为什么政府的AI革命始于更好的工具，而不仅仅是更好的数据

数十年来，公共部门的决策依赖于脆弱、碎片化的系统。在政策快速变化和实时信息的时代，瓶颈不再是获取数据，而是缺乏能够在官员实际行动的工作流中提供上下文、来源和安全性的决策就绪工具。可用性现在比原始数据的积累更为重要，关键在于政府如何通过构建或采购能够加速、保障并提升问责性的AI驱动工具来适应这一点。

瓶颈：可用性，而非数据获取

政府已经拥有海量信息，如立法追踪器、监管文件、经济指标、卫星影像、开源媒体和内部报告。核心问题在于这些信息如何传递给决策者，而这往往是缓慢、零散且常常缺乏行动所需的上下文或来源。美国监督机构已强调，缺乏强有力的治理、整合和可追溯性，AI和分析在关键任务环境中难以转化为运营决策。

仅靠仪表盘和数据湖很少能解决此问题。管理研究表明，仪表盘，虽有用，却可能误导或让用户不堪负荷，且除非它们与具体的选择和行动相连接，否则并不会本质上提升决策。研究还表明，分析的真正价值只有在围绕决策本身重新构建数据时才会显现，而不是仅仅为了数据本身而堆积。

为何现状如今正适合AI转型

各地政府正面临过时的系统、机构记忆的削弱以及日益复杂的政策需求洪流。这些长期的结构性问题正与AI工具日益具备解决能力的时机相交汇，使得现状难以为继，转型的理由变得迫在眉睫。

1) 拼凑的系统仍然存在。关键的政府IT仍是由遗留应用、电子邮件工作流和孤立数据库构成的马赛克，无法互操作。美国政府问责局（GAO） 始终标记出数十年历史的关键任务系统，这些系统维护成本高且难以现代化，最新的更新（截至2025年）详细列出了最具风险的平台。全球范围内，政府正推动平台级能力，但进展不均；世界银行的 GovTech成熟度指数提供了一个有用的视角，观察数字政府的构建块哪些已就位、哪些尚未到位。与此同时，欧盟的《互操作欧洲法案》将互操作性（共享解决方案、标准、复用）设为公共部门的法律要求，这一做法值得在欧洲之外关注。

2) 机构记忆消失。人员流失和 turnover 削蚀了上下文——谁决定了什么、为何以及在何种约束下。在美国，公共服务伙伴关系报告称 2023财年全政府范围内的离职率为5.9%，虽低于2022年，但仍对知识连续性产生重要影响。对高层人员配置的研究也显示，人员流动削弱专业知识和关系，这些对于行政部门之间的协同至关重要。 

3) 政策复杂性加速上升。规则制定和指引的庞大数量为没有自动化变更检测的组织制造了盲点。美国 Federal Register公布了关于规则、拟议规则以及总页数的年度统计，展示了机构（以及受监管实体）必须跟踪的规模和变动性。像 RegData这样的文本即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，表明监测负担是真实存在的。

从分析到运营：为政策量身定制的AI代理

下一波浪潮将超越仅进行分析的AI，转向实现运营的AI。面向公共部门的专用代理应当：

• 持续监测相关来源，跨司法辖区和语言（例如，可大规模监测媒体信号）。
• 标记带有上下文和来源的变更，展示是哪部法规、规则或指引发生了变化，以及为何重要。
• 起草首轮简报和影响说明，链接至权威原文和负责的政策所有者。
• 维护动态的利益相关者地图 ，反映权力和影响的变化，而非静态的组织结构图。
• 直接集成到行动点，如任务单、评论门户、案卷系统和审批链，使洞察能够在同一窗口转化为行动。

公共部门的指导支持这一转变。该 NIST AI Risk Management Framework（AI RMF 1.0） 阐明了使人工智能有效、可靠、安全、稳健、负责任、透明、可解释且增强隐私的实践。2024 年，美国管理与预算办公室指示各机构维护 AI 用例清单并对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“优秀”标准是什么

并非所有 AI 解决方案都适用于公共部门。为保持信任和可靠性，工具必须符合更高标准，并围绕透明度、安全性和互操作性构建，同时确保采购框架强化问责制。

1) 以决策为中心的设计。从高风险决策开始（例如，是否发布紧急豁免、如何对拟议规则发表评论、何时启动跨机构协商）。逆向推导出采取行动所需的最小证据和来源。提供选项，而不仅是洞见，使“下一步行动”一目了然。这与 AI RMF 强调的理解情境、衡量风险以及在整个生命周期管理控制相契合。

2) 可解释性和来源链接，默认开启。 每项主张都应可追溯至带有内嵌引用和时间戳的源文档。这既是用户体验需求，也是治理需求。GAO 的问责框架强调文档化和可审计性，以便 AI 能够 可追溯 且 可治理 于公共任务中。

3) 安全性和合规性内置。 运营工具必须符合零信任架构以及多云环境和（如适用）机密网络的实际情况。在美国，这意味着在云服务设计时遵循 FedRAMP 授权，并在实施 OMB 的零信任战略的同时采用 CISA 的零信任成熟度模型 v2.0。

4) 从第一天起即具备互操作性。 政策执行跨越机构、政府层级和国界。API、共享词汇表和元数据标准是有用 AI 工具的前提条件。欧盟的《互操作欧洲法案》是一个前瞻性模型，旨在通过设计促进重用和跨境互操作性；该法案于 2024 年 7 月开始实施，并在 2025 年分阶段加入更多义务。世界银行GTMI evidence同样显示，平台级能力与更佳的服务交付和韧性相关。

5) 奖励成果的采购。 各机构一致报告，采购规则和合规复杂性减缓了 AI 的采用。最近的评估指出 需要在合同中加入 AI 风险要求，并将采购作为实现可信 AI 的杠杆。GAO 的2025 年生成式 AI 使用评估在联邦机构的调查中揭示了包括遵循现有政策、技术资源受限以及保持适当使用政策更新等挑战。

风险与机遇

风险与机遇显而易见。无论是国家安全还是经济政策，行动窗口正从数周压缩至数天乃至数小时。最终报告 警示称，未能适应 AI 驱动工作流的政府将失去决策优势；能够将信息转化为具备内置治理的选项的工具，可能决定是及时行动还是可避免的延误。真正的革命不会是另一个数据仓库，而是将上下文、来源和问责嵌入决策点的运营 AI 工具。若实施得当，AI 将强化而非取代民主治理核心的人类判断。