数字政府建设是顺应经济社会数字化转型趋势、创新政府治理理念和方式的重要举措。党的十九届四中全会首次提出“推进数字政府建设，加强数据有序共享”，要求利用信息化手段提高政府机构履职能力。党的二十大报告提出“加快建设数字中国”“构建人工智能等一批新的增长引擎”，意味着数字政府建设步入注重提升效能阶段。今年的《政府工作报告》提出，要“加快数字政府建设”“提高政务服务水平”。作为一项新兴技术，人工智能凭借其优秀的数据挖掘能力和科学的算法分析模型，提高了政务服务的数字化和智能化程度，但它为数字政府建设带来新机遇的同时，也带来了诸多风险和挑战。
数字政府建设中人工智能大模型的辅助优势
数字政府建设聚焦人民所盼所需，推动人工智能大模型与政务服务改革深度融合，可强化技术赋能，提升政府治理效能和公共服务水平。首先，优化数字化服务，提升政务服务能力。人工智能大模型可以自主学习理解人类语言和模拟人类交流对话，从而迅速且有效地回应公民的咨询和需求，避免公民面临办事无门、沟通无路、咨询无人等问题，进而有效提升数字政府建设的亲民性。同时，政务部门可以快速获取并分析公民需求中有价值的信息，进而调整和优化服务策略，提升政务服务与公民需求的契合度。其次，推进数字机关建设，提升政务运行效能。一是可提升行政执行能力。人工智能大模型基于信息互通，实现去中心化的互动治理，可有效整合政府治理资源，构建一体化协同办公体系，实现跨部门、跨层级、跨区域的协同治理。二是可提升辅助决策能力。大模型拥有超强的计算资源和处理海量数据的能力，可高效处理分析各类政府数据，实现信息的高度聚合与共享，提升了决策科学化水平。三是可提升行政监督水平。通过一体化协同办公体系，人工智能大模型可固化行政权力事项运行流程，实时监控权力的运行情况，确保权力运行的规范性和透明度。最后，推进平台集约发展，提升政务公开水平。人工智能大模型可以协助建立动态更新的文件库，实现政策信息的实时更新和同步。同时，通过构建统一的数据标准和共享机制，可确保政策文件库在各部门之间的互联互通，提高信息资源的利用效率。
数字政府建设中人工智能大模型的应用风险
在数字政府建设中，人工智能大模型的应用确实显著提升了政府履职服务的能力和水平，然而，与此同时也伴随着一系列潜在的局限性和风险性。其一，信息安全的失序风险。人工智能大模型的应用离不开庞大数据集的训练和优化，其中不乏敏感数据。海量数据的收集和处理可能导致公民信息的过度采集、过度支配以及不当存储。如果数字政府在治理过程中未能妥善保护公民的数据权益，就可能导致公众对数字政府的不信任，甚至引发更大的社会问题。其二，技术资本的异化风险。随着数字政府成为主要的施政工具，技术资本主体通过构建各种数据库资源，为政府提供必要的技术服务，进而可能影响政府决策。这种模式虽然提高了政府运行效率，但也使政府在一定程度上被技术资本所绑架。例如，某些技术资本主体可能利用其掌握的算法和数据优势，为政府提供“定制化”的决策建议，从而引导政策走向符合其利益的方向。其三，数字资源的失真风险。人工智能大模型虽然具备一定的智能特征，能够处理大量信息和数据，但并不具备独立的判断能力，这意味着其可能无法准确判断数据来源的真实性和可信度。如果输入到模型中的政务信息本身就存在伪造或虚假情况，那么模型输出的内容也将是失真的，这将对数字政府的决策和执行产生负面影响。
对AI大模型发展带来风险挑战的再认识和应对策略
在数字政府建设过程中引入新兴技术，需要构建一个涵盖数据规范、责任导向、权利保障和技术培育的综合体系，以最大限度防范风险。第一，建立健全数据分类分级保护制度。根据数据的重要性、敏感性和风险程度对数据进行科学分类和合理分级，并针对不同级别的数据，采取相应的保护措施。例如，对于涉及国家主权安全和个人隐私的信息，应采用加密、访问控制、审计等手段确保数据的安全。第二，构建安全管理责任体系。要制定详细的安全管理责任清单，明确政府机构、技术提供商、数据使用者在数字政府建设中的安全职责和具体任务。建立跨部门、跨层级的协同联动机制，形成工作合力，落实主体责任和监督责任。要整合现有安全资源，构建全方位、多层级、一体化的安全防护体系，实现对数字政府建设全过程的动态监控和防护。第三，以技术培育提高自主可控水平。当前，国外机构在ChatGPT模型技术、工具和开源框架等方面处于垄断地位，如果数字政府建设中的特殊数据信息只能依赖国外技术授权进行处理应用，我国将处于技术净进口的被动地位。对此，加强自主创新是关键。要通过加大研发投入，鼓励科研机构和企业进行原始创新，以突破数字政府建设领域的关键核心技术；要加强产学研合作，推动科技成果的转化和应用，形成一批具有自主知识产权的核心技术和产品。人工智能大模型的运用与政府公共职能的履行紧密相关，只有坚持共享共用、优质供给、安全发展、技术创新，才能推动数字政府建设健康发展，实现真正的数字化转型。
（作者单位：河北金融学院）
