孫占卿：走出“數字外掛”困境，邁向“AI原生政府”

IPP評論是國家高端智庫華南理工大學公共政策研究院（IPP）官方微信平臺

導語：“十五五”規劃綱要提出要“提高政府治理數智化水平”。在廣州市社會科學院城市文化研究所副所長、IPP特約研究員孫占卿看來，傳統數字政府的根本困境，是數字化仍然停留在外圍，組織模式沒有隨技術能力同步重構。平臺、系統和算法只是疊加在既有科層結構與舊流程之上，像一個個“數字外掛”。它們能夠提升局部效率，卻難以改變政府運行的底層機制，亦未能形成跨部門協同、主動服務和治理閉環。數據孤島、系統林立、“建而不用”等問題仍舊突出。

他認為，未來數字政府不應只是“更數字化的政府”，而應轉向“AI原生政府”。把AI作為公共治理的認知底座、協同節點和執行代理，推動政府從“公眾適應政府流程”轉向“政府適配公眾需求”，從“程序合規”進一步走向“結果有效”。

本文作者

孫占卿

廣州市社會科學院城市文化研究所副所長、IPP特約研究員

一、數字政府到了重新定義自身的時刻

數字政府并不是一個新概念。過去二十余年，世界各國持續圍繞電子政務、在線政務、數據共享、移動政務和數字公共服務開展建設。

從網上辦事大廳到政務服務App，從數據交換平臺到城市運行管理中心，數字政府確實深刻改變了政府與社會的連接方式：辦事不用反復跑腿，材料不用重復提交，審批流程可以在線追蹤，城市管理也能夠借助傳感器、平臺系統和數據分析，實現更高水平的可視化、協同化和精細化。可以說，數字政府曾經是政府現代化的重要標志，也是國家治理能力現代化的重要支撐。

通過運用人工智能等技術，城市運營管理服務中心深度可融合各類城市數據資源。圖源：新華社

然而，盡管披上了數字技術的外衣，當前的數字政府在很大程度上仍然運行于工業時代、科層時代和紙面行政時代形成的組織邏輯之中。網站、App、平臺、系統、算法被一層層疊加到既有流程之上，像一個又一個“數字外掛”。它們能夠解決局部問題，卻未能改變政府運行的底層機制；能夠提升某個窗口、某項審批、某類文本處理的效率，卻難以帶來整體治理績效的躍升。[1]

經合組織（OECD）發布的《Digital Government Outlook 2026》認為，政府正被夾在公眾不斷提高的期待與難以迅速響應的僵化制度之間，步履蹣跚。隨著以生成式人工智能為代表的新一輪技術變遷開始重組社會生產、知識生產乃至人的活動方式，社會治理問題變得越發復雜，風險傳導愈加迅速，公眾需求也越來越個性化，資源配置亟需動態調整。在這樣的背景下，外掛式數字政府雖然掛滿了先進裝備，行動卻顯得更加笨拙。

2025年OECD數字政府指數顯示，韓國、澳大利亞、英國等國家排名靠前。圖源：Digital Government Outlook 2026

二、傳統數字政府的“外掛”困境

傳統數字政府的根本問題，不是數字化不夠，而是數字化仍然停留在外圍；不是技術水平太低，而是組織模式沒有隨技術能力同步重構。[2]

（一）數字政府的歷史：從電子化、在線化到平臺化

數字政府大體經歷了三個階段。

第一是電子政務階段，其核心任務是把政府辦公、文件流轉、信息發布和部分審批事項，從紙面遷移到計算機和網絡系統中。

第二是在線政務階段，政府服務逐步從機關內部系統走向公眾界面，開始強調“一網通辦”“一次辦成”“最多跑一次”。辦事大廳、政務門戶、移動App、熱線平臺、統一身份認證、電子證照等陸續上線，公眾與企業可以通過線上渠道提交申請、查詢進度、獲取證明，政府服務由此從“機關中心”逐步走向“用戶中心”。

第三是平臺化與數據化階段。隨著云計算、大數據、物聯網和城市運行平臺建設的推進，數字政府不再只是提供在線服務，而是試圖通過數據共享、業務協同、城市感知和綜合指揮來提高治理能力。許多國家和城市建立了數據交換系統、城市大腦、公共數據平臺、綜合應急平臺和數字公共基礎設施，試圖打通部門邊界，推動跨層級、跨部門、跨區域協同治理。

（二）傳統數字政府的組織和行為模式：把技術疊加在舊流程之上

傳統數字政府的最大特征，是在既有科層制組織、部門制權責和程序化流程之上疊加數字技術。它改變了行政活動的外部界面，卻很少改變行政活動的內在邏輯。

首先，在組織結構上，傳統數字政府仍然以部門為中心。

具體而言，數據由部門分散采集和管理，系統由部門各自建設，預算按部門分別安排，項目則按條線逐級審批。每個部門都可以建設自己的業務系統、數據庫和服務窗口，但跨部門事項往往仍然需要通過協調會議、文件流轉和人工對接來完成。結果是，政府看起來有了很多平臺，實際上卻形成了新的“數字煙囪”。技術沒有打破部門邊界，反而有時把部門邊界固化為系統邊界、數據邊界和接口邊界。

近日，江蘇全省縣級及以下政務服務APP全部取消，確需保留的政務服務應用統一轉移至“蘇服辦”APP。

其次，在運行流程上，傳統數字政府多采取“平移式改革”。

所謂平移，就是把原有線下流程搬到線上，把紙質表格變成電子表單，把窗口受理變成網上受理，把人工臺賬變成數據庫。這種改革能夠提升便利性，但并沒有真正重構端到端流程。

許多事項雖然已經可以網上申請，卻仍然需要多個部門逐級審核；雖然有了電子材料，卻仍然按照紙質行政的邏輯反復證明；雖然可以在線查詢，卻仍然無法實現后臺自動判斷、自動匹配和主動推送。技術被用于加速舊流程，而不是重新設計新流程。

再次，在行為模式上，傳統數字政府仍然偏向程序合規。

公共行政當然需要依法依規，但當數字系統主要圍繞“流程是否走完、材料是否齊全、節點是否留痕”設計時，政府就容易形成“系統合規”而非“結果有效”的行為傾向。真正解決群眾問題、實現預期社會效果、降低社會交易成本，往往并未成為系統運行的首要指標。

另外，在人機關系上，傳統的數字政府把技術視為外部工具。

公務人員仍然是流程的主要執行者、判斷者和協調者，數字系統則承擔錄入、查詢、統計、提醒、歸檔等輔助功能。即使引入AI，也常常只是智能問答、文本生成、材料審核、輿情監測等局部應用。AI被安放在流程邊緣，而不是成為組織運行的節點。

這樣一來，它越強大，越容易與舊流程發生摩擦。AI能夠迅速生成分析和建議，但在現實運行中，許多事項仍要經過層層報批。AI可以捕捉風險信號，但部門權責不支持即時處置。它也能承擔部分初步審核工作，但最后仍常常回到人工復核和責任確認。結果是，技術效率被組織摩擦抵消。

北京市昌平區“AI咨詢通數字人”。圖片來源：微信公眾號“北京市政務服務中心”

（三）挑戰：技術進步越快，組織滯后越明顯

進入AI時代后，傳統數字政府的“外掛”困境主要表現為四類挑戰。

第一，數據孤島與認知貧困并存。過去，數字政府重點處理結構化數據，如人口、法人、證照、審批、稅務、社保等表格化信息。但公共治理中大量關鍵知識并不以表格形式存在，而是分散在政策文件、會議紀要、群眾訴求、熱線記錄、執法文本、基層報告、調研材料和網絡表達之中。這些非結構化信息包含著社會情緒、政策堵點、風險苗頭和治理經驗。傳統系統缺乏深度語義理解能力，導致大量數據“在服務器里沉睡”。AI時代真正需要的是全量、多模態、可理解、可推理的數據環境，而傳統數字政府卻仍停留在“能歸集、能交換、能統計”的較低層次。

第二，實施鴻溝導致“建而不用”。許多國家和城市在數字政府戰略規劃上雄心很大，基礎設施建設投入也不小，但從戰略到運營之間存在明顯斷裂。數字公共基礎設施建成之后，在部門使用、業務接入、流程再造、績效提升上往往缺乏持續評估。OECD相關評估提到，即使已經建有數據共享系統，一些國家中央機構的實際使用率仍然不高，[3]說明基礎設施并不會自動轉化為治理能力。數字政府的難點不只是建設平臺，而是讓平臺成為日常治理的真實基礎。

36個OECD國家中有30個已經建立政府范圍的數據互操作系統；但在這30個國家中，只有23個國家報告中央層面超過50%的公共部門機構廣泛使用該系統。

第三，復雜性過載與技術債累積。傳統數字政府常常通過項目制方式推進：一個問題建設一個系統，一個條線建設一個平臺，一個專項開發一套應用。短期看，這有助于快速響應任務；長期看，卻容易形成系統林立、接口不一、標準分散、重復建設、維護困難的局面。許多平臺既不能停用，也難以整合；既需要持續投入，又不能產生相應價值。公眾面對多個入口、多個賬號、多個材料要求，也會產生新的不便。數字政府本應降低復雜性，卻在某些場景中制造了新的復雜性。

第四，AI采用速度超過治理能力。生成式AI降低了技術使用門檻，政府部門很容易開展各種試點，智能客服、智能寫作、政策問答、輔助審批、輿情分析、執法輔助等應用迅速擴散。但如果沒有統一的風險評估、數據治理、算法透明、責任追溯和效果測量機制，AI試點越多，治理風險也越大。算法是否存在偏見、數據是否合規、自動化決策是否可解釋、公眾能否申訴、錯誤由誰負責，這些問題都不能靠技術部門單獨回答。

傳統數字政府在項目建設上經驗豐富，但在AI時代所需要的動態治理、持續測試和閉環評估方面，明顯準備不足。[4]

三、未來數字政府的使命、任務和組織

未來數字政府不是“更數字化的政府”，而是“AI原生的政府”。AI原生，并不是把所有事務交給AI，也不是以技術替代公共價值判斷，而是把AI作為公共治理的認知底座、協同節點和執行代理，重新塑造政府發現問題、配置資源、提供服務、形成政策和承擔責任的方式。

（一）使命：從流程數字化轉向主動公共價值創造

傳統數字政府的使命主要是提升行政效率、優化政務服務和加強數據共享，未來數字政府的使命則應進一步提升為主動創造公共價值。也就是說，政府不能只是等待公眾提出申請、企業發起訴求、風險暴露之后再作出響應，而應當基于數據、模型和制度授權，在合法合規的前提下，提前發現需求、預判風險、匹配資源、推送服務。

OECD提出的“一次填報”原則和主動式服務方向，正體現了這一轉變。過去，公眾需要理解政府部門分工，查找辦事指南，準備材料，并向不同機構反復提交信息。未來，政府應當通過跨部門數據互認和AI語義理解，把行政復雜性隱藏在后臺，讓服務在適當時間自動抵達公眾。

愛沙尼亞的Bürokratt系統提供了重要啟示。它并非一個普通聊天機器人，而是一個互操作的AI智能體網絡。當公民提出復雜事項需求時，不同部門背后的智能體可以進行機器與機器之間的協同調度，把原本需要公眾理解和穿越的行政流程，轉化為后臺自動編排。它所代表的，正是從“公眾適應政府流程”向“政府適配公眾需求”的轉變。[5]

愛沙尼亞政府聊天機器人Bürokratt。訪問愛沙尼亞某一政府部門網站時，用戶可以通過網頁右下角的窗口獲取所需服務。圖源：愛沙尼亞信息系統管理局網站。

（二）任務：從事項辦理擴展到治理閉環

未來數字政府需要從單一政務服務擴展為五個治理閉環。

一是公共服務閉環。AI應幫助政府從統一化、標準化服務走向實時化、個性化服務。借鑒企業領域通過AI識別用戶意圖、提高轉化效率的經驗，政府可以建立面向教育、就業、養老、醫療、住房、救助等領域的主動感知機制。在嚴格保護隱私的前提下，系統可以識別公民生命周期中的潛在需求，例如適齡兒童入學提醒、老年人補貼資格核算、困難群體救助匹配、企業政策適配推送等，使“人找政策”逐步轉向“政策找人”。

二是城市運行閉環。AI原生政府應建立“感知—判斷—執行—反饋”的城市運行體系。借鑒Nestlé Purina利用AI進行預測性維護、減少停機風險的經驗，城市治理可以建設類似的“城市生命體監測系統”。管網、橋梁、電力負荷、交通流量、生態環境、公共安全等領域，都可以通過傳感數據與AI模型進行風險識別，在故障和危機發生前觸發維護、調度和干預，從而把突發事件轉化為可預測、可處置、可復盤的日常治理任務。

三是政策研發閉環。傳統政策制定常常依賴調研、會議、專家論證和有限樣本評估，周期較長，反饋滯后。AI可以幫助政府擴展政策選項空間，快速生成多種政策情景，并通過數字孿生、仿真模型和歷史數據進行壓力測試。類似醫療影像AI提高診斷效率的邏輯，也可以用于公共政策實驗室：在政策正式推出前，先在虛擬環境中模擬不同方案對財政、群體、區域和風險的影響，實現“虛擬優先、實體跟進”。

四是戰略規劃閉環。傳統戰略規劃多以年度預算、五年規劃和周期性考核為節奏，面對快速變化的經濟社會環境容易滯后。AI原生政府應推動戰略規劃從靜態文本變為“活的系統”。例如，在就業、產業、公共衛生、社會救助和城市安全等領域，可以設定一系列觸發器。當某一區域、行業或群體出現異常信號時，系統自動提出資源調撥、政策調整和風險預警建議，幫助政府從固定資源分配走向動態資源配置。

五是組織學習閉環。政府不應只是使用AI，更應通過AI持續學習。每一次服務、審批、投訴、執法、應急和政策執行，都應成為組織能力積累的來源。AI可以幫助政府發現高頻問題、流程堵點、制度沖突和基層創新經驗，使政府從經驗型組織轉向學習型組織。

（三）組織：從職能孤島轉向平臺型、人機協同型政府

英國將原本分散的政府數字服務機構、中央數字與數據辦公室以及AI孵化相關力量整合為統一統籌中心，目的正在于縮短戰略、治理和交付之間的距離。[6]這一案例表明，AI原生政府需要新的組織形態，未來數字政府不能再依賴分散部門各自推進，而需要強有力的跨部門數字領導權、統一標準、統一平臺和統一交付機制。

企業組織的變化也提供了啟示。Moderna將人力資源和信息技術部門進行融合，由統一的“首席人員與數字技術官”統籌，表明AI時代組織設計的核心問題已經變成“人類與AI如何共同工作”。[7]

Moderna通過開創首席人力資源與數字技術官這一角色，將人才戰略與技術創新相結合，推動全面的數字化轉型，協調勞動力與代理管理、數字工具及數據驅動型決策。

這一邏輯同樣適用于政府。未來政府組織不應只是設置一個信息化部門或數據局，而要把數字能力、人才能力、業務能力和制度能力整合起來。AI將承擔大量確定性、重復性、可規則化的任務，公務人員則更多轉向價值判斷、復雜協商、制度設計、倫理監督和公共溝通。政府中的人不再只是流程執行者，而應成為AI系統的定義者、訓練者、監督者和價值校準者。

因此，未來數字政府的組織結構將具有三個特征：一是統一中樞，能夠統籌數據、算法、平臺、標準、安全和交付；二是平臺賦能，使各部門不必重復建設底層能力，而是在統一公共基礎設施上開發場景應用；三是人機協同，把AI智能體納入組織節點，形成“機器執行常規、人類處理復雜、制度約束邊界、公眾參與監督”的新格局。

四、基于AI原生的“自適應”政府

從“數字外掛”走向“AI原生”，不能停留在理念倡導，而必須落實為系統性重塑，至少需要在流程、數據、決策、投資、監督和人才六個方面同步推進。

重塑流程，驅動邏輯從部門職權轉向業務流程。傳統數字政府常以部門事項為單位建設系統，而AI原生政府必須以公眾和企業的最終需求為單位重構流程。比如“開辦企業”“退休養老”“生育服務”“困難救助”“企業合規經營”“城市內澇處置”等，都不是單一部門事項，而是跨部門、跨層級、跨系統的結果鏈條。政府應圍繞這些高頻、高價值場景，重新設計端到端流程，明確哪些環節可以由AI自動判斷，哪些環節需要人工確認，哪些環節必須保留線下救濟和申訴渠道。

重塑數據，顆粒度細化推動數據共享轉向認知基礎設施重構。過去強調數據“打通”，未來更要強調數據“可理解、可推理、可治理”。政府需要建設面向AI的數據底座，不只是匯聚結構化數據，還要對政策文本、法律法規、辦事規則、熱線訴求、案例材料、基層報告和公共反饋進行知識化處理，形成可被模型調用、可被追溯驗證、可被持續更新的政務知識體系。同時，要堅持隱私保護內嵌、最小必要使用、分級授權和全過程留痕，防止以智能化名義擴大不必要的數據收集和濫用。

黑龍江聯通為伊春政府量身定制的智慧導辦系統AI數字人，依托DeepSeek大模型和聯通元景大模型技術自主研發，核心是滿足伊春政務服務數字化轉型需求，具有“線上智能客服+線下AI數字人”雙軌服務模式。圖源：新華社

第三，重塑決策，強化信息和決策“分級護欄”將為代理式執行提供框架。AI原生政府并不意味著取消人類責任，而是重新劃分人機決策邊界。低風險、高頻次、規則明確的事項，如標準證明出具、資格初篩、材料完整性審核、政策匹配提醒、簡單補貼核算等，可以在法律授權和可追溯機制下由AI代理處理。中風險事項應采取“AI建議—人工確認”模式。高風險、強裁量、涉及重大權益和公共價值沖突的事項，必須堅持人類主導。未來政府需要建立清晰的自動化分級標準、人工復核機制、申訴救濟機制和錯誤賠償機制，使AI代理在制度護欄內運行。

第四，重塑投資，動態的績效評估將為投資提供支撐。從一次性項目撥款轉向敏捷迭代。傳統數字項目往往按固定需求、固定預算、固定工期推進，適合傳統基礎設施，卻不適合快速迭代的AI項目。澳大利亞《數字與ICT投資監督框架》提供了有益經驗：對于高風險數字項目，不再一次性下發預算，而是基于階段性里程碑分階段撥付資金，并要求持續跟蹤預期收益。未來數字政府也應建立“試點—評估—擴展—退出”的投資機制。一個AI應用能否繼續投入，不應只看是否完成建設，而應看是否真正降低成本、提升服務質量、減少風險、改善公眾體驗。

澳大利亞政府數字與ICT投資監督框架將投資治理貫穿項目立項前、決策和實施全過程，并通過戰略規劃、優先排序、競爭性審查、實施保障、采購和運營反饋，持續評估數字投資是否真正產生預期收益。

第五，重塑監督，透明度將成為AI規模化應用的前提。從內部合規轉向透明問責。AI進入公共治理，信任是最關鍵的基礎設施。例如荷蘭“算法與AI登記冊”向公眾披露公共機構部署算法的用途、數據來源和聯系人，把透明與問責嵌入AI運行過程。[8]

未來數字政府應建立類似的算法登記、風險分級、影響評估和公眾查詢機制。公眾有權知道哪些事項使用了算法，算法依據什么數據，錯誤如何糾正，責任由誰承擔。

第六，重塑人才，從崗位管理轉向能力管理。AI會改變公務人員的工作內容，但不會取消公共行政中人的重要性。德國安聯保險推廣AllianzGPT的經驗說明，技術導入的關鍵不只是提供工具，而是要求員工重新思考工作時間和價值分配：AI每周減少的重復勞動時間，應被用于更需要同理心、復雜判斷和創造性解決問題的任務。政府也應如此。AI釋放出來的人力，不應被新的報表、復核和留痕消耗掉，而應轉向基層調研、政策設計、公共溝通、風險研判和復雜糾紛處理。

為此，政府需要建設復合型數字人才隊伍，不僅要有算法工程師和數據專家，也要有懂公共政策、法律倫理、業務流程和社會溝通的“AI治理型公務人員”。

五、人，是數字政府的尺度

過去，數字政府解決的是“能不能在線辦、能不能少跑腿、能不能數據共享”的問題；未來，AI原生政府要回答的是“能不能提前發現需求、能不能動態配置資源、能不能持續學習改進、能不能在復雜風險中保持公共信任”的問題。

AI原生政府絕不意味著技術至上，未來政府的先進性，不取決于它部署了多少算法，而取決于它能否把算法納入公共價值、法治約束和民主監督之中。越是智能化，越要堅持人類主導；越是自動化，越要強化責任邊界；越是依賴數據，越要保護隱私和權利；越是追求效率，越不能犧牲公平與正義。

數字政府使政府走上網絡，AI原生則將推動政府重塑自身。成功完成這一轉型的政府，將不只是更高效的服務提供者，更是更敏捷的風險治理者、更有溫度的公共價值創造者和更具韌性的社會信任維護者。

本文作者

孫占卿 廣州市社會科學院城市文化研究所副所長、IPP特約研究員

參考文獻：

[1]德勤《Government Trends 2026》指出：“僅僅將新技術整合到過時的流程中很少能產生持久的影響。”

[2]麥肯錫《The State of Organizations 2026》指出：“利用結構重組、削減成本等傳統手段已經達到收益遞減的極限”，真正的變革必須是“技術和組織層面的雙重轉型”。

[3]《OECD：Digital Government Outlook 2026》：在已建成國家數據互操作系統的經合組織成員國中，中央機構的平均實際使用率僅為63%。

[4]《OECD：Digital Government Outlook 2026》指出“AI的采用速度已遠超政府的治理能力”其提供的數據顯示：只有39%的國家要求在部署前進行AI風險評估；僅有31%具備算法透明度機制；更嚴重的是，只有28%的國家對部署的AI進行了事后閉環效果評估。

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

[6]《OECD：Digital Government Outlook 2026》：英國于2025年1月合并GDS、CDDO和AI孵化器，成立單一的“數字政府中心”以縮短戰略與日常交付的距離。

[7]麥肯錫《The State of Organizations 2026》。

[8]OECD：Digital Government Outlook 2026》提到該登記冊聚合了數百個政府算法，向公眾開放算法用途、聯系人以應對技術濫用擔憂的事實。

IPP評論熱門文章

關于IPP

華南理工大學公共政策研究院（IPP）是一個獨立、非營利性的知識創新與公共政策研究平臺。IPP圍繞中國的體制改革、社會政策、中國話語權與國際關系等開展一系列的研究工作，并在此基礎上形成知識創新和政策咨詢協調發展的良好格局。IPP的愿景是打造開放式的知識創新和政策研究平臺，成為領先世界的中國智庫。