seiring dengan meningkatnya jumlah model khusus selama dua hingga tiga tahun ke depan, biaya pengelolaan risiko spesifik model secara terintegrasi meningkat pesat.  Sementara AI administratif Busan berada dalam fase ekspansi multi-sektoral, Tata Kelola Model di seluruh kota masih belum dikonfirmasi.

22 jenis layanan AI generatif, Gelombang Big Data, dan platform cerdas khusus sektor menunjukkan bahwa Busan memiliki banyak aset AI dan data. Aset digital administratif telah berevolusi menjadi struktur di mana AI tujuan umum dan sistem analisis khusus hidup berdampingan dalam satu portal statistik. Namun, runtime umum belum dikonfirmasi di mana hasil analisis di seluruh platform dihubungkan ke pertemuan kebijakan, persetujuan, anggaran, dan evaluasi kinerja yang sama. Seiring bertambahnya jumlah sistem antara tahun 2026 dan 2028, pengambilan informasi mungkin menjadi lebih cepat, tetapi perbedaan penilaian antar organisasi dapat melebar.  Yang telah dikonfirmasi sejauh ini adalah akumulasi alat AI dan data, bukan integrasi ekosistem pengambilan keputusan.

Permintaan untuk menganalisis penjualan kartu sebelum dan sesudah proyek "Kota 15 Menit", penjualan di pasar tradisional dan usaha kecil setelah perubahan penutupan toko wajib untuk supermarket besar, serta lalu lintas pejalan kaki dan penjualan kartu sebelum dan sesudah festival, lebih berfokus pada hasil daripada masukan. Pertanyaan administratif telah bergeser dari apakah suatu proyek diimplementasikan menjadi apakah kebijakan tersebut benar-benar mengubah perekonomian lokal. Namun, tidak ditemukan catatan publik yang menghubungkan hasil analisis dengan kasus-kasus di mana kebijakan yang ada dipertahankan, dimodifikasi, atau dihentikan. Jika analisis hanya tetap sebagai bahan referensi retrospektif selama dua hingga tiga tahun, perluasan pertanyaan tentang hasil tidak mengarah pada perubahan dalam pengambilan keputusan.  Meskipun Busan memiliki permintaan untuk analisis hasil, ekosistem untuk koordinasi kebijakan berbasis hasil dianggap belum terkonfirmasi.

Pelatihan AI praktis tahun 2025 mencakup perencanaan strategis dan praktik teknis untuk balai kota, distrik, kabupaten, dan organisasi afiliasi, sementara perluasan layanan AI di semua sektor diprediksi untuk tahun 2026–2028. Struktur pengembangan talenta berkembang dari penggunaan alat sederhana hingga kemampuan perencanaan layanan. Namun, selama audit administratif tahun 2025 oleh Dewan Kota Busan, ditemukan bahwa lebih dari 80% dari beberapa kursus pelatihan AI berada pada tingkat dasar. Jika kecepatan penyebaran layanan selama dua hingga tiga tahun ke depan melampaui kemampuan perencanaan dan verifikasi, karyawan akan menggunakan hasil AI tetapi tidak dapat mengidentifikasi keterbatasan dan kesalahan model tersebut.  Dinilai bahwa terdapat kesenjangan dalam ekosistem talenta administrasi AI Busan antara perluasan pengguna dan kemampuan verifikasi tingkat lanjut.

Smart Ocean Village berupaya melakukan pemantauan lingkungan laut dan dukungan pengambilan keputusan berbasis AI, sementara sektor penyediaan air menerapkan simulasi jaringan pipa berbasis big data dan AI. Administrasi di seluruh sektor ini bergeser dari pengaduan dan inspeksi pasca-kejadian ke deteksi dan prediksi proaktif. Namun, bukti yang tersedia untuk umum yang membandingkan tingkat kesesuaian antara prediksi dan kejadian aktual, waktu respons setelah peringatan, dan pengurangan kecelakaan masih terbatas. Bahkan jika sistem tersebut beroperasi antara tahun 2026 dan 2028, platform tersebut akan tetap stagnan sebagai layar pemantauan jika akurasi prediksi tidak dikaitkan dengan tindakan di lokasi. Meskipun  AI khusus sektor telah mengamankan kemampuan prediksi, bukti ekosistem yang menunjukkan bahwa prediksi tersebut benar-benar telah mengubah perilaku administratif masih kurang.

AI generatif mengurangi biaya pengumpulan informasi dengan memproses pencarian data administratif dan draf dokumen dalam hitungan detik. Hambatan dalam administrasi bergeser dari waktu yang dihabiskan untuk mencari data ke waktu yang dihabiskan untuk menentukan bukti mana yang dapat dipercaya dan alternatif mana yang harus dipilih. Meskipun layanan AI Busan menyediakan fungsi pencarian dan penyusunan draf, kemampuan pengambilan keputusan yang membandingkan efektivitas, biaya, dan risiko dari berbagai alternatif tidak ditemukan dalam data yang tersedia untuk umum. Jika kecepatan pencarian saja meningkat antara tahun 2026 dan 2028, struktur yang mampu mereproduksi logika kebijakan yang ada dengan lebih cepat dapat dibentuk. Meskipun perubahan struktural dalam AX administratif telah bergeser dari pembuatan dokumen ke penilaian dan verifikasi, fungsi Busan saat ini dinilai lebih dekat dengan yang pertama.

Layanan administratif berbasis RAG memperkuat dasar respons dengan menelusuri data administratif internal. Struktur ini mewakili pergeseran dalam AI generatif dari yang berpusat pada informasi internet yang tersedia untuk umum menjadi berpusat pada data yang dimiliki oleh Kota Busan. Namun, Jejak Audit publik—yang mencatat teks asli yang dirujuk dalam respons, tanggal referensi, dokumen yang bertentangan, pedoman yang dibuang, tingkat kepercayaan, dan peninjau akhir—tidak tersedia. Seiring dengan akumulasi data administratif selama dua hingga tiga tahun, risiko kesalahan pencampuran bukti terkini, historis, dan yang bertentangan meningkat.  Kesenjangan struktural AI generatif ala Busan terlihat jelas dalam penentuan validitas bukti, bukan dalam pembuatan respons.

Data kartu pribadi, telekomunikasi, dan spasial mengungkapkan perubahan di area komersial, mobilitas, dan tempat tinggal lebih cepat daripada statistik administratif. Bukti kebijakan telah bergeser dari statistik tahunan ke tingkat waktu nyata pada tingkat harian, jam, dan grid 50m. Namun, belum ada sistem pengungkapan yang diidentifikasi yang mengelola bias pengambilan sampel, perubahan penyedia layanan, modifikasi rumus, biaya, dan reproduksibilitas data pribadi bersamaan dengan catatan keputusan kebijakan. Jika ketergantungan pada data pribadi meningkat antara tahun 2026 dan 2028, perubahan dalam kontrak pasokan dapat menyebabkan gangguan pada dasar kebijakan. Meskipun  administrasi data Busan telah menjamin kecepatan, perbandingan dan reproduksibilitas jangka panjangnya dianggap belum terkonfirmasi.

Administrasi audit berbasis AI memperluas cakupan pemilihan target audit dan deteksi risiko dari inspeksi sampel menjadi pencarian menyeluruh berbasis data. Struktur audit bergeser dari deteksi post-hoc ke deteksi anomali sejak dini. Namun, pengumpulan data publik untuk memverifikasi target audit yang dipilih oleh model, target yang tidak dipilih, pelanggaran aktual, false positive, dan bias masih dalam tahap awal. Jika rekomendasi AI dimasukkan ke dalam prioritas audit antara tahun 2026 dan 2028, false positive yang tidak dapat dijelaskan juga akan berubah menjadi beban administratif dan risiko reputasi.  Audit AX bertekad untuk menunjukkan cakupan deteksi yang diperluas dan kesenjangan tanggung jawab prosedural secara bersamaan.

Rencana Promosi Administrasi AI 2026 menyajikan arahan untuk menyebarluaskan AI secara sistematis di seluruh administrasi. Implementasi percontohan oleh masing-masing departemen telah beralih ke portofolio tingkat pemerintah kota. Namun, Registri Proyek AI yang mengungkapkan garis dasar spesifik proyek, hasil target, departemen yang bertanggung jawab, tingkat risiko model, dan kriteria penghentian dalam format umum belum diidentifikasi. Jika perluasan di semua sektor dilakukan terlebih dahulu antara tahun 2026 dan 2028, akan sulit untuk membedakan antara proyek berkinerja rendah dan berisiko tinggi menggunakan kriteria yang sama.  Respons AI Busan saat ini berada pada tahap pembentukan portofolio, sementara tahap manajemen kinerja portofolio dianggap belum dikonfirmasi.

Layanan administrasi AI generatif diterapkan ke semua departemen pada awal tahun 2026, dan jadwal untuk pengembangan dan perluasan selama tiga tahun ke depan telah dipresentasikan. Penerapan AI telah meluas dari pengujian pengguna terbatas ke lingkungan kerja umum bagi semua karyawan. Namun, tolok ukur publik yang membandingkan jam kerja, akurasi respons pengaduan, tingkat koreksi, pengerjaan ulang, dan insiden keamanan sebelum dan sesudah penggunaan belum dikonfirmasi. Setelah penggunaan terintegrasi ke dalam prosedur kerja dasar selama dua hingga tiga tahun ke depan, akan sulit untuk membandingkan dampaknya dengan periode sebelum AI diperkenalkan.  Saat ini, meskipun jadwal perluasan untuk respons tiga tahun sudah jelas, struktur untuk mengukur efek kausal dianggap belum dikonfirmasi.

Rencana kerja data tahun 2026 mencakup perluasan analisis untuk menyelesaikan masalah kota, pelatihan karyawan, dan pemanfaatan informasi yang dianonimkan. Cakupan pemanfaatan data diperluas dari statistik publik ke analisis kombinasi yang melindungi informasi pribadi. Namun, belum ditemukan data yang secara kolektif mengungkapkan hasil kebijakan, risiko identifikasi ulang, kegagalan kombinasi, periode pertimbangan, atau perubahan kebijakan aktual yang terkait dengan analisis kombinasi yang dianonimkan. Jika pemanfaatan dan perlindungan dikelola sebagai indikator kinerja terpisah untuk periode 2026–2028, akan sulit untuk menilai risiko antara perluasan analisis dan kepercayaan publik.  Respons Busan terhadap informasi yang dianonimkan saat ini berada pada tahap perluasan basis pemanfaatan, belum pada tahap evaluasi hasil dan kepercayaan yang terintegrasi.

Pelatihan AI dan data praktis telah memperluas cakupannya hingga mencakup kantor pusat, distrik, kabupaten, dan lembaga publik. Kebijakan kompetensi telah bergeser dari membina sejumlah kecil ahli data menjadi memanfaatkan AI di antara staf administrasi umum. Namun, kinerja analisis aktual sebelum dan sesudah pelatihan, perubahan dalam perencanaan kebijakan, tingkat deteksi kesalahan, dan tingkat penerapan di lapangan tidak diungkapkan. Jika hanya jumlah peserta pelatihan yang diakumulasikan selama dua hingga tiga tahun, tidak mungkin untuk membedakan antara perluasan pelatihan dan peningkatan kualitas pengambilan keputusan. Meskipun  respons terhadap pelatihan telah meluas dalam hal cakupan partisipasi, hal itu dianggap belum terverifikasi dalam hal hasil kerja.

Busan mengumumkan telah meluncurkan layanan administrasi AI generatif berbasis sLLM dan RAG di semua departemen, menjadikannya pemerintah daerah pertama yang melakukannya. Bukti adopsi awal lingkungan kerja AI bersama dikonfirmasi dalam perbandingan dengan pemerintah daerah domestik. Namun, perbandingan tingkat penggunaan aktif, penghematan waktu, akurasi, dan tingkat perubahan kebijakan menggunakan standar yang sama dengan kota-kota terkemuka lainnya tidak diungkapkan. Jika penunjukan "adopsi awal" pada tahun 2026–2028 menggantikan perbandingan kinerja, perbedaan antara kepemimpinan teknologi dan kinerja administrasi menjadi kabur. Meskipun  Busan menunjukkan sinyal terdepan pada saat adopsi, kota ini dinilai tidak sebanding dalam hal hasil pengambilan keputusan.

Tata Kelola AI di sektor publik internasional berfokus pada pengelolaan silsilah data, peninjauan manusia, penjelasan, penilaian dampak, keberatan, dan pemantauan model. Layanan AI generatif Busan dibangun berdasarkan premis pemanfaatan sistem keamanan dan data internal. Namun, bukti mengenai pengungkapan persetujuan tingkat risiko, penilaian dampak warga, pengungkapan kesalahan, dan riwayat perubahan model di tingkat pemerintah kota belum terkonfirmasi. Seiring dengan perluasan AI di bidang keterlibatan warga, audit, dan keselamatan selama dua hingga tiga tahun ke depan, akuntabilitas prosedural, bukan kemudahan operasional, akan menentukan daya saing komparatif. Meskipun  kesiapan adopsi teknologi Busan tinggi, kesiapan tata kelola publiknya dinilai belum terkonfirmasi.

Pemerintah daerah besar seperti Seoul dan Gyeonggi mengoperasikan organisasi analisis data, data publik, kembaran digital, dan layanan AI secara berlapis. Busan juga mempersempit kesenjangan alat dengan membangun Gelombang Big Data dan platform AI khusus sektor. Namun, metrik yang sebanding untuk analisis → perubahan keputusan → hasil di berbagai kota belum distandarisasi di dalam negeri. Membandingkan hanya jumlah platform dan anggaran untuk tahun 2026–2028 tidak memungkinkan penilaian produktivitas administratif dan dampak nyata Busan terhadap penduduk.  Posisi Busan di dalam negeri dinilai berada di tingkat menengah ke atas dalam kepemilikan alat, tetapi memiliki kesenjangan data umum dalam Waktu Pelaksanaan Keputusan.

Analisis kota Busan dalam kurun waktu 15 menit, festival, distrik komersial, transportasi, dan lingkungan laut membahas isu-isu lokal dengan menggabungkannya dengan data sektor swasta. Hal ini mewakili struktur yang lebih maju daripada tahap di mana hanya statistik administratif terstruktur yang digunakan. Di sisi lain, bukti yang dikelola oleh standar umum mengenai reproduksibilitas analisis, kelompok kontrol, pra-baseline, dan pasca-hasil masih terbatas. Bahkan jika jumlah kasus analisis meningkat selama dua hingga tiga tahun, kasus-kasus tersebut tidak digabungkan menjadi pembelajaran seluruh kota jika desain perbandingannya berbeda.  Kekuatan relatif Busan ditentukan oleh realisme topik analisisnya, sedangkan kelemahannya adalah standardisasi hasil analisis ke dalam eksperimen kebijakan.

Menghubungkan 22 jenis layanan AI generatif dengan aplikasinya di semua departemen menegaskan fungsionalitas dan cakupan penerapannya. Namun, karena pengguna aktif, jumlah kueri, tingkat adopsi, tingkat modifikasi, penghematan waktu, dan tingkat perubahan kebijakan tidak diungkapkan, kinerja kegunaan tidak dapat dihitung. Jumlah layanan dikalikan dengan jumlah departemen menunjukkan skala difusi tetapi tidak mencerminkan kinerja administratif. Jika jumlah fungsi meningkat antara tahun 2026 dan 2028, indikator keberhasilan tanpa penyebut dapat menjadi lebih besar.  Angka-angka saat ini untuk AI generatif Busan mewakili skala implementasi, sementara produktivitas pengambilan keputusan ditentukan oleh Kesenjangan Data.

Permintaan analisis untuk Big-DataWave mencakup isu-isu kebijakan aktual seperti konsep "kota 15 menit", penutupan toko wajib untuk hypermarket, festival, parkir, lalu lintas pejalan kaki, dan penjualan konsumen. Jumlah permintaan dan indikator "respons selesai" menunjukkan bahwa pasokan analisis berfungsi. Namun, angka selanjutnya mengenai perkembangan dari "respons selesai" ke "refleksi persetujuan", "modifikasi proyek", dan "perubahan hasil" tidak diungkapkan. Jika jumlah kasus yang selesai terakumulasi selama dua hingga tiga tahun, kinerja pemrosesan analisis dan kinerja perubahan kebijakan dapat dianggap identik.  Tingkat penyelesaian analisis ditentukan sebagai indikator layanan administratif, bukan indikator efektivitas kebijakan.

Analisis penjualan kartu sebelum dan sesudah proyek Kota 15 Menit diminta untuk membandingkan perubahan pada tahun 2023 dan 2024, khususnya sebelum dan sesudah penyelesaian. Meskipun struktur perbandingan berbasis waktu sudah ada, bukti bahwa wilayah kontrol, kondisi ekonomi eksternal, harga, dan faktor musiman telah dipisahkan tidak dapat dikonfirmasi hanya dari informasi yang diminta. Peningkatan dan penurunan sederhana sebelum dan sesudah mencampur efek kebijakan dengan perubahan eksternal simultan. Jika analisis serupa diulangi antara tahun 2026 dan 2028, penentuan kausalitas yang salah dapat terakumulasi, yang menyebabkan perluasan atau pengurangan anggaran.  Kesenjangan numerik dalam analisis data Busan terletak antara pengukuran perubahan dan penentuan kausalitas.

Analisis mengenai pergeseran penutupan toko wajib untuk hypermarket ke hari kerja merupakan pertanyaan kebijakan yang membandingkan penjualan hypermarket, pasar tradisional, dan pemilik usaha kecil secara bersamaan. Analisis ini mengkonfirmasi pergeseran struktural yang bertujuan untuk meneliti distribusi manfaat di antara para pemangku kepentingan, bukan hanya penjualan satu industri. Namun, hasil terbuka yang menggabungkan manfaat konsumen, kondisi kerja para pekerja, pergeseran ke konsumsi daring, dan dampak jangka panjang belum teridentifikasi. Jika kesimpulan ditetapkan hanya berdasarkan penjualan kartu kredit jangka pendek selama periode dua hingga tiga tahun, biaya dan manfaat kebijakan tersebut menjadi terbatas pada kelompok tertentu. Meskipun  penilaian berbasis data Busan diperluas ke perbandingan multi-kelompok, disimpulkan bahwa penilaian tersebut belum mencapai hasil sosial secara keseluruhan.

Meskipun jumlah peserta dan kursus dalam pendidikan AI menunjukkan adanya peningkatan kemampuan, audit dewan kota menunjukkan bahwa lebih dari 80% dari beberapa kursus berada pada tingkat dasar. Ini menjadi bukti bahwa peningkatan volume pelatihan tidak selalu berarti peningkatan kemampuan tingkat lanjut. Pelatihan belum dikaitkan dengan kualitas analisis di tempat kerja, validasi model, atau perubahan kebijakan. Jika ekspansi yang berpusat pada pendidikan dasar berlanjut dari tahun 2026 hingga 2028, struktur yang ada akan tetap sama, yaitu jumlah pengguna AI meningkat tetapi terdapat kekurangan pengambil keputusan yang dapat diverifikasi.  Jumlah sesi pelatihan menunjukkan ekspansi, tetapi kemampuan penilaian organisasi tetap belum dinilai.

Kesenjangan pertama adalah tidak adanya Catatan Keputusan . Permintaan analisis, respons AI, dokumen administratif, persetujuan, anggaran, dan hasil pelaksanaan ada secara individual. Namun, catatan publik yang terkait dengan ID kebijakan yang sama untuk mengidentifikasi bukti mana yang menolak alternatif yang ada dan mengubah keputusan akhir tidak tersedia. Seiring penggunaan AI menjadi hal yang umum antara tahun 2026 dan 2028, akan semakin sulit untuk melacak dampak aktual AI dalam proses pengambilan keputusan.  Kesenjangan terbesar dalam AX administratif Busan ditentukan sebagai kemampuan pelacakan perubahan keputusan, bukan kemampuan analitis.

Kesenjangan kedua adalah tidak adanya Garis Dasar Hasil . Meskipun 22 jenis layanan AI generatif menampilkan fungsionalitasnya, nilai garis dasar umum untuk jam kerja pra-implementasi, tingkat kesalahan, kualitas pengaduan, dan periode pemrosesan kebijakan belum diungkapkan. Struktur ini memberikan standar perbandingan yang lemah bahkan jika terjadi perubahan setelah implementasi. Jika AI menjadi mapan sebagai lingkungan kerja standar dalam dua hingga tiga tahun, hampir tidak mungkin untuk membandingkan keadaan pra-implementasi dengan kelompok kontrol non-pengguna.  AI generatif Busan dinilai memiliki kesiapan verifikasi efektivitas yang lebih rendah daripada kesiapan penerapan.

Kesenjangan ketiga terletak pada pengelolaan silsilah data dan tanggal referensi yang tidak terverifikasi . Meskipun RAG menggunakan data internal, catatan administratif berisi pedoman pra-revisi, dokumen duplikat, dan statistik yang saling bertentangan. Tidak ada struktur yang dikonfirmasi untuk melacak secara publik data dan tanggal referensi mana yang digunakan oleh respons AI. Seiring meningkatnya volume dokumen antara tahun 2026 dan 2028, risiko kesalahan kekinian terulang dalam bentuk kalimat yang akurat semakin besar.  Kesenjangan dalam administrasi berbasis bukti bukan terletak pada akses data, tetapi pada kemampuan untuk menentukan data mana yang valid.

Kesenjangan keempat adalah ketidaksesuaian antara analisis dan anggaran . Bahkan jika analisis data memverifikasi efektivitas kebijakan, catatan publik yang menghubungkannya dengan peningkatan, penurunan, atau penghentian dalam anggaran tahun berikutnya terbatas. Strukturnya sedemikian rupa sehingga analisis dikelola sebagai bahan referensi, sementara anggaran diperlakukan sebagai bahan tinjauan terpisah. Jika proyek-proyek berkinerja rendah berulang kali dimasukkan dalam anggaran selama dua hingga tiga tahun terlepas dari hasil analisis, manfaat finansial dari administrasi berbasis data akan hilang.  Kesiapan Pengambilan Keputusan Busan dinilai tidak terkonfirmasi dalam alokasi ulang anggaran daripada dalam analisis kebijakan.

Kesenjangan kelima adalah kurangnya pembelajaran organisasi terkait kesalahan AI . AI generatif dan model prediktif dapat menghasilkan jawaban yang salah, kelalaian, bias, dan positif palsu. Belum ditemukan registri yang mengintegrasikan dan secara publik mengungkapkan kasus kesalahan, waktu koreksi, tingkat kekambuhan, dan perubahan versi berdasarkan model untuk Kota Busan. Seiring dengan peningkatan jumlah layanan antara tahun 2026 dan 2028, kesalahan yang sama dapat menyebar ke dokumen dan keputusan di berbagai departemen.  Risiko terhadap administrasi AI Busan dinilai bukan terletak pada keberadaan kesalahan, tetapi pada struktur di mana kesalahan tidak tersimpan dalam memori organisasi.

Layanan administratif Big Data Wave dan Generative AI masing-masing menyediakan data analitik dan infrastruktur pendukung bisnis. Kota Busan saat ini memiliki kemampuan permintaan dan analisis data, serta AI pencarian dan dokumen. Namun, belum ada bukti publik yang mengkonfirmasi keterkaitan kedua infrastruktur tersebut dengan ID tugas kebijakan yang sama. Jika peningkatan terpisah terus berlanjut dari tahun 2026 hingga 2028, hasil analisis data mungkin tidak tercermin dalam respons Generative AI, atau tanggal referensinya dapat berubah.  Ditetapkan bahwa beberapa infrastruktur teknis telah diamankan, sementara interoperabilitas tingkat kebijakan masih belum dikonfirmasi.

Pelatihan AI dan data dilakukan untuk kantor pusat, distrik, kabupaten, dan organisasi afiliasi, dan pelatihan perencanaan praktis juga diimplementasikan. Target audiens untuk pelatihan diperluas dari personel TI tertentu menjadi staf kebijakan umum. Di sisi lain, kurangnya kemampuan aplikasi dan konvergensi tingkat lanjut ditunjukkan selama audit administratif tahun 2025. Jika AI menyebar ke semua departemen selama dua hingga tiga tahun ke depan, hambatan mungkin muncul di mana satu personel verifikasi menangani kesalahan dari banyak pengguna.  Infrastruktur talenta dinilai berada dalam fase ekspansi pengguna, sementara personel verifikasi tingkat lanjut dinilai berada dalam fase kekurangan.

Infrastruktur pemanfaatan untuk penjualan kartu, aliran telekomunikasi, grid spasial, statistik administratif, dan informasi yang dianonimkan mengamati fenomena kebijakan dari berbagai sudut pandang. Infrastruktur data telah berkembang dari data publik terstruktur menjadi integrasi publik-swasta. Namun, data yang secara kolektif mengelola dampak bias sampel, perubahan rumus, nilai yang hilang, dan penghentian akuisisi data pada hasil analisis belum teridentifikasi. Seiring meningkatnya ketergantungan pada data swasta antara tahun 2026 dan 2028, perubahan dalam kontrak dan rumus akan mengganggu rangkaian waktu hasil kebijakan. Meskipun  kesiapan data telah meluas cakupannya, hal itu dinilai belum terkonfirmasi mengenai kualitas dan kontinuitasnya.

Rencana promosi administrasi AI Kota Busan dan sistem informasi dan keamanan pribadi berfungsi sebagai landasan kelembagaan untuk pemanfaatan AI. Pengenalan AI telah bergeser dari penggunaan otonom oleh karyawan ke sistem administrasi formal. Namun, belum ada sistem terintegrasi yang secara publik mengungkapkan penilaian akhir manusia dalam pengambilan keputusan berisiko tinggi, pemberitahuan warga, keberatan, area otomatisasi yang dilarang, dan kriteria penghentian model. Jika penerapannya meluas ke sektor pengaduan sipil, kesejahteraan, audit, dan keamanan selama dua hingga tiga tahun ke depan, celah prosedural akan berubah menjadi risiko terhadap hak-hak warga.  Ditetapkan bahwa meskipun sistem telah mendapatkan persetujuan untuk diadopsi, sistem tersebut belum mencapai tahap pertanggungjawaban atas dampaknya.

Layanan administrasi AI generatif bertujuan untuk mengurangi beban kerja karyawan dan waktu respons publik dengan mendukung pencarian data administratif dan penyusunan tanggapan pengaduan sipil. Struktur ini melibatkan teknologi operasional internal yang meluas hingga kualitas respons pada titik kontak dengan warga. Namun, perbandingan waktu pemrosesan pengaduan sipil, tingkat pengajuan ulang, tingkat kesalahan, dan kepuasan warga sebelum dan sesudah implementasi belum diungkapkan. Bahkan jika penggunaan karyawan meningkat antara tahun 2026 dan 2028, jika kecepatan dan akurasi yang dialami warga tidak meningkat, AX administratif hanya akan tetap menjadi ukuran efisiensi internal. Meskipun  adopsi oleh warga disajikan sebagai efek yang diharapkan, hasil aktual dianggap belum terkonfirmasi.

Analisis data mengenai penutupan toko wajib untuk supermarket besar, inisiatif "kota 15 menit", festival, dan kawasan komersial menargetkan kebijakan yang secara langsung berkaitan dengan kehidupan pemilik usaha kecil dan penduduk. Administrasi data bergeser dari pembuatan laporan internal ke analisis hasil ekonomi regional. Namun, bukti tindak lanjut yang menunjukkan bahwa hasil analisis telah mengubah lingkungan bisnis, tata letak fasilitas, anggaran, dan desain acara masih terbatas. Jika analisis disimpulkan setelah dua hingga tiga tahun, bisnis lokal tetap hanya menjadi target penyediaan data dan tidak menjadi penerima manfaat dari perubahan kebijakan.  Meskipun analisis yang menargetkan bisnis dan penduduk telah meluas, dampak nyata dari perubahan keputusan masih belum terkonfirmasi.

Data publik dan Gelombang Big Data menyediakan akses data bagi usaha kecil dan menengah (UKM) dan warga negara. Cakupan pemanfaatan data telah meluas dari administrasi internal ke penggunaan sektor swasta. Namun, data reguler yang menghubungkan kinerja data terbuka—yang mengarah pada produk, layanan, penjualan, dan lapangan kerja perusahaan—dengan masalah kualitas data belum diverifikasi. Jika hanya jumlah dataset yang meningkat antara tahun 2026 dan 2028, data dengan nilai guna aktual yang rendah akan tetap menjadi pencapaian keterbukaan. Sementara  difusi ke sektor swasta dikonfirmasi dalam hal aksesibilitas, hal itu dianggap belum terverifikasi dalam hal hasil industri.

Sistem audit, keselamatan, pasokan air, dan lingkungan laut berbasis AI bertujuan untuk menciptakan struktur yang mengurangi kerusakan bagi warga dengan mendeteksi kecelakaan, korupsi, dan kebocoran pada tahap awal. Hasil yang dirasakan warga tidak terwujud dalam implementasi sistem, tetapi dalam pengurangan kecelakaan, waktu pemulihan, kualitas air, dan keselamatan. Perubahan kerusakan yang dialami warga dan biaya positif palsu sebelum dan sesudah pengenalan sistem ini terbatas dalam bukti yang tersedia untuk umum. Jika hanya jumlah peringatan dan pemeriksaan yang meningkat selama dua hingga tiga tahun, manfaat bagi warga akan tertutupi oleh rekam jejak implementasi teknologi administratif.  Penyebaran AI di kalangan warga berdasarkan sektor dikonfirmasi pada tingkat kemampuan deteksi, sementara hasil pengurangan kerusakan dianggap belum terkonfirmasi.

Meskipun Balai Kota Metropolitan Busan memiliki layanan AI Generatif umum dan departemen data khusus, personel data, anggaran, dan pengalaman analisis distrik dan kabupaten tidak identik. Meskipun AX Administratif bertujuan untuk ekspansi di semua departemen dan distrik, kemampuan implementasi aktual dapat bervariasi tergantung pada ukuran organisasi. Data yang membandingkan tingkat penggunaan aktif, permintaan analisis, analisis internal, dan tingkat refleksi kebijakan berdasarkan distrik dan kabupaten tidak tersedia. Jika kesenjangan kemampuan ini terakumulasi antara tahun 2026 dan 2028, akurasi kebijakan berbasis data dapat berbeda bahkan di antara warga Busan berdasarkan alamat mereka. Ditetapkan  bahwa dalam AX Administratif Busan, keseimbangan akses layanan tidak selaras dengan keseimbangan kemampuan pemanfaatan.

Permintaan analisis Big-Data Wave mencakup isu-isu spesifik wilayah seperti lalu lintas pejalan kaki di Dong-gu, parkir di Yeongdo-gu, kawasan komersial di Busanjin-gu, dan Festival Gwangalli. Meskipun permintaan data muncul di seluruh Busan, jenis masalah dan kesulitan dalam memperoleh data bervariasi. Jika dukungan analisis dioperasikan berdasarkan permintaan, organisasi dengan kemampuan aplikasi yang kuat dan keterampilan desain proyek lebih mungkin untuk mendapatkan dukungan. Jika struktur ini dipertahankan selama dua hingga tiga tahun, wilayah yang gagal menyusun permintaan analisis yang efektif akan dikecualikan sebelum wilayah yang kekurangan data.  Ditetapkan bahwa disparitas spasial lebih mungkin berasal dari kemampuan untuk merancang pertanyaan administratif daripada dari kepemilikan data.

Data lalu lintas pejalan kaki dan penjualan kartu dengan resolusi 50m menangkap perubahan gaya hidup di tingkat lingkungan dan di bawahnya. Unit analisis administratif bergeser dari rata-rata distrik dan kabupaten ke area hunian mikro. Namun, belum ada bukti yang mengkonfirmasi bahwa resolusi spasial dan siklus pembaruan yang sama diterapkan pada semua bidang kebijakan. Jika hanya area tertentu yang diamati secara tepat antara tahun 2026 dan 2028, area yang tidak teramati dapat salah diidentifikasi sebagai area tanpa permintaan.  Meskipun kecerdasan spasial Busan telah disempurnakan, keseragaman pengamatan di seluruh wilayah dianggap belum terkonfirmasi.

Pusat kota asli, Busan Barat, dan Busan Timur berbeda dalam hal populasi, industri, transportasi, dan struktur komersial. Bahkan jika model AI yang sama diterapkan di seluruh kota, kesalahan prediksi bervariasi menurut wilayah jika komposisi regional data pelatihan berbeda. Tidak ada data yang tersedia untuk umum yang membandingkan kinerja model berdasarkan distrik, kabupaten, usia, pendapatan, atau ukuran bisnis. Jika hanya akurasi rata-rata selama dua hingga tiga tahun yang dikelola, akurasi rendah di area yang rentan akan tertutupi oleh rata-rata keseluruhan.  Risiko spasial AI administratif Busan ditentukan oleh ketidakjelasan tingkat kesalahan regional daripada penyebaran layanan.

Layanan administrasi AI generatif ala Busan diterapkan di semua departemen pada awal tahun 2026 dan akan terus ditingkatkan dan diperluas selama tiga tahun dari 2026 hingga 2028. Dua hingga tiga tahun berikutnya akan menjadi periode di mana fungsi awal, data, dan pola penggunaan menjadi tetap sebagai prosedur bisnis standar. Kondisi dasar sebelum pengenalan dan catatan keputusan dampak AI belum diungkapkan. Setelah prosedur dasar menjadi mapan, akan sulit untuk membandingkan pekerjaan dengan pekerjaan tanpa AI, dan praktik penggunaan yang salah akan tetap menjadi norma organisasi.  Saat ini, "Masa Keemasan" ditentukan bukan sebelum pengenalan AI, tetapi sebelum standar operasional tiga tahun awal menguat.

AI dan analisis data berkembang pesat ke berbagai bidang seperti kota 15 menit, kawasan komersial, festival, transportasi, urusan kelautan, pasokan air, dan audit. Lingkup penerapannya telah bergeser dari tugas umum ke penilaian ahli yang memengaruhi hak dan keselamatan warga negara. Namun, belum ada sistem pengungkapan publik yang terintegrasi dalam pengelolaan tingkat risiko, kesalahan, keberatan, dan kriteria penangguhan. Jika otomatisasi meluas ke sektor berisiko tinggi antara tahun 2026 dan 2028, akan sulit untuk menerapkan suplemen peraturan pasca-kejadian terhadap keputusan dan keluhan yang telah terkumpul. Masa keemasan tata kelola ditentukan sebelum penerapan langkah-langkah berisiko tinggi menjadi bagian yang mengakar dalam operasional sehari-hari.

Pemanfaatan data kartu kredit dan telekomunikasi pribadi, serta informasi yang dianonimkan, mengungkapkan tren kebijakan lebih cepat daripada statistik administratif. Kecepatan pengambilan keputusan berdasarkan data di Busan meningkat dari statistik tahunan menjadi unit bulanan, harian, dan jam. Namun, sistem pengungkapan publik untuk mengelola perubahan dalam formula, sampel, dan kontrak data pribadi, serta perbandingan jangka panjang, masih terbatas. Jika kebijakan yang bergantung pada data yang sama terakumulasi selama dua hingga tiga tahun, reproduksibilitas penilaian masa lalu akan hilang setelah terjadi perubahan penyedia data.  "Waktu Emas Data" ditentukan sebelum kontinuitas garis dasar terputus, bukan sebelum perluasan volume penggunaan.

Meskipun pelatihan karyawan telah diperluas, audit administratif tahun 2025 menunjukkan adanya penekanan berlebihan pada kursus dasar. Hal ini menjadi bukti bahwa kecepatan penyebaran layanan AI berbeda dengan kecepatan pertumbuhan personel perencanaan dan verifikasi senior. Data yang mengukur kemampuan tingkat lanjut dan deteksi kesalahan aktual belum dikonfirmasi. Seiring penggunaan AI menjadi rutin bagi semua karyawan antara tahun 2026 dan 2028, akan sulit bagi sejumlah kecil ahli untuk memverifikasi semua model, data, dan respons.  "Waktu Emas" untuk talenta ditentukan sebelum jumlah pengguna secara struktural melampaui jumlah verifikator.

12-1. Studi Kasus Penerapan Masa Keemasan di Pemerintahan Daerah Tingkat Dasar ① — Busanjin-gu

Permintaan telah diajukan kepada Big-Data Wave untuk menganalisis perubahan penjualan kartu sebelum dan sesudah proyek Kota 15 Menit, yang mencakup kawasan hunian Dangam dan Gaegeum. Evaluasi kebijakan kawasan hunian di Busanjin-gu telah bergeser dari penyelesaian fasilitas ke hasil penjualan aktual dari distrik komersial sekitarnya. Namun, belum ada hasil analisis publik yang memisahkan pengaruh harga, musiman, kondisi ekonomi, dan area kontrol dari perubahan sebelum dan sesudah penyelesaian, maupun perubahan kebijakan selanjutnya, yang telah dikonfirmasi. Jika proyek Kota 15 Menit diperluas menggunakan metode yang sama antara tahun 2026 dan 2028, kesalahan dalam penentuan penyebab awal dapat terulang ke kawasan hunian lainnya.  Meskipun Busanjin-gu adalah wilayah di mana pertanyaan tentang hasil berbasis data diajukan, telah ditentukan bahwa wilayah tersebut belum mencapai tahap konfirmasi pengaruh kebijakan.

Wilayah Dangam dan Gaegeum menggunakan zona hunian aktual—lebih besar dari unit dong tetapi lebih kecil dari unit distrik—sebagai unit kebijakan. Pertimbangan spasial telah bergeser dari rata-rata dong administratif ke zona hunian yang menggabungkan mobilitas penduduk dan konsumsi. Namun, tidak ada bukti publik yang terkonfirmasi yang menghubungkan populasi mengambang, penjualan kartu, aksesibilitas fasilitas, kepuasan penduduk, dan kelangsungan komersial ke dalam satu periode waktu zona hunian. Jika proyek zona hunian representatif diselesaikan dalam dua hingga tiga tahun, hanya hasil kinerja spesifik fasilitas yang mungkin tersisa tanpa dasar acuan.  Masa Keemasan Busanjin-gu bukanlah keberadaan analisis zona hunian itu sendiri, tetapi periode di mana dapat dicatat apakah analisis tersebut memengaruhi penempatan fasilitas dan anggaran selanjutnya.

12-2. Studi Kasus Penerapan Masa Keemasan di Pemerintah Daerah Tingkat Dasar ② — Yeongdo-gu

Yeongdo-gu mengajukan permohonan konsultasi analisis data terkait kekurangan lahan parkir setelah analisis pengaduan konsultasi Saeol mengkonfirmasi bahwa pengaduan terkait parkir adalah yang paling sering terjadi. Ini menandai kasus di mana teks pengaduan warga bergeser dari sekadar pengumpulan pengaduan berulang menjadi pertanyaan untuk analisis kebijakan. Namun, tidak ada catatan tindak lanjut yang diungkapkan secara publik yang mengkonfirmasi keputusan mana—seperti alokasi ruang parkir, waktu penegakan hukum, transportasi umum, atau rute wisata—yang diubah berdasarkan hasil analisis. Jika permintaan parkir berubah karena pariwisata, perumahan, dan penuaan penduduk antara tahun 2026 dan 2028, analisis pengaduan sebelumnya menjadi data satu kali dengan titik referensi yang berbeda.  Meskipun Yeongdo-gu merupakan kasus di mana data mengidentifikasi masalah kebijakan, hal itu masih belum dikonfirmasi sebagai kasus di mana data mengubah alternatif solusi.

Masalah parkir di Yeongdo-gu adalah isu kompleks di mana tuntutan per jam dari penduduk, wisatawan, pedagang, dan penyandang disabilitas bertabrakan di ruang yang sama. Jumlah pengaduan saja tidak dapat membedakan kelompok mana yang memiliki tuntutan atau periode waktu mana yang menjadi hambatan. Lebih lanjut, hubungan antara pengaduan, perputaran parkir, parkir ilegal, keselamatan pejalan kaki, dan pendapatan komersial tidak dapat diverifikasi. Jika penilaian yang terutama didasarkan pada volume pengaduan dipertahankan selama dua hingga tiga tahun, area dengan tingkat pelaporan tinggi dan area dengan risiko tinggi yang sebenarnya akan bercampur.  "Masa Emas" Yeongdo-gu dinilai sebagai periode di mana penyebab pengaduan dan perbedaan antara alternatif kebijakan dapat ditentukan, melampaui tahap hanya mengidentifikasi titik-titik rawan pengaduan tinggi.

Jika data tentang penggunaan, kesalahan, koreksi, dan adopsi dari tahap awal penerapan AI di semua departemen pada tahun 2026 tidak disimpan, maka dasar perbandingan kinerja administratif selanjutnya akan hilang. Dukungan kerja AI dirancang untuk berkembang selama tiga tahun, dengan tugas-tugas yang tidak digunakan akan berkurang dengan cepat. Hasil yang diungkapkan saat ini sebelum dan sesudah implementasi masih terbatas. Setelah tahun 2026–2028, akan sulit untuk membedakan apakah AI telah meningkatkan proses kerja atau hanya menyerap peningkatan beban kerja.  Kerugian pertama akan ditentukan oleh bukti kausal dari tahap awal adopsi AI, bukan anggaran teknologi.

Jika hasil analisis tidak dikaitkan dengan persetujuan, anggaran, dan pelaksanaan, analisis atas isu yang sama akan diulang di berbagai departemen dan tahun. Meskipun banyak pertanyaan kebijakan dunia nyata diidentifikasi dalam Gelombang Big Data, riwayat penggunaan kembali dan perubahan keputusan tidak diungkapkan. Jika terjadi transfer personel dan restrukturisasi organisasi selama dua hingga tiga tahun, premis, keterbatasan, dan keputusan selanjutnya dari analisis tersebut akan terpisah dari memori organisasi.  Kerugian kedua ditentukan bukan oleh laporan individu, tetapi oleh memori administratif yang tidak mengulangi kegagalan kebijakan.

Jika kesalahan dalam respons AI dan model prediksi tidak diakumulasikan dalam sebuah registri, kesalahan akan terulang menggunakan data, perintah, dan model yang sama. Meskipun layanan diperluas ke semua departemen dan bidang khusus, sistem pembelajaran kesalahan di seluruh kota belum diverifikasi. Seiring semakin canggihnya berbagai sistem antara tahun 2026 dan 2028, versi dan pihak yang bertanggung jawab akan berubah, sehingga sulit untuk mereproduksi kesalahan di masa lalu.  Kerugian ketiga ditentukan bukan oleh angka akurasi, tetapi oleh waktu pembelajaran yang dibutuhkan untuk memasukkan kesalahan ke dalam keputusan selanjutnya.

Jika perbedaan dalam kemampuan personel data dan desain pertanyaan terakumulasi di antara distrik dan kabupaten, dukungan analisis mungkin terkonsentrasi di organisasi dengan kemampuan aplikasi yang lebih tinggi daripada di wilayah dengan permintaan tinggi. Saat ini, sistem analisis berbasis permintaan dan tugas regional diidentifikasi, tetapi permintaan yang belum diterapkan tidak diamati. Jika struktur ini mengakar selama dua hingga tiga tahun, kesenjangan AX administratif akan berubah menjadi kesenjangan layanan regional.  Kerugian keempat ditentukan bukan oleh kesetaraan teknologi, tetapi oleh kesetaraan dalam penilaian kebijakan yang tidak dipengaruhi oleh alamat atau kapasitas organisasi.

Busan sudah memiliki layanan AI generatif di semua departemen, Big Data Wave, pemanfaatan informasi yang dianonimkan, dan platform AI khusus sektor serta pelatihan praktis. Komponen AX Administratif tidak sepenuhnya absen, tetapi lebih tersebar di berbagai tahapan. Namun, bukti yang terkait dengan ID Kebijakan dan Log Keputusan belum diverifikasi. Masih ada waktu untuk membandingkan aset yang ada berdasarkan hasil kebijakan yang sama sebelum struktur sistem ditetapkan antara tahun 2026 dan 2028.  Saat ini, peluang dinilai sebagai periode untuk membangun konektivitas pengambilan keputusan dari aset yang tersebar, bukan sebagai sistem baru.

Permintaan analisis terkait "kota 15 menit," supermarket besar, festival, dan parkir menunjukkan bahwa pemerintah telah mengajukan pertanyaan spesifik mengenai dampak kebijakan. Kesenjangan di Busan bukan terletak pada tidak adanya pertanyaan, tetapi pada kurangnya catatan keputusan yang mengikuti tanggapan tersebut. Rantai publik hasil analisis dan perubahan kebijakan belum teridentifikasi. Jika permintaan analisis terus meningkat selama dua hingga tiga tahun, kemampuan untuk menghubungkan keputusan tindak lanjut akan menjadi kriteria yang menentukan produktivitas administrasi.  Peluang saat ini bukan terletak pada perluasan volume analisis, tetapi pada fase di mana pertanyaan kebijakan yang realistis dapat dipertahankan sebagai bukti keputusan yang dapat diulang.

AI generatif berbasis RAG memanfaatkan data administratif internal dari Kota Busan. Ini berfungsi sebagai dasar untuk menggunakan kembali rasionalisasi kebijakan organisasi di masa lalu sekaligus mengurangi waktu pencarian. Namun, struktur untuk mencari validitas data, dasar yang bertentangan, dan hasil keputusan secara bersamaan belum diungkapkan. Jika rasionalisasi dan hasilnya tidak dihubungkan sebelum data administratif meningkat antara tahun 2026 dan 2028, AI akan dapat dengan cepat menemukan dokumen masa lalu tetapi tidak akan mampu membedakan antara keberhasilan dan kegagalan keputusan masa lalu.  Saat ini, Peluang dinilai sebagai periode operasional awal di mana dokumen administratif dapat ditetapkan sebagai data pembelajaran organisasi.

Audit administratif Dewan Metropolitan Busan secara terbuka mempertanyakan tingkat pendidikan AI dan efektivitas proyek-proyeknya. Struktur tersebut melibatkan penyebaran AI oleh administrasi dan verifikasi eksternal oleh dewan yang ada secara bersamaan. Namun, data yang menghubungkan temuan audit, administrasi kota, perubahan model/pendidikan, dan hasil selanjutnya tidak diverifikasi. Jika verifikasi dewan tetap berupa penyelidikan individual selama dua hingga tiga tahun, tata kelola AI menjadi terfragmentasi di antara tinjauan anggaran dan laporan proyek.  Saat ini, peluangnya ditentukan sebagai periode di mana operasi internal dan verifikasi eksternal administrasi AI dapat dihubungkan dalam satu rantai bukti.

Runtime Administratif AX

Pertanyaan Kebijakan → Garis Dasar → Analisis Data & AI → Perbandingan Alternatif → Perubahan Keputusan → Anggaran → Pelaksanaan → Hasil bagi Warga → GAP → Audit & Verifikasi Dewan → Koreksi → Keputusan Selanjutnya

Ekspansi AI Administratif + Kesenjangan Bukti Keputusan

Pengelolaan data dan AI di Kota Busan telah melewati tahap pengenalan dan kini memasuki tahap perluasan di semua departemen.

Pencarian tugas, pembuatan dokumen, dan analisis kebijakan individual telah dikonfirmasi.

Tidak ada hubungan antara apa yang diubah oleh AI dan data terkait keputusan yang sudah ada dengan bagaimana hasilnya berubah.

Bahaya saat ini bukanlah pemerintahan yang tidak menggunakan AI, tetapi pemerintahan yang menggunakan AI tetapi tidak dapat menentukan apakah mereka telah membuat keputusan yang lebih baik.

Putusan akhirnya adalah Perluasan AI Administratif + Kesenjangan Bukti Keputusan.

1. Pengguna aktif AI generatif berdasarkan departemen
2. Frekuensi penggunaan AI per karyawan
3. Tingkat penggunaan berdasarkan 22 jenis layanan
4. Tingkat Adopsi, Modifikasi, dan Penolakan Jawaban AI
5. Tingkat koreksi rata-rata dokumen yang dihasilkan AI
6. Mengurangi waktu pencarian data administratif.
7. Mengurangi waktu yang dihabiskan untuk menyusun gugatan perdata.
8. Tingkat pengajuan ulang pengaduan perdata sebelum dan setelah penggunaan AI
9. Jumlah kesalahan, kelalaian, dan bias dalam respons AI
10. Waktu dari penemuan kesalahan hingga perbaikan
11. Tingkat kekambuhan kesalahan yang sama
12. Penerimaan, penyelesaian, dan periode tunggu permintaan analisis.
13. Tingkat refleksi persetujuan hasil analisis
14. Tingkat perubahan alternatif kebijakan setelah analisis
15. Tingkat perubahan target proyek dan wilayah setelah analisis
16. Peningkatan, penurunan, dan tingkat penyelesaian anggaran setelah analisis.
17. Tingkat pengungkapan dasar sebelum implementasi kebijakan
18. Rasio analisis menggunakan wilayah kontrol/kelompok kontrol
19. Riwayat perubahan formula dan sampel data pribadi
20. Akurasi, Positif Palsu, dan Deteksi yang Terlewatkan menurut Model
21. Kesenjangan dalam Penggunaan AI dan Analisis Internal menurut Distrik/Kabupaten
22. Tingkat lamaran kerja setelah menyelesaikan pelatihan
23. Jumlah personel AI tingkat lanjut dan verifikasi data
24. Tingkat koreksi aktual setelah masalah yang diangkat oleh dewan dan audit.
25. Tingkat peningkatan hasil bagi warga dan dunia usaha setelah perubahan kebijakan

Kesenjangan Data: Dalam bukti publik, Alur Proses Pengambilan Keputusan Kota Busan yang menghubungkan Penyelidikan Kebijakan → Analisis Data/AI → Perbandingan Proposal dan Alternatif yang Ada → Persetujuan/Perubahan Anggaran → Pelaksanaan → Hasil bagi Warga/Bisnis → Audit/Verifikasi Dewan → Koreksi Tindak Lanjut di bawah ID Kebijakan yang sama belum dikonfirmasi.

Rantai Waktu Eksekusi

Data → Analisis → Alternatif → Perubahan Keputusan → Anggaran → Implementasi → Hasil → Kesalahan/Kesenjangan → Audit/Dewan → Koreksi → Keputusan Selanjutnya

Sumber · Verifikasi

• Kota Metropolitan Busan Meluncurkan Layanan Administrasi AI Generatif Pertama di Negara Ini
• Rencana Implementasi Administrasi AI Kota Metropolitan Busan, 2026
• Rencana Kerja Utama Administrasi Berbasis Data untuk Kota Metropolitan Busan, 2026
• Gelombang Big Data Busan, Status Analisis dan Konsultasi Data Kebijakan
• Gelombang Big Data Busan, Materi Penjelasan Statistik
• Kota Metropolitan Busan, pelatihan praktis berbasis AI untuk administrasi masa depan.
• Dewan Kota Busan, Audit Administratif 2025 dari Badan Promosi Industri Informasi Korea
• Platform Pendukung Manajemen Lingkungan Laut Cerdas Berbasis Data, Kota Metropolitan Busan
• Kota Metropolitan Busan Akan Mendukung Pengambilan Keputusan Berbasis AI dan Big Data untuk Jaringan Pasokan Air pada Tahun 2026
• Sistem Pendukung Administrasi Audit Cerdas Berbasis AI, Kota Metropolitan Busan

Wawasan struktural yang tersisa dari analisis ini

Pengambilan keputusan administratif hanya mempertahankan proposal final yang tertulis dalam dokumen dan menghapus alternatif yang tidak dipilih. Bahkan jika AI menyajikan lebih banyak bukti dan alternatif, jika perbedaan antara rencana awal, alternatif, dan rencana final tidak dicatat, tidak dapat diverifikasi apakah AI mengubah penilaiannya. Ini adalah struktur di mana penggunaan tetap ada, tetapi dampaknya hilang.

Dalam struktur ini, perbedaan antara AI yang baik dan AI yang buruk tidak hanya ditentukan oleh akurasi. Jika analisis yang akurat gagal mengubah persetujuan dan anggaran, efek administratifnya mendekati nol; sebaliknya, jika analisis yang tidak lengkap mengubah keputusan berisiko tinggi, bahkan kesalahan kecil pun akan berdampak pada warga. Nilai administratif AI dibentuk oleh hasil perkalian kinerja model dan dampak keputusan.

Oleh karena itu, hanya ada satu wawasan struktural dalam Sistem Administrasi Busan AX. AI menjadi kemampuan administratif bukan ketika menggantikan keputusan, tetapi ketika mencatat alasan perubahan keputusan.  Tanpa catatan ini, Pemerintah Kota Busan dapat mencari lebih cepat dan menghasilkan lebih banyak dokumen, tetapi tidak dapat menentukan apakah mereka telah membuat keputusan yang lebih baik daripada di masa lalu.

Tesis Masa Keemasan — Periode dari tahun 2026 hingga 2028 untuk AX administrasi Kota Busan bukanlah waktu untuk penyebaran AI generatif, melainkan periode untuk pertama kalinya mencatat perbedaan antara Bukti → Alternatif → Perubahan Keputusan → Hasil dalam catatan administrasi. Tanpa koneksi ini, AI dapat meningkatkan kecepatan administrasi, tetapi tidak dapat meningkatkan kecepatan mendeteksi dan memperbaiki kegagalan kebijakan.