張欣《生成式人工智能賦能 社會治理的三重維度》

【學思踐悟】

習近平總書記強調，“加快發展新一代人工智能是事關我國能否抓住新一輪科技革命和產業變革機遇的戰略問題”。2025年國務院印發《關於深入實施“人工智能+”行動的意見》，明確提出“開創社會治理人機共生新圖景”。以大語言模型為代表的生成式人工智能，正深度嵌入社會治理各領域。從智能客服到政務助手，從文本生成到決策輔助，深度影響了社會治理的運行范式。這種深度影響已超越單純的技術工具范疇，不僅體現為效率提升，更體現為信息生產、人機交互與風險結構的系統性變革。其中，信息生產關乎治理的基礎，人機交互關乎治理的方式，風險防控關乎治理的邊界。三者各有側重、彼此影響，共同構成理解生成式人工智能賦能社會治理的重要維度。

一

回溯歷史，信息生產方式經歷了從口耳相傳到文書檔案、從紙質台賬到數字平台的多次變化，這些變化在不同程度上深度影響了治理形態，並持續拓展著治理能力的邊界。社會治理領域的信息技術應用，盡管具體形態各異，但大多遵循“採集—加工—呈現”的基本技術邏輯。與之相比，生成式人工智能不僅能夠檢索和匹配既有信息，還能基於概率分布生成新的內容。其輸出並非對既有事實的簡單復現，而是統計模式驅動下的創造性生成。這種能力正在改變社會治理中信息生產、知識服務與決策支持的方式，並在與制度、組織和人員等因素相互作用的過程中，對社會治理模式產生日益深刻的影響。

首先，信息獲取門檻降低，非結構化信息的利用效率提升。借助人工智能的語義理解與文本生成能力，基層工作人員能夠更加便捷地檢索和利用政策文本、辦事指南等信息，信息獲取的門檻有所降低。值得注意的是，此前的數字治理系統主要圍繞結構化數據展開，如投訴量、辦結率等，而對調解記錄、走訪筆記、信訪材料等以文本形態存在的非結構化信息，其處理能力相對有限。恰恰是這些文本，承載著社會治理中豐富的情境信息和實踐經驗。大語言模型的出現，使這些“沉睡”的治理文本有了被批量激活、關聯分析和深度挖掘的可能。

其次，社會治理知識的生成方式發生變化。信息為知識提供素材，知識則使信息具有意義。過去，治理經驗的積累主要依靠師徒傳承和時間沉澱，一名優秀的基層干部往往需數年才能練就處理復雜問題的能力。人工智能不僅提供了一種將分散在一線的實踐經驗進行整理、提煉的技術可能，還在一定程度上參與了社會治理知識的生成過程，如通過分析大量案例提煉矛盾化解規律、通過模擬不同情境輔助政策設計等。不過，這種知識生成仍需人的驗証、解釋與價值判斷，尤其是涉及倫理、情感與復雜情境的領域，人工智能的作用仍然有限。

最后，生成式人工智能能夠通過數據分析、模式識別為治理決策提供輔助。但是，模型幻覺可能生成與事實不符的內容，統計模式匹配無法替代價值判斷。因此，人工智能輔助決策必須堅持“人主機輔”的原則，確保最終決策權掌握在人的手中。當一段由人工智能生成的回復被基層干部不加甄別地直接轉發給群眾時，責任主體已在無形中發生轉移﹔當一份因模型錯誤生成關鍵數據的風險分析報告被採用時，可能導致治理資源的系統性錯配。信息的可靠性是社會治理賴以運轉的基石，因此，“辨偽存真”在人工智能時代顯得尤為重要，這也是社會治理必須面對和克服的挑戰。

二

傳統數字治理中的人機關系，總體上呈現為“人下指令、機器執行”的主從模式。無論是數據報送、平台審批還是監控預警，人按照系統預設路徑操作，機器則完成計算、存儲和展示功能。這種模式的優勢在於權責邊界清晰，但其局限在於人需要不斷適應系統的技術邏輯。生成式人工智能的出現，使人機關系發生了新的變化：它不再只是一個被動響應的工具，而是一個能夠主動提問、提供建議的“協作者”。

在服務端，政務服務的數字化改造，究其實質仍是將線下流程映射到線上。群眾仍需逐一理解政策條款、准備材料、填報信息，改變的主要是交互媒介而非交互模式。以大模型為基底的智能政務服務，更適配自然語言交互，推動服務從“辦事”向“對話”轉變。群眾隻需用日常語言描述需求，系統即可輔助匹配政策、生成辦事指南、預填表單、提示潛在風險。從“人適應系統”到“系統服務於人”的轉向，既是交互方式的改變，更是服務理念的升級。

在治理端，變革同樣值得關注。基層干部的日常工作大量涉及信息整合與文本處理，大模型能夠有效壓縮這類案頭工作的時間成本，使干部將更多精力投入到面對面的群眾工作中。更為重要的是，當大模型能夠以結構化、多維度、跨領域的方式對同一件治理事務進行分析時，它有助於突破個體干部知識儲備、信息獲取和思維框架的局限，在多方案比較和多維度權衡中輔助決策。

當人機協作成為常態時，責任歸屬問題還需要審慎對待，必須同步完善責任認定機制、算法審計制度和信息可追溯體系，做到“智能輔助、人工把關、權責統一”，確保技術賦能始終在制度的軌道上有序運行。

三

傳統社會治理中的技術風險，多集中於自然災害監測預警、安全生產隱患排查、社會治安動態防控等外部領域。即便涉及技術本身，也多為網絡安全攻擊、數據泄露等信息基礎設施層面的安全風險，防控手段相對成熟。生成式人工智能的興起，則催生了一類新型風險——由技術內生特性引發的社會風險。這類風險並非源於技術的誤用或濫用，而是技術正常運行過程中可能產生的負面外部效應。風險來源由此從“外部”擴展為“外部與內生並重”，治理邏輯亦須相應調整。

深度偽造是其中最具代表性的例証。生成式人工智能可以以較低成本制作以假亂真的圖像、音頻和視頻，使“有圖有真相”“眼見為實”這些長期以來形成的社會信任機制受到沖擊。在糾紛調解、司法審判乃至公共輿論中，事實認定的難度明顯上升。更為根本的是，算法馴化值得高度警惕。大模型的訓練語料源於既有文本的匯集，特定文化背景下的價值偏好和認知傾向無可避免地隱藏於其中。模型在學習過程中提取的是統計規律，而非對規律本身的規范性判斷。當模型的輸出被納入公共服務的推薦環節或治理決策的輔助鏈條，治理者未必能察覺其內嵌的價值偏好。即便有所察覺，也通常缺乏系統性的校驗工具。算法隱含的價值傾向便在不知不覺中以客觀輸出的面貌進入社會治理實踐，使結構性不平等獲得了技術化、隱蔽化的復制路徑。當治理者長期處於由算法構建的信息環境中，其視野便可能被限定在模型所呈現的“推薦方案”之內，失去質疑和思考的能力。這些風險與挑戰提醒我們，技術應用必須與社會治理的完善同步推進，唯有如此，才能在風險防控中實現社會治理模式的優化與升級。

應對這些內生風險，必須從技術設計、制度安排和社會共識三個層面系統推進。在技術設計層面，將透明度、可解釋性和公平性約束嵌入模型開發的全生命周期，而非技術定型后的倫理附加。在制度安排層面，加快建立面向生成式人工智能的分類分級監管框架，針對不同應用場景設定差異化的安全閾值和人工復核要求。在社會共識層面，培育公眾的算法素養和媒介批判能力，使社會整體提升抵御人工智能信息操縱的基礎性“免疫力”。

總之，生成式人工智能對社會治理的影響，絕非淺層的工具更替，而是對信息生產方式、人機關系模式和風險生成機制的系統性重構。大模型所能覆蓋的領域越廣，那些無法被大模型替代的能力便越顯珍貴。無論是面對面的信任搭建、復雜情境中的道德判斷，還是價值選擇中的責任擔當，均無法被算法模擬。技術賦能終究需要真實的人來檢驗。唯有在技術賦能與人文堅守之間保持清醒的張力，在效率追求與價值守護之間維持必要的平衡，才能真正實現“開創社會治理人機共生新圖景”的戰略願景，在數字時代穩步推進國家治理體系和治理能力現代化。