近日，北京航空航天大學(xué)人文社會(huì)科學(xué)學(xué)院（公共管理學(xué)院）吳培熠助理教授在《電子政務(wù)》（CSSCI）發(fā)表最新研究成果《政務(wù)大模型的敏捷治理研究——基于“數(shù)據(jù)-場景”的多案例分析》。文章合作者為清華大學(xué)公共管理學(xué)院梁正教授、我院博士生申紅梅。

隨著生成式人工智能的發(fā)展，政務(wù)大模型通過優(yōu)化決策支持、提供個(gè)性化服務(wù)等顯著提升了政府治理效能，但也存在數(shù)據(jù)質(zhì)量不足、模型幻覺及場景開發(fā)滯后等問題。該研究基于“數(shù)據(jù)-場景”雙驅(qū)動(dòng)視角，通過多案例分析方法，系統(tǒng)剖析政務(wù)大模型在政務(wù)服務(wù)、社會(huì)服務(wù)等場景中的應(yīng)用成效與治理挑戰(zhàn)。

該研究成果獲得新一代人工智能國家科技重大專項(xiàng)“新一代人工智能風(fēng)險(xiǎn)防范與治理手段研究”（項(xiàng)目號(hào)：2023ZD0121700）、教育部人文社會(huì)科學(xué)研究青年基金項(xiàng)目“人工智能應(yīng)用與公共服務(wù)滿意度：基于中國政務(wù)服務(wù)熱線的實(shí)驗(yàn)研究”（項(xiàng)目號(hào)：22YJC630157）、第九屆中國科協(xié)青年人才托舉工程（項(xiàng)目號(hào)：2023QNRC001）的資助。該研究的前期調(diào)研工作得到了相關(guān)政府部門和企業(yè)給予的大力支持。該文章曾經(jīng)在學(xué)院組織的博士生沙龍和中國科協(xié)青托交流沙龍進(jìn)行過交流匯報(bào)，文章作者對(duì)各位專家提出的修改建議表示感謝。

文章全文如下：

政務(wù)大模型的敏捷治理研究——基于“數(shù)據(jù)-場景”的多案例分析

吳培熠、申紅梅、梁正

【摘要】政務(wù)大模型通過優(yōu)化決策支持、提供個(gè)性化服務(wù)等顯著提升了政府治理效能，但其應(yīng)用受限于數(shù)據(jù)質(zhì)量不足、模型幻覺及場景開發(fā)滯后等問題。基于“數(shù)據(jù)-場景”雙驅(qū)動(dòng)視角，通過多案例分析方法，選取數(shù)字政務(wù)人“小浦”、“如如”文旅大模型、“京策”政策大模型、社工AI助手“小鯨”四個(gè)典型案例，系統(tǒng)剖析政務(wù)大模型在政務(wù)服務(wù)、社會(huì)服務(wù)等場景中的應(yīng)用成效與治理挑戰(zhàn)。研究發(fā)現(xiàn)：政務(wù)大模型的效能實(shí)現(xiàn)需以高質(zhì)量數(shù)據(jù)整合、跨部門協(xié)同機(jī)制及技術(shù)適配能力為支撐，但實(shí)踐中面臨數(shù)據(jù)壁壘、隱私安全風(fēng)險(xiǎn)、模型可靠性不足等挑戰(zhàn)，敏捷治理因其動(dòng)態(tài)響應(yīng)、多元協(xié)同與靈活適配等特性，成為技術(shù)應(yīng)用與風(fēng)險(xiǎn)防控的突破口。對(duì)此，提出提升數(shù)據(jù)質(zhì)量、保障數(shù)據(jù)安全、明確場景范圍等策略，旨在助力政務(wù)大模型的敏捷治理，為其高質(zhì)量可持續(xù)發(fā)展和政府智能化轉(zhuǎn)型提供有力支持。

【關(guān)鍵詞】政務(wù)大模型；敏捷治理；AIGC；場景創(chuàng)新；數(shù)據(jù)使用；政府治理

一、引言

近年來， 以政務(wù)大模型為代表的生成式人工智能快速發(fā)展，其在政府治理領(lǐng)域中的廣泛應(yīng)用，驅(qū)動(dòng)了政府決策、管理和服務(wù)方式的深層次變革，正在引領(lǐng)政府從數(shù)字化向智能化邁進(jìn)。我國政府高度重視生成式人工智能的發(fā)展機(jī)遇和頂層設(shè)計(jì)，《“數(shù)據(jù)要素×三年行動(dòng)計(jì)劃（2024-2026年）》首次明確“數(shù)據(jù)×大模型”的協(xié)同機(jī)制；《國務(wù)院關(guān)于加強(qiáng)數(shù)字政府建設(shè)的指導(dǎo)意見》提出“打造主動(dòng)式、多層次創(chuàng)新服務(wù)場景”。據(jù)相關(guān)統(tǒng)計(jì)，截至2024年10月，全國至少已有14個(gè)城市（包括北京、上海、廣州、深圳、無錫、南京、淮安、杭州、天 津、成都、西安等）的27個(gè)部門開啟了政務(wù)大模型的實(shí) 踐探索。各地政府也積極出臺(tái)相關(guān)政策，推動(dòng)政務(wù)大 模型在實(shí)際場景中的具體部署。例如，北京、上海、金 華、成都等城市已將大模型技術(shù)應(yīng)用于行政審批、智能 問答、信息錄入等多個(gè)場景中，顯著提升了服務(wù)效能和公眾滿意度。

盡管以海量訓(xùn)練數(shù)據(jù)為基礎(chǔ)的政務(wù)大模型在多個(gè)應(yīng)用場景中展現(xiàn)出廣闊前景，仍然面臨模型幻覺、數(shù)據(jù)質(zhì)量不足、場景開發(fā)滯后等治理挑戰(zhàn)。因此，如何在技術(shù)不確定性和復(fù)雜因素共同作用下應(yīng)用政務(wù)大模型推動(dòng)政府治理的智能化轉(zhuǎn)型，已成為亟需解決的重要問題。《新一代人工智能治理原則——發(fā)展負(fù)責(zé)任的人工智能》將“敏捷治理”作為一項(xiàng)治理原則引入人工智能領(lǐng)域，《全球人工智能治理倡議》也明確提出要實(shí)施敏捷治理。敏捷治理作為數(shù)字時(shí)代新興的政府治理范式，對(duì)于理解政務(wù)大模型的興起、使用政務(wù)大模型進(jìn)行政府治理以及對(duì)政務(wù)大模型進(jìn)行治理具有重要的理論和實(shí)踐意義。本研究基于多個(gè)實(shí)踐案例，對(duì)政務(wù)大模型在不同 場景中的應(yīng)用效果和問題挑戰(zhàn)進(jìn)行深入分析，并探討如 何通過敏捷治理策略應(yīng)對(duì)這些挑戰(zhàn)，從而為政府治理的 持續(xù)優(yōu)化和智能化轉(zhuǎn)型提供具體路徑和解決方案。

二、概念界定、文獻(xiàn)綜述與框架構(gòu)建

在最廣泛的意義上，案例的本質(zhì)是對(duì)實(shí)際情景的描述或基于實(shí)際情景的描述。國外學(xué)者指出，應(yīng)急管理中的案例分析具有整合定性和定量數(shù)據(jù)的特點(diǎn)，通常包括如下內(nèi)容：致災(zāi)因子和脆弱性數(shù)據(jù)；災(zāi)后情況描述；對(duì)社會(huì)、政治及環(huán)境成因與后果的分析；防災(zāi)減災(zāi)建議等。這種從要素出發(fā)的界定已初步顯示出應(yīng)急管理研究中案例分析的獨(dú)特性，而經(jīng)典案例分析實(shí)際上就是這種獨(dú)特性的集中體現(xiàn)。

目前，學(xué)界對(duì)何為經(jīng)典案例并沒有準(zhǔn)確的界定。但在案例分析的開展中，研究者通常需要有目的地挑選具有典型、多變、極端、反常、關(guān)鍵等特征的案例進(jìn)行分析。這都能夠被視為界定經(jīng)典案例的基礎(chǔ)要素。筆者將應(yīng)急管理研究中的經(jīng)典案例分析總體界定為：一種通過將社會(huì)影響重大、研究素材齊全的突發(fā)事件作為核心案例，通過長期關(guān)注與深入分析形成連續(xù)知識(shí)生產(chǎn)脈絡(luò)的獨(dú)特應(yīng)急管理研究路徑。

（一）概念界定

政務(wù)大模型作為生成式人工智能在政務(wù)領(lǐng)域的核心應(yīng)用，憑借其強(qiáng)大的數(shù)據(jù)處理能力、智能分析能力，成為政府治理的重要賦能工具，尤其是在行政審批、內(nèi)部辦公、實(shí)時(shí)感知等方面展現(xiàn)出顯著優(yōu)勢(shì)。政務(wù)大模型建設(shè)既是發(fā)展中國人工智能產(chǎn)業(yè)的關(guān)鍵組成，也是實(shí)現(xiàn)政府治理革新的有效工具。政務(wù)大模型是指應(yīng)用于政府治理領(lǐng)域的綜合大模型，它通常具備強(qiáng)大的語義分析能力和深層次的理解能力，在公共服務(wù)中發(fā)揮關(guān)鍵作用，涵蓋從數(shù)據(jù)采集、處理、分析到?jīng)Q策支持的全流程智能化。

政務(wù)大模型作為多模態(tài)智能體的形式出現(xiàn)，具備完整的架構(gòu)體系，包括基礎(chǔ)設(shè)施層、政務(wù)數(shù)據(jù)層、模型層、服務(wù)組件、能力層和應(yīng)用層。政務(wù)大模型的架構(gòu)設(shè)計(jì)還要考慮到人機(jī)協(xié)同、跨部門治理、政企合作和政民互動(dòng)多元協(xié)同關(guān)系結(jié)構(gòu)。通過大規(guī)模的數(shù)據(jù)學(xué)習(xí)與分析，政務(wù)大模型不僅能夠有效解決復(fù)雜的服務(wù)問題，還能夠優(yōu)化服務(wù)流程、提升服務(wù)效能，是政府治理領(lǐng)域的“智慧大腦”。

（二）文獻(xiàn)綜述：政務(wù)大模型與敏捷治理

 1.政務(wù)大模型訓(xùn)練的數(shù)據(jù)基礎(chǔ)

“人工智能”實(shí)際上是算法、算力與“大數(shù)據(jù)”的有機(jī)、動(dòng)態(tài)聯(lián)結(jié)[8]，政務(wù)大模型的有效應(yīng)用建立在大語言模型基礎(chǔ)上，其重點(diǎn)突出在“大”，即大量數(shù)據(jù)。現(xiàn)有研究表明，主流的大模型均是由數(shù)據(jù)驅(qū)動(dòng)的，其運(yùn)行均建立在對(duì)各類數(shù)據(jù)的收集和學(xué)習(xí)的基礎(chǔ)上，數(shù)據(jù)是大模型競爭的關(guān)鍵要素，政務(wù)大模型被視為推動(dòng)政府治理實(shí)現(xiàn)智能化轉(zhuǎn)型，進(jìn)而提升公共服務(wù)效能的關(guān)鍵技術(shù)，究其原因正是其擁有高質(zhì)量、廣泛的數(shù)據(jù)來源，并接受海量數(shù)據(jù)的訓(xùn)練，政務(wù)大模型的具體運(yùn)作呈現(xiàn)為“輸入數(shù)據(jù)-計(jì)算數(shù)據(jù)-輸出信息”的流程。數(shù)據(jù)作為AI大模型的重要基礎(chǔ)，其價(jià)值已經(jīng)遠(yuǎn)遠(yuǎn)超過傳統(tǒng)認(rèn)知，數(shù)據(jù)的質(zhì)量、規(guī)模和多樣性直接影響AI大模型的性能發(fā)揮，對(duì)政府公共服務(wù)產(chǎn)生了深遠(yuǎn)影響。但是有學(xué)者指出，政務(wù)大模型的應(yīng)用提高了數(shù)據(jù)處理的效率和準(zhǔn)確性，同時(shí)也面臨數(shù)據(jù)泄漏、算法濫用、決策失誤、公共數(shù)據(jù)開發(fā)程度低等現(xiàn)實(shí)困境，而且當(dāng)前語料庫在數(shù)量和質(zhì)量上均存在不足，難以滿足快速發(fā)展的AI大模型的訓(xùn)練需求。值得注意的是，大模型數(shù)據(jù)輸出結(jié)果可能與數(shù)據(jù)集來源相沖突，導(dǎo)致產(chǎn)生某種內(nèi)源性幻覺。這些問題如果處理不當(dāng)，不僅會(huì)影響模型的性能，更有可能引起法律和道德爭議。

2.政務(wù)大模型落地的場景適配

場景本質(zhì)是數(shù)字化、智能化轉(zhuǎn)型的末端應(yīng)用環(huán)節(jié)，因?yàn)槿魏渭夹g(shù)的效率優(yōu)勢(shì)都需要通過具體的應(yīng)用場景來展現(xiàn)。有學(xué)者指出，政務(wù)大模型賦能政府治理的場景議題涉及智能決策支持、智能公共服務(wù)、智能監(jiān)管、知識(shí)管理與共享、智能協(xié)同、智能城市管理和應(yīng)急管理等領(lǐng)域，智能治理的場景化應(yīng)用是指針對(duì)特定公共服務(wù)場景所設(shè)計(jì)的應(yīng)用軟件和解決方案，場景化應(yīng)用在政府治理領(lǐng)域具有重要性。有研究指出，大模型創(chuàng)新過程中的場景特征和作用逐步凸顯。首先，應(yīng)用場景建設(shè)有利于解決上一階段數(shù)據(jù)匯聚行動(dòng)和大規(guī)模數(shù)字平臺(tái)建設(shè)“技術(shù)應(yīng)用難”“建設(shè)周期長”等問題。其次，場景與大模型的定制化與泛化能力合理適配，特定場景為大模型定制化開發(fā)提供情景化支撐，而跨領(lǐng)域場景為大模型泛化能力的形成與發(fā)展提供了廣闊空間。

與此同時(shí)，場景治理具有敏捷治理和價(jià)值共創(chuàng)的比較優(yōu)勢(shì)。然而，隨著智能治理場景建設(shè)工作的推進(jìn)，一些問題也顯現(xiàn)出來。有學(xué)者提出，現(xiàn)階段的場景化應(yīng)用，只是實(shí)現(xiàn)了行政審批和政務(wù)服務(wù)線下流程的線上化，場景應(yīng)用價(jià)值還沒有完全體現(xiàn)，只是政務(wù)大模型等生成式人工智能與傳統(tǒng)治理模式的淺層結(jié)合，面臨政府內(nèi)部場景應(yīng)用開發(fā)不足、外部服務(wù)場景功能難以滿足企業(yè)和公眾需求等困境。也有學(xué)者強(qiáng)調(diào)，大模型在典型場景應(yīng)用過程中，不僅面臨治理策略落地實(shí)操性欠缺，同時(shí)也面臨治理模式單一、場景適配程度低以及治理效果有限等問題。

3.敏捷治理：政務(wù)大模型治理的新范式

伴隨政務(wù)大模型類生成式人工智能的應(yīng)用普及與風(fēng)險(xiǎn)涌現(xiàn)，生成式人工智能治理如何有效成為了熱點(diǎn)議題。有觀點(diǎn)認(rèn)為，政務(wù)大模型改變了生成式人工智能治理的底層邏輯，傳統(tǒng)治理范式難以適用于生成式人工智能治理，在此背景下，強(qiáng)調(diào)技術(shù)發(fā)展與應(yīng)用變化而靈活調(diào)整治理手段和工具的敏捷治理，成為政務(wù)大模型有效治理的突破口，以有效平衡技術(shù)應(yīng)用與風(fēng)險(xiǎn)控制的需求。有學(xué)者提出，敏捷治理是生成式人工智能治理的新模式，是一套具有柔韌性、流動(dòng)性、靈活性或適應(yīng)性的行動(dòng)或方法，是一種自適應(yīng)、以人為本，以及具有包容性和可持續(xù)性的決策過程。

也有學(xué)者表示，敏捷治理是以持續(xù)、靈活、快速響應(yīng)、跨部門合作、信息共享與開放等十大要素為核心思想的治理范式，與傳統(tǒng)治理模式相比，具有治理主體、治理對(duì)象、治理工具、治理速度和治理方式等價(jià)值優(yōu)勢(shì)。在治理主體上，敏捷治理具有多元協(xié)同共治的特點(diǎn)，涵蓋了協(xié)同治理與整體性治理的理論意蘊(yùn)[34]；在治理對(duì)象上，敏捷治理強(qiáng)調(diào)以人為本的發(fā)展觀，關(guān)注發(fā)展的全過程；在治理工具上，敏捷治理借助大數(shù)據(jù)、生成式人工智能等技術(shù)手段；在治理速度上，敏捷治理強(qiáng)調(diào)快速響應(yīng)和盡快適應(yīng)；在治理方式上，敏捷治理倡導(dǎo)揚(yáng)長避短，追求靈活性和持續(xù)性。

綜上所述，關(guān)于政務(wù)大模型的研究主要是從技術(shù)本身、數(shù)據(jù)使用和場景應(yīng)用三個(gè)維度進(jìn)行理論層面的探討，其分析范式仍較單一，就實(shí)際應(yīng)用而言，將大模型與政務(wù)服務(wù)、社會(huì)治理、管理決策等關(guān)聯(lián)的研究更少，且都是以某一類大模型或政府職能的某個(gè)方面為對(duì)象進(jìn)行剖析，為進(jìn)一步研究留下了空間。本研究以廣義的政務(wù)大模型為著力點(diǎn)，從各類大模型的數(shù)據(jù)來源和使用場景切入，以及政府的不同職能出發(fā)，探討發(fā)展與風(fēng)險(xiǎn)、應(yīng)用與治理等問題，分析政務(wù)大模型應(yīng)用過程中的成效、現(xiàn)實(shí)困境和所需條件，并從敏捷治理視角提出應(yīng)對(duì)思路與行動(dòng)策略。

（三）政務(wù)大模型的綜合分析框架

政務(wù)大模型在政府中的應(yīng)用，推動(dòng)了政府智能化轉(zhuǎn)型，并形成了一種以數(shù)據(jù)驅(qū)動(dòng)、場景驅(qū)動(dòng)為核心要素的新型治理能力。通過復(fù)雜場景和模態(tài)數(shù)據(jù)的動(dòng)態(tài)結(jié)合，政務(wù)大模型的應(yīng)用可以實(shí)現(xiàn)不同類型數(shù)據(jù)在多樣化場景中的有效整合，從而增強(qiáng)公共服務(wù)的智能化水平和響應(yīng)能力。

首先，根據(jù)數(shù)據(jù)來源，政務(wù)大模型的訓(xùn)練數(shù)據(jù)可以劃分為基于政府內(nèi)部的數(shù)據(jù)和基于政府外部的數(shù)據(jù)。在大模型的背景下，數(shù)據(jù)與AI大模型呈現(xiàn)持續(xù)改進(jìn)、優(yōu)化循環(huán)的動(dòng)態(tài)關(guān)系。政務(wù)大模型需要大量的高質(zhì)量數(shù)據(jù)來進(jìn)行訓(xùn)練和學(xué)習(xí)，高質(zhì)量的數(shù)據(jù)集是滿足模型預(yù)訓(xùn)練、模型微調(diào)訓(xùn)練質(zhì)量的基礎(chǔ)。

其次，從服務(wù)場景來看，政務(wù)大模型可以分為面向內(nèi)部用戶與面向外部用戶兩個(gè)方向，這反映了模型在不同場景下的應(yīng)用目標(biāo)。大模型與應(yīng)用場景相結(jié)合才能發(fā)揮最大效用，內(nèi)部場景主要涉及業(yè)務(wù)辦公、決策支持、跨部門協(xié)作等方面，外部場景主要面向公眾與企業(yè)提供直接的公共服務(wù)，如智能客服、自動(dòng)審批、在線政務(wù)咨詢等。

然而，以政務(wù)大模型為代表的自生成、自運(yùn)行、自監(jiān)督大模型會(huì)放大治理的風(fēng)險(xiǎn)，這種對(duì)大模型應(yīng)用風(fēng)險(xiǎn)進(jìn)行治理的任務(wù)更為迫切，政府需要更加靈活應(yīng)變、動(dòng)態(tài)響應(yīng)的技術(shù)治理思路和方法，對(duì)這些新興的生成式人工智能進(jìn)行“敏捷治理”。

為了回應(yīng)發(fā)展與風(fēng)險(xiǎn)、應(yīng)用與治理等關(guān)鍵問題，結(jié)合敏捷治理理論，構(gòu)建了綜合分析框架（參見圖1），為有效治理政務(wù)大模型探索新的路徑。敏捷治理對(duì)提升數(shù)字政府的治理效率和智能化水平具有顯著作用，但少有基于敏捷治理對(duì)政務(wù)大模型等生成式人工智能優(yōu)化路徑的系統(tǒng)分析，這一缺位是本研究立意的基礎(chǔ)。擬將敏捷治理作為一個(gè)治理策略，“數(shù)據(jù)-場景”互構(gòu)作為一個(gè)分析視角，探索政務(wù)大模型應(yīng)用于政府治理的影響機(jī)理和優(yōu)化路徑。

三、研究方法與案例來源

（一）研究方法

本研究采用多案例研究方法展開分析。由于分析應(yīng)用政務(wù)大模型進(jìn)行治理的成效如何很難在單個(gè)案例中全部呈現(xiàn)，而對(duì)多個(gè)案例進(jìn)行比較和分析，更能找出案例背后的共性，增強(qiáng)論述的科學(xué)性和說服力，尤其適用于探索性研究中對(duì)復(fù)雜現(xiàn)象的機(jī)理闡釋。因此，研究選取了多個(gè)案例，分別說明政務(wù)大模型在不同治理場景中的作用，可以更好地匹配本文的研究目的。

（二）案例選擇

為了深入了解政務(wù)大模型在不同場景中的應(yīng)用情況，研究團(tuán)隊(duì)于2024年6月至9月先后調(diào)研、訪談了上海浦東政務(wù)服務(wù)局、北京市政務(wù)服務(wù)和數(shù)據(jù)管理局等政務(wù)部門主要負(fù)責(zé)人，以及上海鯨鄰信息科技有限公司、中關(guān)村科學(xué)城城市大腦股份有限公司等企業(yè)技術(shù)主要負(fù)責(zé)人。最終選定數(shù)字人“小浦”、“如如”文旅大模型、“京策”大模型、社工AI助手“小鯨”四個(gè)典型案例為研究對(duì)象（參見表1）。選擇的依據(jù)如下：一是案例的典型性，每個(gè)案例均為所在領(lǐng)域的代表性實(shí)踐，具有可復(fù)制的經(jīng)驗(yàn)與創(chuàng)新價(jià)值。二是案例的代表性，涵蓋了政務(wù)服務(wù)、政務(wù)辦公、社會(huì)服務(wù)和管理決策四大政府核心職能領(lǐng)域，能夠全面反映政務(wù)大模型在不同治理場景中的功能定位。三是案例的充分性，所選取的案例資料可獲得性較高且詳實(shí)，確保數(shù)據(jù)驗(yàn)證的可靠性。

（三）資料收集和整理

研究數(shù)據(jù)來源包括兩個(gè)方面。一是半結(jié)構(gòu)化訪談。圍繞“政務(wù)大模型應(yīng)用情況”“政務(wù)大模型的影響”“政務(wù)大模型的數(shù)據(jù)來源”和“政務(wù)大模型的應(yīng)用條件”等維度設(shè)計(jì)訪談提綱，對(duì)案例相關(guān)主體（政府部門負(fù)責(zé)人、企業(yè)技術(shù)主管）進(jìn)行了多次深度訪談，并根據(jù)訪談內(nèi)容整理成了詳實(shí)的記錄文本。二是收集二手資料。針對(duì)四個(gè)案例收集了完備的政策文件和資料數(shù)據(jù)，包括調(diào)研單位提供的權(quán)威研究報(bào)告、新聞報(bào)道、日常公文、官網(wǎng)動(dòng)態(tài)等，通過多種渠道和途徑確保資料收集的精確性和充足性。

（四）訪談資料編碼規(guī)則說明

為確保研究數(shù)據(jù)的可追溯性與分析透明度，本研究對(duì)訪談文本采用結(jié)構(gòu)化編碼規(guī)則，編碼格式為 “日期-案例標(biāo)識(shí)”，具體釋義如下：一是日期，以“YYYYMMDD”格式標(biāo)注訪談具體日期，例如“20240714”表示訪談時(shí)間為2024年7月14日；二是案例標(biāo)識(shí)，采用案例名稱首字母縮寫，便于快速定位所屬場景。例如“SZR”代表政務(wù)服務(wù)類案例“數(shù)字人‘小浦’”（ShuZi Ren）。編碼示例：20240714SZR：2024年7月14日對(duì)“數(shù)字人‘小浦’”案例的訪談?dòng)涗洝?/span>

四、政務(wù)大模型應(yīng)用于政府治理領(lǐng)域的多案例分析

根據(jù)數(shù)據(jù)來源（政府內(nèi)部數(shù)據(jù)或外部數(shù)據(jù)）和使用場景（面向政府內(nèi)部或外部用戶），政務(wù)大模型可細(xì)分為四種主要類型：外部數(shù)據(jù)-外部使用型、外部數(shù)據(jù)-內(nèi)部使用型、內(nèi)部數(shù)據(jù)-內(nèi)部使用型和內(nèi)部數(shù)據(jù)-外部使用型。不同類型的大模型在政府核心職能中發(fā)揮不同作用，并在實(shí)踐中不斷優(yōu)化迭代，根據(jù)實(shí)際調(diào)研情況，本研究重點(diǎn)分析了政務(wù)服務(wù)、社會(huì)服務(wù)、政務(wù)辦公和管理決策四類政務(wù)大模型的典型應(yīng)用。

（一）政務(wù)服務(wù)類：數(shù)字人“小浦”

“浦東新區(qū)做人工智能的場景應(yīng)用有一個(gè)很好的前提和基礎(chǔ)，是在2017年左右，推進(jìn)的綜合窗口改革。為了減輕企業(yè)的辦事負(fù)擔(dān)，中心開始探索改革如何支撐窗口人員能夠有能力來處理幾百項(xiàng)的事務(wù)。”（訪談編碼：20240714SZR）浦東新區(qū)對(duì)于人工智能的應(yīng)用涵蓋了四個(gè)階段的歷程：第一階段是人工智能輔助審批系統(tǒng)，解決的是窗口的審查能力不足問題；第二階段是引入窗口智能幫辦，解決的是企業(yè)如何準(zhǔn)備材料的文同；第三階段是開發(fā)了遠(yuǎn)程直達(dá)幫辦，探索實(shí)現(xiàn)足不出戶辦事；遠(yuǎn)程直達(dá)幫辦解決了地域空間的限制，還有一個(gè)限制沒有解決——時(shí)間的限制，因此，第四階段上線了數(shù)字人“小浦”。

“小浦”由數(shù)字人、專用人工智能及政務(wù)大模型等技術(shù)融合生成，其數(shù)據(jù)來源包括兩個(gè)部分，一是上海市電子證照庫、法人庫獲取企業(yè)基本信息數(shù)據(jù)和許可證照數(shù)據(jù)；二是區(qū)級(jí)各委辦局自建業(yè)務(wù)系統(tǒng)獲取企業(yè)相關(guān)數(shù)據(jù)。對(duì)外，“小浦”為企業(yè)群眾提供7*24小時(shí)不間斷的互動(dòng)交流、業(yè)務(wù)咨詢和智能幫辦服務(wù)。針對(duì)目前“小浦”還不能完全理解并勝任的特殊需求和復(fù)雜工作，也會(huì)由人工進(jìn)行人工接管，確保企業(yè)群眾的事切實(shí)辦好辦成。

AI大模型應(yīng)用對(duì)上海市政務(wù)服務(wù)的工作方式、工作內(nèi)容、工作模式和組織結(jié)構(gòu)產(chǎn)生了深遠(yuǎn)的影響。“首先，通過一系列體制機(jī)制改革，所有政務(wù)窗口統(tǒng)一入駐大廳，實(shí)現(xiàn)了業(yè)務(wù)上的集中管理和統(tǒng)一考核。這一改革打破了傳統(tǒng)部門間的壁壘，促進(jìn)了不同部門之間的交流和協(xié)作，為政務(wù)服務(wù)提供了更加便捷和高效的環(huán)境。其次，AI大模型的應(yīng)用使得企業(yè)辦事更加便捷，減少了繁瑣的審批流程和等待時(shí)間，提高了審批通過率。企業(yè)可以更加專注于自身業(yè)務(wù)的發(fā)展，而不再被繁瑣的政務(wù)手續(xù)所困擾。同時(shí)，技術(shù)應(yīng)用還促進(jìn)了政務(wù)部門組織結(jié)構(gòu)的優(yōu)化和考核管理的科學(xué)化。政務(wù)中心能夠更全面地了解并考核公務(wù)員的工作表現(xiàn)，確保他們能夠提供高質(zhì)量的政務(wù)服務(wù)。”（訪談編碼：20240714SZR）

然而，“小浦”在應(yīng)用過程中面臨數(shù)據(jù)使用挑戰(zhàn)，具體來說是國家級(jí)條線業(yè)務(wù)系統(tǒng)中的相關(guān)業(yè)務(wù)數(shù)據(jù)的獲取和共享應(yīng)用機(jī)制仍有待進(jìn)一步優(yōu)化，在幫助企業(yè)智能生成材料過程中部分可預(yù)填的數(shù)據(jù)仍有進(jìn)一步提升空間；其次是數(shù)據(jù)唯一性問題，針對(duì)來自于多部門業(yè)務(wù)系統(tǒng)中同一數(shù)據(jù)描述不一致的情況，需根據(jù)業(yè)務(wù)定義確定每個(gè)要素?cái)?shù)源，確定數(shù)源的唯一性。同時(shí)，這些人工智能應(yīng)用于政府部門還存在“幻覺”現(xiàn)象，引發(fā)公信力風(fēng)險(xiǎn)，因此要確保人工智能應(yīng)用的準(zhǔn)確度。“應(yīng)對(duì)方式是，要求數(shù)字人只有在100%確定的時(shí)候才能回；目前應(yīng)用過程中，是對(duì)數(shù)字人的回答是會(huì)有限制的。”（訪談編碼：20240714SZR）

（二）社會(huì)服務(wù)類：如如文旅大模型

“如如”文旅大模型是中關(guān)村科學(xué)城城市大腦股份有限公司為北京市海淀區(qū)文旅局開發(fā)建設(shè)的專門針對(duì)文旅產(chǎn)業(yè)的游客服務(wù)大模型智能體。開發(fā)文旅大模型的契機(jī)主要源于文化旅游行業(yè)對(duì)智能化和個(gè)性化服務(wù)的迫切需求。“在傳統(tǒng)的文旅服務(wù)中，數(shù)據(jù)利用率低、信息碎片化嚴(yán)重，無法為用戶提供個(gè)性化的旅行建議。游客往往依賴于標(biāo)準(zhǔn)化的行程推薦，缺乏個(gè)性化的服務(wù)。隨著旅游市場的不斷發(fā)展和游客需求的多樣化，文旅行業(yè)需要一個(gè)能夠整合海量數(shù)據(jù)、進(jìn)行智能分析并提供個(gè)性化服務(wù)的解決方案。‘如如’大模型的開發(fā)正是為了應(yīng)對(duì)這些問題，通過大數(shù)據(jù)和人工智能技術(shù)的應(yīng)用，提升文旅服務(wù)的智能化水平，為游客和行業(yè)從業(yè)者提供更精準(zhǔn)、更貼心的服務(wù)。”（訪談編碼：20240813RR）

其數(shù)據(jù)來源包括但不限于游客的行為數(shù)據(jù)、旅游景點(diǎn)的詳細(xì)信息、文物數(shù)據(jù)、地方志數(shù)據(jù)、金融辦數(shù)據(jù)、交通及住宿的實(shí)時(shí)數(shù)據(jù)、用戶評(píng)價(jià)與反饋、天氣和節(jié)假日等外部環(huán)境數(shù)據(jù)。對(duì)外，“如如”大模型游客服務(wù)智能體，具備多角色能力，能夠“變身”游前行程規(guī)劃師、游中私人講解員、游后旅行分享家，為游客充當(dāng)“文旅萬事通”，提供權(quán)威、實(shí)時(shí)、全面的全程智能服務(wù)。“如如”文旅大模型可以通過自動(dòng)化和智能化的功能，幫助基層管理者減少重復(fù)性和低效的工作，提高整體工作效率。“但是，‘如如’大模型在開發(fā)和應(yīng)用過程中存在數(shù)據(jù)的獲取與整合困難，獲取數(shù)據(jù)需要和區(qū)文旅局、區(qū)史志辦、區(qū)金融辦、區(qū)商務(wù)局等各類機(jī)構(gòu)反復(fù)溝通、推進(jìn)。并且，在這一過程中需要處理大量的多源異構(gòu)數(shù)據(jù)，因此數(shù)據(jù)的清洗、標(biāo)注和整合成為開發(fā)中的一個(gè)難點(diǎn)。此外，如何保證模型在各種復(fù)雜場景下的高效運(yùn)行也是一個(gè)重要的技術(shù)挑戰(zhàn)。”（訪談編碼：20240813RR）

在開發(fā)、使用和維護(hù)文旅大模型過程中，還存在一些潛在風(fēng)險(xiǎn)。“首先是技術(shù)更新帶來的風(fēng)險(xiǎn)，隨著AI大模型技術(shù)的快速發(fā)展，系統(tǒng)需要不斷升級(jí)和迭代，才能保持其競爭力。其次是目前政府關(guān)于如何安全、有效地應(yīng)用大模型的風(fēng)險(xiǎn)治理框架尚不完善，這可能導(dǎo)致數(shù)據(jù)安全風(fēng)險(xiǎn)，系統(tǒng)處理大量敏感數(shù)據(jù)，必須確保這些數(shù)據(jù)在使用和存儲(chǔ)中的安全性。此外，對(duì)于一些敏感問題，訓(xùn)練風(fēng)險(xiǎn)敏感數(shù)據(jù)，設(shè)置敏感詞拒答，并采取對(duì)應(yīng)的回答話術(shù)。”（訪談編碼：20240813RR）

（三）政務(wù)辦公類：京策大模型

傳統(tǒng)的判別式大模型已經(jīng)進(jìn)化到生成式人工智能，為解決政策領(lǐng)域政策不好找、政策不好管、政策不好理解、政策不好寫等相關(guān)難題，北京瑞萊智慧科技有限公司支撐北京市政務(wù)服務(wù)和數(shù)據(jù)管理局研發(fā)完成政策大模型，于2024年1月在北京市一體化政策服務(wù)平臺(tái)（“京策”）正式上線應(yīng)用，“近三分之一的北京市公務(wù)員使用‘京策’大模型，既解決寫作的問題，又促進(jìn)創(chuàng)新性的思考”（訪談編碼：20241015JC）其數(shù)據(jù)來源主要是基于十四萬余篇公開政策構(gòu)建了政策庫，“我們一直在做高質(zhì)量的社會(huì)主義價(jià)值觀的數(shù)據(jù)集，數(shù)據(jù)集包括兩部分，一是基礎(chǔ)的語料庫，二是高質(zhì)量調(diào)用數(shù)據(jù)集。”（訪談編碼：20241015JC）對(duì)內(nèi)，“京策”大模型涵蓋政策檢索、政策儲(chǔ)備庫、政策分析、政策預(yù)制、政策詞典以及政策畫像等功能，實(shí)現(xiàn)政策的閉環(huán)管理。

“京策”大模型應(yīng)用于政府部門最大的挑戰(zhàn)就是安全性和可靠性，“當(dāng)前，大模型應(yīng)用的理論基礎(chǔ)存在缺陷，可能導(dǎo)致面臨幻覺風(fēng)險(xiǎn)、倫理風(fēng)險(xiǎn)，并對(duì)資源安全、傳統(tǒng)的網(wǎng)絡(luò)信息安全、生產(chǎn)安全和社會(huì)安全等造成影響。”（訪談編碼：20241015JC）“京策”大模型在應(yīng)用過程中還面臨數(shù)據(jù)使用的挑戰(zhàn)，主要是需要持續(xù)收集訓(xùn)練語料，通過模型訓(xùn)練提升政策大模型的多維度能力。例如，分別針對(duì)閱讀理解數(shù)據(jù)、復(fù)雜指令數(shù)據(jù)、角色扮演數(shù)據(jù)、寫作數(shù)據(jù)、無害數(shù)據(jù)等進(jìn)行訓(xùn)練，提升模型效果。此外，還有算力問題，“可能依托人工智能系統(tǒng)去控制一個(gè)大型的民生工程，假設(shè)算力突然中斷，那么這個(gè)系統(tǒng)也將崩塌，其他的運(yùn)作也隨之失效。”（訪談編碼：20241015JC）

（四）管理決策類：社區(qū)通+小鯨AI

上海鯨鄰信息科技有限公司致力于“互聯(lián)網(wǎng)+社會(huì)治理”模式研究與實(shí)踐，一方面創(chuàng)新運(yùn)用互聯(lián)網(wǎng)、大數(shù)據(jù)等技術(shù)服務(wù)社會(huì)治理領(lǐng)域；另一方面專注于社區(qū)治理咨詢服務(wù)領(lǐng)域，打造社會(huì)治理線上線下互動(dòng)體系。“對(duì)于人工智能的探索和應(yīng)用經(jīng)歷了三個(gè)階段歷程：第一階段是信息化建設(shè)，通過建社區(qū)OA，把參與理念體現(xiàn)出來，同時(shí)做了一些高質(zhì)量數(shù)據(jù)的積累和預(yù)訓(xùn)練數(shù)據(jù)的積累。第二階段是AI的審核預(yù)判，但是沒有從根本上解決人的問題。第三階段是AI的智能體，通過AI賦能到社區(qū)基層干部。”（訪談編碼：20240706SQT）

“社區(qū)通”是上海市寶山區(qū)首創(chuàng)的互聯(lián)網(wǎng)時(shí)代基層治理新模式，以居村黨組織為核心，基于移動(dòng)互聯(lián)網(wǎng)和大數(shù)據(jù)技術(shù)，構(gòu)建了一個(gè)線上線下協(xié)同運(yùn)作、政府和轄區(qū)居村民良性互動(dòng)的工作系統(tǒng)。“社區(qū)通平臺(tái)有區(qū)級(jí)的觀察模式，政府借助這種觀察模式可以穿透所有層級(jí)直達(dá)底層社區(qū)，從而了解到基層居民最關(guān)注的問題以及最近的矛盾問題，并做出決策。對(duì)于基層居委會(huì)來說，借助社區(qū)通平臺(tái)，可以高效傳遞信息、使隱性問題顯化，促進(jìn)議事協(xié)商。”（訪談編碼：20240706SQT）

2023年10月，依托“社區(qū)通”多年的經(jīng)驗(yàn)知識(shí)積累，鯨鄰科技推出了基于生成式預(yù)訓(xùn)練Transformer技術(shù)的社區(qū)治理行業(yè)應(yīng)用——社工AI助手“小鯨”。數(shù)據(jù)主要來源于居村信息、居村發(fā)布內(nèi)容、社區(qū)互動(dòng)、居村案例、政府公開政策等。

“‘小鯨’是專門為廣大基層工作者減負(fù)增能的一個(gè)人工智能助手，一共有三重身份。它的一重身份像社區(qū)里面經(jīng)驗(yàn)豐富、見多識(shí)廣的智囊，在社工矛盾、鄰里問題等需要去解決處置時(shí)，只要把具體的情況描述清楚給到‘小鯨’，它就會(huì)首先給出一個(gè)關(guān)鍵點(diǎn)的提煉，然后從不同的維度全面展開，分析每一個(gè)維度具體該怎么去做，從而給出完整的建議。它的二重身份是任何一個(gè)社工的成長伴侶或者學(xué)習(xí)伴侶，對(duì)于社工來說，在使用的過程中會(huì)很友好。它的三重身份是一些日常活動(dòng)策劃、調(diào)研通知公告等文案的構(gòu)思和策劃助手，能從專業(yè)的角度給出完整準(zhǔn)確的信息。”（訪談編碼：20240706SQT）

“小鯨”的主要流程包括兩步：一是用戶接入與交互啟動(dòng)，社區(qū)工作者可以在“社區(qū)通”居委端管理頁面點(diǎn)擊“全科社工·AI助手”入口直接一鍵登錄。二是需求識(shí)別與響應(yīng)，社區(qū)工作者根據(jù)工作需求選擇服務(wù)模式，場景模式通過“任務(wù)類型+工作條線”的復(fù)合場景，精準(zhǔn)定向地生成與工作需求高度匹配的結(jié)果；高級(jí)模式聚焦較為復(fù)雜的應(yīng)用場景，模擬與人類助手之間的互動(dòng)。“小鯨”應(yīng)用過程中在數(shù)據(jù)工作方面也面臨挑戰(zhàn)，包括多部門聯(lián)動(dòng)與數(shù)據(jù)共享有障礙，影響數(shù)據(jù)的整合和利用效率，增加了協(xié)調(diào)關(guān)系的難度。

（五）案例討論

數(shù)字人“小浦”、“如如”文旅大模型、京策大模型和社工AI助手“小鯨”四個(gè)案例充分展示了政府為不斷適應(yīng)和發(fā)展生成式人工智能而做出的努力，政務(wù)大模型的接入和應(yīng)用則對(duì)數(shù)據(jù)、組織和信息化條件產(chǎn)生了更多要求（參見表2）。

1.政務(wù)大模型應(yīng)用于政府治理的差異分析

（1）數(shù)據(jù)來源與使用場景的差異化配置

首先，案例間的數(shù)據(jù)來源存在明顯分界，數(shù)字人“小浦”和“京策”大模型主要依賴政府內(nèi)部數(shù)據(jù)（電子證照庫、政策文件等），強(qiáng)調(diào)數(shù)據(jù)的權(quán)威性與規(guī)范性；而“如如”文旅大模型和“小鯨”則以外部數(shù)據(jù)為主（游客行為數(shù)據(jù)、社區(qū)互動(dòng)數(shù)據(jù)），注重?cái)?shù)據(jù)的多樣性與動(dòng)態(tài)性。

其次，根據(jù)服務(wù)對(duì)象不同，場景劃分為“內(nèi)部-外部”兩級(jí)。數(shù)字人“小浦”和“如如”文旅大模型面向公眾與企業(yè)提供外部服務(wù)（智能審批、旅游推薦），側(cè)重提升服務(wù)效率與用戶體驗(yàn)；“京策”大模型和“小鯨”則聚焦政府內(nèi)部場景（政策管理、基層治理），旨在優(yōu)化組織流程與決策支持。

（2）應(yīng)用領(lǐng)域與核心功能的差異化定位

不同政務(wù)大模型根據(jù)服務(wù)對(duì)象和治理需求的差異，展現(xiàn)出多元化的應(yīng)用取向與功能側(cè)重。政務(wù)服務(wù)類模型（“小浦”）以簡化審批流程為核心，通過自動(dòng)化處理高頻事務(wù)，釋放人力資源；社會(huì)服務(wù)類模型（“文旅”大模型）強(qiáng)調(diào)個(gè)性化服務(wù)供給，依托多源數(shù)據(jù)分析，提升公眾參與度和滿意度；政務(wù)辦公類模型（“京策”大模型）聚焦政策全生命周期管理，助力公務(wù)員高效履職與科學(xué)決策；管理決策類模型（“小鯨”）則致力于基層治理能力的增強(qiáng)，通過智能分析提升問題響應(yīng)的精準(zhǔn)性與敏捷性。

2.政務(wù)大模型應(yīng)用于政府治理的條件

通過對(duì)四個(gè)案例的橫向?qū)Ρ确治觯梢园l(fā)現(xiàn)政務(wù)大模型的成功應(yīng)用需依托數(shù)據(jù)條件、組織條件與信息化條件的協(xié)同支撐。盡管各案例在數(shù)據(jù)來源、應(yīng)用場景、功能定位上存在差異，但其所需條件的共性特征為政務(wù)大模型的敏捷治理提供了重要啟示。

（1）數(shù)據(jù)條件：高質(zhì)量與動(dòng)態(tài)整合是核心基礎(chǔ)

所有案例均強(qiáng)調(diào)高質(zhì)量數(shù)據(jù)的必要性，“小浦”依賴電子證照庫、區(qū)塊鏈平臺(tái)等公共數(shù)據(jù)資源庫；“京策”大模型需要接入權(quán)威來源的新聞、政策解讀、市場等信息數(shù)據(jù)，用于確保訓(xùn)練語料和生成內(nèi)容質(zhì)量；“如如”大模型強(qiáng)調(diào)整合多源異構(gòu)數(shù)據(jù)，社工AI助手“小鯨”則需動(dòng)態(tài)更新的社區(qū)互動(dòng)數(shù)據(jù)。數(shù)據(jù)質(zhì)量直接影響模型的準(zhǔn)確性與可靠性，尤其是避免“模型幻覺”的關(guān)鍵。

（2）組織條件：協(xié)同機(jī)制與能力建設(shè)是落地保障

各案例均需突破傳統(tǒng)組織壁壘，推動(dòng)跨部門協(xié)同與流程再造。“小浦”依托政務(wù)服務(wù)綜合窗口改革，“如如”大模型需文旅局、金融辦等多部門協(xié)作，社工AI助手“小鯨”則需基層部門的數(shù)據(jù)聯(lián)動(dòng)。因此，推動(dòng)組織架構(gòu)扁平化，建立敏捷響應(yīng)的跨部門協(xié)作平臺(tái)和數(shù)據(jù)共享機(jī)制非常必要。

（3）信息化條件：技術(shù)適配與資源投入是關(guān)鍵支撐

所有案例的實(shí)現(xiàn)均需依托先進(jìn)技術(shù)底座，尤其是生成式大語言模型等前沿技術(shù)，以構(gòu)建核心算法能力，并根據(jù)具體的治理場景進(jìn)行定制化微調(diào)。同時(shí)，還需要硬件資源支持（GPU、服務(wù)器等），以滿足海量數(shù)據(jù)處理和實(shí)時(shí)交互需求。例如，“京策”大模型依賴高算力保障政策生成的穩(wěn)定性，“如如”大模型需要預(yù)訓(xùn)練與微調(diào)技術(shù)提升個(gè)性化服務(wù)能力，社工AI助手“小鯨”則結(jié)合社區(qū)治理需求優(yōu)化自然語言生成邏輯。因此，必須深入探索面向細(xì)分場景的技術(shù)適配策略，并加大對(duì)大模型研發(fā)和算力基礎(chǔ)設(shè)施的持續(xù)投入。

3.政務(wù)大模型應(yīng)用于政府治理的挑戰(zhàn)

（1）高質(zhì)量數(shù)據(jù)供給存在結(jié)構(gòu)性梗阻

無論是內(nèi)部數(shù)據(jù)的標(biāo)準(zhǔn)化（“小浦”的數(shù)源不一致），還是外部數(shù)據(jù)的整合（“如如”大模型的異構(gòu)數(shù)據(jù)清洗），高質(zhì)量數(shù)據(jù)供給仍是政務(wù)大模型有效運(yùn)行的前提。當(dāng)前數(shù)據(jù)的采集、標(biāo)注、存儲(chǔ)、處理等環(huán)節(jié)面臨困難，存在數(shù)據(jù)不完整和質(zhì)量不高的問題，影響模型的訓(xùn)練效果。此外，數(shù)據(jù)的多樣性和復(fù)雜性增加了標(biāo)注難度，且大量的歷史數(shù)據(jù)需要人工校正，數(shù)據(jù)矯正和微調(diào)困難。

（2）跨部門協(xié)同存在落地障礙

各政府部門有不同的職責(zé)和數(shù)據(jù)規(guī)范，條塊分割明顯，存在數(shù)據(jù)壁壘、溝通障礙、數(shù)據(jù)標(biāo)準(zhǔn)不一、格式各異的情況，無論是數(shù)據(jù)共享（社工AI助手“小鯨”的部門壁壘）還是場景聯(lián)動(dòng)（“如如”大模型的多機(jī)構(gòu)協(xié)作）均面臨較大阻力，增大了協(xié)調(diào)關(guān)系的難度，導(dǎo)致多部門聯(lián)動(dòng)與數(shù)據(jù)共享存在障礙，影響數(shù)據(jù)的整合和利用效率。由此可見，跨部門協(xié)同成為政務(wù)大模型落地的關(guān)鍵瓶頸。

（3）個(gè)人隱私保護(hù)與數(shù)據(jù)安全治理機(jī)制有待完善

海量數(shù)據(jù)帶來了數(shù)據(jù)噪聲、數(shù)據(jù)偏見、數(shù)據(jù)泄漏風(fēng)險(xiǎn)，尤其考慮到政府?dāng)?shù)據(jù)的敏感性，如何在保障數(shù)據(jù)安全的前提下促進(jìn)數(shù)據(jù)共享成為一大挑戰(zhàn)。然而，關(guān)于政府如何安全、有效地應(yīng)用大模型的風(fēng)險(xiǎn)治理框架尚不完善，這可能導(dǎo)致在新技術(shù)應(yīng)用過程中存在安全隱患和合規(guī)風(fēng)險(xiǎn)。

（4）模型幻覺與技術(shù)迭代面臨雙重壓力

AI大模型存在“幻覺”現(xiàn)象，即輸出內(nèi)容在形式上邏輯自洽、語義通順，實(shí)則存在事實(shí)錯(cuò)誤或推理失誤，其根源在于數(shù)據(jù)缺陷、模型復(fù)雜性和上下文理解能力不足等。例如，“小浦”的應(yīng)答限制、“京策”大模型的準(zhǔn)確率需求等，反映出模型輸出可靠性對(duì)政府公信力的潛在威脅。與此同時(shí)，公共服務(wù)場景對(duì)模型的容錯(cuò)率要求極高，任何細(xì)微的錯(cuò)誤都可能引發(fā)公眾的不滿和輿情事件。此外，即便在技術(shù)不斷演進(jìn)、資源持續(xù)投入、模型持續(xù)訓(xùn)練與迭代優(yōu)化的前提下，“幻覺”問題依然無法被根除。

五、政務(wù)大模型的敏捷性治理對(duì)策

隨著政務(wù)大模型不斷迭代升級(jí)并在多樣化的公共服務(wù)場景中應(yīng)用，政務(wù)大模型嵌入公共服務(wù)的廣度、深度、影響力持續(xù)增強(qiáng)，公共服務(wù)模式也愈加復(fù)雜。政務(wù)大模型使得政府治理智能化獲取了更大的技術(shù)優(yōu)勢(shì)，也帶來了系列新問題、新挑戰(zhàn)，指向了傳統(tǒng)治理范式的局限性，為了保持技術(shù)應(yīng)用與風(fēng)險(xiǎn)控制的動(dòng)態(tài)，需要服務(wù)模式突破與治理工具創(chuàng)新組合，敏捷治理這一新范式，成為了重要思路。敏捷治理致力于實(shí)現(xiàn)治理中的“敏捷性”，旨在形成一種快速、可持續(xù)地感知、適應(yīng)和應(yīng)對(duì)環(huán)境變化的能力。

（一）建立健全數(shù)據(jù)管理機(jī)制，提升數(shù)據(jù)質(zhì)量

敏捷治理強(qiáng)調(diào)克服部門之間的數(shù)據(jù)壁壘，實(shí)現(xiàn)跨部門的數(shù)據(jù)共享和合作。建立健全數(shù)據(jù)管理機(jī)制，可以確保平臺(tái)的數(shù)據(jù)采集、存儲(chǔ)、處理和分析過程合規(guī)安全。首先是數(shù)據(jù)采集，明確采集范圍，規(guī)范采集流程。其次是數(shù)據(jù)清洗和標(biāo)準(zhǔn)化，來自不同來源和格式的數(shù)據(jù)需要有效整合，開發(fā)自動(dòng)化的數(shù)據(jù)清洗和標(biāo)準(zhǔn)化工具，確保數(shù)據(jù)的質(zhì)量和一致性。通過建立數(shù)據(jù)清洗標(biāo)準(zhǔn)規(guī)范，并搭建標(biāo)準(zhǔn)化的事件處理工具來整合處理多個(gè)來源的數(shù)據(jù)，包括基層網(wǎng)格員上報(bào)的事件數(shù)據(jù)、相關(guān)部門提供的數(shù)據(jù)等。通過工具，將重復(fù)事件、無效事件等數(shù)據(jù)進(jìn)行剔除，確保數(shù)據(jù)的準(zhǔn)確性和一致性，提高數(shù)據(jù)處理的效率。再次是數(shù)據(jù)修正，通過公共服務(wù)參與人員、互聯(lián)網(wǎng)企業(yè)和專家的幫助，對(duì)訓(xùn)練結(jié)果進(jìn)行判別，不斷地對(duì)錯(cuò)誤數(shù)據(jù)進(jìn)行修正，并反哺給大模型，形成較為準(zhǔn)確的數(shù)據(jù)集，提高模型對(duì)文本內(nèi)容識(shí)別的精確度。最后，加強(qiáng)跨部門數(shù)據(jù)共享與整合，提升數(shù)據(jù)質(zhì)量，為科學(xué)決策提供精準(zhǔn)支撐。

（二）數(shù)據(jù)隱私保護(hù)和數(shù)據(jù)安全保障

要充分發(fā)揮敏捷治理中揚(yáng)長避短的思想，提高數(shù)據(jù)使用的韌性。針對(duì)數(shù)據(jù)隱私，通過區(qū)塊鏈、安全多方計(jì)算（MPC）等新技術(shù)，推動(dòng)各部門數(shù)據(jù)和市場化平臺(tái)可信數(shù)據(jù)有效融合，創(chuàng)造公共服務(wù)數(shù)據(jù)新價(jià)值。針對(duì)數(shù)據(jù)安全，需要采取嚴(yán)格的數(shù)據(jù)保護(hù)措施，防止數(shù)據(jù)泄露和濫用。這包括數(shù)據(jù)加密、訪問權(quán)限控制、數(shù)據(jù)脫敏等技術(shù)手段，確保數(shù)據(jù)的合法合規(guī)使用。數(shù)據(jù)加密可以防止數(shù)據(jù)在傳輸和存儲(chǔ)過程中被非法訪問和篡改；訪問控制可以限制只有授權(quán)人員才能訪問和使用數(shù)據(jù)；數(shù)據(jù)脫敏可以在數(shù)據(jù)分析和處理過程中保護(hù)個(gè)人隱私。此外，建立健全數(shù)據(jù)安全管理體系，定期進(jìn)行安全審計(jì)和風(fēng)險(xiǎn)評(píng)估，及時(shí)發(fā)現(xiàn)和解決安全隱患，確保數(shù)據(jù)的安全性和可靠性。最后，還要制定應(yīng)急預(yù)案，建立災(zāi)難恢復(fù)體系。

（三）加快政務(wù)領(lǐng)域大模型應(yīng)用規(guī)范

敏捷治理提倡將軟法充分融入生成式人工智能治理實(shí)踐，在治理目標(biāo)明確的前提下，由硬法和軟法協(xié)同發(fā)力。政府在推進(jìn)大模型應(yīng)用的同時(shí)，應(yīng)建立相應(yīng)的規(guī)范指引和風(fēng)險(xiǎn)防范體系，著力實(shí)現(xiàn)新技術(shù)、新模型應(yīng)用的安全、向善、可信、可控。借鑒國內(nèi)外先進(jìn)經(jīng)驗(yàn)，加快制定政務(wù)大模型應(yīng)用的相關(guān)法律法規(guī)，明確數(shù)據(jù)收集、存儲(chǔ)、標(biāo)注、使用等方面的權(quán)限與邊界，確保技術(shù)應(yīng)用合法合規(guī)。同時(shí)，出臺(tái)配套政策，鼓勵(lì)技術(shù)創(chuàng)新。建立政務(wù)大模型的技術(shù)標(biāo)準(zhǔn)、安全標(biāo)準(zhǔn)、評(píng)估標(biāo)準(zhǔn)等，形成完善的標(biāo)準(zhǔn)體系。通過標(biāo)準(zhǔn)化工作，促進(jìn)技術(shù)可操作性和數(shù)據(jù)共享，降低應(yīng)用成本，提升整體效能。

（四）框定場景范圍，分類循序推進(jìn)應(yīng)用

敏捷治理強(qiáng)調(diào)治理的持續(xù)性、靈活性，根據(jù)實(shí)際情況不斷進(jìn)行調(diào)整。政務(wù)大模型賦能政府治理活動(dòng)廣泛，需要根據(jù)政府職能和公眾需求，精準(zhǔn)框定政務(wù)大模型的應(yīng)用場景，如智慧政務(wù)、基層治理、應(yīng)急響應(yīng)等，不同的場景選擇對(duì)應(yīng)不同的大模型類型。相關(guān)部門需要根據(jù)業(yè)務(wù)領(lǐng)域、職責(zé)范圍和工作目標(biāo)等，有目的性的選擇適合的大模型進(jìn)行訓(xùn)練。同時(shí)，還可以通過結(jié)合具體的場景實(shí)踐，創(chuàng)新性地開發(fā)本領(lǐng)域的多模態(tài)大模型，促進(jìn)專業(yè)大模型、特定領(lǐng)域小模型和領(lǐng)域大模型有機(jī)結(jié)合，進(jìn)而在不同的治理實(shí)踐中優(yōu)化服務(wù)提供方式。值得注意的是，政務(wù)大模型的訓(xùn)練需要先專注于基礎(chǔ)的邏輯，然后再不斷深化訓(xùn)練內(nèi)容，逐步提高垂類大模型應(yīng)用范圍和輸出結(jié)果的準(zhǔn)確度。

（五）加強(qiáng)技術(shù)保障，完善政務(wù)大模型架構(gòu)設(shè)計(jì)

敏捷治理強(qiáng)調(diào)在技術(shù)快速演進(jìn)中實(shí)現(xiàn)動(dòng)態(tài)響應(yīng)與有效調(diào)控，要求在“發(fā)展中實(shí)現(xiàn)治理”。大模型和應(yīng)用場景是相互作用的，政府部門和建設(shè)廠商需要持續(xù)投入數(shù)據(jù)及技術(shù)資源進(jìn)行模型的維護(hù)和調(diào)校優(yōu)化，持續(xù)增強(qiáng)模型精準(zhǔn)度，避免技術(shù)故障，影響用戶體驗(yàn)。可以探索更廣泛適用的通用框架與模型層能力：在模型設(shè)計(jì)、數(shù)據(jù)標(biāo)準(zhǔn)化和算法開發(fā)方面進(jìn)行深入研究，以確保模型的可復(fù)用性和適應(yīng)性。為了打破模型孤島，保證不同模型之間的有機(jī)協(xié)同，應(yīng)當(dāng)構(gòu)建模型綜合體，形成基于數(shù)字化的治理新結(jié)構(gòu)。通過聯(lián)動(dòng)各數(shù)據(jù)局、大數(shù)據(jù)中心的信息，變革政府形態(tài)、職能結(jié)構(gòu)和履職方式。最后，還需要建立評(píng)價(jià)體系，可以從能力域和價(jià)值域兩個(gè)維度評(píng)價(jià)政務(wù)大模型的體系，確保模型能夠提供智能化、高效率和高質(zhì)量的服務(wù)。

六、結(jié)論與討論

在政策支持、產(chǎn)業(yè)參與和技術(shù)支撐下，政務(wù)大模型已經(jīng)在行政審批、智能問答、信息錄入等多個(gè)政府治理領(lǐng)域的創(chuàng)新實(shí)踐中取得了顯著進(jìn)展，推動(dòng)了數(shù)字政府從“體驗(yàn)優(yōu)先”向“效能優(yōu)先”轉(zhuǎn)變，為公共服務(wù)的智能化帶來了深刻變革。建設(shè)政府治理領(lǐng)域的大模型平臺(tái)不僅是技術(shù)創(chuàng)新的趨勢(shì)，更是實(shí)現(xiàn)政府高效治理、服務(wù)民生的重要手段。政務(wù)大模型帶來的價(jià)值會(huì)隨著未來應(yīng)用場景的不斷拓展而增加，并可能創(chuàng)造新的應(yīng)用接口、構(gòu)建新的應(yīng)用生態(tài)、帶來服務(wù)效率提升及潛在的商業(yè)模式變革。盡管如此，當(dāng)前政務(wù)大模型的應(yīng)用尚處于起步階段。技術(shù)本身尚不成熟，模型的賦能效果有限，在模型幻覺、標(biāo)準(zhǔn)建設(shè)、數(shù)據(jù)利用和保護(hù)等方面仍存在很多問題，政府推動(dòng)政務(wù)大模型應(yīng)用仍需要不斷探索其價(jià)值點(diǎn)及使用方法。

在未來的政府智能化轉(zhuǎn)型過程中，有必要基于敏捷治理的視角，以快速回應(yīng)公眾需求為導(dǎo)向、以提升公眾滿意度為出發(fā)點(diǎn)，依據(jù)技術(shù)發(fā)展與應(yīng)用變化而快速、靈活、主動(dòng)地調(diào)整治理手段、工具和政策等，進(jìn)一步完善政務(wù)大模型的架構(gòu)體系，進(jìn)而增強(qiáng)公共服務(wù)的韌性。從場景創(chuàng)新的實(shí)踐層面，回應(yīng)生成式人工智能的“敏捷性”治理追求。值得注意的是，政務(wù)大模型在政府部門的應(yīng)用，有數(shù)據(jù)來源和場景應(yīng)用的差異性，需要從分類試策的角度，對(duì)政務(wù)大模型進(jìn)行分類治理，及時(shí)提出政務(wù)大模型的開發(fā)和使用指引，實(shí)現(xiàn)模型開發(fā)與實(shí)踐應(yīng)用的深度耦合。

編輯：張恒碩