生成式人工智能（Generative AI）是人工智能领域的一个重要分支。基于大量数据预训练的深度学习模型（如大型语言模型、生成对抗网络等）和机器学习技术，生成式AI能够学习和模拟人类的语言和交流方式，根据用户输入生成新的文本、图像、音视频、代码等复杂内容。凭借其出色的自然语言生成和理解能力、大数据整合和分析能力，复杂任务推理能力，跨模态生成能力以及自适应学习能力，以ChatGPT为代表的生成式AI被认为是一种颠覆性的通用技术，能够极大提升各行业的生产力和创造力，其重大意义甚至“可以与工业革命或电的发明相提并论”。

公共治理是生成式AI应用潜力最大的领域之一。据预测，到2033年，生成式AI每年将为全球公共服务部门带来1.75万亿美元的生产力收益。2023年2月，中共中央和国务院印发《数字中国整体建设规划布局》，明确提出要“发展高效协同的数字政务”。在我国加快推进数字政府、数字政务建设的背景下，如何理解并把握生成式AI带来的公共治理变革机遇，是亟需解答的问题。

生成式AI在公共治理领域的应用前景广泛多样，大体来说可以分为以下三类：

■一、支持政府决策和优化政策制定

生成式AI能够快速综合和分析不同来源的大量结构化和非结构化数据，识别隐藏的规律和趋势，帮助决策者更准确地理解复杂问题，从而作出更明智的决策。

例如，在舆情监测与应对方面，生成式AI可以从社交媒体、新闻网站、政府门户网站及其他在线平台收集文本、图片、音视频等数据，进行情感分析和热点话题识别，实时监测公众情绪和反馈，并生成舆情分析报告。

在政府行政活动的合法性审查方面，生成式AI凭借其卓越的法律理解和应用能力（例如ChatGPT-4在美国律师资格考试中超过了90%的人类考生），可以辅助审查政府行为的合法性，助力法治政府建设。

在政策草案公开征求意见方面，生成式AI能够高效处理大量公众反馈，总结和分析意见，识别共识和分歧，并协助起草总结报告和建议，从而增加政策制定的参与度和透明度。

在企业合规性监控方面，生成式AI可以实时监测和分析数据（例如工厂的排放数据），将其与政策法规标准进行对比，自动识别和报告违规行为，从而提高合规检查的效率和准确性。

■二、提升公共服务供给的效率和质量

生成式AI在满足个性化需求、改善用户体验、扩大服务覆盖面等方面具有显著优势，这些优势有望在未来进一步推动公共服务供给从静态、单向模式转变为动态、互动模式。

在满足个性化需求方面，传统的公共服务模式通常按照统一的标准和流程供给，忽视了个体或特定群体的特殊需求，可能导致服务匹配度低和满意度低的问题。生成式AI利用大数据分析技术，根据用户行为和历史数据，建立详细的用户画像和分类，帮助公共服务机构更好地理解不同用户群体的偏好和需求特征，从而在标准化基础上提供更加个性化的服务和解决方案。例如，瑞典的数字医疗服务提供商Kry利用生成式AI开发的多语言支持的健康助手工具，使患者能够通过在线平台和移动应用轻松地远程访问医疗服务，并根据用户的输入症状、健康历史等信息，提供个性化的医疗建议和健康管理服务。

在改善用户体验方面，生成式AI凭借出色的自然语言处理能力，能够理解和解析用户的语言表达，生成即时、准确的反馈，并根据用户的反馈和互动，不断自我学习和优化其生成的回复和服务内容。这种实时性和交互性使服务更加贴近用户需求，大大提升用户的服务体验。例如，海德堡市于2022年推出了德国首个基于生成式AI的智能聊天机器人Lumi。利用市政公开信息和自然语言处理能力，Lumi能够与用户进行自然对话，支持多语言咨询，并提供即时的、易于理解的回答，大大提高了市民和游客在访问政府服务时的便利性和满意度。

在扩大公共服务覆盖面，促进服务均等化方面，生成式AI具有诸多优势。首先，生成式AI可以降低服务成本。除支撑公共服务的必要基础设施外，公共服务系统可以部署在经济发达地区，通过5G和云计算技术，为偏远地区提供数字服务。其次，生成式AI可以降低使用门槛。它支持多模态数据输入，允许通过图像、语音输入方便地接入公共服务，解决了部分人群不会使用文本输入的困境。最后，智能手机的普及提高了服务的可达性。只要有网络连接，人人都能使用24小时在线的掌上政务助手。例如，知名教育非营利性组织可汗学院开发的AI驱动智能辅导工具Khanmigo，能够为学生提供多语言支持的个性化学习路径和智能化辅导服务，包括为视障、听障等特殊需求的学生提供更好的学习体验（如自动生成字幕、语音转文字等功能）。这有助于打破优质教育资源的地理、语言和身体条件限制，为全球学习者提供平等的优质教育机会。

■三、加强公共服务机构的内部管理和运行

生成式AI可以帮助各级政府部门优化行政流程、增强学习和发展功能以及促进知识共享，从而改善组织内部的管理和运行效率，增强组织的灵活性和创新能力。

在优化行政流程方面，生成式AI可以显著推进自动化行政，精简重复或不必要的流程，减轻基层干部的负担，释放更多时间和资源用于更有价值的工作。例如，生成式AI可以应用于后勤采购，通过自动处理采购申请、比价、订单生成等环节，快速生成最优采购方案，减少人工干预，提高采购效率。据牛津采购与供应学院研究发现，生成式AI可将采购流程时间缩短60%。生成式AI也可以应用于人才招聘，通过自动筛选简历、进行初步面试，并根据岗位需求和候选人数据生成详细的匹配分析，帮助快速找到最合适的候选人。

在增强学习和发展方面，生成式AI可以根据部门的长期目标和员工的个人学习目标，快速且低成本地创建定制化课程；可以分析员工的绩效数据，识别其工作中的优缺点，并提供个性化的学习建议和辅导。例如，全球知名管理咨询公司波士顿咨询集团报告称，其开发的辅助员工培训与发展系统BCG U在引入生成式AI后，开发一个示范课程的时间缩短了78%，开发视频内容的成本减少了60%，所需人员减少了一半。

在促进知识共享方面，生成式AI可以将散见于不同层级、不同区域的同类部门中的业务流程规范、治理案例经验、应急处置预案等政府内部知识整合成一个公共治理知识库，并通过语义搜索技术和深度学习技术理解查询字词的含义和上下文背景，更好地捕捉用户意图，从而提供更精准且高度相关的搜索结果，帮助各部门在面临类似问题时快速找到解决方案。例如，亚马逊推出的智能知识管理系统Amazon Bedrock，结合生成式AI、知识图谱和语义搜索技术，使企业能更有效地组织、访问和利用其现有数据和信息资源，增强企业知识的应用和价值创造。

毫无疑问，生成式AI即将带来巨大的变革机遇，但是我们也应当注意到其可能带来的隐私保护、安全性风险、算法偏见、AI决策过程不透明、技术依赖和技能短缺等一系列挑战。对此，政府和相关机构应早做研究，充分认识这些风险和挑战，制定严格的监管框架和伦理指南，确保生成式AI在提升公共服务和治理能力的同时，最大程度地减少其负面影响。

（作者系中共中山市委党校政法教研部教师）

编辑 范展颢 二审 周振捷 三审 陈慧