重新思考人工智能时代的政策制定：政府如何运用人工智能强化政策设计、提升服务交付水平及管理风险

政策制定是政府最根本的职能之一，它将领导层的愿景和优先事项转化为塑造社会的决策。在海湾合作委员会（GCC）等区域，随着各国政府建立更强大的机构以将政策与国家规划和转型议程相衔接，其重要性日益凸显。与此同时，人工智能（AI）正在为政策制定和实施方式创造新的可能性。它已经能够处理海量信息、综合复杂证据，并自动化耗时分析。随着AI从大型语言模型发展到多模态、具主动性以及日益通用化的系统，它有望从支持离散任务转变为赋能政府跨领域的持续感知、模拟、咨询和决策支持。

传统的政策制定是一项复杂的任务，几乎在政策周期的每个阶段都依赖于大量的人力投入和专业知识。然而，人工智能可以支持更高效的政策制定，减轻政策团队的手工负担，让他们能专注于最需要人类洞察力、判断力和审慎讨论的工作。潜在收益的规模已经可见：在一项评估中，一个大型语言模型平均每项研究53秒内完成了30项随机对照试验的偏见评估，而传统审查方法下估计每项研究需要28分钟。更重要的是，通过使政府能够审查更多证据、测试更多选项以及更有效地识别风险，人工智能可以加强政策设计本身，并支持为公民带来更好的结果。

五阶段模型下的全周期赋能

本文提出一个五阶段政策制定周期，旨在明确人工智能如何强化政府能力。该周期涵盖政策制定的全过程，从问题识别到评估，并提供一个实用的框架，用于评估人工智能如何支持每个阶段。

在第一阶段“问题识别”中，人工智能可以通过及早揭示新兴挑战与机遇、增强远见以及支持更明智的优先级排序，来提升政府识别需要政策关注的议题的能力。通过扫描大量结构化与非结构化数据，人工智能能够检测到传统分析可能忽略的模式。例如，新加坡由总理办公室国家安全协调秘书处开发的RAHS系统，运用先进分析技术和AI驱动的情感分析，整合多方信息，帮助高级决策者识别哪些问题应提升至国家政策议程。这种能力代表了从周期性反应向持续预见的范式转变，使政府能在问题变得重大之前采取行动。

在第二阶段“政策制定”中，人工智能可在四个关键维度提供支持：证据综合与方案生成、跨政策及立法一致性检查、起草辅助，以及咨询意见和利益相关方反馈的分析。阿联酋的Arqam平台通过AI驱动的预测和情景建模，允许决策者测试政策选项并比较权衡。英国政府开发的Lex工具则通过将草拟文本与现有法律交叉引用来识别冲突。此外，AI还能显著扩大政策咨询的规模和质量。波利斯软件已在奥地利、乌拉圭等地用于大规模网络审议，通过聚类反馈和识别多数支持领域，促进共识建立。智利参议院利用AI管理发言时间和组织队列，使得更大规模的咨询能够以一种更有序和包容的方式进行。

第三阶段“政策审批”关注的是强化政策提案的审查。人工智能可以通过总结要点、揭示影响与权衡，以及识别与更广泛政策环境的不一致之处来支持这一过程。美国国防部开发的GAMECHANGER旨在帮助用户导航和交叉引用大量的政策指令，在几分钟内而非数小时中识别重叠和矛盾。阿布扎比的穆巴达拉公司甚至推出了名为MAIA的AI董事会成员，用于挑战提案、运行反事实场景并揭示人类偏见可能忽略的风险。这表明AI可以直接嵌入审批机构的流程中，在审议过程中实时支持成员解读提案。

第四阶段“政策实施”涉及支持政府进行政策沟通和改变公民体验。人工智能可以帮助针对不同受众定制指导，回应公民咨询，并使政策信息更易于获取。爱沙尼亚的Bürokratt虚拟助手为公民提供了一个单一的AI驱动界面，用于访问公共服务，通过自然语言交互帮助他们查找信息并导航政府流程。同时，AI还能实时监测公共辩论和舆情，使政府能够在出现困惑或阻力时及时调整信息传递策略。

第五阶段“政策评估”旨在实现更持续、更有依据的评估。人工智能可以通过实时监控绩效、对照目标评估成果、检测非预期影响以及分析公众反馈来提供纠偏信息。土耳其的KURGAN平台展示了高级分析和AI如何通过识别可疑行为和标记潜在违规来支持大规模合规管理。经合组织（OECD）运用AI分析了41个国家超过1500项环境政策干预措施，发现政策组合比单一措施更能产生显著效果。世界银行也采用无监督机器学习方法分析项目报告，揭示了仅通过人工审查可能遗漏的影响因素。

必须管理的五项核心风险

尽管前景广阔，但人工智能进入政策制定需严格管理五项风险。首先是有偏见的或低质量的输入数据。当AI在训练数据不完整或偏差时，可能会产生误导性的政策见解。因此，政府需要强大的数据治理，包括部署前的数据质量测试和检索增强生成（RAG）框架等措施。其次是自动化偏见、幻觉与现实错误。决策者可能因AI输出看似客观而过度信任，即使这些输出是不准确的。欧盟规定高风险AI系统的部署者必须指定人员进行人工监督，确保人类判断处于活跃状态。

第三是不透明模型和有限的透明度。一些AI工具无法解释其推理过程，这在需要向公众辩护的政策领域是严重问题。英国推行的算法透明度记录标准为公共部门提供了说明AI使用方式的框架。第四是数据安全、保密性及数据主权风险。AI使用可能泄露敏感材料或依赖外国平台导致主权丧失。新加坡已发布标准，限制托管生成式AI API服务的使用级别并要求分类检查。最后是排斥与参与不平等。利用AI进行政策制定可能无意中偏袒精通数字技术的人群。马德里市的“决定马德里”平台通过集成AI虚拟助手和多渠道接入，致力于从一开始就建设包容性。

融入政策制定的关键考量

为了有效且负责任地采用人工智能，政府需遵循一系列关键考量。首先，审计所拥有数据。在部署任何工具前，政府应梳理数据的结构化程度、时效性及孤岛情况，避免自动化低质输入。其次，定义人类角色。对于每种应用场景，需明确哪些决策权保留给专业人员，哪些输出需审核，以及出错时的责任归属。第三，在可控的低风险环境下试飞。先在特定团队和非敏感用例中测试，了解其在自身工作流程中的表现，再进行规模化决策。

此外，需在扩大规模前设定质量和透明度标准，明确验证方法和披露要求。同时，调整运营模式以适应AI辅助的决策制定，支持更快速、持续的政策周期。同步提升内部素养也至关重要，政策专业人士必须具备批判性评估AI生成内容的能力。最后，建立反馈回路并规划迭代，将采用视为一项持续的制度能力，而非一次性实施。结论指出，人工智能代表了政府在制定和实施政策方面的一种范式转变，消除了许多传统限制。要充分释放其潜力，需要强有力的治理、可靠的数据以及在高风险决策中坚守人类判断的承诺。