孙占卿：走出“数字外挂”困境，迈向“AI原生政府”

本文来自微信公众号： IPP评论 ，作者：孙占卿

一、数字政府到了重新定义自身的时刻

数字政府并不是一个新概念。过去二十余年，世界各国持续围绕电子政务、在线政务、数据共享、移动政务和数字公共服务开展建设。

从网上办事大厅到政务服务App，从数据交换平台到城市运行管理中心，数字政府确实深刻改变了政府与社会的连接方式：办事不用反复跑腿，材料不用重复提交，审批流程可以在线追踪，城市管理也能够借助传感器、平台系统和数据分析，实现更高水平的可视化、协同化和精细化。可以说，数字政府曾经是政府现代化的重要标志，也是国家治理能力现代化的重要支撑。

通过运用人工智能等技术，城市运营管理服务中心深度可融合各类城市数据资源。图源：新华社

然而，尽管披上了数字技术的外衣，当前的数字政府在很大程度上仍然运行于工业时代、科层时代和纸面行政时代形成的组织逻辑之中。网站、App、平台、系统、算法被一层层叠加到既有流程之上，像一个又一个“数字外挂”。它们能够解决局部问题，却未能改变政府运行的底层机制；能够提升某个窗口、某项审批、某类文本处理的效率，却难以带来整体治理绩效的跃升。[1]

经合组织（OECD）发布的《Digital Government Outlook 2026》认为，政府正被夹在公众不断提高的期待与难以迅速响应的僵化制度之间，步履蹒跚。随着以生成式人工智能为代表的新一轮技术变迁开始重组社会生产、知识生产乃至人的活动方式，社会治理问题变得越发复杂，风险传导愈加迅速，公众需求也越来越个性化，资源配置亟需动态调整。在这样的背景下，外挂式数字政府虽然挂满了先进装备，行动却显得更加笨拙。

2025年OECD数字政府指数显示，韩国、澳大利亚、英国等国家排名靠前。图源：Digital Government Outlook 2026

二、传统数字政府的“外挂”困境

传统数字政府的根本问题，不是数字化不够，而是数字化仍然停留在外围；不是技术水平太低，而是组织模式没有随技术能力同步重构。[2]

（一）数字政府的历史：从电子化、在线化到平台化

数字政府大体经历了三个阶段。

第一是电子政务阶段，其核心任务是把政府办公、文件流转、信息发布和部分审批事项，从纸面迁移到计算机和网络系统中。

第二是在线政务阶段，政府服务逐步从机关内部系统走向公众界面，开始强调“一网通办”“一次办成”“最多跑一次”。办事大厅、政务门户、移动App、热线平台、统一身份认证、电子证照等陆续上线，公众与企业可以通过线上渠道提交申请、查询进度、获取证明，政府服务由此从“机关中心”逐步走向“用户中心”。

第三是平台化与数据化阶段。随着云计算、大数据、物联网和城市运行平台建设的推进，数字政府不再只是提供在线服务，而是试图通过数据共享、业务协同、城市感知和综合指挥来提高治理能力。许多国家和城市建立了数据交换系统、城市大脑、公共数据平台、综合应急平台和数字公共基础设施，试图打通部门边界，推动跨层级、跨部门、跨区域协同治理。

（二）传统数字政府的组织和行为模式：把技术叠加在旧流程之上

传统数字政府的最大特征，是在既有科层制组织、部门制权责和程序化流程之上叠加数字技术。它改变了行政活动的外部界面，却很少改变行政活动的内在逻辑。

首先，在组织结构上，传统数字政府仍然以部门为中心。

具体而言，数据由部门分散采集和管理，系统由部门各自建设，预算按部门分别安排，项目则按条线逐级审批。每个部门都可以建设自己的业务系统、数据库和服务窗口，但跨部门事项往往仍然需要通过协调会议、文件流转和人工对接来完成。结果是，政府看起来有了很多平台，实际上却形成了新的“数字烟囱”。技术没有打破部门边界，反而有时把部门边界固化为系统边界、数据边界和接口边界。

近日，江苏全省县级及以下政务服务APP全部取消，确需保留的政务服务应用统一转移至“苏服办”APP。

其次，在运行流程上，传统数字政府多采取“平移式改革”。

所谓平移，就是把原有线下流程搬到线上，把纸质表格变成电子表单，把窗口受理变成网上受理，把人工台账变成数据库。这种改革能够提升便利性，但并没有真正重构端到端流程。

许多事项虽然已经可以网上申请，却仍然需要多个部门逐级审核；虽然有了电子材料，却仍然按照纸质行政的逻辑反复证明；虽然可以在线查询，却仍然无法实现后台自动判断、自动匹配和主动推送。技术被用于加速旧流程，而不是重新设计新流程。

再次，在行为模式上，传统数字政府仍然偏向程序合规。

公共行政当然需要依法依规，但当数字系统主要围绕“流程是否走完、材料是否齐全、节点是否留痕”设计时，政府就容易形成“系统合规”而非“结果有效”的行为倾向。真正解决群众问题、实现预期社会效果、降低社会交易成本，往往并未成为系统运行的首要指标。

另外，在人机关系上，传统的数字政府把技术视为外部工具。

公务人员仍然是流程的主要执行者、判断者和协调者，数字系统则承担录入、查询、统计、提醒、归档等辅助功能。即使引入AI，也常常只是智能问答、文本生成、材料审核、舆情监测等局部应用。AI被安放在流程边缘，而不是成为组织运行的节点。

这样一来，它越强大，越容易与旧流程发生摩擦。AI能够迅速生成分析和建议，但在现实运行中，许多事项仍要经过层层报批。AI可以捕捉风险信号，但部门权责不支持即时处置。它也能承担部分初步审核工作，但最后仍常常回到人工复核和责任确认。结果是，技术效率被组织摩擦抵消。

北京市昌平区“AI咨询通数字人”。图片来源：微信公众号“北京市政务服务中心”

（三）挑战：技术进步越快，组织滞后越明显

进入AI时代后，传统数字政府的“外挂”困境主要表现为四类挑战。

第一，数据孤岛与认知贫困并存。过去，数字政府重点处理结构化数据，如人口、法人、证照、审批、税务、社保等表格化信息。但公共治理中大量关键知识并不以表格形式存在，而是分散在政策文件、会议纪要、群众诉求、热线记录、执法文本、基层报告、调研材料和网络表达之中。这些非结构化信息包含着社会情绪、政策堵点、风险苗头和治理经验。传统系统缺乏深度语义理解能力，导致大量数据“在服务器里沉睡”。AI时代真正需要的是全量、多模态、可理解、可推理的数据环境，而传统数字政府却仍停留在“能归集、能交换、能统计”的较低层次。

第二，实施鸿沟导致“建而不用”。许多国家和城市在数字政府战略规划上雄心很大，基础设施建设投入也不小，但从战略到运营之间存在明显断裂。数字公共基础设施建成之后，在部门使用、业务接入、流程再造、绩效提升上往往缺乏持续评估。OECD相关评估提到，即使已经建有数据共享系统，一些国家中央机构的实际使用率仍然不高，[3]说明基础设施并不会自动转化为治理能力。数字政府的难点不只是建设平台，而是让平台成为日常治理的真实基础。

36个OECD国家中有30个已经建立政府范围的数据互操作系统；但在这30个国家中，只有23个国家报告中央层面超过50%的公共部门机构广泛使用该系统。

第三，复杂性过载与技术债累积。传统数字政府常常通过项目制方式推进：一个问题建设一个系统，一个条线建设一个平台，一个专项开发一套应用。短期看，这有助于快速响应任务；长期看，却容易形成系统林立、接口不一、标准分散、重复建设、维护困难的局面。许多平台既不能停用，也难以整合；既需要持续投入，又不能产生相应价值。公众面对多个入口、多个账号、多个材料要求，也会产生新的不便。数字政府本应降低复杂性，却在某些场景中制造了新的复杂性。

第四，AI采用速度超过治理能力。生成式AI降低了技术使用门槛，政府部门很容易开展各种试点，智能客服、智能写作、政策问答、辅助审批、舆情分析、执法辅助等应用迅速扩散。但如果没有统一的风险评估、数据治理、算法透明、责任追溯和效果测量机制，AI试点越多，治理风险也越大。算法是否存在偏见、数据是否合规、自动化决策是否可解释、公众能否申诉、错误由谁负责，这些问题都不能靠技术部门单独回答。

传统数字政府在项目建设上经验丰富，但在AI时代所需要的动态治理、持续测试和闭环评估方面，明显准备不足。[4]

三、未来数字政府的使命、任务和组织

未来数字政府不是“更数字化的政府”，而是“AI原生的政府”。AI原生，并不是把所有事务交给AI，也不是以技术替代公共价值判断，而是把AI作为公共治理的认知底座、协同节点和执行代理，重新塑造政府发现问题、配置资源、提供服务、形成政策和承担责任的方式。

（一）使命：从流程数字化转向主动公共价值创造

传统数字政府的使命主要是提升行政效率、优化政务服务和加强数据共享，未来数字政府的使命则应进一步提升为主动创造公共价值。也就是说，政府不能只是等待公众提出申请、企业发起诉求、风险暴露之后再作出响应，而应当基于数据、模型和制度授权，在合法合规的前提下，提前发现需求、预判风险、匹配资源、推送服务。

OECD提出的“一次填报”原则和主动式服务方向，正体现了这一转变。过去，公众需要理解政府部门分工，查找办事指南，准备材料，并向不同机构反复提交信息。未来，政府应当通过跨部门数据互认和AI语义理解，把行政复杂性隐藏在后台，让服务在适当时间自动抵达公众。

爱沙尼亚的Bürokratt系统提供了重要启示。它并非一个普通聊天机器人，而是一个互操作的AI智能体网络。当公民提出复杂事项需求时，不同部门背后的智能体可以进行机器与机器之间的协同调度，把原本需要公众理解和穿越的行政流程，转化为后台自动编排。它所代表的，正是从“公众适应政府流程”向“政府适配公众需求”的转变。[5]

爱沙尼亚政府聊天机器人Bürokratt。访问爱沙尼亚某一政府部门网站时，用户可以通过网页右下角的窗口获取所需服务。图源：爱沙尼亚信息系统管理局网站。

（二）任务：从事项办理扩展到治理闭环

未来数字政府需要从单一政务服务扩展为五个治理闭环。

一是公共服务闭环。AI应帮助政府从统一化、标准化服务走向实时化、个性化服务。借鉴企业领域通过AI识别用户意图、提高转化效率的经验，政府可以建立面向教育、就业、养老、医疗、住房、救助等领域的主动感知机制。在严格保护隐私的前提下，系统可以识别公民生命周期中的潜在需求，例如适龄儿童入学提醒、老年人补贴资格核算、困难群体救助匹配、企业政策适配推送等，使“人找政策”逐步转向“政策找人”。

二是城市运行闭环。AI原生政府应建立“感知—判断—执行—反馈”的城市运行体系。借鉴NestléPurina利用AI进行预测性维护、减少停机风险的经验，城市治理可以建设类似的“城市生命体监测系统”。管网、桥梁、电力负荷、交通流量、生态环境、公共安全等领域，都可以通过传感数据与AI模型进行风险识别，在故障和危机发生前触发维护、调度和干预，从而把突发事件转化为可预测、可处置、可复盘的日常治理任务。

三是政策研发闭环。传统政策制定常常依赖调研、会议、专家论证和有限样本评估，周期较长，反馈滞后。AI可以帮助政府扩展政策选项空间，快速生成多种政策情景，并通过数字孪生、仿真模型和历史数据进行压力测试。类似医疗影像AI提高诊断效率的逻辑，也可以用于公共政策实验室：在政策正式推出前，先在虚拟环境中模拟不同方案对财政、群体、区域和风险的影响，实现“虚拟优先、实体跟进”。

四是战略规划闭环。传统战略规划多以年度预算、五年规划和周期性考核为节奏，面对快速变化的经济社会环境容易滞后。AI原生政府应推动战略规划从静态文本变为“活的系统”。例如，在就业、产业、公共卫生、社会救助和城市安全等领域，可以设定一系列触发器。当某一区域、行业或群体出现异常信号时，系统自动提出资源调拨、政策调整和风险预警建议，帮助政府从固定资源分配走向动态资源配置。

五是组织学习闭环。政府不应只是使用AI，更应通过AI持续学习。每一次服务、审批、投诉、执法、应急和政策执行，都应成为组织能力积累的来源。AI可以帮助政府发现高频问题、流程堵点、制度冲突和基层创新经验，使政府从经验型组织转向学习型组织。

（三）组织：从职能孤岛转向平台型、人机协同型政府

英国将原本分散的政府数字服务机构、中央数字与数据办公室以及AI孵化相关力量整合为统一统筹中心，目的正在于缩短战略、治理和交付之间的距离。[6]这一案例表明，AI原生政府需要新的组织形态，未来数字政府不能再依赖分散部门各自推进，而需要强有力的跨部门数字领导权、统一标准、统一平台和统一交付机制。

企业组织的变化也提供了启示。Moderna将人力资源和信息技术部门进行融合，由统一的“首席人员与数字技术官”统筹，表明AI时代组织设计的核心问题已经变成“人类与AI如何共同工作”。[7]

这一逻辑同样适用于政府。未来政府组织不应只是设置一个信息化部门或数据局，而要把数字能力、人才能力、业务能力和制度能力整合起来。AI将承担大量确定性、重复性、可规则化的任务，公务人员则更多转向价值判断、复杂协商、制度设计、伦理监督和公共沟通。政府中的人不再只是流程执行者，而应成为AI系统的定义者、训练者、监督者和价值校准者。

因此，未来数字政府的组织结构将具有三个特征：一是统一中枢，能够统筹数据、算法、平台、标准、安全和交付；二是平台赋能，使各部门不必重复建设底层能力，而是在统一公共基础设施上开发场景应用；三是人机协同，把AI智能体纳入组织节点，形成“机器执行常规、人类处理复杂、制度约束边界、公众参与监督”的新格局。

四、基于AI原生的“自适应”政府

从“数字外挂”走向“AI原生”，不能停留在理念倡导，而必须落实为系统性重塑，至少需要在流程、数据、决策、投资、监督和人才六个方面同步推进。

重塑流程，驱动逻辑从部门职权转向业务流程。传统数字政府常以部门事项为单位建设系统，而AI原生政府必须以公众和企业的最终需求为单位重构流程。比如“开办企业”“退休养老”“生育服务”“困难救助”“企业合规经营”“城市内涝处置”等，都不是单一部门事项，而是跨部门、跨层级、跨系统的结果链条。政府应围绕这些高频、高价值场景，重新设计端到端流程，明确哪些环节可以由AI自动判断，哪些环节需要人工确认，哪些环节必须保留线下救济和申诉渠道。

重塑数据，颗粒度细化推动数据共享转向认知基础设施重构。过去强调数据“打通”，未来更要强调数据“可理解、可推理、可治理”。政府需要建设面向AI的数据底座，不只是汇聚结构化数据，还要对政策文本、法律法规、办事规则、热线诉求、案例材料、基层报告和公共反馈进行知识化处理，形成可被模型调用、可被追溯验证、可被持续更新的政务知识体系。同时，要坚持隐私保护内嵌、最小必要使用、分级授权和全过程留痕，防止以智能化名义扩大不必要的数据收集和滥用。

黑龙江联通为伊春政府量身定制的智慧导办系统AI数字人，依托DeepSeek大模型和联通元景大模型技术自主研发，核心是满足伊春政务服务数字化转型需求，具有“线上智能客服+线下AI数字人”双轨服务模式。图源：新华社

第三，重塑决策，强化信息和决策“分级护栏”将为代理式执行提供框架。AI原生政府并不意味着取消人类责任，而是重新划分人机决策边界。低风险、高频次、规则明确的事项，如标准证明出具、资格初筛、材料完整性审核、政策匹配提醒、简单补贴核算等，可以在法律授权和可追溯机制下由AI代理处理。中风险事项应采取“AI建议—人工确认”模式。高风险、强裁量、涉及重大权益和公共价值冲突的事项，必须坚持人类主导。未来政府需要建立清晰的自动化分级标准、人工复核机制、申诉救济机制和错误赔偿机制，使AI代理在制度护栏内运行。

第四，重塑投资，动态的绩效评估将为投资提供支撑。从一次性项目拨款转向敏捷迭代。传统数字项目往往按固定需求、固定预算、固定工期推进，适合传统基础设施，却不适合快速迭代的AI项目。澳大利亚《数字与ICT投资监督框架》提供了有益经验：对于高风险数字项目，不再一次性下发预算，而是基于阶段性里程碑分阶段拨付资金，并要求持续跟踪预期收益。未来数字政府也应建立“试点—评估—扩展—退出”的投资机制。一个AI应用能否继续投入，不应只看是否完成建设，而应看是否真正降低成本、提升服务质量、减少风险、改善公众体验。

澳大利亚政府数字与ICT投资监督框架将投资治理贯穿项目立项前、决策和实施全过程，并通过战略规划、优先排序、竞争性审查、实施保障、采购和运营反馈，持续评估数字投资是否真正产生预期收益。

第五，重塑监督，透明度将成为AI规模化应用的前提。从内部合规转向透明问责。AI进入公共治理，信任是最关键的基础设施。例如荷兰“算法与AI登记册”向公众披露公共机构部署算法的用途、数据来源和联系人，把透明与问责嵌入AI运行过程。[8]

未来数字政府应建立类似的算法登记、风险分级、影响评估和公众查询机制。公众有权知道哪些事项使用了算法，算法依据什么数据，错误如何纠正，责任由谁承担。

第六，重塑人才，从岗位管理转向能力管理。AI会改变公务人员的工作内容，但不会取消公共行政中人的重要性。德国安联保险推广AllianzGPT的经验说明，技术导入的关键不只是提供工具，而是要求员工重新思考工作时间和价值分配：AI每周减少的重复劳动时间，应被用于更需要同理心、复杂判断和创造性解决问题的任务。政府也应如此。AI释放出来的人力，不应被新的报表、复核和留痕消耗掉，而应转向基层调研、政策设计、公共沟通、风险研判和复杂纠纷处理。

为此，政府需要建设复合型数字人才队伍，不仅要有算法工程师和数据专家，也要有懂公共政策、法律伦理、业务流程和社会沟通的“AI治理型公务人员”。

五、人，是数字政府的尺度

过去，数字政府解决的是“能不能在线办、能不能少跑腿、能不能数据共享”的问题；未来，AI原生政府要回答的是“能不能提前发现需求、能不能动态配置资源、能不能持续学习改进、能不能在复杂风险中保持公共信任”的问题。

AI原生政府绝不意味着技术至上，未来政府的先进性，不取决于它部署了多少算法，而取决于它能否把算法纳入公共价值、法治约束和民主监督之中。越是智能化，越要坚持人类主导；越是自动化，越要强化责任边界；越是依赖数据，越要保护隐私和权利；越是追求效率，越不能牺牲公平与正义。

数字政府使政府走上网络，AI原生则将推动政府重塑自身。成功完成这一转型的政府，将不只是更高效的服务提供者，更是更敏捷的风险治理者、更有温度的公共价值创造者和更具韧性的社会信任维护者。

本文作者

孙占卿广州市社会科学院城市文化研究所副所长、IPP特约研究员

参考文献：

[1]德勤《Government Trends 2026》指出：“仅仅将新技术整合到过时的流程中很少能产生持久的影响。”

[2]麦肯锡《The State ofOrganizations 2026》指出：“利用结构重组、削减成本等传统手段已经达到收益递减的极限”，真正的变革必须是“技术和组织层面的双重转型”。

[3]《OECD：Digital Government Outlook 2026》：在已建成国家数据互操作系统的经合组织成员国中，中央机构的平均实际使用率仅为63%。

[4]《OECD：Digital Government Outlook 2026》指出“AI的采用速度已远超政府的治理能力”其提供的数据显示：只有39%的国家要求在部署前进行AI风险评估；仅有31%具备算法透明度机制；更严重的是，只有28%的国家对部署的AI进行了事后闭环效果评估。

[5]参见《OECD：Digital Government Outlook 2026》。

[6]《OECD：Digital Government Outlook 2026》：英国于2025年1月合并GDS、CDDO和AI孵化器，成立单一的“数字政府中心”以缩短战略与日常交付的距离。

[7]麦肯锡《The State ofOrganizations 2026》。

[8]OECD：Digital Government Outlook 2026》提到该登记册聚合了数百个政府算法，向公众开放算法用途、联系人以应对技术滥用担忧的事实。