川海智库

报告概述

本报告记录了一次由RAND、Stimson Center和Tony Blair Institute for Global Change联合举办的研讨会，聚焦人工智能（AI）在政策制定全生命周期中的应用。56位来自政策研究、制定和技术领域的专家参与，围绕四个主题展开讨论：定义AI赋能政策制定、核心AI能力与系统需求、实施考虑因素、构建技术路线图。报告总结了专家观点，包括AI在起草、总结、利益相关者分析等方面的现有能力，以及推广面临的挑战如隐私、信任和制度化。旨在为政策制定者和技术开发者提供洞察，促进AI在民主治理中的负责任应用。

报告的核心结论

AI已在政策起草、总结和利益相关者分析中发挥作用，但需警惕过度依赖。

与会者指出，AI工具当前用于起草备忘录和立法文本、总结听证会和研究文档、分析利益相关者立场。然而，过度委派可能导致批判性思维和民主问责制削弱，必须保留人类判断和反馈循环。

结构性障碍阻碍AI在政策领域的有效部署，包括政策不明和激励缺失。

主要障碍包括：AI使用政策模糊、隐私法律顾虑、缺乏机构支持。此外，公司缺乏为政府开发专用工具的财务激励，因为政府市场规模小，商业吸引力低。

AI系统的透明度和可信赖性是政策应用的核心要求。

专家强调，AI工具必须清晰展示推理过程和数据来源，以便政策制定者解释输出。同时，需要明确标识AI与人类贡献，并与利益相关者共同设计以确保反映实际约束和价值观。

短期成功指标是效率提升，长期目标是改善政策结果和公众信任。

短期：常规工作流速度加快、节省时间、更多实验。中期：减少迭代次数、改善危机响应。长期：更好的政策结果、增强公众参与和信任。

报告回答的关键问题

AI目前能完成哪些政策制定任务？

AI当前可用于起草备忘录和立法文本、总结文件和听证会、分析利益相关者立场、简化复杂语言、支持头脑风暴和大规模试错。但也存在推理质量、长期规划、隐性知识等方面的局限性。

在政策中应用AI面临哪些主要挑战？

主要挑战包括：AI使用政策不明确、隐私法律顾虑、机构支持不足、对输出可信度不一致、模型维护校准困难、商业激励缺乏。此外，整合到现有工作流需要重新培训，且采纳程度在公共和私营部门差异大。

如何确保AI政策工具可信赖且符合民主规范？

确保可信赖需提高透明度（展示推理和数据源）、问责制，并与用户需求对齐。工具必须灵活适应不同州和联邦法律差异。共同设计（与政策制定者、利益相关者和社区）及后实施反馈循环也至关重要。

完整报告包含什么

  • 完整报告包含四场研讨会的详细记录，内容包括：定义AI赋能政策制定、核心AI能力与系统需求、实施考虑因素、构建技术路线图。
  • 报告收录了与会者针对各环节引导问题的观点，例如AI在不同政策任务中的适用性、数据集成挑战、信任与风险、失败模式等。
  • 包含对AI工具生态的梳理，如通用模型（OpenAI、Claude、Gemini）和专用工具（Elicit、Harvey、Policy Synth）的优劣势分析。
  • 讨论了AI在政策制定中的自动化机会，如分类和回应选民需求、生成基线可视化，以及设计AI系统整合历史数据与实时事件的方法。
  • 涉及实施中的信任、民主对齐、不确定性沟通、大规模采纳影响等关键议题，并提出防范信息过载、盲目接受输出等失败模式的建议。
  • 提供了技术路线图，包括现有工具映射、优先发展领域、期望的新工具（如定制化工作流、关系映射、自动事实核查），以及部署测试策略。
  • 报告附录包含与会者组织名单、参考文献和作者简介，为后续研究提供参考网络和资源。

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