Chatbot de IA OneService — El asistente de Singapur para reportar problemas municipales basado en PLN

OneService es el chatbot de Singapur para la notificación de problemas municipales, creado por la Municipal Services Office (MSO, bajo el Ministerio de Desarrollo Nacional) junto con el equipo de ciencia de datos de GovTech Singapore, sobre la plataforma de chatbot VICA de GovTech, en el marco de la Estrategia Nacional de IA de 2019.

Permitir que los residentes notifiquen problemas como farolas averiadas, baches, basura o estacionamiento ilegal a través de WhatsApp o Telegram en lenguaje sencillo (inglés, chino, malayo, tamil), en lugar de tener que navegar por menús fijos en una aplicación independiente.

Un modelo de PLN/aprendizaje profundo clasifica el tipo de problema y extrae detalles del caso, como la ubicación y la descripción, dirigiendo las notificaciones al organismo gubernamental correcto y escalando los casos de baja confianza a un agente humano; el reconocimiento de imágenes ayuda a identificar problemas como colillas de cigarrillo o desperfectos en farolas a partir de fotografías. Antes del lanzamiento de la versión beta en julio de 2021, la MSO y GovTech realizaron un ensayo con 450 participantes.

El informe técnico de GovTech indica que el clasificador de tipo de caso acierta aproximadamente el 80% de las veces y que el reconocedor de detalles del caso tiene una precisión de alrededor del 85%, cifras repetidas por Cities Today y OpenGov Asia. La ministra principal de Estado de Singapur, Sim Ann, declaró que OneService (aplicación más chatbot) recibe ahora aproximadamente 20 000 comentarios municipales al mes. El chatbot sigue en uso activo y continúa perfeccionándose, incluida una variante beta más reciente, 'Tell Us @ OneService'.

La mayor parte de la evidencia cuantitativa pública procede de un único ensayo previo al lanzamiento comparativamente pequeño, con 450 personas, y de una cifra de volumen agregada citada por una ministra; no existe ningún conjunto de datos posteriores al lanzamiento a gran escala y auditado de forma independiente sobre las tasas de resolución o la satisfacción ciudadana, y la precisión de clasificación notificada del 80-85% implica que aproximadamente entre una de cada cinco y una de cada seis notificaciones podría estar mal categorizada.