川海智库

报告概述

本报告由OECD发布，聚焦人工智能（AI）在全球11项核心政府职能中的应用现状与未来发展。报告基于对200个真实用例的深入分析，覆盖税收管理、公共财政、监管设计、公务员改革、政府采购、反腐败、政策评估、公民参与、公共服务、执法与灾害管理、司法行政等领域。报告采用OECD数字政府政策框架，系统评估AI对政府生产力、响应性和问责制的潜在影响，同时剖析数据质量、技能缺口、遗留系统等实施挑战。旨在为各国政府提供可操作的赋能措施、护栏机制和利益相关方参与策略，以促进可信赖AI的规模化应用。

报告的核心结论

政府AI应用分布不均，公共服务和司法领域领先

OECD对200个用例的分析显示，AI在公共服务设计、公民参与和司法行政中的用例最多，而在政策评估、税收管理和公务员改革中较少。这种分布差异源于各职能的数据基础、监管约束和风险容忍度不同，例如公共服务因任务多样化而更易部署AI，而税收领域受严格数据保护法规限制。

大多数政府AI项目停留在试点阶段，难以规模化

报告指出，许多政府AI计划仍处于探索或试验期，仅有少量成功扩展。主要原因包括技能短缺、数据共享困难、缺乏明确指导以及风险规避文化。例如，英国议会报告发现政府缺乏系统机制来汇集试点经验，导致成功案例难以在全政府推广。

技能差距和数据质量是政府AI采纳的共同瓶颈

所有政府职能均面临AI技能短缺问题，近60%的公共部门受访者认为内部技能不足是主要障碍。同时，数据碎片化、质量低下和跨部门共享困难严重制约AI系统性能。仅59%的OECD国家拥有公共部门数据战略，且多数缺乏可操作的实施指导。

政府需建立赋能、护栏和参与三大支柱以可信赖使用AI

OECD框架提出通过三方面行动实现可信赖AI：强化治理、数据、基础设施、技能等赋能要素；建立法律、透明度和风险管理等护栏机制；并主动与公民、公务员和社会伙伴进行持续对话。报告强调，政府应优先推进高效益低风险的AI应用，同时避免因过度规避风险而错失机遇。

报告回答的关键问题

政府如何利用AI提升公共服务效率？

AI可通过自动化重复任务、优化资源分配和提供个性化服务大幅提升效率。例如，英国艾伦图灵研究所估计AI能自动化84%的政府服务交易，相当于每年节省1200人年工作量。实践中，葡萄牙的AI聊天机器人使移动数字钥匙激活量提升10%，法国的Albert工具帮助公务员更快查询法规并起草回复。

政府在AI应用中面临哪些主要风险？

报告识别五大类风险：伦理风险（算法偏见、隐私侵犯）、操作风险（系统故障、过度依赖）、排斥风险（数字鸿沟加剧）、公众抵触风险（不透明导致的不信任）以及不作为风险（错失机遇导致公私部门差距扩大）。例如，荷兰儿童福利丑闻中偏颇算法错误指控2.6万家庭，凸显伦理风险。

政府AI项目为何难以规模化？

主要原因包括：缺乏跨部门协调机制，各部门独立试点无法共享经验；数据孤岛和碎片化限制模型训练；采购与预算流程僵化难以支持迭代开发；以及风险规避文化导致项目止步于小规模试验。OECD建议建立中央实验平台、共享数字基础设施和标准化评估框架以促进规模化。

OECD对政府可信赖AI提出哪些政策建议？

报告提出三项核心建议：第一，加强赋能要素，包括制定国家AI战略、建设数据治理体系、投资数字基础设施和培育AI人才；第二，设立护栏机制，如强制算法影响评估、公开AI使用登记册、建立独立监督机构；第三，推动参与对话，通过公民议会、公务员培训和跨国协作确保AI发展符合社会需求。

报告中的代表性数据

84%的政府服务交易可被AI自动化

英国公共服务AI自动化潜力

2024年估计，据艾伦图灵研究所研究，AI可自动化英国中央政府143 million笔服务交易中的84%，每年节省相当于1200人年的工作量。

约6.5百万案例分析，额外税收1.85亿欧元

奥地利税务AI分析成果

2023年，奥地利财政部预测分析能力中心(PACC)在2023年分析了约650万件所得税、公司税、增值税及海关案例，发现错误申报和欺诈行为，带来约1.85亿欧元额外税收收入。

50%预测成功率，80%准确率当指示可能发生火灾时

加拿大阿尔伯塔省AI野火预测准确率

持续运作，该省AI系统基于十年气象与生态数据训练，每日预测保护区野火风险，辅助资源预置决策。系统指示火灾可能时准确率达80%。

以上数据根据报告摘要整理，具体统计口径和数值请以完整报告原文为准。

完整报告包含什么

  • 200个政府AI应用案例分析：覆盖11个核心职能，分类展示AI为自动化、决策支持、问责改进和外部赋能带来的具体效益。
  • 11项政府职能深度评估：每项职能包含当前应用状态、风险管理实践以及未开发潜力与未来路径，提供丰富的国别案例。
  • 实施挑战系统分析：总结跨职能共同挑战（技能、数据、指导缺失、风险规避、ROI衡量）及职能特有挑战（法律僵化、成本、遗留系统）。
  • 可信赖AI框架详解：提出三大支柱——赋能（治理、数据、基建、技能、投资、采购、伙伴关系）、护栏（法律、透明度、风险管理、监督）、参与（公民、公务员、跨国协作），附具体政策问题与措施。
  • 风险类型学：详细阐述伦理、操作、排斥、公众抵触和不作为五大类风险，并分析每类风险在政府职能中的表现与案例。
  • 成本与定价参考：提供商用生成式AI模型（如GPT-4o、Claude）的token价格、政府AI实验室预算案例，以及定制化模型的成本区间，为采购提供参考。
  • 实验与扩展策略：包括监管沙盒、创新实验室、政府AI孵化器（如法国ALLiaNCE、英国i.AI）以及跨政府试点评估方法。
  • 国际比较与政策建议：引用OECD DGI指数、欧盟与拉美案例库数据，对比各国AI成熟度，并提出系统性政策行动路线。

本页内容由川海智库整理，用于帮助读者快速了解报告主题、核心观点和主要内容。由于报告量大、人工能力有限，部分观点、数据、统计口径或表述可能存在偏差，具体内容请以完整报告原文为准。

相关报告