“AI+政务”热潮的深思考

智能体嵌入的“新起点”

《决策》：当前，“人工智能+政务”方兴未艾，如何理性看待这种热潮？

贾开：2026年是政务智能化加速推进的一年，也是人工智能在各领域应用的关键节点。对于“人工智能+政务”的探索，之前已经有过不少此类实践，但若将讨论聚焦于“智能体+政务”，即具备执行功能的生成式人工智能嵌入政务服务流程，实现从信息处理到业务执行的全链条闭环，那么2026年确实可以称得上是一个新的起点。

以深圳为例，去年初福田区上线的政务智能机器人虽曾引发关注，但当时技术环境和生态尚不成熟，更多停留在探索层面。而今年推出的“深小i”已实现从“信息处理”到“行为执行”的演进，不仅能理解用户语言和需求，还能自动完成事项办理所需的流程调用和环节操作。

杨正军：当前，我国政务领域与人工智能的融合发展在社会关注度、政策牵引力和地方实践活跃性等方面出现集中升温。从实践情况看，我国“人工智能+政务”处于从试验探索向规模化应用加速演进的转型期。

一方面，有些地方和部门已经在政务服务、机关办公、基层治理、城市运行等场景中开展了实质性应用且初步显现成效；另一方面，距离全面成熟推广仍有差距，数据质量、流程嵌入、责任边界、安全治理、持续运营等问题仍需在实践中持续破解。

值得注意的是，有些地方将政务智能化作为“一把手”工程推动，在于这不仅仅是信息化部门自己的项目，而是牵涉数据资源、业务流程、部门权责、公共服务和风险治理的系统工程。没有高位统筹，就容易出现部门各建一个助手、各接一个模型、各做一套数据，形成新的“模型孤岛”和“数据孤岛”。

倪东辉：当下，各地集中推行政务智能化是我国数字政府建设从“数字化”向“智能化”跃迁的必然趋势，既是生成式AI技术成熟后向公共治理领域渗透的客观结果，也是各地破解治理效能瓶颈、抢占城市竞争新赛道的主动选择，绝非短期政策跟风。

以安徽为例，经过多年数字安徽建设，目前已建成全省一体化数据基础平台、“皖事通”“皖政通”两大核心平台，完成了政务服务线上化、数据资源初步归集的基础积累，当前正处在从“能办”向“好办、智办”升级的关键节点。

从“共同无知”到“共同学习”

《决策》：各地政务智能化的路径各不相同，如何看待这些差异化的探索？

杨正军：各地的差异化探索，是我国政务智能化发展“同题共答，异路破题”的生动实践。“人工智能+政务”真正的难点不在于部署一个大模型、构建一个知识库、上线一批智能体，而在于各地能否找到人工智能与本地治理体系的最佳耦合点。

例如，深圳模式属于服务入口牵引型，当地数字产业基础好，技术企业活跃，企业和群众对政务服务响应效率要求高，因此更容易从智能助手、智能导办这类高频入口切入；青岛模式属于多应用矩阵型，通过场景清单化等方式，快速把人工智能嵌入多个部门、多个环节，推进落地。前者对政务知识库是否准确、事项规则是否清晰、前端交互能否真正接上后台流程等方面提出较高要求；后者的优点是推进速度快、覆盖面广、容易形成示范效应。

贾开：各地政务智能化的差异化探索应当给予充分肯定，在一定意义上，这种差异化的探索需要长期持续下去。这背后涉及一个更深层的问题：过去我们推进平台型政府建设，强调数据大统一、打破数据烟囱、实现整体化治理，但智能体的智能化转型是否必然遵循平台化、一体化的同一逻辑，仍有待观察。各地政府的业务特点、组织形态和治理需求各不相同，虽然存在一些共性基础，但未必都要延续传统的平台化路径。

关于各地模式的特点，目前可能还难以做出精准概括。一方面，各地的探索实践仍在进行中，尚未形成足够成熟的、可被稳定描述的模式形态，现在去定义“深圳模式”或“青岛模式”可能为时过早。另一方面，现阶段更重要的或许不是急于固化某一个地方的模式标签，而是鼓励各地在积极探索的同时保持开放透明，及时总结和分享实践中的经验与教训。正如人工智能治理领域常提到的“共同无知”概念，即面对新技术带来的价值与风险，各方都处于认知不完全的状态，而应对“共同无知”的最佳方式就是“共同学习”。

倪东辉：全国各地路径不同，本质是由各地的数字基础、产业禀赋、治理需求决定的，“人工智能+政务”本来就没有放之四海而皆准的标准答案，差异化探索恰恰是政务改革创新活力的体现。

安徽在省级层面统筹构建模型能力、数据供给、算力网络、安全防护、服务入口五大统一数智支撑底座，沉淀标准化通用能力组件。地市和部门结合本地需求做场景化开发，形成“省级统建、全省共用”“一地创新、全省复用”机制。通过“地市创新试点→标准化梳理封装→纳入全省资源池全省复用”，形成“试点-总结-复用”的良性循环，更适合中部省份的省情特点。

王平：各地差异化探索的动机和基础条件各不相同。从动机上看，部分地方倾向于追求“首创”标签，以凸显自身的创新优势，但与实质治理需求关联不强，带有一定的形式主义色彩。从客观条件看，各地在前期的信息化和数字化建设水平上差异显著，部分地区尚未完全实现数据治理的体系化，这意味着并非所有地方都具备向智能化跃升的充分条件，智能化就是一个“空中楼阁”的事情。

但无论如何，这些多样化的实践路径，最终都是将群众和企业的“可感可知”作为衡量成效的核心标尺。

变“你来找我”为“我去找你”

《决策》：本轮政务智能化热潮与以往信息化、数字化的根本区别在哪里？

王平：虽然我们有时候会认为二者存在一些相似，但还是有区别的。

第一，技术驱动力发生质变。人工智能其实是以大语言模型为主的新技术。新一轮政务智能则必须依托生成式人工智能的能力，其技术底座已实现向模型驱动的本质转变。

第二，服务范式发生转向。以往信息化侧重按部门“三定”职责优化既有流程，将规定动作从80分做到90分，而当前先进实践已开始探索主动式服务，即借助智能算法预判企业和市民需求，变“有事找我”为“我来找您”。例如浙江“亲清在线”平台，从2020年开始便尝试用算法支撑政策主动推送、服务精准直达。这种转变并非技术叠加，而是治理理念的范式跃迁。

第三，建设模式深刻变革。以往政务信息化多以项目制推进，资金下达、开发上线、验收审计后即告终结，导致大量“僵尸App”和闲置系统。当前，智慧政务则强调全生命周期的运营管理，要求建立反馈闭环，根据实际使用数据与用户评价不断优化模型和服务。这种持续迭代的机制，使智能化能力随场景需求动态生长，避免了建而不用、用而不优。

贾开：和之前相比，政务智能化落地到具体的应用场景中，可能会带来结构上组织流程和制度规则的变化。前些年推行的“最多跑一次”“接诉即办”等改革，本质上也是信息化倒逼组织流程再造，但其调整主要集中在部门间权责关系的梳理上。而人工智能介入后，智能体本身在政务体系中承担什么角色、拥有多大权限、行为后果由谁承担，这些已超出传统权责调整的范畴，指向了责任分担、角色定位乃至政府结构与职能的深层议题。

比如，深圳市福田区探索“委托代理”机制，即为智能体设置监管人，由监管人对智能体的行为承担责任。这虽是一种解决方案，但并非唯一，也未必最优，仍需更多实践检验。这一探索本身也表明，智能体的广泛应用将催生一系列制度创新需求。而如何构建与之匹配的治理规则，尚需持续观察。

“驾驭AI的能力不足”

《决策》：当前政务智能化的瓶颈何在？突破点在哪里？

王平：当前面临的困难主要体现在三个方面。

一是模型落地业务场景存在断层。开源模型出现后，各地投入大量资金进行本地化部署很常见，公文写作、格式校验等基础场景也初见成效。然而，一旦进入具体业务领域，必须借助智能体驱动大模型，将一线业务经验转化为标准化流程供其调用，但当前绝大多数部门尚不具备这种能力。

二是跨部门协作阻力大。政府部门间长期存在权责划分不清、部门利益博弈等问题，公共数据共享存在难度，涉及授权运营和数据输出等深层次开放时，各部门普遍不愿拿出核心数据。

三是复合型人才短缺。智能化转型需要既懂技术又懂业务的复合型人才，能将业务经验转化为可操作的标准化流程并进行持续验证优化，但现有在岗人员难以满足这一要求。

倪东辉：近年来安徽省在数字政府建设上取得阶段性成效。但对标国家数字政府建设最新部署、推进治理体系现代化的更高标准，以及广大群众、市场主体对便捷智能政务服务的新期待，结合基层调研发现，仍存在四方面的薄弱环节：

一是数据挖掘、智能分析、决策支撑等深度应用能力滞后，公共数据价值转化通道不够畅通，数据赋能治理、赋能产业的潜力未能充分释放。

二是区域数字化发展存在落差，市域与县域、城区与乡村建设水平不均衡，基层一线工作人员数字化操作、数字工具运用能力参差不齐，专业技术人才下沉不足。

三是主动预判、精准推送、无感办理的智慧场景供给偏少，面向企业、群众的差异化、个性化服务供给力度不足。

四是数据安全防护压力持续攀升，数据分类分级、风险监测、隐私保护等制度机制仍需健全，全方位一体化安全防护体系有待完善。

杨正军：突破这些瓶颈，可以抓住四个关键词。第一个是“真场景”。不要从展示需求出发，而要从高频、刚需、可闭环、可评估的场景切入。第二个是“强底座”。先把政务数据目录、业务知识库、事项规则库、统一身份认证和日志审计做扎实，再谈智能应用。第三个是“重统筹”。能共建共享的算力、模型、组件和知识库，应尽量统一部署、统管复用，避免县区和部门各自重复建设。第四个是“硬约束”。上线前要测试，运行中要监测，出问题要追溯，评价结果要反馈到迭代和预算安排中。

同时，还需警惕数字形式主义，避免为智能化而智能化。政务智能化的底线应当很清晰而务实：群众办事是否更加便捷，基层工作是否更加高效，政策决策是否更加科学，风险防控是否更加稳妥。一旦偏离这些基本目标，就应及时纠偏。

贾开：目前，最核心的问题在于驾驭人工智能的能力不足。

其一，对人的能力要求。驾驭人工智能不仅要知道如何使用工具，更要理解其价值与风险，能够在具体的政务场景中准确识别需求、提炼应用点。

其二，对组织的变革要求。如何将人工智能转化为实际应用效果，还需要制度、规则、组织环境等配套条件的系统性变革，而这涉及更深层的组织结构与制度调整。

关于突破路径，当前最迫切的是加强全社会的人工智能能力与治理素养教育。这不应局限于课堂式培训，更需注重在实践中培育，即给予各方宽松的探索空间和试用环境，在试错中不断深化。

至于组织制度层面的变革，现阶段尚不宜急于预设方案，只有在持续应用的过程中，才能真正暴露问题、明确改革方向。在推进方式上，需要自上而下凝聚社会共识，而具体落实则应更多依靠自下而上的实践探索，通过开源学习、多元教育渠道等方式，形成全社会共同提升人工智能素养的良好生态。

“小步快走”策略

《决策》：展望未来，政务智能化下一步会朝什么方向发展？

贾开：未来政务智能化的发展可以从范围拓展、组织形态演变和核心关注点转移三个维度来观察。

一是应用范围的拓展。人工智能将在政务领域的更多细分场景中得到应用，覆盖的职能部门和业务类型会日益广泛。这是已能明确判断的趋势。

二是组织形态的分化。随着政务智能体越来越多地与公众、社会大众直接交互，其组织形式或将出现分化。一方面，部分地方会继续推进集中式平台建设，延续平台化、一体化治理的逻辑；另一方面，也可能出现更加灵活的分散式网络结构，不同智能体之间通过协同交互形成新型组织方式。

三是核心关注点的转变。当前，人工智能的能力边界已经很难单纯由技术突破来定义，更多取决于使用端的人能否在具体场景中发现其应用价值、挖掘其潜力。有个形象的比喻是，人工智能就像一个很强大的工具，但它没有说明书，关键在于使用者能否主动去探索、试用和驾驭。

王平：从政府端来看，政务智能化要从个别部门的事上升为政府整体的事。这意味着推进这件事，不只是数据局牵头，未来需要由发改、经信或者改革办等具有统筹职能的机构牵头，形成跨层级、跨领域的整体布局。具体而言，需在市级乃至省级层面建立统一的协调机制，将政务智能化真正纳入政府核心治理议程。

政府在智能化进程中不应做“甩手掌柜”，而要主动搭建平台，推进企业、研究机构和政府部门之间的深度协同，围绕具体应用场景建立联合攻关机制，实现前沿知识与政务需求的有效对接。同时，保持开源开放的态度，引入多元技术方案进行比选，避免因过度依赖单一供应商而形成垄断或造成资源浪费。聚焦高需求场景逐个击破，采取“小步快走”策略，以实际需求为导向推进，避免无明确成效的盲目投入，确保投资真正转化为可持续的治理效能。