虽然三个公司联手，但其中一个既不是工程师，也不是数据专家，而是法律实践的专家。让源内读了大约1800万页——当我们审视这个庞大项目中的角色分工时，我们意识到管理人工智能的关键不是“模型的智能”。检查每条数据是否可以使用的工作实际上可能比收集数据的技术更困难。
2026 年 7 月 14 日，凸版公司、NTT 数据公司和 Fides 政策与战略咨询公司这 3 家公司宣布，他们将致力于数字机构推动的“与政府人工智能大规模数据集相关的研究、收集和处理等项目”。凸版将受托执行该项目，并将与 NTT Data 和 FPSC 合作。
我们将考虑为生成人工智能使用环境“政府 AI Gennai”中使用的约 1800 万页的通用政府数据和特定领域数据制定 AI-Ready 和人工智能数据集标准。 2026 财年，针对约 18 万名政府雇员的大规模“政府人工智能源内”示范正在进行中。凸版将支持数据收集、权利处理、OCR 和预处理，NTT Data 将支持元数据准备和标准审查，FPSC 将支持法律问题和权利处理。政府公共数据基础设施将于 2027 年 3 月开发完成。
从： 
凸版、NTT Data、FPSC 和 Digital Agency 正在推动“政府 AI 内”大规模数据集的开发
[参考视频]
【编辑部评论】
围绕生成式人工智能的讨论往往集中在“哪种模型更聪明”。 GPT还是国内LLM？然而，这个版本所揭示的是一个低于此的层次，一个更温和、更明确的层次。 IE。数据问题：“我们应该让人工智能读取什么？”是。
Digital Agency推出的“政府AI Gennai”是为政府雇员提供的生成式AI使用环境。 2026年，针对各部委约18万人的大规模示范正在进行中，预计2027年开始全面使用。顺便说一句，“Gennai”这个名字据说是代表Generative AI的“Gen AI”和江户时代发明家平贺源内的组合。选择这个名称的目的是为了将平贺源内的发明精神灌输到行政工作场所。
这次，凸版、NTT Data 和 FPSC 这三个公司将负责在此源中准备“阅读知识”。关键词也出现在文章中AI-Ready化。简单来说，就是保证数据的质量，并将其结构化，以便AI能够准确地参考和推断的工作。
为什么现在这如此重要？除了提高模型本身的性能外，准确引用业务特定知识的数据基础设施和搜索增强生成（RAG）的设计是决定实践中答案准确性的重要因素。是从. RAG是AI在响应时搜索并引用外部文档和数据库的机制。然而，使用RAG并不能保证参考源的可靠性，参考源的质量必须单独管理。如果参考数据鱼龙混杂，那么无论模型有多好，答案都可能不准确。另一方面，如果内阁决定、议会会议纪要、白皮书等主要文件都准备好了完整的历史记录和使用条件，人工智能将更容易追踪证据。这次的目标是政府公共数据和特定领域数据的组合。相当于约 1800 万页（估计）。这个想法是为了大大扩展政府可以参考的知识基础。
编辑部特别想重点关注的就是三家公司的阵容。凸版负责 BPO、数据处理和结构化以及 OCR 和预处理方面培养的业务分析技能。 NTT Data 将负责元数据设计和考虑可跨主管部门使用的数据集标准。到目前为止，这项工作的技术性很强。
然而，第三家公司FPSC（Fides政策与战略咨询），权限处理换句话说，我们支持您解决法律问题以及谈判和整理知识产权（包括版权）的条件。特意将一家拥有中央政府机关法律事务经验以及与各部委咨询经验的公司纳入该群体。由此可见该业务的性质。。
这是因为你希望人工智能学习和参考的一些文档是受版权保护的。然而，这并不意味着“如果你收集了它们，你就可以使用它们”或者“一切都需要个人许可”。除法律、法规外，国家和地方政府的公告、法院的判决、决定、命令等，根据著作权法第十三条的规定，不属于著作权的范围。另外，如果符合著作权法第30条之4、第47条之5等权利限制规定的要求，则有可能未经许可而使用。另一方面，对于书籍等创意材料，需要按材料、权利人、合同等检查版权性质、使用目的、权利限制规定的适用性以及现有的合同和许可，如果需要许可，需要与权利人协商并明确条件。什么可以在技术上进行OCRed和什么可以合法使用是两个不同的问题。在编辑部看来，在实施行政人工智能时经常被忽视的重要问题之一就是这个稳定的权利处理过程。。事实上，这是由具有法律经验的专家处理的，这似乎是这一设计的关键。
还有一点不容忽视的是经济安全和数据主权的视角。行政文件包含不能公开的敏感信息。源内运行在符合政府统一标准的政府云上，数字机构支持包含二级机密信息的输入。此外，在2026年的示范中，已经开始进行评估和示范工作，包括在国内云上搭建国内平台模式的试用环境。“在受控和安全的环境中以人工智能可以处理的形式拥有一个国家的知识”——这是一个便利问题，但同时这也是一个主权问题，比如我们依赖哪个国家的基础设施。。值得注意的是，此次1800万页的发展正是这一政策趋势的延续。
当然，还有很多问题需要解决。目前正在通过专家访谈和审查会议起草“人工智能通用政府数据集标准”。根据标准的设计，其他机构以后可能会或可能不容易使用它。权利处理的全面性，处理过程中数据的缺失或不平衡，谁将继续维护已经开发的基础设施，以及如何——操作设计将受到质疑，以确保基础设施不仅仅是“创建和完成”。
不过，从长远来看，这一举措有可能改变政府的工作方式。政府公共数据基础设施的准备工作计划于2027年3月实施。这里考虑的标准可能会在未来地方政府和私营部门为人工智能准备数据时参考。正是这条在华而不实的模型背后悄然铺设的“数据轨道”，将决定人工智能能否真正在政府日常工作中扎根。——我们就是这么看的。
[编者后记]
FPSC，一位法律实务专家，坐在第三家公司——这一点悄然揭示了整个业务的本质。 OCR可以读取的内容和可以合法使用的内容是两个不同的东西，如果忽视后者，无论模型的性能有多高，源内都将背负着“无法回答的知识”。
包括内阁决定和白皮书，但不包括无法获得许可的专业书籍。源内最终决定的正是这句话：“人工智能在什么基础上才能说话？”谁划定了界限，他们使用什么标准？现在是在草案确定之前密切关注的时候了。
【术语解释】
AI-Ready化
在确保质量的同时对收集到的数据进行结构化的过程，以便人工智能能够准确地参考和做出推断。除了OCR、清洗等预处理外，还添加了出处、质量、权利、使用条款等元数据，方便AI读取。
RAG（搜索扩展生成）
检索增强生成的缩写。人工智能在生成答案时搜索和引用外部文档、数据库和知识库的机制，而不是仅仅依赖模型的内部知识。参考源的可靠性和质量必须分开管理，像这个项目这样的数据准备变得越来越重要。
元数据
数据描述有关数据的信息而不是数据本身。在这个项目中，这是指出处信息（来自哪里）、质量信息、权利信息、使用条款等。这将使人工智能和用户能够判断数据的可靠性以及可以使用的程度。
权限处理
使用收集的数据时就版权和其他知识产权进行许可谈判和安排条件的做法。数据能否进行技术处理和能否合法使用是两个不同的问题，包括版权属性的确认、权利限制规定、现有合同等。这可能是实施行政人工智能的一个隐藏的困难。
政府通用数据/领域特定数据
通用政府数据是跨部委和机构有用的数据，例如内阁决定、国会会议纪要和白皮书。领域数据是指各部委在具体业务中使用的书籍等数据。
政府AI源内
数字机构通过内部开发为政府雇员构建的生成式人工智能使用环境。这个名字来源于Gen AI（生成人工智能的缩写）和江户时代的发明家平贺源内。 2026 财年，一场大规模示威活动正在进行，目标是各部委和机构的约 18 万人。
BPO（业务流程外包）
一种将公司和政府机关的业务流程外包给外部方的服务，由外部方处理从分析、设计到运营的所有事务。凸版将利用其在公共和金融领域培养的BPO业务分析能力来选择和处理该项目的数据。
[参考链接]
数字机构政府人工智能“Gennai”政策页面（外部）
Digital Agency 的官方政策页面，总结了政府 AI 和 Gennai 的总体情况、举措的状态以及相关公告。
凸版集团官方网站（外部）
受托该项目的凸版集团的官方网站。我们以打印技术为核心，开发广泛的DX、数据处理和BPO。
NTT数据公司官方网站（外部）
NTT Data的官方网站，负责元数据设计和数据集标准考虑。拥有支持引入生成式人工智能的记录。
信仰政策战略咨询有限公司官方网站（外部）
这是FPSC的官方网站，支持本项目法律问题的组织、权利处理方案的构建、知识产权的考量以及权利处理实践。
数字机构官方网站（外部）
负责塑造日本数字社会的行政机构的官方网站。它传播政府人工智能等政策。
版权法（电子政务法律搜索）（外部）
作为权利处理先决条件的版权法条款。政府法律数据库，可查询第13条及权利限制规定。
[参考文章]
政府人工智能（Gennai）大规模示范已开始，面向各部委约 18 万名政府雇员 |数字代理（外部）
最新主要信息是2026年5月开始演示。截至5月，大约有10万人能够使用该服务，之后将扩大到18万人。
关于在政务人工智能根内启动国产平台模式国内云试点 |数字代理（外部）
宣布在国内云上尝试国内平台模式。了解数据主权背景。
政府人工智能“Gennai”作为OSS发布 |数字代理（外部）
官方宣布将部分源内代码和开发模板转换为OSS。解释防止重复开发、减少对特定业务和服务依赖的目的。
【解说】什么是政府AI？ Digital Agency的政府人工智能利用战略[Gennai] |数字机构新闻（外部）
官方文章，负责人解释了源内名称的由来、应用程序结构以及政府的通用数据集使用政策。
关于人工智能与版权的思考 |文化厅（外部）
文化厅的文件概述了人工智能对版权作品的使用以及权利限制条款的概念。补充权利处理问题。
Digital Agency 开始针对约 18 万名政府雇员大规模演示“政府 AI 根内”|企业杂志（外部）
专业媒体报道文章，根据第一手信息整理实施期限和全面使用开始日期。