政府的 AI 革命从更好的工具开始，而不仅仅是更好的数据

几十年来，公共部门的决策一直依赖于脆弱、零碎的系统。在快速的政策变化和实时信息的时代，瓶颈不再是数据访问，而是缺乏能够将上下文、来源和安全性融入工作流程的决策工具。可用性现在比原始数据积累更重要，问题是政府如何通过构建或购买能够使政策执行更快、更安全、更可靠的 AI 启用的工具来适应这一变化。

瓶颈：可用性，而不是数据访问

政府已经拥有大量的信息，例如立法跟踪器、监管申报、经济指标、卫星图像、开源媒体和内部报告。核心问题是如何将这些信息传递给决策者，这是一个缓慢、零碎的过程，通常缺乏上下文或来源信息。美国监督机构强调了没有强有力的治理、集成和可追溯性，AI 和分析 将难以转化为在任务关键环境中的运营决策。

仅仅依靠仪表盘和数据湖通常无法解决这个问题。管理研究表明，仪表盘，尽管有用，但可能会误导或让用户感到不知所措，并且不会自动改善决策，除非它们与具体的选择和行动紧密相连。研究还表明，分析的真正价值只有当数据被重新组织以适应决策本身时才会出现，而不是仅仅为了积累数据而积累数据。

为什么现状正处于 AI 转型的有利时机

各个政府都在努力应对过时的系统、日渐稀薄的机构记忆和日益复杂的政策需求。这些长期存在的结构性问题正在与 AI 工具变得更加能够解决这些问题的时刻汇聚，导致现状变得不可持续，转型变得迫在眉睫。

1) 补丁式系统仍然存在。关键的政府 IT 仍然是一个由遗留应用、电子邮件工作流和孤立的数据库组成的马赛克，这些数据库不能相互操作。美国政府问责局（GAO）一致地指出几十年前的、任务关键的系统，这些系统维护成本高、难以现代化，最近的更新（2025 年）详细列出了最容易受到风险的平台。全球而言，各国政府正在推动平台级别的能力，但进展不均衡；世界银行的 GovTech 成熟度指数 是一个有用的视角，用于了解数字政府的构建块在哪里以及哪里尚未就位。同时，欧盟的可互操作的欧洲法案（Interoperable Europe Act）使互操作性（共享解决方案、标准、重用）成为公共部门的法律要求，这是一种值得关注的方法，超出了欧洲范围。

2) 机构记忆消失。离职和人员流动会侵蚀上下文——谁决定了什么、为什么以及在什么约束下。在美国，公共服务伙伴关系报告称 2023 财年政府范围内的离职率为 5.9%，低于 2022 年，但仍然对知识连续性具有重要意义。关于高级人员配备的研究还表明，人员流动会降低专业知识和关系，这些对于行政部门之间的协调至关重要。

3) 政策复杂性正在加速。规则制定和指导的庞大数量会为没有自动化变更检测的组织创造盲点。美国 联邦公报 发布了关于规则、拟议规则和总页数的年度统计数据，说明了机构（和受监管实体）必须跟踪的规模和可变性。像 RegData 这样的基于文本的数据项目量化了监管限制随时间的增长和分布，提供了机器可读的证据，证明监测负担是真实的。

从分析到运营：政策目的的 AI 代理

下一波发展将超越分析，转向运营。公共部门的目的性 AI 代理应：

• 持续监测相关来源，跨越管辖权和语言（例如，媒体信号可以大规模监测）。
• 标记带有上下文和来源的更改，表明哪项法令、规则或指导发生了变化以及为什么它很重要。
• 草拟第一稿简报和影响说明，链接到权威来源文本和负责的政策所有者。
• 维护活跃的利益相关者地图，反映出不断变化的权威和影响力，而不是静态的组织图表。
• 直接集成到行动点，例如任务、评论门户、记录系统和审批链，使得洞察力可以在同一窗口中转化为行动。

公共部门的指导支持这一转变。美国国家标准与技术研究所（NIST）的 AI 风险管理框架（AI RMF 1.0）概述了使 AI 成为有效、可靠、安全、可恢复、可靠、透明、可解释和增强隐私的实践。2024 年，美国管理和预算办公室（OMB）指示机构维护 AI 使用案例库存，并为影响公众权利或安全的使用实施最低风险实践。

政府 AI 工具的“良好”标准

并非所有 AI 解决方案都适合公共部门。为了保持信任和可靠性，工具需要达到更高的标准，围绕透明度、安全性和互操作性构建，同时确保采购框架加强问责制。

1) 决策中心的设计。从高风险决策开始（例如，是否发布紧急豁免、如何评论拟议规则、何时触发机构间协商）。逆向工作，找到需要采取行动的最少证据和来源。呈现选项，而不仅仅是洞察力，使“下一步行动”变得明显。这符合 AI RMF 关于理解上下文、衡量风险和管理控制的强调。

2) 可解释性和来源链接，作为默认设置。每个声明都应可追溯到带有内联引用和时间戳的源文档。这既是一个用户体验要求，也是一个治理要求。GAO 的问责框架强调了文档和可审计性，以便 AI 在公共任务中变得可追溯和可治理。

3) 安全性和合规性内置。运营工具必须符合零信任架构和多云以及（在适用情况下）分类网络的现实。在美国，这意味着设计云服务以获得 FedRAMP 授权，并实施 OMB 的零信任战略以及 CISA 的零信任成熟度模型 v2.0。

4) 从第一天开始就实现互操作性。政策执行跨越机构、政府层级和边界。API、共享词汇和元数据标准是有用的 AI 工具的先决条件。欧盟的可互操作的欧洲法案是一种前瞻性模型，通过设计促进重用和跨境互操作性；它从 2024 年 7 月开始应用，并在 2025 年分阶段实施进一步的义务。世界银行的 GTMI 证据 同样表明，平台级别的能力与更好的服务交付和恢复力相关。

5) 以结果为导向的采购。机构一致报告称，采购规则和合规复杂性减缓了 AI 的采用。最近的评估强调了将 AI 风险要求纳入合同和使用采购作为可信 AI 的杠杆的必要性。GAO 的 2025 年对联邦机构使用生成式 AI 的审查 表明了挑战，包括遵守现有政策、技术资源约束以及保持适当使用政策的更新。

风险和机遇

风险和机遇是明确的。在国家安全和经济政策方面，行动窗口正在从几周缩短到几天甚至几小时。国家人工智能安全委员会的 最终报告 警告称，未能适应 AI 启用的工作流程的政府将失去决策优势；具有内置治理的工具可以将信息转化为选项，这是及时行动和避免延迟之间的区别。真正的革命不会是另一个数据仓库，而是将上下文、来源和问责制嵌入决策点的运营 AI 工具。做得对，AI 会加强而不是取代民主治理核心的人类判断力。