从“智”到“能”：生成式人工智能助推政务服务智能化的实践理路

［摘 要］

生成式人工智能的研究和应用为“互联网+政务服务”数字政府建设提供了智能化发展的全新成长空间。生成式人工智能可以有效克服政务服务数字技术与智能响应浅层运用和难以满足民众政务服务需求多样化的不足，具有智造政务服务机构的组织价值，智塑政务服务效能的功能价值，智联政务服务关系的合作价值。生成式人工智能在助推政务服务智能化的过程中不可避免地存在政务服务数据“数不胜数”风险、政务服务算法“黑箱纵恶”风险和政务服务算力“量均皆忧”风险，威胁政务服务系统安全、伦理规范与治理效能。政务服务从“智”到“能”是不可阻挡的发展趋势。确立政务服务智能化安全、公平、高效的价值目标，加快形成政务服务智能化顶层架构，建立健全政务服务智能化要素与产品市场，完善风险防范监控与反馈纠错体系。

［关键词］

生成式人工智能；政务服务；数字政府

中图分类号：D035 文献标识码：A 文章编号：1008-410X（2024）06-0086-10

一、引 言

推动政务服务改革、加快数字政府建设是推进中国式现代化的重要举措。2023年2月，中共中央、国务院印发《数字中国建设整体布局规划》指出，“到2025年，基本形成横向打通、纵向贯通、协调有力的一体化推进格局，数字中国建设取得重要进展”［1］，“政务数字化智能化水平明显提升”［1］。2024年1月，《国务院关于进一步优化政务服务提升行政效能推动“高效办成一件事”的指导意见》明确提出，持续加强新技术全流程应用，特别是应用大数据、区块链、人工智能等新技术，全面强化政务服务数字赋能。党的二十届三中全会审议通过《中共中央关于进一步全面深化改革、推进中国式现代化的决定》进一步提出，“促进政务服务标准化、规范化、便利化，完善覆盖全国的一体化在线政务服务平台”［2］。这些党和国家密集发布的文件，逐步明确了数字赋能政务服务的总体目标、具体要求和建设标准，推动政务服务持续深入变革。

随着民众政务服务需求的提高，政务服务改革不仅要求广泛应用数字技术，更要求数字技术在治理理念等层面与政务服务全流程、全事项深度融合及创造性发展，推动政务服务智能化升级。然而，我国政务服务改革面临诸多挑战。一是我国政务服务智能化发展水平总体参差不齐［3］。受当地经济发展水平等客观因素的影响，区域间网上政务服务尚未全面协同发展，服务范围、效率、质量等有较大落差。

二是智能政务服务大多应用传统人工智能且处于浅层结合阶段，政务服务平台的智能化水平较低［4］，具体表现为不能准确理解用户表达、答非所问、互动有限等。三是政务服务智能化建设未能同步提升民众接受政务服务的体验感和获得感［5］，民众政务服务诉求难以得到充分满足。政务数字化智能化建设亟待吸纳最新智能科技成果，而生成式人工智能在算法、算力及数据层面的巨大突破，为我国数字政府建设及政务服务智能化改革提供了新的契机。当前，生成式人工智能本质上仍是智能技术由弱人工智能向强人工智能发展过程中的重要过渡，在技术与应用层面尚不成熟。在政务服务系统中应用生成式人工智能需要充分考量其价值前景、内在风险和不确定性后果，通过制度机制设计有效规避和减少风险，提升政务服务智能化水平和公共服务质量。

二、生成式人工智能助推政务服务智能化的多重价值

政务服务智能化是政府部门运用新兴智能技术工具，围绕民众、企业和社会需求，提供自动化、高效化和个性化的一站式政务服务［6］。生成式人工智能基于强大的生成算法、多模态预训练模型等技术生成文本、图片、声音、视频、代码等内容，具有交互增强、主动服务、协同融合及辅助决策等特征。生成式人工智能为人工智能技术与政务服务深度融合，促进政务服务流程、结构及功能深度变革，更好满足民众日益增长的多样化政务服务需求，实现政务服务领域的价值共创提供了可能。

（一）智造政务服务机构的组织价值

技术在内嵌于组织运行的过程中会带来组织结构的变迁，从而带来组织绩效的改变［7］。政务服务以政府组织机构为载体，以流程为形式。在政务服务领域嵌入生成式人工智能技术，既可以变革政务服务流程、形式和内容，提升服务效率，也会推动政府组织结构的深度再造，促进政府体制变革。

1.智能更新政务服务流程。流程是政务服务的关键要素。政务服务通过严格规范的流程与材料完成相关事项的办理，该过程往往涉及相关资料在政府不同层级、不同职能部门间的流转与审核。政务服务流程设计是否科学直接关系材料流转与审批的效率，影响民众的体验感和满意度。

当前，各地政务服务中流程烦琐不畅、申请材料多头重复、标准规范不一等问题普遍存在，严重制约地方政务服务事项的快速办理［8］。在政务服务领域充分运用生成式人工智能，建构以网络平台为基础、以服务效率为准则的政务服务系统，通过深度学习和算法优化，可以有效重构服务流程，精简文件材料，实现政务服务线上线下、跨部门、跨地区协同高效办理。借助深度学习算法，智能化政务服务系统以既定法律法规为逻辑和规则基础，以办理事项的历时纵向和区域间横向服务效率、民众诉求与服务反馈等信息为数据基础，通过逻辑分析与模拟演练，适时提出服务流程优化的可行性建议。借助便捷、高效、准确的文本、图片和音视频等多形式内容的捕捉、识别、分解、重构和生成能力，智能化政务服务系统还可以创建全景开放的应用场景，通过多重交叉认证，实现无证办、无感办、秒批秒办等高效服务，增强政务服务的包容性和便利性。

2.智能优化部门结构规模。政府组织结构设计以权责关系为基础，优化政府组织结构实则是调整政府部门间权责关系。

当前，地方政府部门间权责不等、权责不清、职责交叉分散、协调不畅等问题仍较突出，一定程度上制约着政务服务的效率提升和体验。在政务服务中运用生成式人工智能不仅可以精简非必要服务流程，还能以权责清单为对象智能优化政府部门权力责任关系和结构。生成式人工智能可以在“互联网+政务服务”实现的权责关系网络联结的基础上，将机构改革向“一类事项由一个部门统筹、一件事情由一个部门负责”的目标推进，还可以依据政府职能性质打造以生成式人工智能为内核的一体权责运行平台，对海量行政权力事项与责任进行梳理、分类、比较和重构，破除部门主义和本位主义，促进“权力-部门-事项-责任”的精准匹配，化解权责模糊与冲突难题。同时，生成式人工智能的辅助决策甚至智能替代作用还有助于破解雇员增加带来的组织规模膨胀问题。借助形式丰富且自动生成的特性，生成式人工智能可以被广泛应用于基础性、重复性和模板化劳动，减少政府对人力的需求。借助机器学习和优化算法，生成式人工智能可以更加科学地对社会数据、企业数据和政务数据进行分析挖掘与整合利用，提出富有前瞻性的决策方案［9］，在提高政府决策科学化的同时，抑制过度专业分工带来的政府规模扩大。

（二）智塑政务服务效能的功能价值

政务服务效能是衡量政务服务质量和水平的重要概念，是影响政务服务满意度的主要因素。政务服务效能是对政务服务工作目标选择的正确性及其在效率、效果和效益等方面实现程度的综合性评价。引入生成式人工智能可以明确政务服务目标，规范政务服务运行，拓展政务服务功能。

1.促进政务服务智能供给。政务服务智能供给着眼于精准满足服务对象的需求。一是政务服务智能化为化解政务服务供给与需求不匹配难题提供了助力。政务服务部门缺乏有效工具来深度获悉民众诉求是制约政务服务供给和需求匹配的重要原因［10］。嵌入生成式人工智能的政务服务能够依托特定模态的深度学习算法在广泛采集民众政务诉求的基础上，研判诉求的内容、特征和趋向，智能提出政务服务优化供给的建议方案。二是政务服务智能化可以通过人性化人机交互精准理解用户需求，提升民众满意度。生成式人工智能拥有更为准确的内容理解与生成能力，能实时将服务需求转化为相应的服务业务，智能增设政务服务应用场景和模块，弥补业务空白，满足非标准化需求。三是政务服务智能化可以推动实现主动服务和跟踪服务。依托对政府政策制度的精准理解和民众、企业等信息的实时把握，生成式人工智能通过精准匹配，实现生育津贴、税收退减免、财政补贴等业务“免申即享”；为较为复杂的企业业务及老年人、残疾人等特殊群体提供智能导办帮办服务、智能跟踪服务，降低办事难度，提高体验感和满意度。

2.促进权力运行智能监督。监督是国家和社会治理的内在要素，是权力规范运行的重要保障。

尽管政务服务逐步实现了数字化、平台化和一体化，但人为介入后的合规性风险与公平性困境仍然存在，政务服务监督流于表面的状况仍易发生。在政务服务中运用生成式人工智能，不仅可以使权力运行过程更加数据化、透明化，减少徇私舞弊的机会空间，还可以为实现全主体、全方位、全过程、穿透式的监督提供有效的技术手段。生成式人工智能具有强大的图像、视觉捕捉与识别功能，能够对政务服务后台实现全方位、全天候、全过程的数字化监控［11］，通过深度学习技术，第一时间识别权力运行违规风险，实现违规操作信息的自动采集、保存与报告。同时，生成式人工智能可以采集全网数据，为民众或企业参与监督提供开放式的智能化便捷通道，弥补政务服务外部监督的不足；可以对内外网数据进行穿透式的整合、比对和研判，智能发现和报告风险，从而促进政务服务监督效能的提升。

3.促进组织跨域智能学习。持续优化改进政务服务系统及运行机制是提升政务服务效能的重要方式。生成式人工智能嵌入政务服务系统，除了可以从本地区系统既有运行数据中智能学习改进策略外，还可以借助全国一体化政务服务平台，通过同领域同业务、跨领域类业务的办理数据比对，智能学习、借鉴和采用高效率、高效能的业务办理流程与方式。生成式人工智能卓越的数字转化、数据分析与方案输出能力，有利于突破政府部门和区域、层级政府间行政壁垒，便捷高效整合跨领域资源，甚至还可以跨界学习知识，创新政务服务建设思路，促进政务服务智能优化。

在一体化政务服务平台中总结、上传、推送地方政府优秀的政务服务建设经验，既可以为同级政府同类业务办理提供借鉴，也可以为上级政府

政策转化提供便利，减少组织学习成本。

（三）智联政务服务关系的合作价值

政务服务智能化在优化政务服务结构和功能方面具有重要价值。生成式人工智能的深度嵌入与持续作用的价值还不仅限于此，其突出的数据关联与深度挖掘能力对智能优化政务服务的政府间关系、促进合作与价值共创同样具有不可忽视的作用。

1.智能优化政府间条块关系。条块关系是我国政府体制的基本特征。优化条块关系是提高政府效能的重要方式。然而，以条块分割和条块壁垒为表现的条块冲突却造成地方权责利益失衡、行政效率低下等问题［12］。组织体制路径固然是化解条块冲突、促进条块协同的重要方式，而以数字平台为核心的技术嵌入路径以其高效率成为经得起实践检验的可选方式［13］。我国政府间条块冲突的核心是机构部门与区域壁垒，其关键表征之一是基于权力铸就的信息壁垒。不同于在传统以部门为导向的条块关系中政务数据被视为不可共享的部门资产，以生成式人工智能为基础的政务服务，其前提是把部门数据视为可资共享的公共数据。这些公共数据借助人工智能强大的生成、交互与融合能力，在不同层级和不同部门间自由流通，实时精准传递，成为打破部门壁垒、区域保护的重要窗口，从而推动政府间条块权责关系更清晰，权力运行更顺畅，责任归属更明确。

2.促进政府市场社会价值共创。在政务服务中引入生成式人工智能，能够以数据的处理和生成为纽带使多主体形成有效关联，促进主体间的合作与价值创造。一是作为一项新兴技术，生成式人工智能技术的发展成熟需要可靠的法治保障、良好的市场环境和广阔的市场空间，需要政府提供必要的法律制度、政策规范和有效的市场监管，防止其野蛮生长。二是政务服务智能化所需的平台、技术、设备等主要来自相关企业的产品和服务供给，需要具有充分竞争的产品和服务市场，防止市场垄断形成过度依赖。企业还可以购买、利用政务服务中的可公开数据开拓产品和服务。

政府与市场形成相互支持、互相依赖的共生共创关系。民众既是政务服务的对象，也是监督和促进政务服务规范化的重要社会力量，还是推动政务服务智能化不断走向成熟的根本动力。

三、生成式人工智能助推政务服务智能化的结构化风险

生成式人工智能广泛的应用场景彰显了政务服务智能化广阔的价值前景，但其尚不成熟的特性和固有技术特征也带来新的挑战。数据、算法和算力既是人工智能技术不断发展的内在驱动力量，也是生成式人工智能应用于政务服务存在风险隐患的关键所在。

（一）“数不胜数”：“万物皆数”下的政务服务数据风险

政务服务数据是指由民众、企业、非政府组织及政府等主体产生，为政务服务提供信息支持的数据形式。生成式人工智能的产生及运用与数据密不可分。生成式人工智能模型需要使用海量数据集和语料库进行预训练，而其运行又会生成大量数据。在政务服务智能化中，无论是作为基础养料的原始数据，还是作为运行结果的生成数据，都关系政务服务的可靠性与安全性。政务服务数据面临着难以胜任大数据和人工智能要求的“数不胜数”风险。

1.政务服务数据质量风险。政务服务数据质量风险是指用于预训练的政务数据存在缺失、错误导致生成结果偏离政务服务需要的情形。政务服务智能化建设主要依托海量政务和社会数据进行判断和抉择。一旦相关政务数据质量遭到破坏就会影响生成式人工智能输出内容的准确性和可靠性，从而制约政务服务的效果，误导政府决策，扰乱国家、市场和社会秩序。数据缺失、数据污染和数据投毒是政务服务数据质量风险的主要来源。数据缺失主要是受历史条件、地方知识、技术特性和主观意志的影响，政务服务智能化所需的部分重要数据缺失或无法数字化或被刻意隐瞒。数据污染是指在数据搜集、处理过程中，人们故意或无意的行为破坏了原始数据的完整性和真实性。数据投毒则是具有主观恶意的人员在训练数据集中故意添加受污染的数据，如利用深度伪造技术创制伪造品等［14］，影响模型的有效性或可用性。虽然数据缺失、数据污染和数据投毒性质存在差异，但不经纠正都会损害原始数据的质量，削弱其可靠性，危及政务服务智能化的有效性。

2.政务服务数据侵权风险。政务服务数据侵权风险主要是指政务服务数据的收集与使用侵害公民的知情同意权与信息受益权造成的风险。知情同意权是政府能够采集、利用和处理公民信息的前提。在非法律强制规定的情况下，公民能够自主决定提供给政府的信息内容和方式，也能够决定是否同意政府对关涉自己部分信息的处理程度与方式。信息受益权通常是一种包括财产性权利和非财产性管理权在内的基于受益人身份的综合性法定权利。随着社会信息化进程的加快，“万物皆数”的时代已然来临，私人信息、社会感知信息、政务服务信息的使用价值不断扩大，由此带来过度采集和不规范使用数据等问题。一方面，政府部门及工作人员容易在未取得公民知情同意下利用智能系统自动收集、利用和处理公民个人信息，损害公民的知情同意权；另一方面，出于信息保护和部门利益的考量，在权属不清、受益不明的情况下，政府部门往往选择不公开部分政务数据，人为制造“信息壁垒”，阻碍公民等主体对政务数据的合理使用，损害公民的信息受益权。

3.政务服务数据安全风险。数据的核心在于其具有不可估量的使用价值。数据成为新型生产要素后，获取数据成为人们逐利的重要方式。政务服务数据安全风险主要来自数据不当传输、管理和数据挖掘等导致的数据泄露被非法利用，损害民众和企业合法权益、公共利益和国家利益。作为一项新兴技术，生成式人工智能技术还处于发展的初级阶段，相关技术标准、伦理准则和监管规则等尚不明确，亦未构筑形成基于安全风险评估、能够抵御各类人为攻击的安全系统。把生成式人工智能引入政务服务系统，这些与生俱来、尚未得到控制的风险因素就会自动带入，从而危及政务服务系统的安全性。一方面，不法分子可能利用技术漏洞等攻击智能系统以窃取、恢复或篡改重要信息数据，造成数据泄露和数据污染风险；另一方面，不法分子可能通过数据挖掘技术和逻辑算法从非机密信息中挖掘、揭示隐含或先前未知的深层次秘密信息，从而危害国家和社会安全。

（二）“黑箱纵恶”：“算法为王”下的政务服务算法风险

算法是求解问题的一系列指令，是生成式人工智能运行的逻辑结构。

政务服务算法是算法在政务服务领域的应用，是能够帮助政府解决政务服务问题，进行事务管理的一系列具有逻辑的计算机语言指令的合集［15］。算法以特定逻辑的计算机语言把人们的运算思路呈现，具有一定的专业壁垒。鉴于人为设计和计算机神经网络学习的自主性，算法呈现一定的“黑箱”状态，算法的安全性、可靠性、可控性及可信性无法得以保证［16］。“算法黑箱”极有可能为行恶提供便利。

1.政务服务算法歧视风险。生成式人工智能的算法开发者和设计者可能将偏见嵌入智能算法之中［14］，造成内部算法并非中立客观，进而对部分政务服务群体产生偏见，并由此引发应用的算法歧视风险。目前，对政务服务人工智能开发人员的思想道德与行为动机未能通过直接或间接方式测量与评价，对开发人员是否会将某些恶意思想植入算法缺乏充分评估，基于算法设计的公平性难以得到充分保障。与此同时，政务服务算法通过周期性重复训练在解决用户问题与提供个性化服务的过程中，也难免催生算法歧视问题。基于算法设计者偏好和深度学习的偏差，政务服务算法极有可能丧失客观的公平性标准，造成政务服务资源分配不合理，降低民众、企业的体验感与获得感。

2.政务服务算法失控风险。人工智能的深度学习在信息输入与结果输出之间会产生难以为外界所看见及理解的隐藏部分，具有不透明性和难理解性，从而出现“算法黑箱”。“算法黑箱”是导致算法失控风险的主要来源。算法失控风险主要是指生成式人工智能在政务服务中做出超出人类所控制的智能行为而引发威胁民众、企业和国家安全的风险。生成式人工智能的“外在”智能本质上基于“内在”算法程序和模型而运行。

政务服务用户可能通过一系列伪装手段，诱导政务服务智能系统绕过预先设置的“防火墙”，越过法律或伦理边界，伪造政务服务信息，生成非法或违背道德伦理的文本、图片、视频、文件等，欺骗民众、企业和政府，制造市场和社会混乱。

3.政务服务算法责任风险。责任风险涉及生成式人工智能在政务服务运用中造成负面影响后的责任界定难题，

若无法界定和追究责任，人工智能的行为就会难以受到充分约束。鉴于人工智能的类人属性，其主体责任认定一直是学界探讨的热门话题［17］。哲学家和法学家大多认为是否有自由意志是判断主体性的标准。目前，人们对人工智能具有自由意志普遍持怀疑态度［18］。因而，人工智能不应作为真正意义上的主体承担相应责任，但生成式人工智能具有一定的自主性是不可否认的事实［19］。社会中人工智能产品造成自然人生命财产损失的事故预示着，生成式人工智能嵌入政务服务领域同样可能因自主判断或意外事件造成具有不良社会后果的未知事故，这必然会涉及主体责任界定、责任归属及事故补偿等问题。在“算法黑箱”无法消除的情况下，如何科学界定包括人工智能在内的主体责任就成为无法解决的难题。“黑箱纵恶”在所难免。

（三）“量均皆忧”：“算力为基”下的政务服务算力风险

算力是指处理海量数据的能力，包括信息计算力、网络运载力和数据存储力，是一种新的生产力形式。政务服务智能化依赖的生成式人工智能大模型长期训练和推理需要基础算力、平台算力和服务算力等多层次的算力作保证。现阶段，硬件、成本、平台和市场等制约着政务服务算力的发展，政务服务算力总量与分布还不能满足政务服务需求。

1.政务服务算力资源风险。算力资源主要是指算力在提供各种服务过程中涉及的技术能力、基础设施等［20］，算力资源是否充沛直接影响政务服务智能化建设的速度与效果。当前，算力资源市场建设处于初步阶段，政务云平台数据的指数级增长与算力增速不匹配问题日益突出［21］，政务服务算力资源需求与供给存在无法有效适配的结构性失衡风险。一方面，在国家的推动下，

31个省、自治区、直辖市及新疆生产建设兵团陆续发文推进政务大数据体系建设，政务服务算力需求增长迅猛；另一方面，我国算力规模已位居世界第二，但政务服务算力资源供给尚不充分，大量高性能的基础性应用软件还严重依赖国外，存在“卡脖子”风险［22］。此外，算力资源的多元供给还有赖于灵活高效的调配能力，全局调度能力不足会诱发算网协同失效的风险。

2.政务服务算力运行风险。生成式人工智能的运行依赖硬件算力、云计算及边缘计算等算力平台的支撑。云计算指通过计算机网络形成的计算能力极强的系统，可存储、集合相关资源并按需配置，集中计算力量，向用户提供个性化服务。政务服务智能化通常使用跨模态、预训练的大模型技术实现内容生成功能，并通过云端算力进行训练和开展服务。边缘计算则与物联网共同发展，主要利用数量庞大、多种多样的终端智能设备及时完成算力有限的任务。边缘计算为生成式人工智能与个人交互提供可能，为政务服务人机交互中的多模态信息感知、生成和交流等复杂任务场景提供了算力解决方案。云计算的资源集中优势和边缘计算的灵活算力却面临着多中心分布式协同计算、异构化体系结构并行运行的稳定性与可靠性风险及数据安全和隐私泄露风险。缺乏统一的行业标准也放大了异构算力融合并行的风险。

3.政务服务算力鸿沟风险。算力是数字经济时代的核心生产力。政务服务算力是政务服务智能化的核心动能，决定着政务服务效能的高低。

当前，城市政务服务算力分布不均衡，存在算力鸿沟风险。一是政务服务算力供给市场存在垄断风险。大型计算机厂商具有提供算力资源和服务的资金、技术和社会资本优势，构筑了隐形的市场壁垒，限制着新兴小微企业的进入，降低了市场创新活力。二是政务服务算力资源使用率分布不均衡。我国仍有少部分地区尚未构建地方政务云平台，部分地区政务云平台服务少、规模小，算力资源使用程度较弱，地方财政难以负担高性能算力资源获取成本，而为之提供政务服务算力的中小企业又缺乏专有算力平台，存在算力资源瓶颈［23］，从而限制了政务服务智能化的发展。

四、生成式人工智能助推政务服务智能化的应对策略

数据、算法和算力是生成式人工智能促进政务服务从“智”到“能”跃升的基础条件。加强和完善政务服务数据管理、政务服务算法研发与政务服务算力资源建设，是化解政务服务智能化建设风险、实现其功能价值的必然要求。

（一）目标为先：确保政务服务智能化安全公平高效

价值目标是政务服务智能化建设的重要指引。政务服务智能化应以安全、公平和高效为目标。其中，安全是政务服务智能化的底线，是政务服务供给端愿意提供和需求端愿意使用的前提；公平是政务服务的本质属性和内在要求，是政务服务智能化可资信赖的条件；高效是政务服务智能化建设最重要的价值意义，也是检验政务服务智能化成效的核心准则。

1.提高服务底层软硬件安全性。政务服务智能化应以安全为首要目标，但这种安全并非绝对安全，而是有限技术、制度和行为理性下的相对安全。一是在硬件安全方面，政务服务领域应采用具有完全自主知识产权和先进技术水平的云端人工智能芯片、边缘人工智能芯片和新型人工智能芯片［24］等AI芯片、处理器和视觉传感器等，减少对外依存度，降低“卡脖子”和数据泄露风险。二是在技术安全方面，对政务服务中采用的计算机视觉、语音识别、自然语言处理、机器学习、区块链、智能软硬件协同、下一代通信网络等技术及其算法先期进行包括极限测试、对抗测试在内的安全性评估，提升算法的鲁棒性与可靠性。三是在软件安全方面，定期对为政务服务提供后端支持与前端服务的大数据服务、云计算服务、物联网平台、智能计算框架、应用场景软件、软件供应链等进行全面的专业性安全评估，预防软硬件兼容风险，提高系统运行的安全性和可靠性。

2.促进政务服务资源公平配置。资源公平配置是政务服务公平的具体体现。政务服务智能化应借助生成式人工智能技术更好地促进公平目标的实现，如侧重扶持弱势群体和相对落后地区。政务服务资源公平配置主要包括三个方面。一是接入公平。政务服务智能技术使用的可接入性和可及性在区域间、群际间得到公平对待，这需要根据差异化原则，针对特定区域和人群特点，优化新型信息基础设施的空间布局和供给结构，促进分布的公平性。二是平等对待。在接受智能化政务服务过程中，制度公开规范，程序公正透明，公民基本权利依政务服务标准得到平等对待，这有赖将公平理念植入政务服务算法、机器学习和软件平台设计。三是利益均衡。政务服务智能化决策应统筹考量社会不同阶层群体的利益，防止出现强者恒强的马太效应；统筹考量经济利益、社会利益、政治利益和生态利益，防止一叶障目的唯利是图行为；统筹考量眼前利益与长远利益，防止急功近利的短视行为。

3.推动政务服务智能集成高效。集成高效是政务服务智能化的应有之义。系统集成是高效政务服务的重要形式和载体，高效是政务服务智能集成的目标要求。政务服务智能集成要求提供单一和关联事项、跨部门和跨地区事项的政务服务受理端统一在一个线上平台（如国家政务服务平台）、一个线下窗口（如地方政务服务中心），实现服务申请“多端可办”“一次提交”，所需数据和办理结果跨部门、跨区域自然流通共享。政务服务智能高效要求充分运用生成式人工智能技术，通过端口集成、数据共享、标准统一、信用承诺、机器学习、自动生成、交互验证、智能引导、远程身份核验、

音视频共享等技术，实现一次办、承诺办、免申办，跨域通办、代办和联办，最大限度降低办理事务的时间和经济成本，实现政务服务效率、效益和效果的最大化。

（二）架构为基：建构政务服务智能化顶层架构

顶层架构是实现政务服务智能化价值目标的重要依托，用来定义政务服务智能系统的关键组件、相互关系和交互方式。生成式人工智能助推政务服务智能化需要以价值目标为基础，优先确立顶层架构。

1.建立政务服务智能化制度框架。除了必要的软硬件和技术外，制度是政务服务智能化的另一个关键组件，也是前者能否有效运行、管控风险和发挥效用的基础。政务服务智能化制度框架是为促进和规范政务服务智能化的一系列制度构成的制度体系及其内在关系的总和。这一制度体系应该包括生成式人工智能服务管理制度、政务服务智能要素管理制度、政务服务智能产品市场制度、人才和金融支持制度及线上线下政务服务运行与管理制度等相互衔接、互为支撑的基础制度及其相关政策规范。这些制度与政策着力规范生成式人工智能支持政务服务的适用范围、合规要求、内部规则、外部监管、安全评估、伦理审查、交易秩序、权益保护、收益分配、支持保障、责任界定与追究等。建立该制度体系应通过规划筹谋、经验总结和政策转化等方式，形成结构化、规范化和体系化的格局，从而加快促进政务服务朝着智能化方向安全可信、公平高效发展，提高民众的政务服务体验感与获得感。

2.明确服务供需主体权责利关系。明确服务供需主体权责利关系是政务服务智能化顺畅运行、走向成熟完善的基本要求。一是明确智能化政务服务供给方的权责利关系。相关数字化、人工智能企业是政务服务智能化链条中必不可少的供给者，主要从事政务服务的数据采集、数据存储、算法设计、算力支持、平台软件等业务。在此过程中，需要根据数据来源和数据生成特征，明确政务服务数据资源的所有权、持有权、使用权、经营权、收益权等在地方政府及部门、中央政府及参与供给的人工智能企业之间的结构性分置，明确各方责任边界和利益关系，从而更好调动各方积极性。二是明确智能化政务服务供需双方的权责利关系。既要明确民众和企业在一般性政务服务中接受服务、参与监督、评价反馈、协同治理的基本权利，也要明确智能化政务服务中数据知情、权益保护、权益分配等特殊权利，还应遵循比例原则，明确政务服务中供需双方管理疏漏、不当利用、权利侵害、恶意攻击等行为的相应责任。

3.确定政务服务智能化推进策略。推进政务服务智能化需要在明确价值目标和确立制度框架的基础上系统谋划，协同落实。

一是制定政务服务智能化建设规划。基于生成式人工智能发展技术趋势和政务服务愿景，在国家和地方层面制定一体化、智能化政务服务的长期、中长期和短期规划，确立技术、市场、规模、场景等方面的阶段性目标和任务。二是重点促进基础技术和核心产业发展。采取长远规划、政策引导、财政补贴、金融支持、政府购买、市场规范等有效方式，推进人工智能底层硬件研发创新，激活数据要素价值，促进算力服务高质量发展，提升政务服务智能化安全保障能力。三是统筹局部试点与整体推进工作。通过分类试点，调动地方和部门的积极性和创造性，鼓励利用和创造条件先行先试，探索智能政务服务新模式。适时总结推广优秀示范、典型案例，将个案、经验式做法转化为全局、系统性做法。

（三）市场为要：健全政务服务智能化要素与产品市场

要素与产品市场的健康发展是确保政务服务智能化深入推进的关键。应推动形成统一开放、竞争有序、具有创新活力的要素和产品市场环境，为政务服务智能化提供强大支撑。

1.健全政务服务智能化数据市场。政务数据是推动政务服务智能化系统建设和升级更新的基础要素，应在数据自主有序流动和高效合理配置中实现其最大社会价值。一是拓展和规范政务服务数据源。开发公共行为、公共规范和公共文化等高价值数据来源，扩大政务服务数据集，完善政务服务数据采集、处理、存储、传输、应用等环节的标准化和规范化，建立数据质量评估标准体系，确保数据真实、准确、完整，为政务服务数据流通与交易奠定基础。二是建立政务服务数据交易合作制度。将经过脱敏的非个人隐私和低风险政务服务数据向市场和社会开放，通过政务服务数据交易平台或政企合作方式，开发智能化政务服务产品，发挥“数据要素×”效应，激发数据要素经济和社会价值，实现价值共创。三是完善政务服务数据、产品交易监管和争端解决机制制度，防止数据泄露、滥用等风险，切实解决“一数多权”等法律问题，建立高效、安全、互利的政务服务智能化数据生态。

2.推动政务服务算法与算力交易。市场交易是提升产品质量、最大限度发挥产品价值的重要方式。政务服务智能化的价值实现同样离不开市场机制的作用。一是依托全国一体化政务服务平台，为通用和专用算法模型提供公平竞争的市场环境。以需求为导向，根据算法效能定期评价和筛选算法模型，鼓励企业间开展算法模型开发互联共享，不断优化算法性能，促进政务服务降本增效。二是加强政府算法审计，确保政务服务算法公正透明、符合法律法规和伦理道德标准，保障公民权益和公共利益不受损害。三是推动算力资源联结、共享与交易，形成一体化政务服务算力网络。充分利用云、边、端三级算力架构泛在特性，将边缘算力与“东数西算”工程的算力枢纽、智算中心联通，通过智能结算交易制度，实现算力资源按需分配、协同调度和高效使用，降低信息计算力和网络运载力不足风险，促进算力赋能地方政府政务服务。

（四）体系为重：完善风险防范监控与反馈纠错体系

全过程保障政务服务信息安全是政务服务智能化顺畅运行、高效服务的前提和基础。构建全面的智能化政务服务监控体系，对数据流通使用、算法模型应用及算力配置运行进行动态实时追踪，整体评估政务服务质量，确保风险防控与及时纠错。

1.建立政务服务数据分类分级管理体系。一是在制度规范方面，建立全国统一的数据分类分级管理目录和管理制度。根据现有地方公共数据分类分级标准及实施情况，针对政务服务数据业务属性、来源属性、共享属性、开放属性和影响属性，确定以各级政府和业务部门管理为主、集中管理为辅的分层管理模式，把政务服务数据划分为开放共享、有条件共享、限制共享和禁止共享四类，以及不敏感数据、低敏感数据、较敏感数据和敏感数据四级。二是在组织机构方面，政务服务具体业务部门和政府大数据管理部门设置数据安全管理机构或岗位负责数据分类分级业务和审查监督。三是在运行管理方面，采取依规统一定级与部门自主定级相结合的原则，在分类定级时，结合已公开数据，预判并避免数据集多源融合可能造成的数据安全风险，

按照定级评审、审批、登记和变更等程序，确保分类分级安全可靠。

2.建立政务服务风险动态监测纠错体系。一是构建全覆盖闭环式风险监测和预警机制。风险监测应横向到边、纵向到底，形成监测、预警、应对和反馈的闭环，并围绕数据加密、数据脱敏、身份验证、访问控制、安全审计、溯源标记、日志记录、备份恢复等数据安全防护策略运行情况展开，实时感知，智能分析。聚焦政务服务数据平台、数据业务、人员操作、数据使用、算法偏差和算力波动等关键方面。当风险超出预设阈值时，系统自动触发预警机制，并通过实时数据分析，精准定位问题。

二是建立快速响应与应急处置机制。针对预警信息，政务服务部门应迅速启动应急预案，采用智能和人工干预方式，及时中断局部系统，阻断风险扩散蔓延，防止危害加深加大。三是完善事后评估与系统纠错机制。在事后评估中，深入挖掘风险成因，评估风险应对措施的有效性；

通过优化算法模型、弥补系统运行漏洞等方式纠正系统错误，增强政务服务智能系统容错能力。

3.建立智能政务服务质量评估体系。质量评估是政务服务智能化持续优化改进的重要环节。

一是建构科学合理的智能政务服务质量评估指标体系。针对政务服务智能化特点，构建以基础制度、数据质量、服务品质、用户体验为核心的评估指标体系。基础制度评估重在评价政务服务智能化制度体系的完整性、科学性和适用性等；数据质量评估重在评估政务服务数据的准确性、标准化、完整性、时效性、安全性和效益性等；服务品质评估重在评估政务服务的响应速度、事项覆盖度、流程便捷性、服务智能度、问题解决率等；用户体验评估重在评估民众、企业在使用智能政务服务时的体验感和满意度。二是建立多方参与的政务服务质量评估机制。引入民众和企业等政务服务对象、第三方评估机构，采取量化评估与定性分析相结合、智能评估与人工评估相结合等方式，形成公开性评价结论，接受社会监督。除运用评估结果改进和优化智能政务服务系统外，还可将其用于单位考核、职务晋升、机构改革等领域，助力政府治理体系和治理能力现代化。

参考文献：

［1］中共中央 国务院印发《数字中国建设整体布局规划》［EB/OL］.［2024-06-27］.https：∥www.gov.cn/zhengce/2023-02/27/content_5743484.htm.

［2］中共中央关于进一步全面深化改革 推进中国式现代化的决定［N］.人民日报，2024-07-22.

［3］郑家昊，李 庚.省级政府门户网站政务服务能力建设现状及其改进——基于中国31个省级政府门户网站工作年度报表的分析［J］.中国行政管理，2019，（3）.

［4］苏忠林，翁 彬，王亚飞.“互联网+政务服务”标准化建设优化路径［J］.学习与实践，2019，（7）.

［5］王友奎，张 楠，赵雪娇.政务服务中的智能问答机器人：现状、机理和关键支撑［J］.电子政务，2020，（2）.

［6］杨利真.智能化政务服务变革：理念、内容、技术的三重维度［J］.区域治理，2019，（51）.

［7］翟 云.中国数字政府建设的理论前沿问题［J］.行政管理改革，2022，（2）.

［8］朱璐霞，杨 磊.“互联网+政务服务”的流程再造与数据共享——基于浙江“最多跑一次”改革的考察［J］.安徽行政学院学报，2020，（4）.

［9］靳文辉，王星云.地方政府组织结构的优化进路［J］.理论探索，2020，（2）.

［10］刘晓洋.大数据驱动公共服务供给的变革向度［J］.北京行政学院学报，2017，（4）.

［11］喻少如，唐成余.迈向智能监察：人工智能赋能国家监察的逻辑与进路［J］.中共天津市委党校学报，2024，（2）.

［12］武小龙，孙金华.“条块关系”的变革：问题、困境与路径选择［J］.内蒙古农业大学学报（社会科学版）， 2011，（5）.

［13］李文钊.从“接诉即办”透视中国基层之治——基于北京样板的国家治理现代化逻辑阐释［J］.中国行政管理， 2023，（6）.

［14］李白杨，白 云，詹希旎，等.人工智能生成内容（AIGC）的技术特征与形态演进［J］.图书情报知识，2023，（1）.

［15］陈 光.政务算法与公共价值：内涵、意义与问题［J］.国家治理，2020，（32）.

［16］孙书魁，范 菁，曲金帅，等.生成式对抗网络研究综述［J］.计算机工程与应用，2022，（18）.

［17］郝英好.人工智能安全风险分析与治理［J］.中国电子科学研究院学报，2020，（6）.

［18］杨玉晓.人工智能算法歧视刑法规制路径研究［J］.法律适用，2023，（4）.

［19］殷 杰.生成式人工智能的主体性问题［J］.中国社会科学，2024，（8）.

［20］兰帅辉，尹素伟.数据、算力和算法：智能传播的多维特征、问题表征及应对［J］.当代传播，2022，（5）.

［21］浪潮云信息技术股份公司和中国信息通信研究院云计算与大数据研究所.政务数据云发展与应用白皮书（2023）［EB/OL］.［2024-09-20］.https：∥www.hrssit.cn/Uploads/file/20240201/1706773466925226.pdf.

［22］钱德沛，栾钟治，刘 轶.从网格到“东数西算”：构建国家算力基础设施［J］.北京航空航天大学学报，2022，（9）.

［23］栗 蔚，王雨萌，立 言，等.“东数西算”背景下算力服务对算力经济发展影响分析［J］.数据与计算发展前沿，2022，（6）.

［24］高 蕾，符永铨，李东升，等.我国人工智能核心软硬件发展战略研究［J］.中国工程科学，2021，（3）.

责任编辑：陈 丽

From “Intelligence” to “Capability”： Practical Logic of Generative

Artificial Intelligence in Boosting the Intelligentization of Government Services

Yuan Jianjun， Chen Jin

Abstract：

Generative artificial intelligence can effectively overcome the shortcomings of shallow application of digital technology and intelligent response in government services. However， generative artificial intelligence inevitably poses risks in government service data， algorithms for government services， and computing power for government services. We should accelerate the formation of a top-level framework for intelligent government services， establish the market for intelligent government service elements and products.

Key words：

generative artificial intelligence， government service， digital government

收稿日期：2024-07-11

作者简介：

袁建军（1981-），男，南京审计大学公共管理学院副教授，江苏南京 211816；陈 锦（通讯作者）（1999-），女，南京审计大学公共管理学院硕士生，江苏南京 211816

本文为国家社会科学基金一般项目“长三角都市圈同城化中的政府间条块协同体制机制创新研究”（批准号23BZZ046）的阶段性研究成果。