Polimill builds Japan's next-generation public AI infrastructure

發生了什麼

Polimill 起家的產品是 Surfvote，這是一個讓公民就政治與社會議題交換意見的平台。此後公司將重心轉向公共部門，於 2024 年 10 月推出生成式 AI 平台 QommonsAI。該平台基於 OpenAI 的技術建構，覆蓋議會應答、公共服務、社會福利與法律檢索等專業場景，目前已部署在日本約 1,050 個市町村，服務約 55 萬名公務人員。

在底層資料上，Polimill 收齐並規範化了日本全國的議會會議紀錄，再由 AI 補充元資料，由此搭建起可供跨市町村、跨時間段檢索的高精度語料庫。工程方面，公司把 Codex 串接從需求定義到與既有 GitHub 程式碼一致性核對、實現與測試的全流程，開發速度提升至原來的 3 到 5 倍。

圍繞經驗差異，公司做過一次內部驗證：經驗較少的員工借助 AI 和积累下來的行政資訊起草的方案，能夠拿到接近資深官員方案的評價，但資深官員的方案仍位列最高一檔。Polimill 計畫把資深官員如何指導 AI 檢索與修改輸出的過程系統紀錄下來，把那些尚未寫下來的經驗轉換為組織層面的知識。

下一步，公司計畫在 2026 年秋季正式推出 Qommons ONE。届時它將作為面向市町村的應用商店，由一個能夠呼叫多種專業 AI 與第三方應用的超級智慧代理統一對外服務，外部公司可以借此向市町村交付自己的應用。

時間線與證據

從產品演化看，Polimill 先有 Surfvote 這一公民意見交換平台，後轉向公共部門，於 2024 年 10 月正式發布 QommonsAI。此後使用者基數擴充至日本約 1,050 個市町村與約 55 萬名公務人員，跨入了實際大規模使用的階段。下一步，公司計畫在 2026 年秋季全面推出 Qommons ONE，把它作為外部公司向市町村提供應用的入口，並由一個可呼叫多種專業 AI 與第三方應用的超級智慧代理統一對外服務。

可被驗證的產品能力主要集中在三方面。一是場景覆蓋，QommonsAI 基於 OpenAI 技術建構，已延伸到議會應答、公共服務、社會福利與法律檢索等專業领域。二是資料基礎，Polimill 收齐並標準化了日本全國的議會會議紀錄，再通過 AI 補齐元資料，由此形成的語料庫支援跨市町村與跨時間段的高精度檢索。三是工程效率，公司將 Codex 串接從需求定義、與既有 GitHub 程式碼進行一致性核對，到實現與測試的開發全流程，使整體開發速度提升至原來的 3 到 5 倍。

圍繞人員經驗的內部驗證同樣留下了一組證據。經驗較少的員工在 AI 與累积行政資訊的輔助下起草的方案，能夠獲得接近資深官員方案的評價；資深官員的方案仍排在最高一檔。基於這一結果，公司計畫把資深官員指導 AI 檢索與修改輸出的方式系統紀錄下來，把尚未落到文件裡的判斷沉淀為組織層面的知識。

具體變化

如果只看產品形態，Polimill 已經從單一的意見交換平台過渡為面向公共部門的工作流程基礎設施。Surfvote 階段，公司只是提供公民討論的場所，本身並不介入政府內部流程。QommonsAI 上線之後，公司直接把生成式 AI 嵌入了議會應答、公共服務、社會福利與法律檢索等具體業務，覆蓋範圍擴充到日本約 1,050 個市町村和約 55 萬名公務人員，使用者角色也從外部公眾轉向了一線公務人員。

更细一層的變化在資料資產。Polimill 不只是串接大模型，而是先把日本全國的議會會議紀錄收齐並做標準化，再讓 AI 補充元資料，最終形成可供跨市町村與跨時間段呼叫的高精度檢索層。這意味着檢索不再依赖零散的本機資料，而是建立在統一處理過的語料之上。

工程侧的變化同樣具體。Codex 被嵌入從需求定義、與既有 GitHub 程式碼做一致性核對，到實現與測試的完整鏈條，開發速度由此提升至原來的 3 到 5 倍，組織內部對 AI 的使用從輔助寫作延伸到了工程實現環節。

在人員經驗層面，公司把資深官員與新員工的方案做了對照。借助 AI 和累积下來的行政資訊起草的方案能夠拿到接近資深官員方案的評價，但資深官員方案仍然最高。基於這一差距，Polimill 計畫把資深官員指導 AI 檢索和修改輸出的過程顯式紀錄下來，把沒有寫進文件的判斷沉淀為組織知識。

下一步的產品形態也會改變。2026 年秋季計畫全面推出的 Qommons ONE 將以超級智慧代理為核心，對外呈現為一個可呼叫多種專業 AI 與第三方應用的應用商店，外部公司借此向市町村交付自有應用，Polimill 的角色由此進一步向平台營運方轉移。

對使用者的影響

對一線公務人員而言，QommonsAI 介入的並不是孤立的問答，而是議會應答、公共服務、社會福利和法律檢索這些每天都要處理的業務環節，檢索建立在經過標準化並補齐元資料的全國議會會議紀錄之上，跨市町村、跨時間段的查詢因此可以落到同一套語料上，减少了在不同自治體之間重複搜集資料的工作。

對經驗較少的公務人員來說，影響主要體現在起草環節。內部驗證顯示，他們在 AI 與累积行政資訊的輔助下寫出的方案，得到的評價接近資深官員的方案，但資深官員的方案仍位列最高。這意味着新員工能夠借助工具逼近較高水準，而不是直接越過資深人員，原有的經驗差距沒有被工具抹平。

對資深公務人員來說，角色從直接起草逐步轉向指導 AI 檢索和修改輸出。公司計畫把這一過程系統紀錄下來，把尚未落到文件裡的判斷轉換為組織層面的知識。換言之，使用者的影響並不止於個人產出，還包含自身經驗如何被沉淀和重複使用。

對外部公司而言，2026 年秋季計畫推出的 Qommons ONE 將以超級智慧代理為核心，作為面向市町村的應用商店，允許外部開發者借助這一入口向市町村提供應用，使用者群體由此從公務人員擴充到提供應用的合作方。

限制與未知

材料在多個關鍵維度上仍留有空白。一是覆蓋率的核算口径未給出。日本全國市町村與公務人員的總數在文中並未披露，因此 1,050 個市町村與 55 萬名公務人員所對應的實際占比無法獨立核實，只能作為公司自報的部署規模看待。

二是技術選型的邊界並不清晰。QommonsAI 被描述為基於 OpenAI 技術建構，覆蓋議會應答、公共服務、社會福利與法律檢索等專業领域，但平台內部究竟在哪些場景使用 GPT 模型、是否同時呼叫其他模型、不同模型的使用比例如何，材料均未列出，也未提及面向客戶的可設定選項。

三是工程效率提升的基準缺乏披露。Codex 被串接需求定義、與既有 GitHub 程式碼一致性核對、實現與測試的全流程後，開發速度被描述為原來的 3 到 5 倍，但引入前後的具體基準資料、衡量口径以及可比專案類型都未給出，倍數本身難以獨立複核。

四是人員經驗對照的量化結果同樣缺失。內部驗證顯示經驗較少員工的方案能夠接近資深官員方案的評價，且資深官員方案仍居最高一檔；不過两類方案在評價體系中的具體分數、差距大小及樣本規模均未披露，結論停留在方向性描述層面。

五是 Qommons ONE 的推出節奏尚有時間弹性。公司計畫於 2026 年秋季全面推出該平台，由超級智慧代理呼叫多種專業 AI 與第三方應用，但具體的上線日期、首批串接的外部公司數量與應用範圍在材料中均未說明。此外，Polimill 與 OpenAI 的合作起止時間及合同期限同樣未在材料中出現。

如何核對

核對這篇文章時，事實部分需要逐條回到來源材料比對，時間線需要按材料中給出的事件順序排列，限制部分要把材料沒有說清或沒有給出的事項單獨標出，避免把公司自報的數位當作可獨立核實的結論。

產品層面可以確認的事實包含：Polimill 最早的產品是公民意見交換平台 Surfvote；2024 年 10 月公司發布面向公共部門工作流程程的生成式 AI 平台 QommonsAI；該平台基於 OpenAI 技術建構，已覆蓋議會應答、公共服務、社會福利與法律檢索等場景；部署規模為日本約 1,050 個市町村與約 55 萬名公務人員。

資料與工程層面可以確認的事實包含：Polimill 收齐並標準化了日本全國的議會會議紀錄，再由 AI 補充元資料，形成跨市町村、跨時間段的高精度檢索基礎；Codex 被串接從需求定義、與既有 GitHub 程式碼做一致性核對到實現與測試的全流程，開發速度提升至原來的 3 到 5 倍。

人員經驗層面可以確認的事實包含：內部驗證顯示，經驗較少員工在 AI 與累积行政資訊輔助下起草的方案，能拿到接近資深官員方案的評價；資深官員的方案仍居最高；公司計畫把資深官員指導 AI 檢索與修改輸出的方式紀錄下來，把未文件化的判斷轉換為組織知識。

未來計畫層面可以確認的事實是：公司計畫於 2026 年秋季全面推出 Qommons ONE，作為外部公司向市町村提供應用的應用商店，核心是能夠呼叫多種專業 AI 與第三方應用的超級智慧代理。

需要單獨標出的限制包含：日本市町村與公務人員總數未披露，1,050 個市町村與 55 萬名公務人員的覆蓋率無法核算；QommonsAI 內部是否僅使用 GPT 模型及模型使用比例未列出；Codex 引入前後的開發速度基準資料未給出；經驗對照的具體分數與樣本規模未披露；Qommons ONE 僅給出 2026 年秋季這一時間窗口，具體上線日期未說明；Polimill 與 OpenAI 合作的起止時間與合同期限在材料中均未出現。

讀者能做什麼

讀者可以圍繞几條主線自行核驗與跟進。

先看產品演進的時間順序。Polimill 最早做的是公民意見交換平台 Surfvote；2024 年 10 月，公司發布面向公共部門工作流程程的生成式 AI 平台 QommonsAI；下一步是 2026 年秋季計畫全面推出的 Qommons ONE，以超級智慧代理為核心，作為外部公司向市町村提供應用的應用商店。把三段節點串起來看，可以判斷公司在不同階段提供的究竟是一個討論場所、一套嵌入業務的工作流程工具，還是一個面向外部開發者的分發平台。

再看部署規模與覆蓋口径。QommonsAI 的使用者被描述為日本約 1,050 個市町村和約 55 萬名公務人員，但日本全國市町村與公務人員的總數在材料中並未給出，因此這組數位更適合理解為公司自報的部署規模，而不是可以直接拿來計算占比的獨立指標。

資料與工程两條線可以分別對照。資料侧的事實是：Polimill 收齐並標準化了日本全國的議會會議紀錄，再由 AI 補齐元資料，形成跨市町村、跨時間段的高精度檢索基礎。工程侧的事實是：Codex 被串接從需求定義、與既有 GitHub 程式碼做一致性核對，到實現與測試的完整鏈條，開發速度被描述為原來的 3 到 5 倍，但引入前後的基準資料和衡量口径在材料中並未披露，倍數本身難以獨立複核。

人員經驗的對照同樣需要谨慎理解。內部驗證顯示，經驗較少員工在 AI 與累积行政資訊輔助下起草的方案，得到的評價接近資深官員方案，資深官員方案仍居最高；公司計畫把資深官員指導 AI 檢索與修改輸出的方式系統紀錄下來，把尚未文件化的判斷沉淀為組織知識。不過两類方案的具體分數、差距大小與樣本規模在材料中並未披露，結論停留在方向性描述。

最後是模型與合作的邊界。QommonsAI 被說明基於 OpenAI 技術建構，但平台內部究竟在哪些場景使用 GPT 模型、是否同時呼叫其他模型、不同模型的使用比例如何，材料並未列出。Polimill 與 OpenAI 合作的起止時間和合同期限同樣未在材料中出現，這部分資訊需要另外尋找來源補齐。

後續觀察

後續值得跟踪的，是這條產品演進線上几個尚未锁定的環節。

第一，QommonsAI 目前的部署規模與覆蓋深度。材料給出的數位是日本約 1,050 個市町村和約 55 萬名公務人員，但全國市町村與公務人員的總數在材料中並未披露，這組數位只能作為公司自報的部署規模。下一步可以關注的是，QommonsAI 是否會在尚未串接的市町村繼續推進，以及在已經串接的自治體中，哪些業務環節的使用頻次和使用者留存是可觀察的。

第二，Codex 引入後的工程效率。開發速度被描述為原來的 3 到 5 倍，但引入前後的基準資料、衡量口径與專案類型在材料中均未給出。這一倍數目前缺乏可比基準，後續可以關注 Polimill 是否會披露更细颗粒的指標，例如單次迭代周期、程式碼評審時長或測試覆蓋率的變化。

第三，人員經驗對照的细化空間。內部驗證顯示經驗較少員工的方案接近資深官員方案、資深官員方案仍居最高，但具體分數、差距大小和樣本規模均未披露。公司計畫把資深官員指導 AI 檢索和修改輸出的方式系統紀錄下來，把未文件化的判斷轉換為組織知識，下一步可以觀察這一沉淀過程的具體形態：是形成內部知識庫、檢索提示，還是面向 AI 的微調資料。

第四，Qommons ONE 的推出節奏。公司計畫於 2026 年秋季全面推出該平台，作為外部公司向市町村提供應用的應用商店，核心是呼叫多種專業 AI 與第三方應用的超級智慧代理。具體上線日期、首批串接的外部公司數量和應用範圍在材料中均未說明，後續需要等待官方進一步披露。

第五，模型與合作的邊界。QommonsAI 被說明基於 OpenAI 技術建構，但平台內部在哪些場景使用 GPT 模型、是否同時呼叫其他模型、不同模型的使用比例如何，材料並未列出。Polimill 與 OpenAI 合作的起止時間和合同期限同樣未在材料中出現，這部分資訊需要另尋來源補齐。

把這几條線索放在同一時間轴上觀察，可以更清楚地分辨哪些是已確認的產品節點，哪些仍是公司自述、尚待外部核實的進展。