“数据（Data）、客户（Customer）和优化（Optimization）是数字政府的核心。”国际市场研究机构Gartner数字政府资深研究总裁Dean Lacheca指出，不论是什么层级或业务类型的政府机关，推动数字政府可以从这三件事着手，像“数据”就是多数人会想到的数字政府作法，通过大数据分析，从巨量数据中获取洞察（Insight），来进行更好的决策、推行更符合人们的服务。
“比如开放数据（Open Data）服务。”Dean Lacheca以法国为例，早在2011年时，法国政府就已推动开放数据平台，首先联合境内6家交通企业举办开放数据竞赛，让参赛者利用发布的交通数据打造各式App或网页工具，后来z84更进一步推出交通数据开放API，供企业对接、开发新服务，“更创建了一个开放数据生态圈。”
数字政府的第2个核心，则是以客户为中心、“由外而内”的服务模式。Dean Lacheca表示，政府的服务对象（也就是客户）很广，从个别公民、家庭，到企业组织都有，政府必须从不同对象的角度来设想所需的服务，并根据这些外部需求，从政府内部开发新服务，而且还要跨部会合作来推行这些服务，而非只靠单一部门。
Dean Lacheca举例，迪拜智慧城市计划团队开发一款App，仅靠单一平台，就串联起政府40个机构来服务人们，并也通过聊天机器人Rshid，来提供24小时的双阿拉伯语和英语咨询服务。“这两者就是以服务对象为中心、因应外部需求而从政府内部发起的服务模式，”Dean Lacheca说。
第三项数字政府的核心是“优化”。Dean Lacheca提到，优化并不只是要节省成本，而是解决人们使用政府服务时的痛点。他举例，菲律宾政府最近将户政文件申请流程全面E化，将人们申请驾照或出生、结婚、死亡等证明文件的时间，从数周缩短为几个小时。
推动数字政府要面临的3大痛点
然而，各国推行数字政府政策时，总面临各式各样的挑战。Gartner每年都会针对各国政府CIO做一份调查，结果发现，推行数字政府的前3大痛点，分别是组织文化、预算，以及人才资源。
Dean Lacheca进一步解释，“许多政府并非不愿意数字转型，而是需顾虑长期沿袭的作业模式、组织文化。”例如政府一开始推行App作业，也许还或公务员青睐，但要是进行更大层面的改革、影响原有作业习惯，就容易遭公务员抗拒，因此，政府作风趋于保守，不敢力推。
至于预算、人才资源这2个痛点，则相互关联。Dean Lacheca表示，政府大多仍将预算用于管理旧有IT设备和系统，难有多余预算来改善服务，或培养人员技能、雇用新人才。
“许多政府部门CIO虽有影响力，但却没有决策控制权。”Dean Lacheca解释，“数字转型可说是业务转型（Business Transformation），而非只是IT转型，因此CIO必须善用影响力，从创建信任开始。”也就是说，首先，政府CIO要先创建出组织内的信任，要学习业务语言（Business Language），从业务部门的角度出发，来探讨期望的数字转型成果，而不是用IT语言来沟通、介绍IT解决方案。
Dean Lacheca表示，预算有限时，唯有跨部会合作，才能将用途最大化；此外，借由跨部会讨论，IT部门也能分享遇到的问题和经验，打破彼此的壁垒。另一方面，由于“政府大多仍将预算用于管理旧有IT设备和系统，”更新这些老旧系统，不仅能创造新IT成果，也可以创造新的业务成果，更能发布资源和预算，来执行新业务。Dean Lacheca也再次强调，“这些建议听起来很简单，但要实际做到，得下一番功夫。”
政府如何利用AI来提供数字政府服务？
话锋一转，Dean Lacheca表示，各国政府现在都想用AI来发展数字政府服务。“AI是很有潜力的数字政府应用，例如自然语言处理、计算机视觉，以及预测分析。”
在自然语言处理（NLP）部分，政府可以便用该技术，来优化政府网站的搜索结果，或是打造聊天机器人提供24小时不间断的服务。此外，自然语言处理的新兴应用，“也渐渐扩展至翻译领域，”比如澳洲、美国等由多民族组成的国家，政府开发出支持多种语言的聊天机器人，来提供更多咨询渠道。也可以用NLP来进行欺诈侦测，或用于政府服务的记录管理（Record Management）。
至于计算机视觉，Dean Lacheca指出，除了机场通关结合人脸识别外，也有政府将计算机视觉用于捕鱼监测。如澳洲昆士兰政府今年初披露了一项“鱼脸识别”计划（Fishal Recognition）成果，指出过去半年以来，昆士兰政府已在不同的商业捕鱼船上，装设摄影机、传感器和图片识别软件，来自动识别捕获鱼种和数量，取代过去需人为检测监视器、填数据的过程。
“车流、人流监测，以及利用卫星图片来关注天灾、人祸影响，也是另一种计算机视觉应用。”比如印度、美国通过路口监视器图片，依据车流和人流多寡，来自动调整红绿灯时间；又或是政府利用卫星图片数据，来训练一套洪水预警系统，预测可能发生洪水泛滥的区域，以保护当地居民。
至于预测分析，则可用在政府内部的人才管理（Talent Management）。Dean Lacheca说，传统人才管理会根据部门性质来挑选人才，也可以便用机器学习打造人才管理模型，从人才技能来评估适任的职位。
政府部门想要善用AI，到底该从何下手？“首先要审查手中握有的数据，而非想着要做什么AI服务。”Dean Lacheca指出，政府CIO要先问自己，“是否拥有足够的、品质良好的数据，可供AI模型训练之用？”其次再评估“是否有现成的AI模型训练平台或工具可用？”