21世纪经济报道记者王俊
“政务领域大模型建设，需要提升大模型输出精度，精度越高，难度越大。”“信息化不好用，即不能用。”“所有涉及群众切身利益的审核结果全部需要人工复核来确认”......近日，在北京师范大学举办的政府应用人工智能的法律规制学术研讨会上，来自地方政府的工作人员带来了上述一线答案。
“数字法治政府建设正迈进全新的历史阶段，在技术迭代与治理变革的双重驱动下，人工智能大模型、智能体等前沿技术为提升政府治理效能，优化公共服务体验开辟了广阔空间。”中国人民大学校长马怀德表示，这些前沿技术也对治理理念、法律制度和实践能力提出了新的挑战。
在此背景下，各级地方政府积极开展探索，致力于推动人工智能在政务场景中安全、可靠、高效地落地，这一过程既充满了机遇，也存在挑战。
那么政务领域人工智能应用部署面临哪些难题？各地政府机关又是如何破题的？政务场景对错误容忍度极低——“不好用就是不能用”
我国数字政府建设已有坚实基础，随着人工智能的普及与应用，自2025年起，各地政府掀起了大模型部署热潮。
2025年10月，中央网信办、国家发改委联合印发《政务领域人工智能大模型部署应用指引》，其中提到，政务部门可围绕政务服务、社会治理、机关办公和辅助决策等工作中的共性、高频需求，因地制宜、结合实际，选择典型场景进行人工智能大模型探索应用。
不少地方政府机构负责AI部署及应用的一线人员表示，准确率与精度成为AI落地最困难也是必须克服的关卡。
北京市司法局相关处室负责人指出了问题所在：信息化“不好用，即不能用”。通用大模型在政务领域存在专业知识的局限性。具体来看，通用大模型受限于训练语料，虽然善于处理语言任务，但往往无法达到专业任务需要的输出精度要求。但是在实际业务场景中需要的精准度应超过90%。他提到，政府领域大模型建设，重点不在通用大模型的研发而在大模型应用的开发，围绕特定场景的业务需求，有针对性地提升大模型应用输出精度，以达到业务需要。对精度要求越高，开发难度越大。
为了提升AI的精度，并且确保大模型应用开发的成功率，北京市司法局在探索过程中做了技术路线的取舍，最终选用了“白盒”模式下的基座模型+智能体+知识库的技术路线。
这种模式前期“费专家”——需大量业务专家逐一梳理逻辑规则，投入高、见效慢。但一旦跑通，优势明显：方便升级替换底层基座模型，智能体和知识库即插即用。而且，随着OpenClaw等大模型应用产品的涌现，技能固化与知识回流正从研发端延伸到应用端，扩展了大模型应用的前景。
在民政部门也遇到了应用精度的难题。一位地方民政部门的信息中心负责人提到，民政政策专业性强、地域差异大，以高龄津贴为例，各县发放节点和标准不一，大模型频繁出现政策解读偏差、答非所问乃至错误答案，跨政策衔接与特殊个案的闭环纠错和责任追溯机制尚不健全。
此外，公众也较为担心AI决策黑箱可能带来的不公平问题。以救助资格审查为例，直接影响群众权益，如果算法逻辑不透明，群众难以认可AI初审结果。当前主要依赖人工反推和入户复核，难以及时发现隐性问题。
“长期来看，数据滞后与样本偏差可能导致对特殊困难群体、偏远地区群众的系统性误判，造成结构性不公平。”这位负责人提到。应用场景“四选四不选”
在应用场景选择方面，北京市司法局相关处室负责人特别强调，选场景不必高大上，实用就好。
“我们总结了‘四选四不选’的方法。”他表示，需求迫切的、重复机械的、费人力的、可推广复用的这四类可以选；人想不明白的、人不能把关的、缺乏数据积累和专家支撑的、与统筹框架不符的这四类则不要选。
以日常的信息简报为例，重复、机械性并且困扰很多人，单次人工整理需要两个小时，AI可以压缩到十分钟。最终人工把关即可。
吉林民政部门则从技术与制度维度构建起“三道防线”。
在事前进行源头管控。首先，进行风险分级，对民政AI政务全场景开展全面风险评估，科学划定低、中、高三个风险等级，明确不同等级场景的管控标准与处置流程，从业务源头识别潜在安全隐患。其次，做好数据脱敏工作，对涉及公民个人身份、住址、婚姻状况等隐私信息进行不可逆变形处理，确保数据在采集、传输与使用环节的安全可控。此外，在模型准入方面，建立审核机制。
事中做好过程管控。吉林民政部门全面实行“AI智能辅助+人工专业终审”的双重处理模式。AI负责信息初筛与标准化响应，人工承担最终决策责任，既提升效率又保障服务准确性。此外，全程留痕，可溯可查。并且，制定岗位责任清单，明确关键节点审核要求。针对高风险业务场景，实施多级复核制度，将人工审核的主体责任落实到岗、到人，杜绝违规操作。
事后落实闭环管控。定期复核，查漏补缺。建立问题台账管理机制，针对复核发现的问题制定整改方案，明确整改时限与执行人员，整改完成后开展效果验证，确保问题不解决不销号、不反弹。收集业务反馈与用户诉求，并持续优化AI，迭代升级。政府需要明确人工智能权力的边界虽然技术手段可以推动AI精度提升，但AI落地过程中仍会“撞上”法律规则的难题。
“人工智能越在政府治理当中越发生效用，越需要纳入法律的框架。”北京师范大学法学院副教授时业伟指出。
他认为，如果人工智能已经如此深入地介入了公共治理，那它必然会涉及合法性、程序正当、权利救济、人类尊严保障等核心问题。反过来，政府越需要提高行政能力，越需要明确人工智能权力的边界。
一位地方信息部门的负责人建议，应该推进政策问答类场景的模型准入标准，明确AI出错的纠错、追责与补救流程。她指出，现行文件只定了人工兜底、算力备案等大原则，但AI答复错误或审核偏差后具体怎么纠错、谁来担责、如何补救，尚无统一标准。建议细化民生场景专属处置细则，区分模型幻觉与人工疏漏等不同情形，厘清政务部门与技术厂商的责任边界，建立统一的纠错补救机制。
此外，在高风险AI政务场景中，建立常态化算法可解释性评估与伦理审查机制，引入第三方测评，形成问题整改闭环，切实防范算法歧视和服务偏差。
会上，北京师范大学法学院张红教授、王静副教授课题组发布了《政府应用人工智能技术的指南(专家建议稿)》和《政务智能体规范部署与使用的指南(专家建议稿)》，确立了安全可控、公平公正、透明可释、以人为本等基本原则。
“所有技术应用必须服务于‘人民群众对美好生活的向往’，脱离以人为本，技术价值无从谈起。”王静强调。
在机制层面，《政府应用人工智能技术的指南(专家建议稿)》按风险级别划分为常规、敏感、越界三类场景，明确划定红线。此外，指南对数据安全、人机协作和服务优化作了初步探讨，贯彻了“人类最终决定”原则。
时业伟认为，政府应用人工智能最终目标还是要回归到人这一本体，人工智能可以提高效率，但是绝对不能把人简化为数据的对象；人工智能可以帮助政府辅助判断，但不能消解人的主体地位，模型再大也大不过人民群众的真实感受。
双悦网提示：文章来自网络，不代表本站观点。
