当前，人工智能加速演进，大模型、智能体等新技术新应用正在深刻影响经济社会发展，为培育新质生产力、推进数字中国建设提供了重要支撑。从政务服务、监管执法到基层治理、应急管理，人工智能也在进入政务领域，为科学决策、政务执行与协同治理带来新的可能。与此同时也要看到，面对技术变革浪潮，一些地方和部门出现了“不搞人工智能就落后”的焦虑，不同程度存在重概念、重投入、重展示的倾向，把购置算力设备、接入大模型、建设平台本身视为工作成效。这种做法容易导致投入难以转化为实际治理效能，造成资源浪费和安全风险。越是在技术快速迭代、社会期待攀升之时，越需要以治理实效牵引应用方向。人工智能要真正发挥作用，不只取决于技术本身的先进程度，更取决于技术与场景的匹配深度。必须回应现实需求、解决实际问题，并经得起制度规则和责任要求的检验，使人工智能从技术热度转化为实实在在的治理效能。
审视应用前提，立足实际需求推进能力适配
政务领域引入人工智能，必须立足真实需求、技术能力和现实条件。客观而言，政务领域的信息归集、文本处理、知识检索、风险提示和业务协同等工作，与当前人工智能的能力特点具有较高契合度，确实为其应用提供了重要空间。但这并不意味着任何政务工作都需要引入人工智能。不同事项的业务性质、风险底线、数据基础和责任要求不尽相同，决定了人工智能的适用边界和实际效用必然因场景而异。推进人工智能应用，不能从技术概念倒推应用场景，而应从真实问题出发，理性认识技术能力边界和实施条件。
人工智能的技术潜力，只有进入真实政务场景，才能转化为现实应用能力。政务活动不同于一般的信息处理，往往涉及政策适用、程序执行、利益权衡和责任承担。特别是在行政审批、监管执法、资格认定、资金分配等事项中，人工智能可以用于辅助检索、风险提示、材料整理和决策参考，但不能替代法定程序、行政裁量和必要的人工判断，更不能替代行政主体依法承担责任。只有准确把握技术能力边界，才能使人工智能在适宜场景与关键环节中恰当发挥作用。
提高行政效率、优化公共服务、加强监管能力，是政务运行的长期任务，也是推进人工智能应用的重要牵引。人工智能应用的合理性，在于其是否具备比较优势，即能否比既有工作方式和信息化手段提供更有效、更稳定、更经济的支撑。对于利用传统信息系统已经能够较好解决的问题，不宜盲目以人工智能方式改造或重建；对于确有必要引入人工智能的事项，也应根据场景特点、任务性质和风险要求，合理确定应用方式和介入深度，防止把技术应用演变成系统叠加与资源浪费。
厘清作用范围，围绕场景特性匹配技术路径
生成式人工智能的长项在于内容生成、语言处理和交互回应。政务工作中存在大量与文字处理和沟通交互有关的任务，生成式人工智能可以在其中发挥作用，比如辅助完成材料起草、信息归纳和回应公众咨询等。但也必须认识到，此类技术主要基于概率预测生成内容，其输出结果不等同于事实结论或政策依据。因而在应用中要坚持人工把关，不能直接以模型生成内容作为决策的最终依据。
与生成式人工智能不同，判别式人工智能的优势在于信息识别，如分类归集、风险发现和异常预警等。许多政务工作需要从大量对象或数据中识别差异、发现线索，例如在市场监管、公共安全、资金审核中，对异常主体和风险趋势进行识别就是较为典型的需求。对于这类目标明确、规则清晰的任务，判别式人工智能能够提供稳定的技术支撑。在当前已经落地的政务智能化应用中，此类以信息识别为主要功能的应用是颇为成熟、常见的应用形态。
人工智能智能体体现了另一种应用思路。它能在明确目标、规则和授权范围内，将任务拆解成若干步骤，自动调取所需资料、调用相关系统或工具，并推动前后环节衔接。过去办理复杂业务，工作人员常需在不同系统间来回切换，并由人工判断下一步行动；人工智能智能体的作用，就是将这种依赖人工调度的过程在规则框架内自动串联。这意味着人工智能的作用从单点辅助延伸到了业务过程的协同。但这种协同要真正实现，前提是业务流程比较清晰、相关系统能够接入、权限与责任边界比较明确，否则容易带来越权使用、责任不清和安全管理的风险。
此外，更前沿的世界模型进一步拓展了人工智能应用的探索空间。其特性在于对环境变化与行动后果的模拟推演，这为城市运行、应急处置、交通调度等场景中的情景仿真与辅助研判提供了可能。然而，现实治理往往交织着复杂的组织与制度等因素，模拟推演不能简单等同于现实判断，更不能直接替代政策判断和应急决断。对于此类前瞻方向，仍需审慎探索。
由此可见，不同技术路径各有特性，作用范围与实施条件也不相同。推进人工智能在政务领域应用，不能把智能化简单等同于大模型化，更不能用一种技术思维套用各类任务。关键是回到政务运行本身，立足具体工作需要和现实条件，推动相应技术能力在适宜场景中发挥实效。
创新统筹机制，支撑场景应用常态长效运行
人工智能在政务领域发挥作用，不能停留在单个部门、单个系统的分散探索之中。推进人工智能在政务领域应用，应将其纳入数字政府建设整体框架统筹规划。
加强统筹，首要在于项目推进的统筹布局。面对技术浪潮，不能一哄而上，必须建立科学的评估把关机制。根据业务需求迫切程度、数据基础扎实程度和风险可控程度，统筹安排人工智能应用的建设时序。对于条件相对成熟、边界较为清楚的场景，应优先安排、率先突破；对于条件尚不具备、时机不成熟的事项，则应暂缓推进。通过统筹把关，确保把有限资源集中到能解决实际问题的地方，避免跟风造势，造成资源浪费。
在统筹布局的同时，要注重基础资源的统筹供给。人工智能对算力设施、通用模型等基础条件依赖性强，不宜各部门都从头建设、重复配置。应依托数字政府已有基础，强化公共支撑和集约供给。在此基础上，各部门结合自身职责和业务特点，因地制宜探索具体应用。这种统合资源、开放应用的机制，既可以守住集约的要求，又可以赋予部门业务创新的弹性。
数据基础是统筹机制有效运转的关键。人工智能无法凭空产生高质量治理能力，若底层数据不准确、不完整、不及时，再强的算力和模型也难以支撑实际工作。政务数据分散在不同层级和部门，推进人工智能应用，不能绕开数据治理。在统筹机制下，数据治理应坚持以用促建。以真实、必要、成熟的应用场景为牵引，倒逼数据质量提升和共享协同，使人工智能应用与政务数据治理相互促进。
在鼓励各部门因地制宜探索的同时，必须以制度规则作保障。人工智能系统可以用在什么范围、结果如何使用、过程如何记录、责任如何承担，都需要有清晰边界。特别是在跨部门应用中，更要防止因规则不清导致系统不敢用或使用失范。规则供给的意义不在于限制创新，而是为应用探索划定安全底线，明确容错空间。只有建立起权责对等、边界清晰的制度体系，才能让工作人员在框架内敢于作为，让人工智能在政务流程中用得稳、管得住。
统筹机制还必须涵盖长效运营。人工智能应用不是系统上线即告完成，其能力发挥取决于能否在日常业务中持续使用、持续校正。必须摒弃“重建设、轻运营”的惯性思维，建立与应用特点相适应的持续运营机制。一个应用是否有效，不能只看建设初期的展示效果，更要看能否真正改善工作流程，提高政务效能。对成效稳定的逐步拓展，对效果不明显、维护成本较高的及时调整，确保持续发挥实效。
人工智能在政务领域应用要取得实效，关键在于从分散探索走向有组织推进。这种“有组织”，体现在立项把关与统筹调度上，也体现在统分结合、规则护航的机制创新中。推进人工智能应用，不能片面追求技术形式上的新、项目建设上的快，而应更加注重是否真正解决实际问题、改善政务运行、提升治理效能。只有把机制创新与治理运行结合起来，人工智能才能避免停留于局部应用，真正转化为提升政府治理能力的现实力量。
（作者：黄璜最新股票配资配资网，系北京大学政府管理学院副院长）
升富配资提示：文章来自网络，不代表本站观点。
