生成式人工智能与公共服务中的行政负担:减压助手还是增压工具?*

臧雷振 张 晴

提要：行政负担过重或分配不合理是抑制公共服务可及性、均等化、普惠化的重要因素。生成式人工智能作为新时代的重大技术突破,其广泛嵌入公共服务领域之中,不断推动以政府为本位的“串联性服务供给模式”转向政民交互的“网状式智能化服务供给模式”,这也为行政负担消解提供了全新的机会窗口。本文以获取理论为基础,在与传统数字技术展开对比分析的前提下,建构生成式人工智能技术嵌入下的公共服务获取新队列,强调生成式人工智能嵌入公共服务获取队列的各环节以交互式咨询、包容性准入、自动化流程、整合性审核和实时性优化功能消解了传统模式下的既有负担,但亦带来公共性成本、合法性成本、适应性成本等新负担。为更好地发挥生成式人工智能对公共服务行政负担的消解效应,应结合技术、政府和公民三个层面的调试策略进行思考。

公共服务是政府部门以民众需求为核心,面向社会所提供的非竞争性或非排他性产品,涵盖教育、医疗、养老等多个领域,是政民互动的核心环节,也是行政负担生成的重要场域。行政负担作为个体或组织在与政府互动时所产生的成本,在公共服务中具有筛选服务对象、调配服务供给精度、促进公共资源配置有效性的正向功能;但行政负担过重,亦会给公共服务分配带来“弃真”“存伪”等负面影响,(1)何艳玲、王铮:《回归民本性:行政负担研究反思及其对城市政务服务改革的启示》,《同济大学学报》(社会科学版)2022年第5期。从而致使服务价值弱化、服务均衡性和可及性降低。(2)A. Masood, M. A. Nisar, “Administrative Capital and Citizens’ Responses to Administrative Burden,” Journal of Public Administration Research and Theory, Vol.31, No.1, 2020, pp.56-72.公共服务作为现代国家治理的系统性复杂性超级工程,(3)孔繁斌:《现代化与公共服务协同演进:一个公共管理学的研究议题》,《中国行政管理》2023年第10期。其供给的有效性已经成为影响国家治理能力现代化的关键要素。因而,必须结合时代背景对公共服务中的行政负担治理进行研讨。

技术创新作为改善公共服务供给的重要工具,在消解公共服务行政负担中发挥着关键作用。新世纪以来,信息通信技术和数字化技术在公共治理中的创新应用形成了电子政务、数字政府、智慧城市建设等新形态,变革了政府与公民的互动形式,精简了公共服务流程等,这在缓解公共服务行政负担中带来了积极效应,(4)E.Linos, N. Riesch, “Thick Red Tape and The Thin Blue Line: A Field Study on Reducing Administrative Burden in Police Recruitment,” Public Administration Review, Vol.80, No.6, 2020, pp.92-103.但同时也因“信息孤岛”“数字鸿沟”“数据烟囱”等形成新的行政负担。(5)马亮:《数字政府如何降低行政负担?》,《行政管理改革》2022年第9期。随着人工智能时代计算能力、算法技术、数据应用的不断进步,以ChatGPT为代表的各类生成式人工智能广泛嵌入公共服务之中。不同于传统的人工智能,生成式人工智能具有拟人化、强交互性、全感官化等特征,开创了数字技术应用的新时代,正在成为缓解公共服务行政负担的新工具、新选择。

2021年,国家发展改革委等部门联合印发《“十四五”公共服务规划》,强调要“促进人工智能在公共服务领域推广应用”(6)中华人民共和国国家发展和改革委员会:《“十四五”公共服务规划》,2021年12月28日,https://www.gov.cn/zhengce/zhengceku/2022-01/10/content_5667482.htm。作为新一代数字技术发展的最新成果,生成式人工智能在公共服务中的独特功用引发了国内外学者的广泛关注。现有学者探讨了生成式人工智能在公共服务中的价值与风险,公共服务数字化转型的趋势与建议;(7)张成福、王祥州:《人工智能嵌入公共服务治理的风险挑战》,《电子政务》2023年第1期。分领域描绘了生成式人工智能在政务服务、(8)刘玮、王锋:《政务服务智能化创新的演化、风险与图景——基于场域视角的分析》,《电子政务》2023年11月网络首发。文化体育服务等领域的创新应用;分环节讨论了人工智能对公共服务决策、供给、管理、监督等环节的变革与影响。(9)李利文:《人工智能时代的公共服务供给模式创新:类型、适应与转向》,《社会主义研究》2019年第4期。

然而,鲜有学者关注生成式人工智能对公共服务中行政负担的影响。基于此,本文以获取理论为基础,以公民和政府在申请获取公共服务中的互动过程为研究对象,旨在回应以下问题:生成式人工智能技术在公共服务中的创新应用如何消解繁重的行政负担?又会产生什么新的负担?最后,就人工智能时代消解公共服务行政负担提供可供参考的学理思考。

一、文献综述与理论分析框架

(一)文献综述

每当个人发起与国家、公共组织及其行政代理人的交易(如接受公共服务),或当国家、公共组织及其行政代理人与个人进行交易时(如执法),行政负担便会产生。(10)C. J. Heinrich, “The Bite of Administrative Burden: A Theoretical and Empirical Investigation,” Journal of Public Administration Research and Theory, Vol.26, No.3, 2016, pp.403-420.1887年,伍德罗·威尔逊呼吁人们关注行政负担,降低政府部门“摩擦损失”,并主张以此建立一门公共行政科学。(11)W. Wilson, “The Study of Administration,” Political Science Quarterly, No.2, 1887, pp.197-222.然而,直到20世纪70年代,相关学者才真正突破了传统研究关注组织内部结构及官僚间互动结果的局限,开始思考组织外个体与组织及组织内个体的互动关系。(12)R. L. Kahn, D. Katz, B. Gutek, “Bureaucratic Encounters—An Evaluation of Government Services,” The Journal of Applied Behavioral Science, Vol.12, No.2, 1976, pp.78-198.特别是,尽管在与国家的任何交易中都会经历一定程度的行政负担,但行政负担及其后果在公共服务中的影响尤为明显。(13)D. Moynihan, P. Herd, H. Harvey, “Administrative Burden: Learning, Psychological, and Compliance Costs in Citizen-state Interactions,” Journal of Public Administration Research and Theory, Vol.25, No.1, 2014, pp.43-69.

从工具视角看,行政负担是决策者有意设计的政策工具,是隐性政治的场所。(14)J. Hacker, “Privatizing Risk without Privatizing the Welfare State: The Hidden Politics of Social Policy Retrenchment in the United States,” American Political Science Review, Vol.98, No.2, 2004, pp.243-260.政治决策者通过设置隐性行政负担把学习、服从或心理成本强加给公众,而不是采取减少服务资金或取消服务项目的直接形式,以此在公众无意识的情况下分配有限的公共资源。(15)E. Bell, A. Ter-Mkrtchyan, W. Wehde, et al. “Just or Unjust? How Ideological Beliefs Shape Street-level Bureaucrats’ Perceptions of Administrative Burden,” Public Administration Review, Vol.81, No.4, 2021, pp.610-624.从结果视角看,决策者能够通过行政负担筛选并阻断不符合资质者的申请,以提高公共服务资源分配的精准性,但繁重的行政负担在加剧客体申请或获取公共服务时的成本,也会导致个体被“行政排斥”(16)M. Chudnovsky, R. Peeters, “The Unequal Distribution of Administrative Burden: A Framework and an Illustrative Case Study for Understanding Variation in People’s Experience of Burdens,” Social Policy &Administration, Vol.55, No.4, 2021, pp.527-542.。即因组织因素而非受个体偏好或实质性资格状况导致的无法参与或获取公共服务的情形。(17)E. Z. Brodkin, M. Majmundar, “Administrative Exclusion: Organizations and The Hidden Costs of Welfare Claiming,” Journal of Public Administration Research and Theory, Vol.20, No.4, 2010, pp.827-848.行政负担不仅将交叉边缘群体锁定在社会公益之外,同时还将边缘群体锁定在强制性的国家监督和社会控制系统中。(18)J. Soss, V. Weaver, “Police Are Our Government: Politics, Political Science, and The Policing of Race-class Subjugated Communities,” Annual Review of Political Science, Vol.20, 2017, pp.565-591.特别是行政素养较低,人力资本、社会资本等较少的群体更容易受到行政负担的负面影响。(19)J. Christensen, L. AarØe, M. Baekgaard, et.al. “Human Capital and Administrative Burden: The Role of Cognitive Resources in Citizen-state Interactions,” Public Administration Review, Vol.80, No.1, 2020, pp.127-136.

技术创新是缓解行政负担的一种手段。如在电子政务和数字政府中技术应用对公共服务行政负担存在显著影响。从积极效应看,信息技术与公共服务的融合发展,通过流程再造,简化申报程序和减少认证频率,缓解了公民在公共服务申请中的学习和合规成本。(20)D. Johnson, A. Kroll, “The Effect of Electronic Program Applications Amidst the Politics of Administrative Burden,” Government Information Quarterly, Vol.40, No.2, 2023, pp. 101808.依托数字系统和自动数据传输的在线服务,取代了公民与公共服务人员面对面访问和申请的传统服务模式,缓解了公民与政府间的互动压力,减轻了心理成本,(21)D. M West, “E-government and the Transformation of Service Delivery and Citizen Attitudes,” Public Administration Review, Vol.64, No.1, 2004, pp.15-27.降低了面对面接触带来的寻租可能性。另外,信息技术和政府数据系统的运用还有助于将行政负担由公民层面转移至政府层面。(22)P. Herd, T. DeLeire, H. Harvey, et al. “Shifting Administrative Burden to the State: The Case of Medicaid Take-up,” Public Administration Review, Vol.73, No.s1, 2013, pp.S69-S81.

从负面效应看,数字公共服务的“技术门槛”使其无法平等地覆盖至全体服务对象,依赖政府服务的弱势群体往往缺乏驾驭数字技术的知识和技能,缺少使用数字化平台的途径。因此,虽然数字化服务具有提高公共服务覆盖面和公众参与度的总体潜力,但对于最需要服务的弱势群体而言,数字化技术的运用将产生新的学习和合规成本。(23)S. Skaarup, “The Role of Domain-skills in Bureaucratic Service Encounters,” in Electronic Government: 19th IFIP WG 8.5 International Conference, EGOV 2020, Linköping, Sweden, August 31-September 2, 2020, Proceedings 19. Springer International Publishing, 2020, pp.179-196.另外,信息技术的广泛应用亦会加剧行政负担导致的社会结构固化,强化原先被排斥在外的有资格获得服务个体的边缘化地位。同时,人工智能系统“自动化”的资格决定,有可能剥夺有需要的公民在公务人员行使自由裁量权时获得的福利,从而产生“自动化不平等”(24)A. M. Fox, E. C. Stazyk, W. Feng, “Administrative Easing: Rule Reduction and Medicaid Enrollment,” Public Administration Review, Vol.80, No.1, 2020, pp.104-117.。

(二)理论框架设计

1975年,谢弗和文宪提出了获取理论(Theory of access),为分析公民获取公共服务过程及在此过程中的行政负担提供了有效框架。(25)B. B. Schaffer, H. Wen-hsien, “Distribution and the Theory of Access,” Development and Change, No.6, 1975, pp.13-36.获取理论认为公民获取公共服务的核心路径是“排队”,主要由大门、队伍和柜台三部分组成。大门对应准入规则,即验证公民是否拥有申请服务的资格;队伍对应顺序规则,决定何时以及以何种顺序处理申请人的请求;柜台对应交换规则,即服务人员决定申请人申请能否得以通过。研究者将获取队列分为理想下的“简单队列”和现实中的“复杂队列”两种形式。

“简单队列”是政府规范公共服务获取的理想模式。在该路径中,各环节都是由明确规则组成,且所有规则都能得到公众认同并有序应用,潜在的申请人预估可能需要承担的成本自主决定其是否尝试申请,不存在任何特殊群体偏向和优先级原则,同时柜台的交换规则定义明确,申请人和服务器之间不存在第三方。“复杂队列”是“简单队列”在现实中的偏离模式。在复杂队列中,只有特定群体了解准入规则,规则本身较为模糊、依赖专家解释;在队列中存在“看门人”行使其自由裁量权;队伍环节存在优先级原则,申请人按照一定的等级顺序进行排列;在柜台环节,一项服务申请通常被划分为多个组件,并按类别移动至不同柜台进行分类决策。

可以发现,复杂队列中存在多种隐性规则影响申请程序,通过提高服务申请者的隐性负担,对申请者形成行政排斥。基于此,本文期望对比技术嵌入下公共服务获取队列的变化,以此分析公共服务获取队列各环节行政负担的消解或滋长效应。

图1 获取理论(作者自制)

无论是电子政务还是数字政府,其本质均是政府与公民之间依托数字化平台建立的单向关系。(26)M. Katsonis, A. Botros, “Digital Government: APrimer and Professional Perspectives,” Australian Journal of Public Administration, Vol.74, No.1, 2015, pp.42-52.在该类技术应用下,公民获取公共服务的程序依然呈现串联式结构,只是公民与政府互动的场域发生了变化;“看门人”依旧存在,数字平台的应用仅改变了公民与“看门人”的接触方式,一种新型的“屏幕级街头官僚”开始出现;数字身份验证成了大门准入环节的重要排斥手段。(27)K. K. Larsson, “Digitization or Equality: When Government Automation Covers Some, But not all Citizens,” Government Information Quarterly, Vol.38, No.1, 2021, pp.101547.

与传统数字技术不同,生成式人工智能不再是规则驱动下以解决特定问题为目标的“对象智能”,而是由机器学习推动的具备广泛认知能力集成不同类型任务的“系统智能”(28)L. Cao, “A New Age of AI: Features and Futures,” IEEE Intelligent Systems, Vol.37, No.1, 2022, pp.25-37.,以深度学习能力、预训练模型迭代和生成式交互话语等新功能,推动着公共服务由数字治理向智慧治理转变。生成式人工智能既改变了公众获取公共服务的程序,也改变了程序间的串联式结构,使得传统公共服务模式发生了根本性变化。

首先,生成式人工智能下的获取队列新增了“门童”和“经理”环节,分别承担着咨询和反馈功能。生成式人工智能作为一种基础性语言模型,能够通过数据整合、算法支持,生成类似人类语言模式的回应。以往的数字治理主要是将互联网信息技术简单运用于政府信息公开等事项,侧重于政府信息的单向传递。而生成式人工智能技术的应用则打破了公众与政府间的单向性关系,且不再是传统数字技术支撑下的预设性问答,具有更强的自主性和交互性。另外,数字技术嵌入虽为公众提供了便捷的信息交流平台,但公众依然是公共服务的“被动接受者”,而生成式人工智能通过构建开放式、协同式的平台生态圈,实现了政府与公众间的深度互动,且实时数据流使得服务评估与反馈具有实时性。

其次,算法的嵌入改变了公共服务获取队列的伦理系统轴心,由公共服务工作者间的交互关系转变为人与机器的交互关系,组织成员无需进行直接交往,只需在算法的指引下以原子化的劳动形态完成各自任务,呈现出以算法为核心的网络状分布特征。(29)刘天语、王硕、刘鸿宇:《“算法制”伦理:数字社会的组织伦理新向度》,《自然辩证法研究》2023年第6期。由此,本文构建了生成式人工智能技术应用下的获取理论,如图2所示。

图2 人工智能时代公共服务获取队列结构的演变(作者自制)

图3 生成式人工智能对公共服务行政负担的影响(作者自制)

二、减负效应:生成式人工智能消解公共服务行政负担的环节

(一)门童:交互式咨询

门童环节的交互式咨询功能是生成式人工智能嵌入公共服务的独特功能。简单队列下的规则是明确且清晰的,公民都能了解规则并做出自主判断。而在复杂队列中,规则是模糊且繁杂的,增加了服务申请者的学习成本。同时,公众对规则的理解很大程度上依赖于专家解释或向特定的机构和部门咨询,增加了申请者在公共服务信息获取中的合规成本以及其在咨询中的心理成本。

不同于以往的数字技术,生成式人工智能扮演了国家与社会互动的中介角色。以智能聊天机器人为代表,它承担了大量过去由服务供给者负责的信息通信任务,以全天候待机保障了公共服务信息的可获得性,具有实时、高效、便捷等特点。早先的问答机器人遵循预先编入脚本,通过既定规则遍历预先编码的决策树以模拟人机交互,只能处理一些预设性问题,而对复杂性问题的处理能力较弱,无法根据情境对问题的上下文进行理解。生成式人工智能以深度学习为基础,具备更高级的自然语言处理能力,既能够处理事先预定义的问题,也能够处理开放领域的问题,还能基于情境学习将算法技术适用于各种场景任务之中,输出符合具体场景、满足用户个性化需求的智能回答,降低服务沟通成本并拆解复杂化需求。

此外,交互式咨询功能还能根据申请者需求,帮助用户匹配适合的、有针对性的服务类型。由此可见,生成式人工智能技术支撑下的交互式咨询功能,极大地消解了公众获取公共服务信息的学习成本和合规成本,作为中介角色缓解了公众与政府间的互动压力,有效减少了申请者的心理成本。

(二)大门:包容性准入

简单队列强调公众申请公共服务的公平性,在信息对等的情况下,申请者根据其预判的行政负担决定其是否申请公共服务,无外部力量干预。而在复杂队列中,公共服务的获取存在一定的偏向性。其一,受公众个体因素的影响,认知水平、行政素养较低的公众往往具备较低的负担承受水平,在相同水平的学习成本和合规成本下可能会感知到更强的心理压力,从而加大其心理成本。另外,在传统的公共服务申请准入过程中,申请者通常需要提供大量的个人信息并填写附属文件,以自身需求在众多服务类型中匹配对应服务,信息的错误填写和服务错配也将增加申请者的行政负担。

其二,政治经济学的首要原则是管理政治风险和行政成本,决策者会综合考虑社会服务需求、公共服务目标、政府拥有的服务能力和服务资源等要素制定服务规则,并以行政负担为工具筛选服务对象。然而,行政定义的服务需求与社会真实需求之间的不匹配、政策实施过程中的“选择性亲和”机制等均会促使公共服务偏离预期目标。(30)O. Wang, D. Qi, Y. Liu, “Administrative Burdens in Chinese Public Services: A Case of Selective Affinity,” The China Quarterly, Vol.255, 2023, pp.734-752.行政负担在不同群体间的错误分配,使得看似中立和公平的公共服务规则不断扭曲,加深其对弱势群体的行政排斥。

生成式人工智能的嵌入能够提高公共服务的包容性。第一,生成式人工智能的嵌入提高了公共服务的整合性和适配性。首先,生成式人工智能依托其强大的数据采集和数据整合能力,能够将面向所有公民的服务打包在个体的公民门户网站中,以在线平台为载体,有效减少了服务申请者的合规成本。另外,生成式人工智能的服务供给以用户需求为出发点,遵循着“用户输入+机器输出”的内容生成方式,将用户的个体信息与服务需求有机结合,能够帮助申请者更好地匹配适应性服务。

第二,生成式人工智能的嵌入能够破除政府服务决策的局限,合理设置行政负担在不同群体间的差异化分配策略。生成式人工智能依托强大的信息获取和推理决策能力,既能突破要素流动壁垒自动收集、转化、更新各类数据,为政府决策奠定信息基础,又能自动模拟政府决策思维,预测公共服务需求演化态势,弥合行政定义的服务需求与社会真实需求之间的差距,正确发挥行政负担的筛选功能。

第三,生成式人工智能的嵌入变革了服务申请者的被动地位,提高了政府服务的主动性。政府能够依托智能技术精准识别服务对象,通过自动登记、表格简化、程序数字化等方式将服务对象的行政负担转移至政府层面。

由于钛渣中Fe、Mg、Mn等杂质元素固溶于黑钛石(Me3O5，Me=Ti、Fe、Mg、Mn等) 型物相中，这种元素组成结构可能是导致稀酸直接浸出钛渣时浸出率低的主要原因[5-7]。当向钛渣中加入适量苏打进行改性焙烧时，钛渣中以MeTi2O5(Me=Fe、Mg、Mn)形式存在的Fe、Mg、Mn，以及SiO2和Al2O3等主要杂质元素可能发生的化学反应见表2。

(三)队伍:自动化流程

在复杂队列的队伍环节,审核程序的优先级设置、公共服务工作者的自由裁量权打破了简单队列中的“先进先出或先到先得”原则。公共服务工作者,能够根据特定情况下的实际情况和需求,运用其自由裁量权灵活决定处理顺序,对公众的行政负担有着重要影响。另外,街头官僚的官僚态度和官僚行为亦为公众获取公共服务带来了较强的非正式负担。随着数字技术的出现,街头官僚逐渐演化为“屏幕级街头官僚”,其发挥作用的场域由现实情境转移至数字平台,但其自由裁量权的实质并未发生根本转变。

公共服务工作者所感知的行政负担也是影响其治理选择的重要因素。一方面,对行政负担的繁重感知使其更愿意行使自由裁量权将任务转移至其他工作者,或将行政负担移嫁至公众;另一方面,行政负担重的任务会产生更高的机会成本,即当个人感受到更高的行政负担时,他们将降低对与该行政负担相关的其他任务的支持性。(31)B.C.Burden, D.T.Canon, K.R.Mayer, et al. “The Effect of Administrative Burden on Bureaucratic Perception of Policies: Evidence from Election Administration,” Public Administration Review, Vol.72, No.5, 2012, pp.741-751.

随着机器人过程自动化(RPA)技术的不断发展,新兴的智能自动化(IA)进一步超越了传统的数据管理,能够自动化处理重复的业务流程。生成式人工智能技术嵌入队伍环节,通过业务流程自动化或半自动化,将公共服务工作者从烦琐重复的工作中解脱出来,使其能更好地专注于解决复杂问题,降低其行政负担感知。另外,自动化技术在公共服务中的普及应用,逐渐替代了基层一线工作者的作用,角色逐渐由供给者转为监管者。同时,人工智能技术下的智能知识管理系统和数字决策树极大地缩小了官员行政裁量权的使用范围,减少了主观因素的介入,从而保证公共服务程序的一致性和公正性。此外,流程自动化技术的嵌入通过智能填单、智能派发等功能也能够减少服务申请者的行政负担。

(四)柜台:整合性审核

在传统复杂队列中,服务申请被划分为多个组件,并按类别移动至不同柜台,由公共服务工作者按既定规则处理。但一线公务员有限的信息处理能力与庞大、复杂、多元的申请信息间的抵牾,以及多部门间任务分工审核的碎片化设置和差异化要求,既加重了官员的行政负担,也加大了申请者的学习成本、合规成本和心理成本。多部门审核的碎片化设置,不仅要求申请者掌握各部门规则和要求,重复提交类似文件,同时多部门间信息审核流程的难以协调性,亦会延长处理时间,导致行政服务滞后。另外,多部门间信息审核的碎片化亦会使信息处理过程缺乏透明度和一致性,难以保证审核的客观性和准确性。

生成式人工智能嵌入柜台的审核与决策环节从信息处理与结构变革两方面缓解了公共服务工作者和公共服务申请者的行政负担。在信息处理方面,生成式人工智能通过深度学习对庞大体量的复杂数据进行精练,从而演化出超越人类的信息处理能力,将实践者从庞大的数据中解放出来,提高了信息审核速度,减少了申请者的合规成本。同时,中立的算法技术还有助于减少人为因素的主观干扰,提高人员决策和服务供给的公平性和可信度。

在结构变革方面,生成式人工智能为建立跨部门的信息收集平台和智能化的公共服务需求识别系统提供技术支撑,有助于打破信息共享、数据挖掘、服务供给的壁垒,(32)容志:《大数据背景下公共服务需求精准识别机制创新》,《上海行政学院学报》2019年第4期。使碎片化的传统科层结构逐步向扁平化、协同化、一体化的科层治理结构转变。(33)王张华、颜佳华:《人工智能驱动政府治理变革:内在机理与实践样态》,《学习论坛》2020年第11期。人工智能平台的开放性和互动性变革了分散化的传统服务模式和固定的传统供需方合作关系,(34)孟庆国、鞠京芮:《人工智能支撑的平台型政府:技术框架与实践路径》,《电子政务》2021年第9期。实现了各部门在公共服务供给间的有效协作。

(五)经理:实时性优化

原始队列的队列程序呈现串联性结构,隐性规则隐藏在不同环节之中对程序进行操纵,难以展开全方面的评估与监管。同时,受传统“官本位”文化的浸润,政府长期采用“单向投入型”的公共服务供给模式自上而下地向公众输出,从而出现政府服务供给与公众需求失衡的问题。随着大数据、互联网等数字技术的不断嵌入,公众逐渐以数字化渠道参与公共服务治理。然而,传统的数字技术更多聚焦于公共服务信息的可获得性,并未对公众参与形成实质性影响。数据和算法是人工智能的两种驱动逻辑,区别于互联网和大数据所解决的信息连接问题,人工智能的嵌入使得人、物、系统在数字空间中互联互通,形成了自主协作的智能化生态系统,(35)S. Mariyam, S. Setiyowati, “Legality of Artificial Intelligence (AI) Technology in Public Service Transformation: Possibilities and Challenges,” Lex Publica, Vol.8, No.2, pp.75-88.以需求吸纳和政策反馈实现了公共服务获取队列的实时性优化。

另一方面,在队列的各环节,服务申请者能够基于自身需求和过程经验进行政策反馈,再由生成式人工智能将分散式、片段化的要素信息进行整合和分类,以便帮助服务提供者和决策者更好地了解公众诉求,及时调整和改进服务供给,既能对行政负担进行合理把控,又能极大地限制官僚腐败行为,减少公众在服务获取中的非正式负担。另外,生成式人工智能的数字孪生能模拟政策运行和服务供给,提供实时数据识别相应问题,在实现系统主动维护和优化的同时,使公共行政主管部门能够在短时间内发现问题,并迅速对行政负担进行调节。(36)J. Höchtl, P. Parycek, R. Schöllhammer, “Big Data in the Policy Cycle: Policy Decision Making in the Digital Era,” Journal of Organizational Computing and Electronic Commerce, Vol.26, No.1-2, 2016, pp.147-169.

表1 生成式人工智能嵌入对公共服务行政负担的消解效应

三、增负效应:生成式人工智能嵌入下公共服务的新行政负担

生成式人工智能的技术优势变革了传统的公共服务获取队列,并以其独特功能对各环节行政负担进行消解。但技术是一把双刃剑,其在发挥消解效应的同时,也存在一定的增负效应。

(一)数字囚笼:技术理性下的公共性成本

算法具有重构公共空间话语权力的功能,并不断对行为层面的公共服务施加影响。一方面,算法的引入主张以客观中立的策略实现服务供给的公平性和科学性;另一方面,开放性技术的应用拓宽了公共服务中的公共性空间,允许公众参与、表达和传递自身需求,由单一中心以满足人们共性需要为主的模式,转向多元参与关注人们个性化需求的公共服务供给模式,(37)臧雷振、黄建军:《大政府还是小政府:灵巧型政府建构进路》,《中国行政管理》2013年第7期。从而更好地助力公共价值的实现。

然而,随着生成式人工智能的嵌入,公共服务获取流程的标准化和正规化不再以高度合法化的规则和程序为主要支撑,而由算法逻辑和信息架构所替代。信息技术以功能简化和功能闭合两类方式,将公共服务领域的复杂性逻辑重构为一组简化的因果关系或工具关系,并在选定的因果序列周围构建一个保护茧,确保形成技术过程的闭环逻辑,实现了公共服务秩序的再生产。(38)J. Kallinikos, “The Order of Technology: Complexity and Control in a Connected World,” Information and Organization, Vol.15, No.3, 2005, pp. 185-202.

一个由算法逻辑和信息架构合成的“数字囚笼”俨然形成。在“数字囚笼”中,智能机器人和自动化信息系统日渐替代公共服务工作者成为与公众互动的直接载体,数据成为“柜台”决策的主要依据,公共服务工作者被迫在算法和数据主导的技术理性范围内工作,价值理性日渐缺失。(39)R. Peeters, A. Widlak, “The Digital Cage: Administrative Exclusion Through Information Architecture-The Case of the Dutch Civil Registry's Master Data Management System,” Government Information Quarterly, Vol.35, No.2, 2018, pp.175-183.在此情况下,公众获取公共服务的权利主要由算法和数据决定,算法偏见或歧视、分析数据错误或缺失等均会增加个体申请公共服务的行政负担。且在由数据主导的公共服务获取队列中,拥有数字话语权群体的利益诉求被不断放大,使得数字弱势群体的个体利益诉求逐渐被排斥在公共服务体系之外。

虽然生成式人工智能嵌入队列有效提升了公共信息的可获得性,但“数字囚笼”下信息的选择性供给,亦会侵害公众信息获取的主体性。一方面,包含利益价值判断的算法设计因素使用户的信息视域范围不断缩小。(40)袁媛、李娜、王灿发:《算法推荐时代的技术规训与价值重塑》,《新闻爱好者》2023年第10期。掌握着算法技术的编程人员能够依据组织要求或利益偏好控制信息的传递边界,框定用户的信息获取区间。这不仅破坏了公共信息的传播系统,增加了用户获取区间外信息的成本,亦影响了用户对行政负担的自主感知。另一方面,由于缺乏其他获取公共信息的直接渠道,生成式人工智能下信息获取的便利性和快捷性会使用户形成信息获取的渠道依赖,从而逐渐沦为算法控制的对象。

(二)算法黑箱:技术运行下的合法性成本

人工智能自身的封闭性特点、人工智能外部规则冲突与内部决策非透明化构成了算法运行的双重黑箱,增加了公共服务队列运行的合法性成本。人工智能的算法封闭性本质决定了人工智能的信息透明度仅限于输入和输出环节,而处于核心处理环节的算法依然被黑箱笼罩,无法保障全流程透明。从嵌入公共服务的实际队列看,算法保护与算法公开产生透明性悖论,即使现有政策明确要求公开人工智能的算法与运作流程,实现公开化与透明化,但人工智能的具体设计同样受知识产权、市场竞争下维护企业运营等外部政策保护。透明性悖论下,由技术运行的难解释性和不透明性所导致的结果不确定性超出了服务人员的控制范围,而算法监管的高技术要求又加大了公共服务的监管难度,致使算法监督缺位。

在算法黑箱下,生成式人工智能嵌入公共服务获取队列面临现有制度与责任界定的合法性挑战。其一,部分人工智能决策可能会绕过制度限制,产生现实存在但不合法的困境。针对人工智能的制度规制仍处于发展阶段,算法处于法律规制的边缘或为达到预期目的运用灰色地带的漏洞导致人工智能脱离法律的监管框架。其二,透明度与责任性问题无法清晰界定。2019年,国家新一代人工智能治理专业委员会发布《新一代人工智能治理原则——发展负责任的人工智能》,强调了发展负责任的人工智能需遵循“共担责任”原则,明确指出,人工智能的责任分配需考虑研发者、使用者和受益者等主体。(41)中华人民共和国科学技术部:《发展负责任的人工智能:新一代人工智能治理原则发布》,2019年6月17日。https://www.most.gov.cn/kjbgz/201906/t20190617_147107.html然而,现行制度规则无法合理划分人工智能在公共服务治理中的责任边界,呈现出技术与制度相互脱嵌的状态。(42)P. Henman, “Improving Public Services Using Artificial Intelligence: Possibilities, Pitfalls, Governance,” Asia Pacific Journal of Public Administration, Vol.42, No.4, 2020, pp.209-221.在多重主体并存的治理原则下,责任主体的模糊化、责任归属的离散化将使主体避责“有据可依”。

(三)应用挑战:技术迭代下的适应性成本

随着互联网、大数据、人工智能等技术的不断迭代更新,公共服务信息化改革如火如荼,公共服务场域也逐渐由线下迁移至线上,各类政务信息化系统、智慧化公众参与平台、主题数据库纷纷建立,为推动公共服务向精细化、智能化、智慧化转型奠定基础。然而,技术的迭代更新以及由此引发的社会变革亦为公共服务带来了一定适应成本,主要体现在技术创新与转化应用、组织结构变革两方面。

作为促进公共部门转型和创新的重要工具,数字技术的转化应用已经成为基层治理的重要内容,各地纷纷开展技术应用实践。然而,在政绩竞争的驱动下,基层政府数字化转型普遍存在“数字形式主义”现象。“数字形式主义”下各类线上系统和服务平台的“不好用”“用不好”等问题不仅造成了行政资源浪费,还增加了公共服务工作者和用户的使用成本。另外,个体对人工智能的信任是人机交互的前提,人工智能技术的不可预测性、对个体隐私侵犯的风险、虚假信息的传播等因素均会抑制个体的系统信任,从而造成个体的回避趋向,既增加了用户使用的心理成本,同时也提升了服务工作者的调适成本。此外,人工智能的使用需以一定的技术基础和专业知识为支撑,诸如教育因素、认知能力、社会资本等个体因素在一定程度上决定了公众对新技术的接受和使用水平,而更依赖公共服务的群体往往需要承担更大的学习适应成本,且对行政负担的感知更强。

在组织结构变革上,人工智能嵌入公共服务治理使原有的组织结构、社会关系、服务机制发生了变化,新旧服务格局间的紧张关系既需要组织成员进行从认知到行为的全方面调适,又需要政府对新兴技术嵌入组织要素所带来的创新与变革进行统筹应对。当前,人工智能技术赋能公共服务正形成一整套以“促进数据流转”为核心的创新模式。(43)王张华、颜佳华:《人工智能驱动政府治理变革:内在机理与实践样态》,《学习论坛》2020年第11期。不同发展阶段人工智能技术的功能迭代,塑造了差异化的公共服务治理形态。因此,政府需掌握人工智能技术跃迁规律,主动适应时代背景实现各要素转型从而促进公共服务治理的全系统转变,这无疑为其管理和运行带来了巨大的行政负担。

四、未来思考:人工智能时代公共服务行政负担消解策略

生成式人工智能嵌入公共服务获取队列的增负效应,不仅归因于技术层面的功能局限,还取决于政府在新公共服务获取队列中的应用设计和调适安排,亦需要关注公民在新获取队列下的学习与适应能力。因此,未来需从技术、政府和公众三个层面对人工智能时代公共服务行政负担的消解策略进行思考。

(一)技术祛魅:探索技术局限的解决策略

人工智能的技术跃迁使其在公共服务行政负担治理中承担着多类功能,但技术的局限亦为行政负担治理带来了诸多挑战。例如,开放性的技术应用以信息的交互性拓宽了公共服务中的公共性空间。但算法歧视、数字话语权力不平等、信息选择性供给等问题亦导致被歧视群体的行政负担加重、数字弱势群体被“行政排斥”、个体的信息获取主体性弱化。另外,生成式人工智能以实时性优化功能嵌入公共服务获取队列有效降低了申请者的合规成本,但算法自身的封闭性亦弱化了公共服务获取队列的透明性。因此,亟须实现技术祛魅,正视生成式人工智能技术的本质和局限,探讨破除技术局限的解决策略。

首先,规避算法歧视,维护程序平等,确保行政负担的正确分配。算法歧视可能体现在程序设计、数据收集和训练、应用决策全环节,具有高度的隐蔽性、结构性、单体性与系统连锁性。歧视性要素隐藏在“中立”的算法程序背后,对不同群体进行区别对待,促使作为政策工具的行政负担脱离了正确轨道,使负面构建的“目标群体”更加边缘化。康普顿等人研究发现,在美国失业保险领取服务中,自动化或数字化提交的索赔数据可能保留种族化信息,用户需要承担更严重的种族化行政错误以及与之相应的更强的行政负担。(44)M. E. Compton, M. M. Young, J. B. Bullock, et al. “Administrative Errors and Race: Can Technology Mitigate Inequitable Administrative Outcomes?” Journal of Public Administration Research and Theory, Vol.33, No.3, 2023, pp.512-528.规避算法歧视,需从根源出发,建立算法程序设计审查制度、数据清洁制度、算法应用动态审查制度实现审查制度的全环节、全覆盖。

其次,打开算法黑箱,实现程序公开,提高行政负担的可监察性。算法黑箱剥夺了公众质疑算法决策、表达个体意见的权利,个体难以透视算法决策流程并对其进行归责,只能重复性向上反馈被动等待结果。算法透明是算法治理的内在要求,不同于单纯信息披露的化约主义,算法透明应契合算法决策的复杂性和动态性特征、回应利益相关者的透明度需求,并考虑到个体的算法认知局限性。(45)张恩典:《算法透明度的理论反思与制度建构》,《华中科技大学学报》(社会科学版)2023年第6期。一方面,打破算法透明性悖论,区别行政算法与商业算法,分别对二者的算法透明度作出明确要求。另一方面,区别面向个体和组织的算法公开要求,结合系统解释与个案解释、事前解释和事后解释、人工解释与机器解释,绘制多样化、动态化的算法可视图,保障个体在新公共服务获取队列中的主体性。

最后,建构“道德算法”,促进程序正义,保障弱势群体利益。算法自动化决策嵌入公共服务获取队列,以纯粹的技术理性替代传统治理个体的价值理性,强调以效率和客观为导向的“求真”逻辑,忽略了公共服务的公共性和社会性。技术理性对价值和正义理念的侵蚀,使行政负担设置无法眷顾特殊群体。因此,需建构道德算法,将以人为本的伦理观念、社会效益优先的服务原则纳入算法程序设计,以程序正义为判断标准促使价值在算法运行中的不断迭代更新,正确发挥行政负担的目标筛选功能,保障边缘化群体或目标群体的实质利益,以算法正义实现服务正义。

(二)政府统筹:遵循渐进的整体变革思路

生成式人工智能作为行政负担治理的技术工具,其消解效应的发挥依赖于政府的正确应用和有序调试。由上可知,新队列下技术理性对价值理性的过度替代、现有制度与责任界定不合理、数字形式主义严重、组织变革滞后等问题均会生成公共服务获取队列中的新负担。因此,要求公共部门以更加审慎的态度对待人工智能,在整体应用中遵循渐进式的变革思路。

首先,促进人机协作,合理划定技术应用范围。技术的快速迭代使得人工智能作为一种独立且不由外界支配的自主性力量逐渐从社会中分离开来,成为公共服务治理环节的一种异质性主体。(46)兰登·温纳:《自主性技术:作为政治思想主题的失控技术》,杨海燕译,北京大学出版社,2014年,第13页。算法决策替代常规决策成为队列决策的主要形式。一方面,政府需要明确人工智能的替代边界,技术的简单化约功能无法精准还原复杂社会的全貌,不可避免产生情感、价值维度的失真。因此,算法权力运行需要置于公共管理者的权力框架下进行审视,明确公共服务工作者的角色转换,避免技术依赖,防止因行政惰性引发的目标置换效应。另一方面,将人工智能嵌入视作一个长期性、渐进式的转向过程,破除数字形式主义,确保技术应用的有效性,避免因技术滥用增加无谓的适应成本。

其次,完善制度约束体系,对技术进行有序监管。人工智能的技术涌现性与制度约束体系完善性产生张力,超越了目前制度体系的约束范围,如何有效控制人工智能技术的科林格里奇困境是世界范围内学者的讨论热点,也是中国情境下公共管理者需要回应的核心问题之一。这要求政府采取渐进式策略,在充分利用生成式人工智能的功能优势发挥其消解行政负担的正向功能的同时,针对技术嵌入公共服务获取队列可能产生的不良后果制定前瞻性控制措施。

最后,引入特殊技术设定,转嫁特殊群体的行政负担。尽管政策设计可能遵循中立原则,但由于各类社会或行政偏见,个体可能因其在不同身份轴上的社会地位而面临不同的行政负担。另外,算法嵌入下对待偏见或不完整数据的循环运行也会固化被歧视群体的边缘地位。基于此,政府可以通过特殊的技术设定,为弱势群体开出“特殊通道”,构建个体与政府互动的替代空间。例如,巴基斯坦政府在为性别酷儿提供合法身份证的服务中,通过分配单独日期或与非政府组织合作,安排特别小组设置了服务替代空间,以此减轻性别酷儿在身份证申领服务中因互动而产生的行政负担。(47)M. A. Nisar, “Children of a Lesser God: Administrative Burden and Social Equity in Citizen-state Interactions,” Journal of Public Administration Research and Theory, Vol.28, No.1, 2018, pp.104-119.

(三)公众在场:完善全民数智素养提升机制

个体对行政负担的感知带有一定的主观性。在一致的服务申请程序下,数智素养不同的个体所感知到的行政负担存在较大差异。一方面,数智素养低的个体在新公共服务获取队列中面临着更大的学习成本和适应成本,群体间技术差异所导致的智能鸿沟进一步加剧了社会分化,使得数字弱势群体极易被排斥在公共服务体系之外;另一方面,缺乏对技术运行逻辑、伦理风险等方面的认识,会使个体困囿于算法逻辑和信息闭环之中。对此,需全面提升用户的数智素养,使用户由技术的被动应用者转变为主动求变者,凸显个体的主体价值。

首先,加强数智知识教育,以学校教育和社会教育相结合、正式学习和非正式学习相结合、正式渠道传播与非正式渠道传播相结合等形式面向公众普及基本的数字技能,提高公众在新队列中的技术使用能力,减少学习成本。针对数字弱势群体建立普惠性、包容性的素养提升机制,弥合智能鸿沟,提高群体数字话语权,避免行政排斥。

其次,加强技术应用教育,提高个体的数字化适应力,减少适应成本。生成式人工智能嵌入公共服务获取队列不仅是一项技术的有序应用,还关涉新队列中服务流程、决策规则、组织结构等内容的更新与变革。服务更迭下,旧有服务格局下的部分人员难以适应新秩序长时间处于失序状态,产生抵触情绪,加剧心理上的不适应和焦虑,从而形成社会排斥。因此,政府应考虑技术嵌入公共服务获取队列的场景性,对公民的算法态度、技术认知进行有序调适。

最后,增强技术使用者的道德责任意识。一方面,生成式人工智能的偏差性、不可靠性等特性致使其出现批量制造事实性错误信息的情况。同时,公众需求的多样性和情境依赖性、专家语言和公众语言的差异性、有歧义的语义理解等因素均制约着生成式人工智能为个体提供公共服务的精准性。因此,要求使用者建立正确的技术认知,例如对信息的真假判断,充分了解技术背后的运行逻辑及相应缺陷,减少部分用户的技术依赖倾向。另一方面,生成式人工智能尚不具备完全辨别用户请求合法性与正当性的功能,使用者的不当使用或恶意利用可能会扰乱公共服务获取队列的正常运行。例如,在私营主体主导的程序设计下,算法很有可能成为裹挟着资本甚至政治动机的私人谋利工具;夹杂着社会偏见的生成式人工智能技术会对公共服务资源分配、价值传递等带来实质性危害。政府并不是唯一的技术伦理主体,对技术的规范运用需多方共同努力。因此,在加强对使用者行为约束和规范的同时,应强化使用者伦理意识,建构对技术的共同理性和责任担当。

结 论

智能化已经成为当今经济社会发展的主旋律。生成式人工智能作为现代数字技术的重大突破,标志着人类正逐渐由弱人工智能向通用人工智能迈进,对新时代公共服务行政负担的消解产生了重要影响。基于此,本文尝试以获取理论为基础,在与传统数字技术进行比较的基础上,建构了生成式人工智能技术嵌入下的公共服务获取新队列。

在新队列中,算法嵌入促使伦理系统轴心由传统服务模式下公共服务工作者间的互动关系转变为人与机器的交互关系;门童和经理环节的新增使得原先以政府为本位的串联性服务供给模式向政民交互的网状式智能化服务供给模式转变,呈现出以算法和数据为核心的网络状分布特征。技术光环下的生成式人工智能以交互式咨询、包容性准入、自动化流程、整合性审核和实时性优化功能嵌入门童、大门、队伍、柜台、经理五个环节,消解了传统服务的既有负担。但亦生成了技术理性主导下的公共性成本、算法运行双重黑箱下的合法性成本、技术快速迭代应用下的适应性成本三类新负担,为公共服务治理带来挑战。

从中国情境出发,生成式人工智能的运用需要充分考量“发展—安全”有效平衡的问题,未来公共服务中行政负担的消解需遵循渐进式的长期调试思维。个体对公共服务行政负担的感知既有其客观性亦有其主观性,既要考虑政府和技术层面对公共服务中行政负担的设置及分配作用,也要关注公众层面对行政负担的主观感知。因此,未来需从技术、政府和公众三个层面出发,探索技术局限的解决策略,遵循渐进的整体变革思路,完善全民数智素养提升机制,以此充分发挥生成式人工智能技术嵌入公共服务消解行政负担的技术优势,从而发挥最大价值。