【编者按】

人工智能正加速嵌入公共治理，但公共部门AI采纳何以推进、管理者与非管理者态度有何差异？本文编译自Government Information Quarterly的论文《公共行政中的人工智能采用：公共部门管理者和公共部门非管理者员工的观点》。该文以英国383名公务员为样本，采用实验研究设计，考察公共部门管理者实施AI的意愿与非管理层员工接受AI的意愿。研究发现：公务员群体整体对AI持谨慎态度，更偏好AI承担支持或咨询顾问角色；任务对“软”技能的依赖程度越高，公务员对AI参与的抵触越强；相较于非管理层员工，管理者更倾向于在依赖“硬”技能的任务中扩大AI的参与范围。该研究提示：AI在公共部门的应用并非简单追求“应用越多越好”，AI角色配置与任务场景的匹配度才是关键。

【文章简介】

文章标题：公共行政中的人工智能采用：公共部门管理者和公共部门非管理者员工的观点

原文标题：AI adoption in public administration: Perspectives of public sector managers and public sector non-managerial employees

来源期刊：GovernmentInformationQuarterly

发表时间：2025年6月
作者：TessaHaesevoets（比利时根特大学）；BramVerschuere（比利时根特大学）；ArneRoets（比利时根特大学）

编译：刘语洁（广西大学硕士研究生）

【编译速览】

一、研究背景与核心问题

人工智能正加速进入公共行政。政府越来越多地使用AI分析犯罪模式、指导警务决策、识别高风险建筑、优化学校巴士路线和垃圾收集、改善公共服务，甚至减少招聘偏见。然而，公共部门的AI采用明显慢于私营部门，且更为分散。除了伦理考量、公共问责制和资源有限等结构性障碍外，公务员的态度尤为关键：他们直接影响AI系统的部署、集成和日常使用。负面态度可能导致抵制，对有效实施造成重大障碍；积极感知则有助于更顺畅的集成和更广泛的接受，最终提升AI在治理中的有效性和合法性。

已有研究多关注公务员对AI的总体态度，却较少区分三个问题：第一，公务员愿意让AI承担何种角色？第二，不同任务类型是否影响接受度？第三，管理者与非管理者员工是否存在差异？文章指出，非管理者员工则可能将AI视为一种外部干预力量，担忧其扰乱自身日常工作、削弱工作自主性、威胁岗位安全。基于此，文章尝试解答以下问题：管理者愿意在何种角色和程度上实施AI？非管理者愿意接受何种角色和程度？两者有何差异？任务类型如何影响态度？公务员是否将不同的“良好治理”品质归因于人类与AI决策者？

二、理论框架

文章整合了组织层级、任务技术匹配和人机协作三类文献。AI的角色已从简单工具演变为“同事”甚至“管理者”。在私营部门，算法管理已经从理论走向现实：例如优步的自动化管理系统可以依据接单率、用户评价对司机采取停权处理；亚马逊仓库通过追踪系统，可在无人工主管介入的情况下自动解雇未达到生产指标的仓库员工。而这一算法化决策的发展趋势同样有可能蔓延至公共部门，在此背景下，人类监督与问责机制就显得尤为重要。目前，这种更分散化、算法化决策的转变也会在公共部门发生，人类监督和问责仍然重要。文章认为，AI在辅助角色中比在自主决策者角色中更容易被接受，这与现有人工智能辅助与人类监督框架一致。

任务属性会影响公众对AI的接纳程度。依赖“硬技能”的技术型、规则导向任务，例如养老金核算，具备清晰规则与客观评判标准，更适合引入AI参与；而依赖“软技能”、涉及人际互动、伦理权衡与综合判断的任务，例如人员招聘、绩效评估，往往存在信息模糊、视角多元、评价主观等特征，AI很难复刻这类能力，更容易引发人们的审慎态度。据此，该研究提出预期：任务对“软”技能依赖越高，公务员越希望AI仅承担支持性角色；任务以“硬”技能为主时，公务员更能够接受AI承担决定性的决策角色。

研究还从良好治理维度展开分析：公平、透明、问责、可信等治理价值，在公务员认知中会被差异化归因为人类决策者与算法决策者的特质。人类决策者往往被认为更具备同理心与伦理判断能力；算法决策者被视作更加客观，但同时存在透明度不足、问责链条模糊的短板。研究通过公务员的打分数据，试图揭示AI应用对于公共治理合法性与公众信任带来的潜在影响。与此同时，研究引入组织层级的分析视角，受领导岗位属性、技术接触经验、对组织变革的适应能力影响，管理者对AI接纳程度会更高；而非管理者员工出于对岗位安全、工作自主性的顾虑，以及对组织变革的抵触心理，会表现得更为审慎。

三、研究设计

研究通过Prolific平台招募392名英国公务员，最终有效样本383人。其中，188人自我认定为公共部门管理者，包括3名总监/副总监、26名高级管理人员、95名中层管理人员和64名基层管理人员；195人为非管理者员工。管理者平均年龄43.55岁，55.3%为女性，79.8%拥有学士及以上学历，97.9%有监督职责，平均监督7.91名下属；非管理者平均年龄41.85岁，70.8%为女性，62.1%拥有学士及以上学历，85.1%没有监督职责，平均只有0.54名下属。

受访者被随机分配到三种内部管理实践场景：第一，养老金核算，主要需要“硬”技能，描述为“养老金计算基于工作年限和通货膨胀率等有限因素，计算固定且由法律决定”；第二，培训申请评估，需要“硬”与“软”技能混合，描述为“评估涉及固定要求、培训与角色相关性以及与政府目标一致性”；第三，公职人员招聘，主要需要“软”技能，描述为“招聘基于候选人能力、团队契合度和政府核心价值观，涉及简历审查和面试，且对不同阶段权重无共识”。

表1用例场景概述

操纵检查显示，养老金核算被认为最需要“硬”技能（M=4.89，SD=1.48），显著高于培训申请评估（M=3.38，SD=1.47）和招聘员工（M=3.62，SD=1.36）；公职人员招聘被认为最需要“软”技能（M=4.84，SD=1.64），显著高于养老金核算（M=3.88，SD=1.64）；培训申请评估介于两者之间。由此可以得出结论，养老金核算被认为最需要“硬”技能，招聘员工被认为最需要“软”技能，培训申请评估在软技能要求方面处于中间。

表2角色配置概述

之后，受访者评估五种AI角色配置：配置1“无AI角色”；配置2“咨询/支持型AI”；配置3“共同决策型AI，人类与AI必须达成联合结论”；配置4“决策型AI，但带人工监督/控制”；配置5“完全自动化AI”。管理者被问及实施意愿，非管理者员工被询问自身的接受意愿，评分从1（完全不愿意）到7（非常愿意）。之后，受访者还被要求在五种配置中强制选择最偏好的一种，并用恒定和法分配人类与AI的决策权重，总和为100（0表示完全没有发言权，100表示完全发言权）。最后，受访者评价人类与AI对公平性、透明度、准确性、无偏见决策、效率和决策质量六项“良好治理”指标的贡献，评分从1到7。研究采用重复测量方差分析和成对比较，显著性水平设为α=0.05。

四、主要发现

第一，公务员整体上对AI持怀疑态度。无论管理者还是非管理者员工，对“无AI参与”“AI仅承担咨询支持角色”两种模式接纳度最高，对共同决策、完全自主决策的模式接受度更低。两类群体均希望人类掌握50%以上的决策权，保证人类判断在决策流程中占据主导。在强制选择实验中，“AI作为咨询顾问”的选择占比高于“完全不使用AI”。这表明公务员并非全盘否定AI，而是希望AI局限于辅助定位。总体来看，管理者与非管理层员工的首选角色配置较为接近，都排斥AI完全自主决策。

图1公共部门管理者实施不同角色配置的意愿以及非管理者接受不同角色配置的意愿

图2选择不同角色配置的受访者百分比

第二，任务类型显著塑造公务员对AI的接纳态度。面对人员招聘这类高度依赖软技能的任务，公务员对AI介入的抵触更强；养老金核算这类硬技能任务，AI接受度会明显提升。两类群体均最不认可AI在人员招聘中承担决定性角色。从决策权重分配结果看，管理者、非管理层员工分配给AI的权重在招聘任务中最低（均值18.4%），培训申请评估次之（27.9%），养老金核算最高（37.3%），三组差异均具备统计显著性（p<0.001）。这证实：任务本身的属性是影响AI接受度的关键变量。

图3受访者偏好的人与AI参与程度

第三，管理者与非管理者存在微妙差异。管理者比非管理者更愿意实施广泛AI参与，尤其在主要需要“硬”技能的任务中。例如，在养老金核算中，管理者更偏好人类与AI共同决策的配置（M=4.83，SD=1.64），高于无AI配置（M=4.31，SD=2.01）；而非管理者则相反，共同决策配置（M=4.48，SD=1.72）低于无AI配置（M=5.22，SD=1.79）。在决策权重上，养老金核算中管理者偏好AI拥有41.1%的权重，非管理者则为33.6%，差异显著（ΔM=7.51，p=0.040，95%CI[0.36,14.66]）。但在招聘和培训评估等“软”技能任务中，两者差异不显著。文章还发现，管理者与非管理者在“最偏好配置”上总体相似，都更倾向咨询型AI，而非完全自主AI。

第四，公务员对人类决策者、算法决策者的价值贡献感知存在明显差异。公务员认为人类决策者在公平、透明、决策质量、准确性维度贡献更高；而AI的优势集中在无偏见决策、运行效率层面。值得注意，管理者和非管理层员工的这套认知模式不存在显著组间差异。这反映出一组价值权衡：AI带来效率、降低偏见的优势，往往是以牺牲公平性与透明度为代价。

图4受访者感知的人类与AI贡献

五、讨论与启示

该研究表明，AI 接受度并非笼统单一的整体态度，而是由AI 角色配置、任务类型、组织层级身份三类因素共同塑造。在理论层面，研究丰富了公共部门人机协作、任务‑技术匹配以及组织层级领域的相关文献。区别于过往研究仅简单对比管理者与普通员工的态度，本文揭示了任务类型与层级身份的交互效应：管理者仅对技术性任务的 AI 应用更为开放，面对人际类任务时同样保持审慎。研究进一步厘清了公众对 AI 优缺点的认知：AI 在效率与去偏见方面具备优势，但公平性、透明度短板仍是其大规模落地的重要阻碍。

实践层面，研究提炼出三点启示。第一，将AI定位为人类能力的辅助增强工具而非人类判断的替代品，可通过试点项目展现AI减负、优化决策的实际价值，消解公务员群体的疑虑。第二，依据任务特征匹配 AI 的参与定位：对技术化、重复性任务可适度放开 AI 权限；涉及伦理、人际判断的任务必须坚持人类主导，同时出台清晰透明的 AI 使用规范，引导各方合理预期。第三，推动管理者与一线员工开展双向沟通，借助研讨会、焦点小组、专项培训等方式回应双方关切，尤其在计划赋予 AI 更核心的决策角色时更需重视这一步骤。与此同时，应当优先落地可解释 AI，并配套反馈机制，提升公务员对算法公平性与透明度的信任感。

六、结论

通过采用整合多个研究领域见解的多方面方法，本研究为公务员对AI采用的看法及其影响因素提供了宝贵且细致的视角。研究发现，公务员更偏好AI扮演支持性角色；在需要“硬”技能的管理实践中，AI更受重视；管理者与非管理者对AI的态度存在一些差异。此外，文章还发现层级地位与任务类型之间存在显著相互作用：管理者在技术任务中比非管理者更愿意接受更广泛AI参与，但在人际任务中则不然。文章识别出一种有趣的“权衡”：AI在效率和公正性方面的优势往往被认为以公平性和透明度为代价。综上，该研究启示我们，公共行政领域的AI技术融合不能简单粗放推进，需要一套精细化、平衡审慎的部署思路，以此真正赋能治理实践。公共部门AI应用的合法性与实际效能，并不取决于“有没有使用AI”，而是取决于AI承担何种角色、适配何种任务、决策权由谁主导。

文字 | 刘语洁

编辑、一审一校 | 刘语洁

二审二校 | 黄六招、蓝媛美

三审三校 | 周均旭