政府如何利用人工智能加强政策制定

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 引言 为什么人工智能在政策制定中现在很重要 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）中，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。整个地区范围内，政策职能正在得到加强，流程正在规范化，政策专业人员的期望值也在提高。 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。在未来十年，这一转变有可能使政策制定更加快速、严谨和具有前瞻性——帮助政府改进决策，为公民带来更好的成果。 迄今为止，人工智能的采用却参差不齐。一些政府仍在早期、试探性的使用阶段，而另一些政府则积极推动人工智能在政策制定中的前沿应用。本文阐述了人工智能如何帮助政府加强政策设计、提升政策执行效率以及管理相关风险。通过借鉴全球范围内人工智能在政策制定中的早期应用案例，本文为政府如何有效且负责任地采用人工智能提供了实践视角。 人工智能为何对政策制定至关重要 传统政策制定的局限性以及人工智能带来的机遇 传统的政策制定是一项复杂的任务。它所应对的挑战在复杂性上差异很大：从相对简单的，例如推行禁烟令，到复杂的，例如养老金改革，再到真正复杂的，例如扭转生育率下降。每个案例都需要从多个来源收集充分证据，将其综合为可靠的见解，并将这些见解转化为站得住脚的政策建议。这项工作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：界定问题、收集证据、设计方案、咨询利益相关者以及评估结果。 人工智能可以支持更高效的政策制定。它能够自动化耗时分析，快速处理大量信息，从而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。 然而，人工智能的价值超越了效率。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。 政策制定周期 一个展示人工智能如何提供帮助的五阶段模型 政策制定是指政府将其意图转化为决策、机制和行动，以实现实际成果的过程。政策是指政府为实现实际成果、协调领导层优先事项与公众需求、平衡长期目标与短期需求所采取的一系列决策、原则和措施。 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。 政策制定全周期中的人工智能 如何加强问题发现、政策设计、审批、实施和评估 问题识别第一阶段 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（例如媒体来源、从市场捕获的实时数据），人工智能能够检测到传统分析可能忽略的模式，包括新兴风险、情绪变化以及社会与经济变化的早期迹象。 此外，人工智能引入了一种真正全新的能力：实时预见。预测分析、预测和情景建模已经是政府中成熟的工具；人工智能带来的能力是能够持续运行这些工具，整合实时经济、市场和运营数据的信号，并在情况演变时生成洞见。这不仅仅是分析能力的提升，更代表了政策制定方式的范式转变，从周期性的、通常在问题出现后才做出反应的练习，转变为一种持续的能力，使政府能够预见、识别和在问题变得重大之前解决这些问题。然后，这种能力可以应用于综合领导层优先事项、国家承诺和新兴问题，形成关于中期应制定哪些政策的统一观点。 人工智能驱动的议会搜索与议题检测 欧洲议会的人工智能赋能搜索工具，使公民和政策制定者能够分析超过20年的议会材料，包括38,000项决议动议和议会质询，从而提高机构知识的可及性，并支持更快、更精准的问题识别。 新加坡风险评估与前瞻扫描系统 由总理办公室的国家安全协调秘书处开发，RAHS运用先进分析技术和人工智能驱动的情感分析，整合政府机构、全球数据源和研究成果的信息。通过评估新兴战略威胁与机遇，它帮助高级决策者识别哪些问题应提升至国家政策议程。 今天与明天 今天 一个部际团队每周追踪媒体报道、部际函件、公民投诉以及滞后的市场指标，以发现新兴的公共关注点和问题。 明天 人工智能系统持续扫描社交媒体、公民反馈平台、区域新闻、跨部门报告和实时市场数据，自动将新兴信号与相关政策领域进行关联。例如，在问题通常通过传统渠道呈报至部长办公桌前的几周内（例如48小时内），该系统可在短时间内识别出某特定州/省青年失业率上升的担忧，同时发现劳动力市场指标和商业活动趋势的恶化。政策制定者能在问题尚处萌芽阶段时就采取行动。 第二阶段政策制定 人工智能可在四个关键维度支持政策的制定与测试：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。 政策选项设计与权衡分析 人工智能可以生成和构建政策选项，模拟替代情景，并揭示在成本、影响、可行性和公平性方面的可能权衡。 阿联酋的人工智能赋能场景建模与权衡分析 阿联酋的Arqam平台通过人工智能驱动的预测、模拟和情景建模支持政策规划。它允许决策者使用整合的国家数据测试政策选项、评估潜在影响，并比较权衡，从而支持更具循证的政策决策。 芬兰的AI生成城市规划方案 赫尔辛基市利用UrbanistAI为关键街道生成替代性城市规划方案的可视化图。这些AI生成的渲染图帮助市民和当地企业更具体地参与到讨论中，并支持利益相关者的共识建立。 跨政策与立法影响扫描 人工智能可以在新政策最终确定之前，审查现有的政策、战略和立法，以识别其中的重叠、矛盾、空白或需要修订之处。 英国人工智能赋能的立法互引与议会回应分析 英国政府人工智能孵化器开发的Lex和Parlex工具，展示了人工智能如何已支持政策制定。Lex通过将草拟文本与现有法律进行交叉引用来识别冲突并提高起草质量，而Parlex则通过分析过去的议会辩论来预测新政策可能获得的支持，并在最终提交前识别出可能受到挑战的要点。 今天与明天 今天 一个政策团队花费三到四周时间收集证据、委托法律意见、接触少数利益相关者并起草一份初步选项文件——很大程度上依赖一个小组的分析能力，但在权衡取舍建模、测试立法一致性或处理大量公众意见方面能力有限。 明天 一个负责制定新劳动市场干预政策的政策团队在制定过程的每个阶段都使用人工智能。一款人工智能工具在夜间模拟了五种政策情景，揭示了就业、财政成本和公平性之间的权衡。一款交叉引用工具扫描了400部现行法律，并标记出与现有市一级法规的三个潜在冲突。一个咨询平台分析了14000份公众提交意见，将其聚类为八个不同的公民观点，并确定了最有可能面临有组织抵抗的两项条款。该团队带着更完善的文件、更丰富的证据和已知的风险进入高级别审查阶段——所需时间大约是传统流程的一半。 策略稳健性测试 人工智能可以在政策实施前帮助政府识别漏洞、漏洞、未预料到的后果以及潜在的合规规避措施。通过模拟不同参与者可能如何利用政策条款，政府可以测试政策设计的抗压能力，并增强政策的稳健性。 一次性塑料政策 在引入一次性塑料限制之前，一个AI系统会识别潜在的规避方法，包括将产品重新归类为可重复使用，以及转向豁免的塑料类别。政策制定者随后可以在实施前完善产品定义和资格标准，从而减少规避的机会。 起草与分析副驾驶支持 人工智能可在基础分析完成后，作为副驾驶加速研究、整合证据并起草政策文件，主要作为政策团队提升效率的工具。 新泽西州的人工智能支持政策研究、起草与提案制定 新泽西州的AI任务小组使用Policy Synth进行了大规模研究，整合证据和利益相关者的意见，并在20个议题领域迭代起草了1,451项政策建议。在每个阶段都经过专家评审，该工具不仅支持了备选方案的生成，还促进了全面政策建议的快速制定和优化。 咨询 人工智能可以在四个关键领域显著扩大政策咨询的规模、深度和质量： 咨询意见综合 人工智能能够处理来自参与式过程、公共服务反馈和正式咨询的大量输入，将其转化为可操作的建议。它可以识别重复出现的主题、聚类观点、检测异常值、执行情感分析，并根据既定偏好对政策选项进行排序，帮助政府揭示新兴问题、回应利益相关者的关切，并预见潜在的政策影响。 大规模网络审议与共识图谱 波利斯是一款人工智能驱动的开源软件，旨在通过聚类反馈和识别多数支持领域，使大量人群能够讨论复杂议题。它已在奥地利用于环境议题，在乌拉圭用于国家公投，在新西兰用于促进政府政策发展，以及在菲律宾用于生成市镇政策等。 参与过程中的公民引导 人工智能驱动的政府代理可以帮助公民理解咨询流程，并指导他们使用政府参与平台。 马德里参与式流程中的人工智能赋能公民指导 2021年，西班牙马德里市将其AI助手克拉拉嵌入其参与平台，以解答用户关于平台及城市参与流程如何运作的问题。这有助于使公民参与更加便捷，便于市民理解和操作。 大规模审议的节制 人工智能可以大规模地管理在线咨询流程，即使在参与量很高的情况下，也能保持其质量和包容性。 智利利用人工智能对大规模网络审议进行调解 智利参议院利用斯坦福大学的在线审议平台，支持了一场关于医疗卫生和养老金改革的全国公民咨询过程。人工智能帮助管理发言时间、组织发言队列，并围绕定时议程构建小组讨论。这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。 合成目标片段 人工智能可以生成公民群体的合成表示，使政府能够在实施前预先测试拟议干预措施可能受到的接受程度以及不同群体可能的反应。 阿联酋合成人群用于行为干预的预测试 阿联酋的行为科学小组（BSG）利用大型政府数据源中的7,652条记录以及全国代表性在线实验的4,577份回应，构建并测试了合成AI生成的参与者。这为行为干预措施的预测试、评估潜在公众反应以及尽早识别有前景的方案提供了坚实的证据基础，同时利用了一个开源模型，该模型提供了更大的控制力、灵活性以及本地部署的潜力。 第三阶段政策审批 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，来强化政策提案的审查。它还可以支持审批机构自身的审议和决策。 政策审查支持 人工智能可以通过结构化分析和对现有政策、战略及立法的合规性检查，帮助审批者和评审机构评估提案。 美国人工智能赋能政策审查与冲突检测 美国国防部开发了GAMECHANGER，旨在帮助用户导航、比较和交叉引用大量的政策、指令和指南。通过在几分钟内而非数小时中识别重叠、矛盾、过时的条款和相关先例，它加强了政策审查、协调和审批流程。 审批机构决策赋能 人工智能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、质疑假设以及阐明权衡。 阿布扎比穆巴达拉公司推出人工智能赋能的董事会成员。 阿布扎比的穆巴达拉将MAIA正式纳入其投资委员会，以挑战提案、运行反事实场景，并揭示人类偏见可能忽略的风险，从而提升机构严谨性。穆巴达拉的长远目标是让MAIA最终成为投票成员。虽然该模型应用于投资环境，但它直接说明了人工智能如何通过强化审查、揭示权衡关系以及收紧审批前的决策来支持政策审批机构。 会前成员支持 AI代理可以被分配给个别董事会成员，用于解释提案、解答成员特定问题，并在正式会议前将观点或初步立场反馈至公共界面，从而在委员会召开时促成更实质性的审议。 今天与明天 今天 资深审阅员会收到一份60页的政策草案，并花费数日时间阅读、检查其一致性，并将其与相关策略进行比较——通常在多个委员会之间并行进行，且协调有限。 明天 人工