臧雷振 張 晴

提要：行政負擔過重或分配不合理是抑制公共服務可及性、均等化、普惠化的重要因素。生成式人工智能作為新時代的重大技術突破,其廣泛嵌入公共服務領域之中,不斷推動以政府為本位的“串聯性服務供給模式”轉向政民交互的“網狀式智能化服務供給模式”,這也為行政負擔消解提供了全新的機會窗口。本文以獲取理論為基礎,在與傳統數字技術展開對比分析的前提下,建構生成式人工智能技術嵌入下的公共服務獲取新隊列,強調生成式人工智能嵌入公共服務獲取隊列的各環節以交互式咨詢、包容性準入、自動化流程、整合性審核和實時性優化功能消解了傳統模式下的既有負擔,但亦帶來公共性成本、合法性成本、適應性成本等新負擔。為更好地發揮生成式人工智能對公共服務行政負擔的消解效應,應結合技術、政府和公民三個層面的調試策略進行思考。

公共服務是政府部門以民眾需求為核心,面向社會所提供的非競爭性或非排他性產品,涵蓋教育、醫療、養老等多個領域,是政民互動的核心環節,也是行政負擔生成的重要場域。行政負擔作為個體或組織在與政府互動時所產生的成本,在公共服務中具有篩選服務對象、調配服務供給精度、促進公共資源配置有效性的正向功能;但行政負擔過重,亦會給公共服務分配帶來“棄真”“存偽”等負面影響,(1)何艷玲、王錚:《回歸民本性:行政負擔研究反思及其對城市政務服務改革的啟示》,《同濟大學學報》(社會科學版)2022年第5期。從而致使服務價值弱化、服務均衡性和可及性降低。(2)A. Masood, M. A. Nisar, “Administrative Capital and Citizens’ Responses to Administrative Burden,” Journal of Public Administration Research and Theory, Vol.31, No.1, 2020, pp.56-72.公共服務作為現代國家治理的系統性復雜性超級工程,(3)孔繁斌:《現代化與公共服務協同演進:一個公共管理學的研究議題》,《中國行政管理》2023年第10期。其供給的有效性已經成為影響國家治理能力現代化的關鍵要素。因而,必須結合時代背景對公共服務中的行政負擔治理進行研討。

技術創新作為改善公共服務供給的重要工具,在消解公共服務行政負擔中發揮著關鍵作用。新世紀以來,信息通信技術和數字化技術在公共治理中的創新應用形成了電子政務、數字政府、智慧城市建設等新形態,變革了政府與公民的互動形式,精簡了公共服務流程等,這在緩解公共服務行政負擔中帶來了積極效應,(4)E.Linos, N. Riesch, “Thick Red Tape and The Thin Blue Line: A Field Study on Reducing Administrative Burden in Police Recruitment,” Public Administration Review, Vol.80, No.6, 2020, pp.92-103.但同時也因“信息孤島”“數字鴻溝”“數據煙囪”等形成新的行政負擔。(5)馬亮:《數字政府如何降低行政負擔?》,《行政管理改革》2022年第9期。隨著人工智能時代計算能力、算法技術、數據應用的不斷進步,以ChatGPT為代表的各類生成式人工智能廣泛嵌入公共服務之中。不同于傳統的人工智能,生成式人工智能具有擬人化、強交互性、全感官化等特征,開創了數字技術應用的新時代,正在成為緩解公共服務行政負擔的新工具、新選擇。

2021年,國家發展改革委等部門聯合印發《“十四五”公共服務規劃》,強調要“促進人工智能在公共服務領域推廣應用”(6)中華人民共和國國家發展和改革委員會:《“十四五”公共服務規劃》,2021年12月28日,https://www.gov.cn/zhengce/zhengceku/2022-01/10/content_5667482.htm。作為新一代數字技術發展的最新成果,生成式人工智能在公共服務中的獨特功用引發了國內外學者的廣泛關注?，F有學者探討了生成式人工智能在公共服務中的價值與風險,公共服務數字化轉型的趨勢與建議;(7)張成福、王祥州:《人工智能嵌入公共服務治理的風險挑戰》,《電子政務》2023年第1期。分領域描繪了生成式人工智能在政務服務、(8)劉瑋、王鋒:《政務服務智能化創新的演化、風險與圖景——基于場域視角的分析》,《電子政務》2023年11月網絡首發。文化體育服務等領域的創新應用;分環節討論了人工智能對公共服務決策、供給、管理、監督等環節的變革與影響。(9)李利文:《人工智能時代的公共服務供給模式創新:類型、適應與轉向》,《社會主義研究》2019年第4期。

然而,鮮有學者關注生成式人工智能對公共服務中行政負擔的影響。基于此,本文以獲取理論為基礎,以公民和政府在申請獲取公共服務中的互動過程為研究對象,旨在回應以下問題:生成式人工智能技術在公共服務中的創新應用如何消解繁重的行政負擔?又會產生什么新的負擔?最后,就人工智能時代消解公共服務行政負擔提供可供參考的學理思考。

一、文獻綜述與理論分析框架

(一)文獻綜述

每當個人發起與國家、公共組織及其行政代理人的交易(如接受公共服務),或當國家、公共組織及其行政代理人與個人進行交易時(如執法),行政負擔便會產生。(10)C. J. Heinrich, “The Bite of Administrative Burden: A Theoretical and Empirical Investigation,” Journal of Public Administration Research and Theory, Vol.26, No.3, 2016, pp.403-420.1887年,伍德羅·威爾遜呼吁人們關注行政負擔,降低政府部門“摩擦損失”,并主張以此建立一門公共行政科學。(11)W. Wilson, “The Study of Administration,” Political Science Quarterly, No.2, 1887, pp.197-222.然而,直到20世紀70年代,相關學者才真正突破了傳統研究關注組織內部結構及官僚間互動結果的局限,開始思考組織外個體與組織及組織內個體的互動關系。(12)R. L. Kahn, D. Katz, B. Gutek, “Bureaucratic Encounters—An Evaluation of Government Services,” The Journal of Applied Behavioral Science, Vol.12, No.2, 1976, pp.78-198.特別是,盡管在與國家的任何交易中都會經歷一定程度的行政負擔,但行政負擔及其后果在公共服務中的影響尤為明顯。(13)D. Moynihan, P. Herd, H. Harvey, “Administrative Burden: Learning, Psychological, and Compliance Costs in Citizen-state Interactions,” Journal of Public Administration Research and Theory, Vol.25, No.1, 2014, pp.43-69.

從工具視角看,行政負擔是決策者有意設計的政策工具,是隱性政治的場所。(14)J. Hacker, “Privatizing Risk without Privatizing the Welfare State: The Hidden Politics of Social Policy Retrenchment in the United States,” American Political Science Review, Vol.98, No.2, 2004, pp.243-260.政治決策者通過設置隱性行政負擔把學習、服從或心理成本強加給公眾,而不是采取減少服務資金或取消服務項目的直接形式,以此在公眾無意識的情況下分配有限的公共資源。(15)E. Bell, A. Ter-Mkrtchyan, W. Wehde, et al. “Just or Unjust? How Ideological Beliefs Shape Street-level Bureaucrats’ Perceptions of Administrative Burden,” Public Administration Review, Vol.81, No.4, 2021, pp.610-624.從結果視角看,決策者能夠通過行政負擔篩選并阻斷不符合資質者的申請,以提高公共服務資源分配的精準性,但繁重的行政負擔在加劇客體申請或獲取公共服務時的成本,也會導致個體被“行政排斥”(16)M. Chudnovsky, R. Peeters, “The Unequal Distribution of Administrative Burden: A Framework and an Illustrative Case Study for Understanding Variation in People’s Experience of Burdens,” Social Policy &Administration, Vol.55, No.4, 2021, pp.527-542.。即因組織因素而非受個體偏好或實質性資格狀況導致的無法參與或獲取公共服務的情形。(17)E. Z. Brodkin, M. Majmundar, “Administrative Exclusion: Organizations and The Hidden Costs of Welfare Claiming,” Journal of Public Administration Research and Theory, Vol.20, No.4, 2010, pp.827-848.行政負擔不僅將交叉邊緣群體鎖定在社會公益之外,同時還將邊緣群體鎖定在強制性的國家監督和社會控制系統中。(18)J. Soss, V. Weaver, “Police Are Our Government: Politics, Political Science, and The Policing of Race-class Subjugated Communities,” Annual Review of Political Science, Vol.20, 2017, pp.565-591.特別是行政素養較低,人力資本、社會資本等較少的群體更容易受到行政負擔的負面影響。(19)J. Christensen, L. Aar?e, M. Baekgaard, et.al. “Human Capital and Administrative Burden: The Role of Cognitive Resources in Citizen-state Interactions,” Public Administration Review, Vol.80, No.1, 2020, pp.127-136.

技術創新是緩解行政負擔的一種手段。如在電子政務和數字政府中技術應用對公共服務行政負擔存在顯著影響。從積極效應看,信息技術與公共服務的融合發展,通過流程再造,簡化申報程序和減少認證頻率,緩解了公民在公共服務申請中的學習和合規成本。(20)D. Johnson, A. Kroll, “The Effect of Electronic Program Applications Amidst the Politics of Administrative Burden,” Government Information Quarterly, Vol.40, No.2, 2023, pp. 101808.依托數字系統和自動數據傳輸的在線服務,取代了公民與公共服務人員面對面訪問和申請的傳統服務模式,緩解了公民與政府間的互動壓力,減輕了心理成本,(21)D. M West, “E-government and the Transformation of Service Delivery and Citizen Attitudes,” Public Administration Review, Vol.64, No.1, 2004, pp.15-27.降低了面對面接觸帶來的尋租可能性。另外,信息技術和政府數據系統的運用還有助于將行政負擔由公民層面轉移至政府層面。(22)P. Herd, T. DeLeire, H. Harvey, et al. “Shifting Administrative Burden to the State: The Case of Medicaid Take-up,” Public Administration Review, Vol.73, No.s1, 2013, pp.S69-S81.

從負面效應看,數字公共服務的“技術門檻”使其無法平等地覆蓋至全體服務對象,依賴政府服務的弱勢群體往往缺乏駕馭數字技術的知識和技能,缺少使用數字化平臺的途徑。因此,雖然數字化服務具有提高公共服務覆蓋面和公眾參與度的總體潛力,但對于最需要服務的弱勢群體而言,數字化技術的運用將產生新的學習和合規成本。(23)S. Skaarup, “The Role of Domain-skills in Bureaucratic Service Encounters,” in Electronic Government: 19th IFIP WG 8.5 International Conference, EGOV 2020, Link?ping, Sweden, August 31-September 2, 2020, Proceedings 19. Springer International Publishing, 2020, pp.179-196.另外,信息技術的廣泛應用亦會加劇行政負擔導致的社會結構固化,強化原先被排斥在外的有資格獲得服務個體的邊緣化地位。同時,人工智能系統“自動化”的資格決定,有可能剝奪有需要的公民在公務人員行使自由裁量權時獲得的福利,從而產生“自動化不平等”(24)A. M. Fox, E. C. Stazyk, W. Feng, “Administrative Easing: Rule Reduction and Medicaid Enrollment,” Public Administration Review, Vol.80, No.1, 2020, pp.104-117.。

(二)理論框架設計

1975年,謝弗和文憲提出了獲取理論(Theory of access),為分析公民獲取公共服務過程及在此過程中的行政負擔提供了有效框架。(25)B. B. Schaffer, H. Wen-hsien, “Distribution and the Theory of Access,” Development and Change, No.6, 1975, pp.13-36.獲取理論認為公民獲取公共服務的核心路徑是“排隊”,主要由大門、隊伍和柜臺三部分組成。大門對應準入規則,即驗證公民是否擁有申請服務的資格;隊伍對應順序規則,決定何時以及以何種順序處理申請人的請求;柜臺對應交換規則,即服務人員決定申請人申請能否得以通過。研究者將獲取隊列分為理想下的“簡單隊列”和現實中的“復雜隊列”兩種形式。

“簡單隊列”是政府規范公共服務獲取的理想模式。在該路徑中,各環節都是由明確規則組成,且所有規則都能得到公眾認同并有序應用,潛在的申請人預估可能需要承擔的成本自主決定其是否嘗試申請,不存在任何特殊群體偏向和優先級原則,同時柜臺的交換規則定義明確,申請人和服務器之間不存在第三方。“復雜隊列”是“簡單隊列”在現實中的偏離模式。在復雜隊列中,只有特定群體了解準入規則,規則本身較為模糊、依賴專家解釋;在隊列中存在“看門人”行使其自由裁量權;隊伍環節存在優先級原則,申請人按照一定的等級順序進行排列;在柜臺環節,一項服務申請通常被劃分為多個組件,并按類別移動至不同柜臺進行分類決策。

可以發現,復雜隊列中存在多種隱性規則影響申請程序,通過提高服務申請者的隱性負擔,對申請者形成行政排斥。基于此,本文期望對比技術嵌入下公共服務獲取隊列的變化,以此分析公共服務獲取隊列各環節行政負擔的消解或滋長效應。

圖1 獲取理論(作者自制)

無論是電子政務還是數字政府,其本質均是政府與公民之間依托數字化平臺建立的單向關系。(26)M. Katsonis, A. Botros, “Digital Government: APrimer and Professional Perspectives,” Australian Journal of Public Administration, Vol.74, No.1, 2015, pp.42-52.在該類技術應用下,公民獲取公共服務的程序依然呈現串聯式結構,只是公民與政府互動的場域發生了變化;“看門人”依舊存在,數字平臺的應用僅改變了公民與“看門人”的接觸方式,一種新型的“屏幕級街頭官僚”開始出現;數字身份驗證成了大門準入環節的重要排斥手段。(27)K. K. Larsson, “Digitization or Equality: When Government Automation Covers Some, But not all Citizens,” Government Information Quarterly, Vol.38, No.1, 2021, pp.101547.

與傳統數字技術不同,生成式人工智能不再是規則驅動下以解決特定問題為目標的“對象智能”,而是由機器學習推動的具備廣泛認知能力集成不同類型任務的“系統智能”(28)L. Cao, “A New Age of AI: Features and Futures,” IEEE Intelligent Systems, Vol.37, No.1, 2022, pp.25-37.,以深度學習能力、預訓練模型迭代和生成式交互話語等新功能,推動著公共服務由數字治理向智慧治理轉變。生成式人工智能既改變了公眾獲取公共服務的程序,也改變了程序間的串聯式結構,使得傳統公共服務模式發生了根本性變化。

首先,生成式人工智能下的獲取隊列新增了“門童”和“經理”環節,分別承擔著咨詢和反饋功能。生成式人工智能作為一種基礎性語言模型,能夠通過數據整合、算法支持,生成類似人類語言模式的回應。以往的數字治理主要是將互聯網信息技術簡單運用于政府信息公開等事項,側重于政府信息的單向傳遞。而生成式人工智能技術的應用則打破了公眾與政府間的單向性關系,且不再是傳統數字技術支撐下的預設性問答,具有更強的自主性和交互性。另外,數字技術嵌入雖為公眾提供了便捷的信息交流平臺,但公眾依然是公共服務的“被動接受者”,而生成式人工智能通過構建開放式、協同式的平臺生態圈,實現了政府與公眾間的深度互動,且實時數據流使得服務評估與反饋具有實時性。

其次,算法的嵌入改變了公共服務獲取隊列的倫理系統軸心,由公共服務工作者間的交互關系轉變為人與機器的交互關系,組織成員無需進行直接交往,只需在算法的指引下以原子化的勞動形態完成各自任務,呈現出以算法為核心的網絡狀分布特征。(29)劉天語、王碩、劉鴻宇:《“算法制”倫理:數字社會的組織倫理新向度》,《自然辯證法研究》2023年第6期。由此,本文構建了生成式人工智能技術應用下的獲取理論,如圖2所示。

圖2 人工智能時代公共服務獲取隊列結構的演變(作者自制)

圖3 生成式人工智能對公共服務行政負擔的影響(作者自制)

二、減負效應:生成式人工智能消解公共服務行政負擔的環節

(一)門童:交互式咨詢

門童環節的交互式咨詢功能是生成式人工智能嵌入公共服務的獨特功能。簡單隊列下的規則是明確且清晰的,公民都能了解規則并做出自主判斷。而在復雜隊列中,規則是模糊且繁雜的,增加了服務申請者的學習成本。同時,公眾對規則的理解很大程度上依賴于專家解釋或向特定的機構和部門咨詢,增加了申請者在公共服務信息獲取中的合規成本以及其在咨詢中的心理成本。

不同于以往的數字技術,生成式人工智能扮演了國家與社會互動的中介角色。以智能聊天機器人為代表,它承擔了大量過去由服務供給者負責的信息通信任務,以全天候待機保障了公共服務信息的可獲得性,具有實時、高效、便捷等特點。早先的問答機器人遵循預先編入腳本,通過既定規則遍歷預先編碼的決策樹以模擬人機交互,只能處理一些預設性問題,而對復雜性問題的處理能力較弱,無法根據情境對問題的上下文進行理解。生成式人工智能以深度學習為基礎,具備更高級的自然語言處理能力,既能夠處理事先預定義的問題,也能夠處理開放領域的問題,還能基于情境學習將算法技術適用于各種場景任務之中,輸出符合具體場景、滿足用戶個性化需求的智能回答,降低服務溝通成本并拆解復雜化需求。

此外,交互式咨詢功能還能根據申請者需求,幫助用戶匹配適合的、有針對性的服務類型。由此可見,生成式人工智能技術支撐下的交互式咨詢功能,極大地消解了公眾獲取公共服務信息的學習成本和合規成本,作為中介角色緩解了公眾與政府間的互動壓力,有效減少了申請者的心理成本。

(二)大門:包容性準入

簡單隊列強調公眾申請公共服務的公平性,在信息對等的情況下,申請者根據其預判的行政負擔決定其是否申請公共服務,無外部力量干預。而在復雜隊列中,公共服務的獲取存在一定的偏向性。其一,受公眾個體因素的影響,認知水平、行政素養較低的公眾往往具備較低的負擔承受水平,在相同水平的學習成本和合規成本下可能會感知到更強的心理壓力,從而加大其心理成本。另外,在傳統的公共服務申請準入過程中,申請者通常需要提供大量的個人信息并填寫附屬文件,以自身需求在眾多服務類型中匹配對應服務,信息的錯誤填寫和服務錯配也將增加申請者的行政負擔。

其二,政治經濟學的首要原則是管理政治風險和行政成本,決策者會綜合考慮社會服務需求、公共服務目標、政府擁有的服務能力和服務資源等要素制定服務規則,并以行政負擔為工具篩選服務對象。然而,行政定義的服務需求與社會真實需求之間的不匹配、政策實施過程中的“選擇性親和”機制等均會促使公共服務偏離預期目標。(30)O. Wang, D. Qi, Y. Liu, “Administrative Burdens in Chinese Public Services: A Case of Selective Affinity,” The China Quarterly, Vol.255, 2023, pp.734-752.行政負擔在不同群體間的錯誤分配,使得看似中立和公平的公共服務規則不斷扭曲,加深其對弱勢群體的行政排斥。

生成式人工智能的嵌入能夠提高公共服務的包容性。第一,生成式人工智能的嵌入提高了公共服務的整合性和適配性。首先,生成式人工智能依托其強大的數據采集和數據整合能力,能夠將面向所有公民的服務打包在個體的公民門戶網站中,以在線平臺為載體,有效減少了服務申請者的合規成本。另外,生成式人工智能的服務供給以用戶需求為出發點,遵循著“用戶輸入+機器輸出”的內容生成方式,將用戶的個體信息與服務需求有機結合,能夠幫助申請者更好地匹配適應性服務。

第二,生成式人工智能的嵌入能夠破除政府服務決策的局限,合理設置行政負擔在不同群體間的差異化分配策略。生成式人工智能依托強大的信息獲取和推理決策能力,既能突破要素流動壁壘自動收集、轉化、更新各類數據,為政府決策奠定信息基礎,又能自動模擬政府決策思維,預測公共服務需求演化態勢,彌合行政定義的服務需求與社會真實需求之間的差距,正確發揮行政負擔的篩選功能。

第三,生成式人工智能的嵌入變革了服務申請者的被動地位,提高了政府服務的主動性。政府能夠依托智能技術精準識別服務對象,通過自動登記、表格簡化、程序數字化等方式將服務對象的行政負擔轉移至政府層面。

由于鈦渣中Fe、Mg、Mn等雜質元素固溶于黑鈦石(Me3O5，Me=Ti、Fe、Mg、Mn等) 型物相中，這種元素組成結構可能是導致稀酸直接浸出鈦渣時浸出率低的主要原因[5-7]。當向鈦渣中加入適量蘇打進行改性焙燒時，鈦渣中以MeTi2O5(Me=Fe、Mg、Mn)形式存在的Fe、Mg、Mn，以及SiO2和Al2O3等主要雜質元素可能發生的化學反應見表2。

(三)隊伍:自動化流程

在復雜隊列的隊伍環節,審核程序的優先級設置、公共服務工作者的自由裁量權打破了簡單隊列中的“先進先出或先到先得”原則。公共服務工作者,能夠根據特定情況下的實際情況和需求,運用其自由裁量權靈活決定處理順序,對公眾的行政負擔有著重要影響。另外,街頭官僚的官僚態度和官僚行為亦為公眾獲取公共服務帶來了較強的非正式負擔。隨著數字技術的出現,街頭官僚逐漸演化為“屏幕級街頭官僚”,其發揮作用的場域由現實情境轉移至數字平臺,但其自由裁量權的實質并未發生根本轉變。

公共服務工作者所感知的行政負擔也是影響其治理選擇的重要因素。一方面,對行政負擔的繁重感知使其更愿意行使自由裁量權將任務轉移至其他工作者,或將行政負擔移嫁至公眾;另一方面,行政負擔重的任務會產生更高的機會成本,即當個人感受到更高的行政負擔時,他們將降低對與該行政負擔相關的其他任務的支持性。(31)B.C.Burden, D.T.Canon, K.R.Mayer, et al. “The Effect of Administrative Burden on Bureaucratic Perception of Policies: Evidence from Election Administration,” Public Administration Review, Vol.72, No.5, 2012, pp.741-751.

隨著機器人過程自動化(RPA)技術的不斷發展,新興的智能自動化(IA)進一步超越了傳統的數據管理,能夠自動化處理重復的業務流程。生成式人工智能技術嵌入隊伍環節,通過業務流程自動化或半自動化,將公共服務工作者從煩瑣重復的工作中解脫出來,使其能更好地專注于解決復雜問題,降低其行政負擔感知。另外,自動化技術在公共服務中的普及應用,逐漸替代了基層一線工作者的作用,角色逐漸由供給者轉為監管者。同時,人工智能技術下的智能知識管理系統和數字決策樹極大地縮小了官員行政裁量權的使用范圍,減少了主觀因素的介入,從而保證公共服務程序的一致性和公正性。此外,流程自動化技術的嵌入通過智能填單、智能派發等功能也能夠減少服務申請者的行政負擔。

(四)柜臺:整合性審核

在傳統復雜隊列中,服務申請被劃分為多個組件,并按類別移動至不同柜臺,由公共服務工作者按既定規則處理。但一線公務員有限的信息處理能力與龐大、復雜、多元的申請信息間的抵牾,以及多部門間任務分工審核的碎片化設置和差異化要求,既加重了官員的行政負擔,也加大了申請者的學習成本、合規成本和心理成本。多部門審核的碎片化設置,不僅要求申請者掌握各部門規則和要求,重復提交類似文件,同時多部門間信息審核流程的難以協調性,亦會延長處理時間,導致行政服務滯后。另外,多部門間信息審核的碎片化亦會使信息處理過程缺乏透明度和一致性,難以保證審核的客觀性和準確性。

生成式人工智能嵌入柜臺的審核與決策環節從信息處理與結構變革兩方面緩解了公共服務工作者和公共服務申請者的行政負擔。在信息處理方面,生成式人工智能通過深度學習對龐大體量的復雜數據進行精練,從而演化出超越人類的信息處理能力,將實踐者從龐大的數據中解放出來,提高了信息審核速度,減少了申請者的合規成本。同時,中立的算法技術還有助于減少人為因素的主觀干擾,提高人員決策和服務供給的公平性和可信度。

在結構變革方面,生成式人工智能為建立跨部門的信息收集平臺和智能化的公共服務需求識別系統提供技術支撐,有助于打破信息共享、數據挖掘、服務供給的壁壘,(32)容志:《大數據背景下公共服務需求精準識別機制創新》,《上海行政學院學報》2019年第4期。使碎片化的傳統科層結構逐步向扁平化、協同化、一體化的科層治理結構轉變。(33)王張華、顏佳華:《人工智能驅動政府治理變革:內在機理與實踐樣態》,《學習論壇》2020年第11期。人工智能平臺的開放性和互動性變革了分散化的傳統服務模式和固定的傳統供需方合作關系,(34)孟慶國、鞠京芮:《人工智能支撐的平臺型政府:技術框架與實踐路徑》,《電子政務》2021年第9期。實現了各部門在公共服務供給間的有效協作。

(五)經理:實時性優化

原始隊列的隊列程序呈現串聯性結構,隱性規則隱藏在不同環節之中對程序進行操縱,難以展開全方面的評估與監管。同時,受傳統“官本位”文化的浸潤,政府長期采用“單向投入型”的公共服務供給模式自上而下地向公眾輸出,從而出現政府服務供給與公眾需求失衡的問題。隨著大數據、互聯網等數字技術的不斷嵌入,公眾逐漸以數字化渠道參與公共服務治理。然而,傳統的數字技術更多聚焦于公共服務信息的可獲得性,并未對公眾參與形成實質性影響。數據和算法是人工智能的兩種驅動邏輯,區別于互聯網和大數據所解決的信息連接問題,人工智能的嵌入使得人、物、系統在數字空間中互聯互通,形成了自主協作的智能化生態系統,(35)S. Mariyam, S. Setiyowati, “Legality of Artificial Intelligence (AI) Technology in Public Service Transformation: Possibilities and Challenges,” Lex Publica, Vol.8, No.2, pp.75-88.以需求吸納和政策反饋實現了公共服務獲取隊列的實時性優化。

另一方面,在隊列的各環節,服務申請者能夠基于自身需求和過程經驗進行政策反饋,再由生成式人工智能將分散式、片段化的要素信息進行整合和分類,以便幫助服務提供者和決策者更好地了解公眾訴求,及時調整和改進服務供給,既能對行政負擔進行合理把控,又能極大地限制官僚腐敗行為,減少公眾在服務獲取中的非正式負擔。另外,生成式人工智能的數字孿生能模擬政策運行和服務供給,提供實時數據識別相應問題,在實現系統主動維護和優化的同時,使公共行政主管部門能夠在短時間內發現問題,并迅速對行政負擔進行調節。(36)J. H?chtl, P. Parycek, R. Sch?llhammer, “Big Data in the Policy Cycle: Policy Decision Making in the Digital Era,” Journal of Organizational Computing and Electronic Commerce, Vol.26, No.1-2, 2016, pp.147-169.

表1 生成式人工智能嵌入對公共服務行政負擔的消解效應

三、增負效應:生成式人工智能嵌入下公共服務的新行政負擔

生成式人工智能的技術優勢變革了傳統的公共服務獲取隊列,并以其獨特功能對各環節行政負擔進行消解。但技術是一把雙刃劍,其在發揮消解效應的同時,也存在一定的增負效應。

(一)數字囚籠:技術理性下的公共性成本

算法具有重構公共空間話語權力的功能,并不斷對行為層面的公共服務施加影響。一方面,算法的引入主張以客觀中立的策略實現服務供給的公平性和科學性;另一方面,開放性技術的應用拓寬了公共服務中的公共性空間,允許公眾參與、表達和傳遞自身需求,由單一中心以滿足人們共性需要為主的模式,轉向多元參與關注人們個性化需求的公共服務供給模式,(37)臧雷振、黃建軍:《大政府還是小政府:靈巧型政府建構進路》,《中國行政管理》2013年第7期。從而更好地助力公共價值的實現。

然而,隨著生成式人工智能的嵌入,公共服務獲取流程的標準化和正規化不再以高度合法化的規則和程序為主要支撐,而由算法邏輯和信息架構所替代。信息技術以功能簡化和功能閉合兩類方式,將公共服務領域的復雜性邏輯重構為一組簡化的因果關系或工具關系,并在選定的因果序列周圍構建一個保護繭,確保形成技術過程的閉環邏輯,實現了公共服務秩序的再生產。(38)J. Kallinikos, “The Order of Technology: Complexity and Control in a Connected World,” Information and Organization, Vol.15, No.3, 2005, pp. 185-202.

一個由算法邏輯和信息架構合成的“數字囚籠”儼然形成。在“數字囚籠”中,智能機器人和自動化信息系統日漸替代公共服務工作者成為與公眾互動的直接載體,數據成為“柜臺”決策的主要依據,公共服務工作者被迫在算法和數據主導的技術理性范圍內工作,價值理性日漸缺失。(39)R. Peeters, A. Widlak, “The Digital Cage: Administrative Exclusion Through Information Architecture-The Case of the Dutch Civil Registry's Master Data Management System,” Government Information Quarterly, Vol.35, No.2, 2018, pp.175-183.在此情況下,公眾獲取公共服務的權利主要由算法和數據決定,算法偏見或歧視、分析數據錯誤或缺失等均會增加個體申請公共服務的行政負擔。且在由數據主導的公共服務獲取隊列中,擁有數字話語權群體的利益訴求被不斷放大,使得數字弱勢群體的個體利益訴求逐漸被排斥在公共服務體系之外。

雖然生成式人工智能嵌入隊列有效提升了公共信息的可獲得性,但“數字囚籠”下信息的選擇性供給,亦會侵害公眾信息獲取的主體性。一方面,包含利益價值判斷的算法設計因素使用戶的信息視域范圍不斷縮小。(40)袁媛、李娜、王燦發:《算法推薦時代的技術規訓與價值重塑》,《新聞愛好者》2023年第10期。掌握著算法技術的編程人員能夠依據組織要求或利益偏好控制信息的傳遞邊界,框定用戶的信息獲取區間。這不僅破壞了公共信息的傳播系統,增加了用戶獲取區間外信息的成本,亦影響了用戶對行政負擔的自主感知。另一方面,由于缺乏其他獲取公共信息的直接渠道,生成式人工智能下信息獲取的便利性和快捷性會使用戶形成信息獲取的渠道依賴,從而逐漸淪為算法控制的對象。

(二)算法黑箱:技術運行下的合法性成本

人工智能自身的封閉性特點、人工智能外部規則沖突與內部決策非透明化構成了算法運行的雙重黑箱,增加了公共服務隊列運行的合法性成本。人工智能的算法封閉性本質決定了人工智能的信息透明度僅限于輸入和輸出環節,而處于核心處理環節的算法依然被黑箱籠罩,無法保障全流程透明。從嵌入公共服務的實際隊列看,算法保護與算法公開產生透明性悖論,即使現有政策明確要求公開人工智能的算法與運作流程,實現公開化與透明化,但人工智能的具體設計同樣受知識產權、市場競爭下維護企業運營等外部政策保護。透明性悖論下,由技術運行的難解釋性和不透明性所導致的結果不確定性超出了服務人員的控制范圍,而算法監管的高技術要求又加大了公共服務的監管難度,致使算法監督缺位。

在算法黑箱下,生成式人工智能嵌入公共服務獲取隊列面臨現有制度與責任界定的合法性挑戰。其一,部分人工智能決策可能會繞過制度限制,產生現實存在但不合法的困境。針對人工智能的制度規制仍處于發展階段,算法處于法律規制的邊緣或為達到預期目的運用灰色地帶的漏洞導致人工智能脫離法律的監管框架。其二,透明度與責任性問題無法清晰界定。2019年,國家新一代人工智能治理專業委員會發布《新一代人工智能治理原則——發展負責任的人工智能》,強調了發展負責任的人工智能需遵循“共擔責任”原則,明確指出,人工智能的責任分配需考慮研發者、使用者和受益者等主體。(41)中華人民共和國科學技術部:《發展負責任的人工智能:新一代人工智能治理原則發布》,2019年6月17日。https://www.most.gov.cn/kjbgz/201906/t20190617_147107.html然而,現行制度規則無法合理劃分人工智能在公共服務治理中的責任邊界,呈現出技術與制度相互脫嵌的狀態。(42)P. Henman, “Improving Public Services Using Artificial Intelligence: Possibilities, Pitfalls, Governance,” Asia Pacific Journal of Public Administration, Vol.42, No.4, 2020, pp.209-221.在多重主體并存的治理原則下,責任主體的模糊化、責任歸屬的離散化將使主體避責“有據可依”。

(三)應用挑戰:技術迭代下的適應性成本

隨著互聯網、大數據、人工智能等技術的不斷迭代更新,公共服務信息化改革如火如荼,公共服務場域也逐漸由線下遷移至線上,各類政務信息化系統、智慧化公眾參與平臺、主題數據庫紛紛建立,為推動公共服務向精細化、智能化、智慧化轉型奠定基礎。然而,技術的迭代更新以及由此引發的社會變革亦為公共服務帶來了一定適應成本,主要體現在技術創新與轉化應用、組織結構變革兩方面。

作為促進公共部門轉型和創新的重要工具,數字技術的轉化應用已經成為基層治理的重要內容,各地紛紛開展技術應用實踐。然而,在政績競爭的驅動下,基層政府數字化轉型普遍存在“數字形式主義”現象。“數字形式主義”下各類線上系統和服務平臺的“不好用”“用不好”等問題不僅造成了行政資源浪費,還增加了公共服務工作者和用戶的使用成本。另外,個體對人工智能的信任是人機交互的前提,人工智能技術的不可預測性、對個體隱私侵犯的風險、虛假信息的傳播等因素均會抑制個體的系統信任,從而造成個體的回避趨向,既增加了用戶使用的心理成本,同時也提升了服務工作者的調適成本。此外,人工智能的使用需以一定的技術基礎和專業知識為支撐,諸如教育因素、認知能力、社會資本等個體因素在一定程度上決定了公眾對新技術的接受和使用水平,而更依賴公共服務的群體往往需要承擔更大的學習適應成本,且對行政負擔的感知更強。

在組織結構變革上,人工智能嵌入公共服務治理使原有的組織結構、社會關系、服務機制發生了變化,新舊服務格局間的緊張關系既需要組織成員進行從認知到行為的全方面調適,又需要政府對新興技術嵌入組織要素所帶來的創新與變革進行統籌應對。當前,人工智能技術賦能公共服務正形成一整套以“促進數據流轉”為核心的創新模式。(43)王張華、顏佳華:《人工智能驅動政府治理變革:內在機理與實踐樣態》,《學習論壇》2020年第11期。不同發展階段人工智能技術的功能迭代,塑造了差異化的公共服務治理形態。因此,政府需掌握人工智能技術躍遷規律,主動適應時代背景實現各要素轉型從而促進公共服務治理的全系統轉變,這無疑為其管理和運行帶來了巨大的行政負擔。

四、未來思考:人工智能時代公共服務行政負擔消解策略

生成式人工智能嵌入公共服務獲取隊列的增負效應,不僅歸因于技術層面的功能局限,還取決于政府在新公共服務獲取隊列中的應用設計和調適安排,亦需要關注公民在新獲取隊列下的學習與適應能力。因此,未來需從技術、政府和公眾三個層面對人工智能時代公共服務行政負擔的消解策略進行思考。

(一)技術祛魅:探索技術局限的解決策略

人工智能的技術躍遷使其在公共服務行政負擔治理中承擔著多類功能,但技術的局限亦為行政負擔治理帶來了諸多挑戰。例如,開放性的技術應用以信息的交互性拓寬了公共服務中的公共性空間。但算法歧視、數字話語權力不平等、信息選擇性供給等問題亦導致被歧視群體的行政負擔加重、數字弱勢群體被“行政排斥”、個體的信息獲取主體性弱化。另外,生成式人工智能以實時性優化功能嵌入公共服務獲取隊列有效降低了申請者的合規成本,但算法自身的封閉性亦弱化了公共服務獲取隊列的透明性。因此,亟須實現技術祛魅,正視生成式人工智能技術的本質和局限,探討破除技術局限的解決策略。

首先,規避算法歧視,維護程序平等,確保行政負擔的正確分配。算法歧視可能體現在程序設計、數據收集和訓練、應用決策全環節,具有高度的隱蔽性、結構性、單體性與系統連鎖性。歧視性要素隱藏在“中立”的算法程序背后,對不同群體進行區別對待,促使作為政策工具的行政負擔脫離了正確軌道,使負面構建的“目標群體”更加邊緣化?？灯疹D等人研究發現,在美國失業保險領取服務中,自動化或數字化提交的索賠數據可能保留種族化信息,用戶需要承擔更嚴重的種族化行政錯誤以及與之相應的更強的行政負擔。(44)M. E. Compton, M. M. Young, J. B. Bullock, et al. “Administrative Errors and Race: Can Technology Mitigate Inequitable Administrative Outcomes?” Journal of Public Administration Research and Theory, Vol.33, No.3, 2023, pp.512-528.規避算法歧視,需從根源出發,建立算法程序設計審查制度、數據清潔制度、算法應用動態審查制度實現審查制度的全環節、全覆蓋。

其次,打開算法黑箱,實現程序公開,提高行政負擔的可監察性。算法黑箱剝奪了公眾質疑算法決策、表達個體意見的權利,個體難以透視算法決策流程并對其進行歸責,只能重復性向上反饋被動等待結果。算法透明是算法治理的內在要求,不同于單純信息披露的化約主義,算法透明應契合算法決策的復雜性和動態性特征、回應利益相關者的透明度需求,并考慮到個體的算法認知局限性。(45)張恩典:《算法透明度的理論反思與制度建構》,《華中科技大學學報》(社會科學版)2023年第6期。一方面,打破算法透明性悖論,區別行政算法與商業算法,分別對二者的算法透明度作出明確要求。另一方面,區別面向個體和組織的算法公開要求,結合系統解釋與個案解釋、事前解釋和事后解釋、人工解釋與機器解釋,繪制多樣化、動態化的算法可視圖,保障個體在新公共服務獲取隊列中的主體性。

最后,建構“道德算法”,促進程序正義,保障弱勢群體利益。算法自動化決策嵌入公共服務獲取隊列,以純粹的技術理性替代傳統治理個體的價值理性,強調以效率和客觀為導向的“求真”邏輯,忽略了公共服務的公共性和社會性。技術理性對價值和正義理念的侵蝕,使行政負擔設置無法眷顧特殊群體。因此,需建構道德算法,將以人為本的倫理觀念、社會效益優先的服務原則納入算法程序設計,以程序正義為判斷標準促使價值在算法運行中的不斷迭代更新,正確發揮行政負擔的目標篩選功能,保障邊緣化群體或目標群體的實質利益,以算法正義實現服務正義。

(二)政府統籌:遵循漸進的整體變革思路

生成式人工智能作為行政負擔治理的技術工具,其消解效應的發揮依賴于政府的正確應用和有序調試。由上可知,新隊列下技術理性對價值理性的過度替代、現有制度與責任界定不合理、數字形式主義嚴重、組織變革滯后等問題均會生成公共服務獲取隊列中的新負擔。因此,要求公共部門以更加審慎的態度對待人工智能,在整體應用中遵循漸進式的變革思路。

首先,促進人機協作,合理劃定技術應用范圍。技術的快速迭代使得人工智能作為一種獨立且不由外界支配的自主性力量逐漸從社會中分離開來,成為公共服務治理環節的一種異質性主體。(46)蘭登·溫納:《自主性技術:作為政治思想主題的失控技術》,楊海燕譯,北京大學出版社,2014年,第13頁。算法決策替代常規決策成為隊列決策的主要形式。一方面,政府需要明確人工智能的替代邊界,技術的簡單化約功能無法精準還原復雜社會的全貌,不可避免產生情感、價值維度的失真。因此,算法權力運行需要置于公共管理者的權力框架下進行審視,明確公共服務工作者的角色轉換,避免技術依賴,防止因行政惰性引發的目標置換效應。另一方面,將人工智能嵌入視作一個長期性、漸進式的轉向過程,破除數字形式主義,確保技術應用的有效性,避免因技術濫用增加無謂的適應成本。

其次,完善制度約束體系,對技術進行有序監管。人工智能的技術涌現性與制度約束體系完善性產生張力,超越了目前制度體系的約束范圍,如何有效控制人工智能技術的科林格里奇困境是世界范圍內學者的討論熱點,也是中國情境下公共管理者需要回應的核心問題之一。這要求政府采取漸進式策略,在充分利用生成式人工智能的功能優勢發揮其消解行政負擔的正向功能的同時,針對技術嵌入公共服務獲取隊列可能產生的不良后果制定前瞻性控制措施。

最后,引入特殊技術設定,轉嫁特殊群體的行政負擔。盡管政策設計可能遵循中立原則,但由于各類社會或行政偏見,個體可能因其在不同身份軸上的社會地位而面臨不同的行政負擔。另外,算法嵌入下對待偏見或不完整數據的循環運行也會固化被歧視群體的邊緣地位?；诖?政府可以通過特殊的技術設定,為弱勢群體開出“特殊通道”,構建個體與政府互動的替代空間。例如,巴基斯坦政府在為性別酷兒提供合法身份證的服務中,通過分配單獨日期或與非政府組織合作,安排特別小組設置了服務替代空間,以此減輕性別酷兒在身份證申領服務中因互動而產生的行政負擔。(47)M. A. Nisar, “Children of a Lesser God: Administrative Burden and Social Equity in Citizen-state Interactions,” Journal of Public Administration Research and Theory, Vol.28, No.1, 2018, pp.104-119.

(三)公眾在場:完善全民數智素養提升機制

個體對行政負擔的感知帶有一定的主觀性。在一致的服務申請程序下,數智素養不同的個體所感知到的行政負擔存在較大差異。一方面,數智素養低的個體在新公共服務獲取隊列中面臨著更大的學習成本和適應成本,群體間技術差異所導致的智能鴻溝進一步加劇了社會分化,使得數字弱勢群體極易被排斥在公共服務體系之外;另一方面,缺乏對技術運行邏輯、倫理風險等方面的認識,會使個體困囿于算法邏輯和信息閉環之中。對此,需全面提升用戶的數智素養,使用戶由技術的被動應用者轉變為主動求變者,凸顯個體的主體價值。

首先,加強數智知識教育,以學校教育和社會教育相結合、正式學習和非正式學習相結合、正式渠道傳播與非正式渠道傳播相結合等形式面向公眾普及基本的數字技能,提高公眾在新隊列中的技術使用能力,減少學習成本。針對數字弱勢群體建立普惠性、包容性的素養提升機制,彌合智能鴻溝,提高群體數字話語權,避免行政排斥。

其次,加強技術應用教育,提高個體的數字化適應力,減少適應成本。生成式人工智能嵌入公共服務獲取隊列不僅是一項技術的有序應用,還關涉新隊列中服務流程、決策規則、組織結構等內容的更新與變革。服務更迭下,舊有服務格局下的部分人員難以適應新秩序長時間處于失序狀態,產生抵觸情緒,加劇心理上的不適應和焦慮,從而形成社會排斥。因此,政府應考慮技術嵌入公共服務獲取隊列的場景性,對公民的算法態度、技術認知進行有序調適。

最后,增強技術使用者的道德責任意識。一方面,生成式人工智能的偏差性、不可靠性等特性致使其出現批量制造事實性錯誤信息的情況。同時,公眾需求的多樣性和情境依賴性、專家語言和公眾語言的差異性、有歧義的語義理解等因素均制約著生成式人工智能為個體提供公共服務的精準性。因此,要求使用者建立正確的技術認知,例如對信息的真假判斷,充分了解技術背后的運行邏輯及相應缺陷,減少部分用戶的技術依賴傾向。另一方面,生成式人工智能尚不具備完全辨別用戶請求合法性與正當性的功能,使用者的不當使用或惡意利用可能會擾亂公共服務獲取隊列的正常運行。例如,在私營主體主導的程序設計下,算法很有可能成為裹挾著資本甚至政治動機的私人謀利工具;夾雜著社會偏見的生成式人工智能技術會對公共服務資源分配、價值傳遞等帶來實質性危害。政府并不是唯一的技術倫理主體,對技術的規范運用需多方共同努力。因此,在加強對使用者行為約束和規范的同時,應強化使用者倫理意識,建構對技術的共同理性和責任擔當。

結 論

智能化已經成為當今經濟社會發展的主旋律。生成式人工智能作為現代數字技術的重大突破,標志著人類正逐漸由弱人工智能向通用人工智能邁進,對新時代公共服務行政負擔的消解產生了重要影響?；诖?本文嘗試以獲取理論為基礎,在與傳統數字技術進行比較的基礎上,建構了生成式人工智能技術嵌入下的公共服務獲取新隊列。

在新隊列中,算法嵌入促使倫理系統軸心由傳統服務模式下公共服務工作者間的互動關系轉變為人與機器的交互關系;門童和經理環節的新增使得原先以政府為本位的串聯性服務供給模式向政民交互的網狀式智能化服務供給模式轉變,呈現出以算法和數據為核心的網絡狀分布特征。技術光環下的生成式人工智能以交互式咨詢、包容性準入、自動化流程、整合性審核和實時性優化功能嵌入門童、大門、隊伍、柜臺、經理五個環節,消解了傳統服務的既有負擔。但亦生成了技術理性主導下的公共性成本、算法運行雙重黑箱下的合法性成本、技術快速迭代應用下的適應性成本三類新負擔,為公共服務治理帶來挑戰。

從中國情境出發,生成式人工智能的運用需要充分考量“發展—安全”有效平衡的問題,未來公共服務中行政負擔的消解需遵循漸進式的長期調試思維。個體對公共服務行政負擔的感知既有其客觀性亦有其主觀性,既要考慮政府和技術層面對公共服務中行政負擔的設置及分配作用,也要關注公眾層面對行政負擔的主觀感知。因此,未來需從技術、政府和公眾三個層面出發,探索技術局限的解決策略,遵循漸進的整體變革思路,完善全民數智素養提升機制,以此充分發揮生成式人工智能技術嵌入公共服務消解行政負擔的技術優勢,從而發揮最大價值。