← 第 51 期周报AI OPC / RESEARCH NOTE
书页化为阶梯,透镜聚焦研究价值的概念插画
AI OPC / 创业研究 · 栏目插画

创业研究 / 从案例到行动

市政审批的AI破局:从建筑许可切入交付可量化税收增量

美国市政厅深陷重复性审批泥潭,建筑许可延误导致每年数百亿美元潜在税收流失。AI能直接接管图纸合规检查与规则匹配,将审批耗时压缩一个数量级,为城市交付真金白银的税收增量。

收藏研究
01

先读结论

编辑判断

值得借鉴其以“可量化财务结果(税收增量)”作为客户价值锚点,而非空谈AI技术;不该照搬其试图一次性覆盖19000个城市的平台化野心,一人创业者应锁定单一城市单一许可类型深扎。

01

以客户可量化的财务损失(如税收流失)而非技术先进性作为价值主张,是向保守机构销售AI的核心策略。

02

在高度碎片化且本地化的市场中,对垂直领域规则(如市政代码)的解析能力比通用模型能力更具防御性。

03

当B2G销售周期过长时,可先服务与政府交互的B端(如建筑师/开发商),用B端效率提升倒逼G端采纳。

02

把事实放在前面

来源陈述

以下内容有原文引用支撑;收入与成效如为作者自述,不等于独立审计。

  1. F01

    In some cities, getting the permit takes longer than building the house.

    核对原文 [S1]
    reviews, inspections, and many months of waiting. In some cities, getting the
  2. F02

    City staff are buried in repetitive work: checking drawings against the code, matching applications to zoning rules, sending corrections back and forth.

    核对原文 [S1]
    repetitive work: checking drawings against the code, matching applications to
  3. F03

    if all building permits in America were approved in 10% of the current time, US cities would make $16 billion a year in additional tax revenue.

    核对原文 [S1]
    in 10% of the current time, US cities would make $16 billion a year in
  4. F04

    There are 19,000 cities in America, and almost all of them still do all this by hand.

    核对原文 [S1]
    do all this by hand. The conventional wisdom says you can't sell software to
  5. F05

    YC has funded several companies selling AI to government, and some of them are growing faster than almost anything else we've seen.

    核对原文 [S1]
    companies selling AI to government, and some of them are growing faster than
03

这门生意,如何拆开看

分析与假设

这一部分将案例转化为可测试的创业假设,不能视为该公司已披露的经营结果。

01

客户与付费理由

目标客户为美国各城市市政厅的审批部门及管理者。他们面临的具体问题是:审批人员深陷核对图纸与分区规则的重复劳动,导致许可积压、项目延期,进而造成城市房产税收流失。客户的核心损失不仅是时间,更是可量化的巨额税收(原文指出全美延误导致潜在税收损失巨大),这构成了强烈的付费意愿与改革动力。

02

收费与成本结构

主要收费方式推断为按审批件数计费的SaaS模式或带来税收增量的分成模式。核心成本在于AI模型推理成本、适配不同城市老旧IT系统的集成开发成本。由于交付的价值是可量化的税收增量(如160亿美元/10%提速),只要收费远低于为城市带来的新增税收或节省的人力成本,商业模式即成立。

03

一人交付工作流

交付步骤:1. 接入城市现有许可系统与文档库;2. 部署AI模型解析建筑图纸与市政代码;3. 自动完成合规比对并生成修正意见;4. 辅助审批员终审。人机分工:AI负责图纸解析、规则匹配与初筛,人类审批员负责边缘案例裁决与最终签字,大幅压缩人工介入时间。

04

首批客户从哪里来

首批客户获取应避开大型官僚城市,选择有数字化意愿且审批积压严重的中型城市。切入点是建筑许可审批。通过免费为该城市进行历史积压许可的AI批量初筛,展示提速效果,进而转化为年度订阅合同。利用“同州城市联盟”或市政会议口碑传播,降低逐个销售的摩擦。

05

竞争与切入空间

差异化不在于通用大模型能力,而在于对地方性分区代码与建筑规范的深度理解及解析准确率。通用模型无法处理高度本地化、结构化且版本频繁更迭的市政法规。能够将非结构化图纸转化为与法规条款精确对齐的合规报告,是抵御大厂降维打击的核心壁垒。

06

可积累的长期资产

可积累资产包括:1. 针对不同市政法规微调的专有解析模型与规则库;2. 历史审批修改模式数据,可反哺模型提升初筛通过率;3. 与各城市老旧IT系统(数据源)的集成适配器代码库。随着覆盖城市增多,跨城市的法规共性与差异知识库将成为极强壁垒。

04

先用两周,换一个答案

建议实验

先验证最脆弱的假设,再决定是否开发。以下阈值是实验建议,需要结合可触达客户和实际预算调整。

01

第1–3天

选择一个审批积压严重且公开法规文档易获取的中型城市,下载其建筑许可申请表、分区代码与近3个月审批记录,构建最小测试集。

继续信号
成功用现有LLM API解析出至少10份历史申请中的合规冲突点,与公开记录人工比对准确率超70%。
停止条件
若法规文档极度碎片化或无法通过公开渠道获取,立即换城市。
02

第4–7天

开发命令行或简单Web界面的AI审查助手:输入图纸PDF与地址,输出对照该市分区代码的合规检查清单与修改建议。

继续信号
在5份未见过的申请上跑通全流程,生成审批员可直接使用的审查报告。
停止条件
若LLM幻觉严重导致法规条款凭空捏造,停止并转向规则检索增强(RAG)架构。
03

第8–14天

向该市审批部门主管或当地建筑师协会演示AI审查结果,对比人工耗时,提出试点方案:免费处理100份积压申请以换取反馈与背书。

继续信号
获得至少1位内部审批员或3位高频申请建筑师的有效使用反馈与改进建议。
停止条件
若遭遇强烈合规抵触或数据隐私红线无法绕开,暂停该城市推进,转向建筑师端自助审查工具。
05

最可能错在哪里

反方视角

市政IT系统极度老旧封闭,无法通过API自动获取申请与推送结果,导致人工搬运数据成本高于节省的审查成本。

如何验证 / 在选城阶段致电IT部门确认是否提供现代API,或测试RPA工具抓取公开审批门户的成功率。

AI模型对建筑图纸与法规的解析存在幻觉,漏判关键合规错误导致城市承担责任,引发政治风险与诉讼。

如何验证 / 构建包含已知违规案例的黄金测试集,要求AI审查零漏报(召回率100%),允许过度报错由人工复核。

政府采购周期长达6-18个月,一人公司现金流无法支撑漫长的销售与合规认证周期。

如何验证 / 先向建筑师/开发商出售自助合规预检工具(B2B2C)获取即期现金流,再以开发者需求倒逼市政采纳。

06

来源与研究方法

已核对引用与本次读取的公开原文一致;来源陈述不等于独立审计,商业分析及验证计划为 AI 辅助编辑判断。

由 glm-4.7 辅助分析并保存为研究报告。更正线索可通过编辑反馈提交。

把信息收藏下来,把假设拿出去验证。回到第 51 期周报 →