人工智能嵌入公共服务治理的风险挑战（三）

---

前言

虽然人工智能技术能为公共服务部门带来诸多便利，但其带来机遇的同时也伴随着风险与挑战。倘若罔顾技术在应用过程中存在的实际问题，盲目地诉诸其带来的快捷和便利，就容易落入计划与现实的断层。而造成这种断层的原因是多元的，使人工智能与公共服务治理有机融合仍需克服诸多困难。

---

四、人工智能嵌入公共服务治理的风险与挑战

（一）不足的数据质量

公共服务研究中的数据侧重于收集公共和个人生成的多模式数字数据。要实现精准可靠的算法决策，人工智能机器学习算法需要大量的数据用于深度学习和训练。公共服务数据可以包括：①由公民个人通过他们在互联网上的互动而产生的数据（例如社交媒体数据）；②由各类传感器生成并收集的数据（如海洋传感器和道路交通传感器）；③公共服务部门在其运营过程中所收集的数据。将人工智能运用于治理过程，获取并整合这些数据是一个重大的难题。此外，由于缺乏收集和保存数据的格式标准，也使得基于人工智能的解决方案的开发变得十分复杂[50]。在公共部门中，鲜有可用的数据标准用于收集和存储数据，既有公共数据开放平台的数据质量参差不齐。虽然网络上已经有很多具备潜在价值的公开数据可供自由取用，但绝大部分有价值的数据仍然只掌握在部分组织的手中。不论是为了保护自身的竞争力还是维护客户的隐私安全，企业可能不愿与外界分享数据信息。若要提高企业分享数据信息的意愿，政府需要制定明确的法律规章来保护个人的隐私权、界定数据采集和分析的范围，以及保障企业的竞争优势。然而，收集大量但无用的信息则是另一个问题。一些机构在没有首先设定优先级和计划质量检查的情况下收集了尽可能多的数据，急于追逐“大”数据，导致了数据冗余和无意义的结果产出。同时，许多数据以不同格式存储，一众数据平台只是对数据进行简单堆砌，存在数据碎片化、更新不及时、无统一标准等问题，使缺乏结构性数据也成为阻碍人工智能普及的巨大挑战。将这些文件及信息归档和标注为人工智能可用于训练的数据集仍需要相当大的努力。

（二）短缺的技能人才

将人工智能融入公共服务治理需要大量高新科技人才。从硬件基础设施建设，到软件开发和部署，再到具体的操作与使用，每个环节都离不开相应的技术人才。然而，公共部门人员利用人工智能技术的能力有限，绝大多数公共部门职员对人工智能或机器学习并不熟悉，公共服务组织内部也缺乏在职的人工智能技术人才。实施高质量的智能服务需要建立全面的专家团队，涵盖从网络开发到安全和隐私的所有相关实践领域[51]。人工智能人才在全球劳动力市场中都是相对稀缺的，因此这类专家往往更愿意在私营部门就职，以换取较高的薪资待遇，也致使公共部门