Polimill builds Japan's next-generation public AI infrastructure

发生了什么

Polimill 起家的产品是 Surfvote，这是一个让公民就政治与社会议题交换意见的平台。此后公司将重心转向公共部门，于 2024 年 10 月推出生成式 AI 平台 QommonsAI。该平台基于 OpenAI 的技术构建，覆盖议会应答、公共服务、社会福利与法律检索等专业场景，目前已部署在日本约 1,050 个市町村，服务约 55 万名公务人员。

在底层数据上，Polimill 收齐并规范化了日本全国的议会会议记录，再由 AI 补充元数据，由此搭建起可供跨市町村、跨时间段检索的高精度语料库。工程方面，公司把 Codex 接入从需求定义到与既有 GitHub 代码一致性核对、实现与测试的全流程，开发速度提升至原来的 3 到 5 倍。

围绕经验差异，公司做过一次内部验证：经验较少的员工借助 AI 和积累下来的行政信息起草的方案，能够拿到接近资深官员方案的评价，但资深官员的方案仍位列最高一档。Polimill 计划把资深官员如何指导 AI 检索与修改输出的过程系统记录下来，把那些尚未写下来的经验转化为组织层面的知识。

下一步，公司计划在 2026 年秋季正式推出 Qommons ONE。届时它将作为面向市町村的应用商店，由一个能够调用多种专业 AI 与第三方应用的超级智能体统一对外服务，外部公司可以借此向市町村交付自己的应用。

时间线与证据

从产品演化看，Polimill 先有 Surfvote 这一公民意见交换平台，后转向公共部门，于 2024 年 10 月正式发布 QommonsAI。此后用户基数扩展至日本约 1,050 个市町村与约 55 万名公务人员，跨入了实际大规模使用的阶段。下一步，公司计划在 2026 年秋季全面推出 Qommons ONE，把它作为外部公司向市町村提供应用的入口，并由一个可调用多种专业 AI 与第三方应用的超级智能体统一对外服务。

可被验证的产品能力主要集中在三方面。一是场景覆盖，QommonsAI 基于 OpenAI 技术构建，已延伸到议会应答、公共服务、社会福利与法律检索等专业领域。二是数据基础，Polimill 收齐并标准化了日本全国的议会会议记录，再通过 AI 补齐元数据，由此形成的语料库支持跨市町村与跨时间段的高精度检索。三是工程效率，公司将 Codex 接入从需求定义、与既有 GitHub 代码进行一致性核对，到实现与测试的开发全流程，使整体开发速度提升至原来的 3 到 5 倍。

围绕人员经验的内部验证同样留下了一组证据。经验较少的员工在 AI 与累积行政信息的辅助下起草的方案，能够获得接近资深官员方案的评价；资深官员的方案仍排在最高一档。基于这一结果，公司计划把资深官员指导 AI 检索与修改输出的方式系统记录下来，把尚未落到文档里的判断沉淀为组织层面的知识。

具体变化

如果只看产品形态，Polimill 已经从单一的意见交换平台过渡为面向公共部门的工作流基础设施。Surfvote 阶段，公司只是提供公民讨论的场所，本身并不介入政府内部流程。QommonsAI 上线之后，公司直接把生成式 AI 嵌入了议会应答、公共服务、社会福利与法律检索等具体业务，覆盖范围扩展到日本约 1,050 个市町村和约 55 万名公务人员，用户角色也从外部公众转向了一线公务人员。

更细一层的变化在数据资产。Polimill 不只是接入大模型，而是先把日本全国的议会会议记录收齐并做标准化，再让 AI 补充元数据，最终形成可供跨市町村与跨时间段调用的高精度检索层。这意味着检索不再依赖零散的本地资料，而是建立在统一处理过的语料之上。

工程侧的变化同样具体。Codex 被嵌入从需求定义、与既有 GitHub 代码做一致性核对，到实现与测试的完整链条，开发速度由此提升至原来的 3 到 5 倍，组织内部对 AI 的使用从辅助写作延伸到了工程实现环节。

在人员经验层面，公司把资深官员与新员工的方案做了对照。借助 AI 和累积下来的行政信息起草的方案能够拿到接近资深官员方案的评价，但资深官员方案仍然最高。基于这一差距，Polimill 计划把资深官员指导 AI 检索和修改输出的过程显式记录下来，把没有写进文档的判断沉淀为组织知识。

下一步的产品形态也会改变。2026 年秋季计划全面推出的 Qommons ONE 将以超级智能体为核心，对外呈现为一个可调用多种专业 AI 与第三方应用的应用商店，外部公司借此向市町村交付自有应用，Polimill 的角色由此进一步向平台运营方转移。

对使用者的影响

对一线公务人员而言，QommonsAI 介入的并不是孤立的问答，而是议会应答、公共服务、社会福利和法律检索这些每天都要处理的业务环节，检索建立在经过标准化并补齐元数据的全国议会会议记录之上，跨市町村、跨时间段的查询因此可以落到同一套语料上，减少了在不同自治体之间重复搜集资料的工作。

对经验较少的公务人员来说，影响主要体现在起草环节。内部验证显示，他们在 AI 与累积行政信息的辅助下写出的方案，得到的评价接近资深官员的方案，但资深官员的方案仍位列最高。这意味着新员工能够借助工具逼近较高水准，而不是直接越过资深人员，原有的经验差距没有被工具抹平。

对资深公务人员来说，角色从直接起草逐步转向指导 AI 检索和修改输出。公司计划把这一过程系统记录下来，把尚未落到文档里的判断转化为组织层面的知识。换言之，使用者的影响并不止于个人产出，还包括自身经验如何被沉淀和复用。

对外部公司而言，2026 年秋季计划推出的 Qommons ONE 将以超级智能体为核心，作为面向市町村的应用商店，允许外部开发者借助这一入口向市町村提供应用，使用者群体由此从公务人员扩展到提供应用的合作方。

限制与未知

材料在多个关键维度上仍留有空白。一是覆盖率的核算口径未给出。日本全国市町村与公务人员的总数在文中并未披露，因此 1,050 个市町村与 55 万名公务人员所对应的实际占比无法独立核实，只能作为公司自报的部署规模看待。

二是技术选型的边界并不清晰。QommonsAI 被描述为基于 OpenAI 技术构建，覆盖议会应答、公共服务、社会福利与法律检索等专业领域，但平台内部究竟在哪些场景使用 GPT 模型、是否同时调用其他模型、不同模型的使用比例如何，材料均未列出，也未提及面向客户的可配置选项。

三是工程效率提升的基准缺乏披露。Codex 被接入需求定义、与既有 GitHub 代码一致性核对、实现与测试的全流程后，开发速度被描述为原来的 3 到 5 倍，但引入前后的具体基准数据、衡量口径以及可比项目类型都未给出，倍数本身难以独立复核。

四是人员经验对照的量化结果同样缺失。内部验证显示经验较少员工的方案能够接近资深官员方案的评价，且资深官员方案仍居最高一档；不过两类方案在评价体系中的具体分数、差距大小及样本规模均未披露，结论停留在方向性描述层面。

五是 Qommons ONE 的推出节奏尚有时间弹性。公司计划于 2026 年秋季全面推出该平台，由超级智能体调用多种专业 AI 与第三方应用，但具体的上线日期、首批接入的外部公司数量与应用范围在材料中均未说明。此外，Polimill 与 OpenAI 的合作起止时间及合同期限同样未在材料中出现。

如何核对

核对这篇文章时，事实部分需要逐条回到来源材料比对，时间线需要按材料中给出的事件顺序排列，限制部分要把材料没有说清或没有给出的事项单独标出，避免把公司自报的数字当作可独立核实的结论。

产品层面可以确认的事实包括：Polimill 最早的产品是公民意见交换平台 Surfvote；2024 年 10 月公司发布面向公共部门工作流程的生成式 AI 平台 QommonsAI；该平台基于 OpenAI 技术构建，已覆盖议会应答、公共服务、社会福利与法律检索等场景；部署规模为日本约 1,050 个市町村与约 55 万名公务人员。

数据与工程层面可以确认的事实包括：Polimill 收齐并标准化了日本全国的议会会议记录，再由 AI 补充元数据，形成跨市町村、跨时间段的高精度检索基础；Codex 被接入从需求定义、与既有 GitHub 代码做一致性核对到实现与测试的全流程，开发速度提升至原来的 3 到 5 倍。

人员经验层面可以确认的事实包括：内部验证显示，经验较少员工在 AI 与累积行政信息辅助下起草的方案，能拿到接近资深官员方案的评价；资深官员的方案仍居最高；公司计划把资深官员指导 AI 检索与修改输出的方式记录下来，把未文档化的判断转化为组织知识。

未来计划层面可以确认的事实是：公司计划于 2026 年秋季全面推出 Qommons ONE，作为外部公司向市町村提供应用的应用商店，核心是能够调用多种专业 AI 与第三方应用的超级智能体。

需要单独标出的限制包括：日本市町村与公务人员总数未披露，1,050 个市町村与 55 万名公务人员的覆盖率无法核算；QommonsAI 内部是否仅使用 GPT 模型及模型使用比例未列出；Codex 引入前后的开发速度基准数据未给出；经验对照的具体分数与样本规模未披露；Qommons ONE 仅给出 2026 年秋季这一时间窗口，具体上线日期未说明；Polimill 与 OpenAI 合作的起止时间与合同期限在材料中均未出现。

读者能做什么

读者可以围绕几条主线自行核验与跟进。

先看产品演进的时间顺序。Polimill 最早做的是公民意见交换平台 Surfvote；2024 年 10 月，公司发布面向公共部门工作流程的生成式 AI 平台 QommonsAI；下一步是 2026 年秋季计划全面推出的 Qommons ONE，以超级智能体为核心，作为外部公司向市町村提供应用的应用商店。把三段节点串起来看，可以判断公司在不同阶段提供的究竟是一个讨论场所、一套嵌入业务的工作流工具，还是一个面向外部开发者的分发平台。

再看部署规模与覆盖口径。QommonsAI 的用户被描述为日本约 1,050 个市町村和约 55 万名公务人员，但日本全国市町村与公务人员的总数在材料中并未给出，因此这组数字更适合理解为公司自报的部署规模，而不是可以直接拿来计算占比的独立指标。

数据与工程两条线可以分别对照。数据侧的事实是：Polimill 收齐并标准化了日本全国的议会会议记录，再由 AI 补齐元数据，形成跨市町村、跨时间段的高精度检索基础。工程侧的事实是：Codex 被接入从需求定义、与既有 GitHub 代码做一致性核对，到实现与测试的完整链条，开发速度被描述为原来的 3 到 5 倍，但引入前后的基准数据和衡量口径在材料中并未披露，倍数本身难以独立复核。

人员经验的对照同样需要谨慎理解。内部验证显示，经验较少员工在 AI 与累积行政信息辅助下起草的方案，得到的评价接近资深官员方案，资深官员方案仍居最高；公司计划把资深官员指导 AI 检索与修改输出的方式系统记录下来，把尚未文档化的判断沉淀为组织知识。不过两类方案的具体分数、差距大小与样本规模在材料中并未披露，结论停留在方向性描述。

最后是模型与合作的边界。QommonsAI 被说明基于 OpenAI 技术构建，但平台内部究竟在哪些场景使用 GPT 模型、是否同时调用其他模型、不同模型的使用比例如何，材料并未列出。Polimill 与 OpenAI 合作的起止时间和合同期限同样未在材料中出现，这部分信息需要另外寻找来源补齐。

后续观察

后续值得跟踪的，是这条产品演进线上几个尚未锁定的环节。

第一，QommonsAI 当前的部署规模与覆盖深度。材料给出的数字是日本约 1,050 个市町村和约 55 万名公务人员，但全国市町村与公务人员的总数在材料中并未披露，这组数字只能作为公司自报的部署规模。下一步可以关注的是，QommonsAI 是否会在尚未接入的市町村继续推进，以及在已经接入的自治体中，哪些业务环节的使用频次和用户留存是可观察的。

第二，Codex 引入后的工程效率。开发速度被描述为原来的 3 到 5 倍，但引入前后的基准数据、衡量口径与项目类型在材料中均未给出。这一倍数目前缺乏可比基准，后续可以关注 Polimill 是否会披露更细颗粒的指标，例如单次迭代周期、代码评审时长或测试覆盖率的变化。

第三，人员经验对照的细化空间。内部验证显示经验较少员工的方案接近资深官员方案、资深官员方案仍居最高，但具体分数、差距大小和样本规模均未披露。公司计划把资深官员指导 AI 检索和修改输出的方式系统记录下来，把未文档化的判断转化为组织知识，下一步可以观察这一沉淀过程的具体形态：是形成内部知识库、检索提示，还是面向 AI 的微调数据。

第四，Qommons ONE 的推出节奏。公司计划于 2026 年秋季全面推出该平台，作为外部公司向市町村提供应用的应用商店，核心是调用多种专业 AI 与第三方应用的超级智能体。具体上线日期、首批接入的外部公司数量和应用范围在材料中均未说明，后续需要等待官方进一步披露。

第五，模型与合作的边界。QommonsAI 被说明基于 OpenAI 技术构建，但平台内部在哪些场景使用 GPT 模型、是否同时调用其他模型、不同模型的使用比例如何，材料并未列出。Polimill 与 OpenAI 合作的起止时间和合同期限同样未在材料中出现，这部分信息需要另寻来源补齐。

把这几条线索放在同一时间轴上观察，可以更清楚地分辨哪些是已确认的产品节点，哪些仍是公司自述、尚待外部核实的进展。