文/廉政瞭望全媒体记者 刘兰
随着DeepSeek等国产大模型技术的突破，全国多地已完成政务人工智能的本地化部署，政务AI已经从概念走向实践。我国首个面向政务领域大模型应用的专项政策文件——《政务领域人工智能大模型部署应用指引》（以下简称《指引》）的出台，更为政务AI提供了政策指引。一系列变化体现的不仅是政务技术的集成、政务服务的温度，更是AI思维的重构。
技术快速铺开的背后，一些问题也开始浮现：政务AI的落地效果如何？人机协同的合理边界如何划定？“辅助”与“替代”之间，是否存在新型“懒政”的风险？围绕这些问题，本刊专访了中山大学政治与公共事务管理学院教授陈天祥，以及中国政法大学纪检监察学院副院长李莉。
落地后的“成绩单”与“拦路虎”
廉政瞭望：根据您的观察，当前政务AI在各地推行的整体效果如何？哪些地方的探索值得推广？
陈天祥：政务AI使政府变得更灵活、简化和自动化，它对公众需求更敏感，更能解决社会问题，政府部门通过人工智能可以提升基层治理效能。
数据技术的进步使得政府部门业务数据的互联互通成为现实，基于高效稳定的数据流转，跨层级、跨部门和跨领域的协同联动也更为流畅 。借助海量业务数据和人工智能算法，政府能够以业务需求为牵引，深入挖掘数据背后隐含的社会信息、预测社会现象的变化规律，进而强化政府决策的前瞻性和预见性。同时，通过汇集与服务对象关联的数据，政府能够敏锐感知社会需求的变动趋势，进而提供精准服务并匹配相应资源，实现“数据多跑路，群众少跑腿”。
李莉：在数字监督方面，浙江的公权力大数据监督平台是一个非常值得推荐的实践样本。它的核心在于通过技术和制度的双重创新，实现了对公权力运行的“全天候、全过程”监督，这也让监督从“大海捞针”变成了精准制导。该平台通过“数据+模型”的方式，实现了从“被动等线索”到“主动找问题”的转变。这个监督平台之所以能成为标杆，正是因为它将大数据、人工智能等技术与纪检监察业务深度融合，为“把权力关进制度的笼子”提供了一套极具参考价值的数字方案。
廉政瞭望：国家出台了关于政务AI的相关文件，但在实际推进中，基层政务AI落地存在哪些困难？
陈天祥：对海量数据的搜集是基层政务AI的必要前提。然而，这一过程容易出现对个人信息的过度搜集，比如本为了捕捉占道经营等违规行为而设置的AI摄像头会获取其他市民的行动轨迹信息。对个人隐私的顾虑可能会降低基层对政务AI的接纳程度 。
另一个不可忽视的难点在于，政务AI是以数据形式对社会事实进行读取，其背后隐含的是“技术化简的逻辑”，这又与基层社会的多元性和复杂性形成冲突。举个简单的例子，基层干部在一线处理社会问题时，需要一定的自由裁量权来缓冲，但充分运用数据技术后会进一步压缩基层干部的自由裁量权，失去灵活性。
此外，不同部门出于政绩和风险的考量，会主动为数据流动设置壁垒，进而构筑起一个个数据“烟囱”，使得政务AI在使用过程中数据赋能不足。
李莉：基层政务AI落地的核心困难在于顶层设计的集约化要求与基层实际能力之间的差距，例如数据质量差、人才短缺、系统割裂等之间的断层，容易形成新的“模型孤岛”并流于形式。从场景分工看，AI应主导规则明确、重复性高的工作，例如智能客服、标准化文书生成、数据初步比对等；而涉及最终裁量权、价值伦理判断和复杂情感交流的场景必须由人主导，AI仅作辅助，并需建立明确的人类“最终监护”机制。破局关键在于上级提供“算力+模型”共性支撑，基层聚焦高质量数据治理与适配性场景挖掘，同时提升干部数字素养。
廉政瞭望：政务AI是一项系统性工程，如何在确保集约高效的同时，兼顾不同地区、不同部门的个性化需求？
李莉：实现这一平衡还需要差异化的数据与机制保障，即不同部门在统一框架下治理各自的高质量数据，并通过“AI初判+人工校验”的人机协同机制，既发挥AI的效率，又确保最终决策的准确与安全。最终，通过建立常态化的监测评估与迭代机制，持续优化，方能确保这套体系真正服务于各地的实际治理需求。
图片由AI生成
“算法黑箱”与问责难题
廉政瞭望：《指引》明确AI在政务领域的“辅助型”定位，要求“建立健全全周期管理体系”。但“辅助”的边界并不清晰，是否存在过度“辅助”变成“替代”的现象？
李莉：存在这种现象。比如运用AI做出的报告，不加其他分析就当作决策依据，这种过度依赖就是一种变相“替代”，甚至可以说构成了“懒政”。这类做法其实就是将行政责任“甩”给算法，不仅掩饰了自身责任的缺失，还可能让隐含“算法黑箱”的错误结论难以被发现，更难以被追责。长此以往，也会削弱基层干部的主观能动性和自主判断力。
廉政瞭望：正如您所说，政务AI领域存在“算法黑箱”等问题，当出现这类问题时，现有的监督和纠错机制能否有效发挥作用？
李莉：现有机制的有效性正面临严峻挑战。单纯的“人机协同”防线在实践中常因基层对算法的盲目遵从而“失灵”。除了“算法黑箱”，政府治理有时也会存在不透明的情况，这会加剧责任界定与追责的困难。要让机制真正有效，必须从根本上重塑“人机协同”的内涵，明确人类监督者拥有实质性否决权并承担相应责任，同时建立“全链条问责体系”。
廉政瞭望：在您看来，政务AI的问责机制应如何设计？
李莉：政务AI问责机制的核心是“谁使用、谁负责”，以使用方为最终责任主体，让问责贯穿AI全生命周期，而不是事后才去“找补”。设计上，事前通过清单形式厘清使用、监管等各方的职责；事中建立强制人工复核与日志存证机制，确保高风险决策未经确认不得生效，且全程可回溯追责；事后对“懒政”等行为追责。
廉政瞭望：部分地方在推进政务AI过程中，单纯追求“有没有”，忽视“好不好用”。这种现象背后反映了什么问题？如何防止政务AI成为“新形象工程”？
陈天祥：人工智能虽然让“数据跑路”替代“群众跑腿”，但当数据赋能与全链条治理不同步、不匹配，只是为了有这个数据系统才设置时，数据赋能就会产生异化，从而导致“指尖上的形式主义”。
李莉：“为AI而AI”的现象本质上是旧的“数字形式主义”在新技术上的投射，反映出考核机制重“数量指标”轻“实际效能”与基层“创新焦虑”叠加下的激励扭曲。防止政务AI沦为“新形象工程”，就要改革考核导向，把为群众办事、减轻基层负担等指标作为硬杠杠，而不是把系统上线数量作为核心指标。
从“能办”到“智办”
廉政瞭望：在政务AI的运用中，如何构建一个既能充分发挥AI效能、又能有效监督AI本身的制度框架？
李莉：关键在于确立“辅助定位、人类主导、全周期覆盖、责任穿透”的原则。具体而言，就是从制度上明确AI仅作辅助参谋，任何高风险行政决策须经强制人工复核，复核者承担最终责任。此外，还要建立从算法备案、伦理审查、持续监测到独立第三方审计的全生命周期管理体系，对技术局限导致的失误设置容错免责空间以鼓励创新，对故意违规严厉追责。
廉政瞭望：政务AI要真正实现从“能办”向“好办、快办、智办”的跃升，需要突破的瓶颈是什么？需要防范哪些系统性风险？
李莉：政务AI要实现跃升，需要突破的瓶颈是数据治理的深度与精度，即当前政务数据质量参差、标准不一、更新滞后且跨部门共享不畅，导致AI“燃料”不纯，难以支撑精准研判与协同服务。需要防范的系统性风险是“技术替代治理”的价值偏离，即过度依赖AI压缩人工判断空间，可能导致政策执行丧失弹性、算法偏见放大社会不公，并催生新的“数字形式主义”。
陈天祥：要充分发挥政务AI的作用，还需要注意两点转变。首先是从内部赋能转向多元赋能。单方面关注数字技术在政府的应用及其赋能是远远不够的，需要关注政府组织外部的数字技术应用，比如社会组织等。在多元赋能下，人工智能可以实现对政府治理资源的扩容和重组，提升基层治理效能。其次是从局部赋能转向全过程赋能。数字技术分别对政府组织、社会公众等的赋能是相对分散和独立的，要在多元赋能的基础上，实现基层治理各环节、各主体间的衔接和融合，实现数字技术对治理全过程的赋能。
【未经授权，严禁转载！联系电话028-86968276】
