在政府事务中，我们倾向于在任意确定的类别中寻找相关性。这是 "环境政策"，这是 "卫生政策"。我们在这些类别周围画一个圆圈，将其命名为政策领域。然后，我们将其中的一切都定义为相关，而将其之外的一切都定义为超出我们的范围。我们甚至为某些政策领域确定专家，希望他们随时提供帮助。
先别管政策领域，社会不是这样运转的
对新同事进行产品信息培训总是很有趣。我说的第一件事就是 "暂时忘掉政策，社会不是这样运转的。先说说产品或想法为什么有用，然后带着它度过一天。它与什么人接触？谁会受益，为什么？做完这些之后，再把政策叠加上去，看看相关性在哪里"。
为什么要采取这种方法？因为社会和经济中的不同活动并不会轻易地贴在相应的政策标签上。 因此，对化学品的监管并不仅仅属于 "环境政策"，它还是一个健康问题、就业问题和运输政策问题。
太多政策需要手动更新
迄今为止，这种方法有时会受到每天发布的大量政策和法规的阻碍，而传统的快讯网站并没有为其提供任何便利。它们充其量只能帮助我们避免遗漏一些明显重要的信息，却很少能帮助我们产生原创内容或真正的价值。
这就是 policy-insider.ai的出现。从一开始，我们就在一个简单的理念上保持一致--我不想别人告诉我应该对哪些政策感兴趣，我想从我感兴趣的问题入手，找到与之相匹配的政策。
人工智能细分政策领域
政策内幕》运行一种算法，该算法会获取 RPP Group.为什么某些事情是相关的？在什么情况下相关？ 然后将其与 引擎的计算能力相结合，该引擎目前每天扫描 12,000 页新政策文件。
如今，得益于这种算法，我每次启动电脑时都会进行探索。究竟为什么驾驶执照立法与糖尿病监测仪有关？为什么外交事务委员会中有人对抗生素耐药性问题非常积极？是什么引发了法国塑料政策活动的大幅飙升，而德国却没有？
终于，我现在有了拥抱复杂社会的技术手段，而不是被迫在"这个圈子里 "的一切都与我无关的幻觉下工作。
本文最初以英文发表。译文为自动生成，可能包含错误。
