<?xml version="1.1" encoding="utf-8"?>
<article xsi:noNamespaceSchemaLocation="http://jats.nlm.nih.gov/publishing/1.1/xsd/JATS-journalpublishing1-mathml3.xsd" dtd-version="1.1" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><front><journal-meta><journal-id journal-id-type="publisher-id">ASDS</journal-id><journal-title-group><journal-title>Applied Statistics and Data Science</journal-title></journal-title-group><issn>3066-8433</issn><eissn>3066-8441</eissn><publisher><publisher-name>Art and Technology</publisher-name></publisher></journal-meta><article-meta><article-id pub-id-type="doi">10.61369/ASDS.2026100002</article-id><article-categories><subj-group subj-group-type="heading"><subject>Article</subject></subj-group></article-categories><title>超越工具论：政务AI 应用的认知误区、适配挑战与数据基础构建</title><url>https://artdesignp.com/journal/ASDS/2/10/10.61369/ASDS.2026100002</url><author>谷剑芳,张阳,王丹丹,袁云云,金玲,杨奎</author><pub-date pub-type="publication-year"><year>2026</year></pub-date><volume>2</volume><issue>10</issue><history><date date-type="pub"><published-time>2026-10-20</published-time></date></history><abstract>2025年是一个明显的分水岭。DeepSeek 等国产模型在中文语境下的表现显著提升，私有化部署的门槛又降了下来，各地政务系统引入AI 的节奏随之加快，智能客服、工单分派、公文辅助一类应用密集上线。问题也随之暴露：不少系统上线即闲置，答非所问，知识库长期不更新。笔者在参与省级政务数据治理与多地调研中感到，这类失败多半不在技术侧，而在决策者对大模型能力边界的判断上。本文据此梳理出三类偏差：最要紧的是把大模型当成查得准、不会错的政策知识库，忘了它的答案其实是按概率拼出来的，不是从库里查出来的；其次是立项时先看指标参数、后看业务痛不痛，又犯了只管建、不管用的老毛病；还有一条常被忽略&amp;mdash;&amp;mdash; 按&amp;ldquo;验收即完&amp;rdquo;的传统信息化方式管AI，既没留数据更新的口子，也没留模型迭代的钱。为检验这三类偏差能解释多少结果，本文对比了四个样本：先看福田那批&amp;ldquo;AI 公务员&amp;rdquo;；再看漳州的&amp;ldquo;候喜&amp;rdquo;；杭州城市大脑是第三个；还有一个不在政务系统里，是沃尔玛。沃尔玛不在政务系统内，放进来是为了隔离一个变量&amp;mdash;&amp;mdash; 当数据不缺、预算不缺，工具本身碎片化会造成什么后果。案例分析沿&amp;ldquo;场景嵌得多深&amp;rdquo;与&amp;ldquo;平台统得多广&amp;rdquo;两条线索展开，由此归纳出需求、场景、数据、平台四个落地条件，并做成一张四维评分表（业务价值40%、数据基础25%、技术可行性20%、风险可控性15%），供地方在立项前对候选场景打分排序。文章最后讨论支撑条件，认为标准、数据、平台三件事里，从数据供给侧到模型消费侧的那段加工链路最容易被跳过，也最值得先投。相比已有研究，本文想留下的不是又一个技术框架，而是一张能拿去开会用的打分表。</abstract><keywords>人工智能,政务服务,大语言模型,认知误区,场景适配,高质量数据集,平台治理</keywords></article-meta></front><body/><back><ref-list><ref id="B1" content-type="article"><label>1</label><element-citation publication-type="journal"><p>[1]Wirtz ,Weyerer ,Geyer .Artificial Intelligence and the Public Sector&amp;mdash;Applications and Challenges[J].International Journal of Public Administration,2019,42(7):596-615.[2]Sun Q T ,Medaglia R .Mapping the challenges of Artificial Intelligence in the public sector: Evidence from public healthcare[J].Government Information Quarterly,2019,36(2):368-383.[3] 孟庆国、鞠京芮. 人工智能支撑的平台型政府：技术框架与实践路径[J]. 电子政务,2021(9):37-46.
[4] 施敏，杨海军. 大语言模型数据隐私保护的难点与探索[J]. 大数据,2024(5):174-182.[5] Bender E M, Gebru T, McMillan-Major A, et al. On the dangers of stochastic parrots: can language models be too big?[C]//Proceedings of the 2021 ACM Conference onFairness, Accountability, and Transparency, 2021: 610-623. DOI: 10.1145/3442188.3445922.[6] Huang L, Yu W, Ma W, et al. A survey on hallucination in large language models: principles, taxonomy, challenges, and open questions[PP/OL]. arXiv(2023-11-09)[2026-09-09]. https://arxiv.org/abs/2311.05232. DOI: 10.48550/arXiv.2311.05232.[7] Ji Z, Lee N, Frieske R, et al. Survey of hallucination in natural language generation[J]. ACM Computing Surveys, 2023, 55(12): 1-38. DOI: 10.1145/3571730.[8]Janssen M ,Brous P ,Estevez E , et al.Data governance: Organizing data for trustworthy Artificial Intelligence[J].Government Information Quarterly,2020,37(3).[9] 赵娟, 孟天广. 数字政府的纵向治理逻辑: 分层体系与协同治理[J]. 学海,2021(2):90-99.[10] 刘泽垣, 王鹏江, 宋晓斌, 张欣, 江奔奔. 大语言模型的幻觉问题研究综述[J]. 软件学报,2025,36(3):1152-1185.[11] 王秀平. 人工智能司法应用法律风险及法治应对[J]. 政法论丛,2024(2):151-160.[12] 韩旭, 张正彦, 刘知远. 知识指导的预训练语言模型[J]. 中兴通讯技,2022,28(2):10-15.[13] 李雪晴, 王石, 王朱君, 朱俊武. 自然语言生成研究综述[J]. 计算机应用,2021(5):1227-1235.[14]Bender E M, Gebru T, McMillan-Major A, et al. On the dangers of stochastic parrots: Can language models be too big?[C]Proceedings of the 2021 ACM Conference onFairness, Accountability, and Transparency,2021:610-623.[15] 欧阳康. 基层数字形式主义：表现、成因与对策[J]. 国家治理,2024(13):10-14.[16] 曾维和.DeepSeek 嵌入政务智能生态的风险及治理[J]. 理论探讨,2025(5):37-47.[17] 林锋. 持续训练在机器学习平台中的应用研究[D]. 上海：上海交通大学电子信息与电气工程学院,2021.[18] 王静, 张红. 人工智能在数字政府建设中的应用及其法治化路径 &amp;mdash;&amp;mdash; 基于 DeepSeek 在数字行政中应用场景的分析[J]. 中外法学,2025,37(3):625-643.[19] 霍旻含.AI&amp;ldquo;公务员&amp;rdquo;，表现很亮眼[N]. 人民日报海外版,2025-02-24(8).[20] 毛伟杰. 动态能力视角下跨国零售企业供应链数字化转型路径研究 &amp;mdash;&amp;mdash; 以沃尔玛为例[J]. 广西民族大学硕士电子期刊,2025-06-16&amp;mdash;2025-07-15,2025(7).[21] 赵路, 屠友军. 杭州全面启动城市大脑3.0 建设[N]. 浙江日报,2025-04-01(1).[22] 王燕, 方晴. 广州：全国首个城市&amp;ldquo;三维数字底座&amp;rdquo;将这样支撑数字政府改革[N]. 广州日报,2022-08-25(1).</p><pub-id pub-id-type="doi"/></element-citation></ref></ref-list></back></article>
