1,050 個自治體、55 萬名公務員：OpenAI 點名日本 QommonsAI 為公共部門 AI 藍圖
Polimill 的 QommonsAI 以 GPT 模型為核心，已獲日本約 1,050 個自治體、約 55 萬名公務員使用，正朝「公共 OS」演進——Qommons ONE 應用程式商店與超級代理今年秋天全面上線。
9 月 1 日週一，OpenAI 發布了一篇客戶故事，讀起來不像行銷文案，倒像是一份預告——預告 AI 可能如何悄然接管一整個國家的行政後台。主角是日本新創 Polimill，其生成式 AI 平台 QommonsAI 目前服務日本約 1,050 個自治體、約 55 萬名公務員，而且正準備推出最雄心勃勃的擴張：一套完整應用程式商店與「超級代理」（super agent）的「公共 OS」，預計 2026 年秋天全面上線。
光是人數就讓這成為全球最大規模的公共部門 AI 部署之一。日本全國共有 1,718 個自治體，這代表 QommonsAI 的滲透率已超過一半。在採用曲線背後，是一個關於勞動力短缺、資料碎片化，以及一家新創決定「要放大公民在政策中的聲音，得先讓政府本身跑得更快」的結構性故事。
從公民論壇到政府 AI 層
Polimill 最初並不是政府 AI 供應商。它的第一個產品 Surfvote 是一個讓公民就政治與社會議題交換意見的社群平台——設計目標是找出「鬆散共識」，也就是對立立場之間的共同點，而非放大對立。
但隨著公司與地方政府合作，它撞上了一道結構性的牆：公部門團隊被日常業務淹沒，幾乎沒有時間把公民聲音反映到政策裡。如果目標是公民參與，前提是行政端先有空檔。於是 Polimill 把野心轉向內部——政府機器本身——並於 2024 年 10 月推出 QommonsAI。
如今該平台在一連串毫不性感但至關重要的領域提供專用 AI：議會答詢草擬、公共服務、社會福利與法規檢索。2026 年 4 月，Polimill 開始透過 Azure OpenAI Service 的日本國內區域提供 GPT-5.4，每月免費開放 3 億 token 給自治體使用——並無償提供 LGWAN 版本（日本的封閉政府網路）。
最難的部分：統一日本碎片化的行政知識
這篇 OpenAI 故事中最有啟發性的，是 Polimill 說生成式 AI 進入政府的最大障礙：不是模型能力，而是資料碎片化。日本每個自治體都有自己的工作流程、文件格式與散落的歷史紀錄。準備一份議會答詢，可能需要人工翻閱多年的會議紀錄，以確保答案與都道府縣政策一致。再強的模型，如果底層知識沒有整理好，也產不出實用的東西。
Polimill 的答案是先做苦工：它收集並標準化了全日本的議會會議紀錄，再用 AI 加上詮釋資料，建立一套可跨自治體、跨時間運作的高精度檢索基礎。這個結構之後又從議會擴展到福利、法規與其他行政領域——全部透過共同介面 QommonsUI 呈現，同時實現自治體之間的橫向協作。
這一點值得所有在做企業 AI 的人細想：這裡的護城河不是模型。GPT 模型人人可用。護城河是那套標準化的日本行政文件語料庫，以及建立在其上的跨組織檢索基礎設施。Polimill 的賭注是：這一層——而非任何單一模型——才是持久資產。
為什麼選 GPT，以及 ChatGPT 品牌在政府裡為什麼重要
QommonsAI 的模型核心是 OpenAI 的 GPT 系列。Polimill 的 CAIO（最高 AI 長）若林正博給出的理由，超出跑分範圍。
第一，營運控制：公部門部署需要資訊管理與稽核準備，QommonsAI 內建管理者控制，可檢視功能使用歷程、依組織政策限制可用模型。
第二——更少見的——品牌熟悉度。當數十萬名沒有技術背景的公務員被要求採用新工具時，「基於 ChatGPT 技術」這件事有分量。從沒聽過其他模型名稱的員工也知道 ChatGPT，這份認知降低了初期採用門檻。據 Polimill 表示，在 QommonsAI 的一般對話功能中，GPT 模型是日常工作中最常被選擇的選項。
這篇故事也談了開發端：Polimill 在整個工作流程採用 OpenAI 的 Codex——從需求定義到實作與測試——並表示開發速度提升了 3 到 5 倍，工程師的角色轉為審查 AI 產出的計畫並做高層決策。OpenAI 的實地支援（分享全球最佳實務、協助設計哪些步驟交給 AI、哪些必須由人審查）被形容為與 API 效能同等重要。
默會知識實驗——以及誠實的結果
Polimill 內部驗證的一項發現，因為坦率而值得注意。資淺員工使用 QommonsAI 加上累積的行政知識庫來草擬政策提案——這些提案獲得的評價接近資深官員的水準。初級人員藉由 AI 與整理過的資料加持，幾乎能追平資深者的產出。
但沒有追平。資深官員的提案仍獲最高評價，Polimill 把差距歸因於默會知識（tacit knowledge）：那些沒寫在任何手冊裡的實務判斷——讓提案真正落地所需的程序、居民實際會提出的疑慮。Polimill 沒有掩蓋這個差距，而是計畫捕捉它：記錄資深官員如何指示 AI 做研究、如何修改產出，把未文件化的判斷轉為組織知識。明確的目標是放大資深人員的能力、把 know-how 傳給下一代，而非取代他們——這個框架對每一個面臨資深公務員退休潮的政府都直接相關。
Qommons ONE：政府的應用程式商店
下一階段在今年秋天登場：Qommons ONE，一個讓外部公司為自治體提供應用程式的商店。其核心將是一個整合多個專用 AI 系統與民間 app 的「超級代理」——使用者說出目標，系統就呼叫所需的 AI 或應用程式，產出從研究到簡報的實際成果。
這本質上是公共部門的代理式平台策略：Polimill 供應基底（身分、知識庫、信任、與 1,050 個自治體的關係），第三方供應垂直功能，超級代理把它們縫合起來。該公司預估擴展到 1,200 個自治體，並在從跨自治體災害應變協作到人形機器人等領域進行聯合 PoC。
為什麼這件事超出日本國界
三個更廣的訊號讓這個故事不只是客戶見證。
公共部門 AI 大規模採用已是可衡量的現實，而非理論。55 萬名公務員在日常工作中使用生成式 AI 平台——有稽核控制、有封閉網路部署選項、有標準化知識基礎設施——這是每個正在研究 AI 採用的政府的現成參考架構。
「公共 OS」正在成為一個新興類別。Polimill 的框架——一套平等支撐每個自治體的共同基礎，讓 AI 不會擴大地方政府之間的服務差距——把 AI 基礎設施變成行政公平的問題。預期這個框架會擴散。
OpenAI 的企業策略越來越具體。發布有具名 CAIO、開發速度指標（3–5 倍）與實地支援細節的深度技術客戶故事，顯示 OpenAI 正以傳統企業供應商的方式爭奪機構客戶。在日本——一個 Anthropic 與 Google 也在爭取政府與企業合約的市場——這篇故事本身就是一次競爭動作。
日本的人口結構算術讓這個方向幾乎不可避免：萎縮的勞動力服務高齡化社會，對公部門自動化的懷疑論幾乎沒有空間。有趣的問題不再是「會不會採用」，而是採用的形狀——誰擁有知識層、默會專業如何移轉、共同平台是否真的能讓小鎮與大城市平起平坐。在這三個問題上，QommonsAI 目前是全球最大規模的進行中實驗。