为什么体制内至今仍不鼓励用人工智能？我这么说吧，豆香四溢这个词真的是妙不可言。某县干部用AI匹配了四个本地真实案例写汇报材料，提交前多留了个心眼去核实，一查全是假的——两个案例是邻县旧闻安到了本地企业头上，另外两个企业名称和法人代表在工商系统里根本查不到。
 
他把材料全部推倒重来，逐字核对原始会议记录和执法案卷。本来想省事，差点捅出大篓子。
 
这件事传开之后，很多人的第一反应是：AI不靠谱。但体制内不鼓励用AI，跟AI靠不靠谱，是两码事。真正让体制内对AI踩刹车的，是一套跟技术无关的底层逻辑。
 
最直接的原因在责任链条上。AI不能承担责任，罚它也没用，最终还是应该回归到用制度管人。
 
这话说得直白，一份公文出了问题，上级追责的时候问的是：谁写的、谁审的、谁签的字。这条链条上每一个环节都是具体的人。
 
你把材料交给AI写，AI给了你一份错漏百出的稿子，你签了字发了出去，追责的时候找谁。找AI，它没有编制、没有职务、没有可以被处分的身份。找你，你说“是AI写的”。这个回答在体制内的问责体系里站不住脚。
 
政务领域AI必须坚持“辅助型”定位，不能替代法定程序、行政裁量和必要的人工判断，更不能替代行政主体依法承担责任。
 
更隐蔽的一层在公文的政治属性上。公文是体制内运转的核心工具，它承担的不只是传递信息的功能，还有大量的政治默契和模糊空间。一份通知里写“原则上”“视情况”“适当”，这些词不是文字水平低，是刻意留出来的解释余地。
 
AI最擅长的事情是把事情说清楚、说准确、说得逻辑严密。但这恰恰是问题所在。一份文件发下去，中层领导需要根据本地实际情况去解释“原则上”是什么意思，“适当”到什么程度。
 
这个解释空间，就是裁量权。AI把模糊的东西说清楚了，裁量权就被压缩了。
 
裁量权背后是权力结构。体制内很多中层干部的核心工作，不是执行规则，是解释规则。一件事能不能办、怎么办、办到什么程度，靠的是他对政策精神的理解和对本地情况的判断。这个判断里有经验、有分寸、有跟上下左右的默契。
 
AI不跟你讲默契。你问它一件事怎么办，它给你一个标准答案。标准答案在体制内往往是行不通的，因为体制内的很多决策不是选“对”的方案，是选“各方都能接受”的方案。
 
这个“都能接受”的尺度，只有坐在那个位置上的人才知道。AI的清晰把中间层最值钱的东西，解释权和平衡空间给压缩了。抵制AI，不只是怕担责，更是对权力再分配的本能防御。
 
安全红线是第三层，也是最硬的一层。《政务领域人工智能大模型部署应用指引》明确要求，防止国家秘密、工作秘密和敏感信息等输入非涉密人工智能大模型，防范敏感数据汇聚、关联引发的泄密风险。
 
典型案例里，某国家机关工作人员把一份标注“秘密”的内部报告上传到开源AI工具分析，因为电脑系统默认开启公网访问、未设置访问密码，导致攻击者未经授权自由访问内部网络，敏感资料被境外IP非法访问、下载。
 
涉密不上网、上网不涉密，这条纪律在体制内是高压线。AI工具大多是公网服务，输入的内容会被后台记录、可能被用作训练数据、可能被境外机构获取。
 
一个干部用了AI处理工作材料，这份材料里只要沾一点内部信息，泄密风险就成立了。在这个风险面前，效率提升的吸引力要大打折扣。
 
这三层原因叠在一起，解释了为什么体制内对AI的接受速度比企业慢得多。企业用AI写方案，出了问题改一版就行，损失的是时间和口碑。
 
体制内用AI写材料，出了问题可能是决策失误、可能是泄密、可能是问责。成本和收益完全不对等。
 
所以体制内的态度是：AI可以用，但只能在“辅助”这个层面上用。辅助检索、辅助起草、辅助校对，这些可以。但核心的判断、决策、签发，必须是人来。
 
还有一个更深的因素，体制内的很多工作，本质上不是“完成任务”，是“建立信任”。上级把一件事交给下级，下级完成之后交回来，这个过程中双方建立的是对彼此判断力和可靠性的信任。
 
你把材料交给AI写，交回来的东西再漂亮，上级也知道这不是你的水平。体制内长期依赖的是人对人的了解和评估，AI把这个人际信任的链条切断了。
 
体制内不鼓励用AI，不是因为技术落后，是因为这套系统的底层逻辑是责任到人、权力到人、信任到人。AI在这三个维度上都插不进去。你怎么看这件事，AI在体制内到底该被定位成工具，还是该被挡在门外。