政务智能体问责为何不能只找签字人

政务智能体出错时，把责任落到最后一个签字的人身上，是最省事也最站不住脚的做法。原因不在于同情公务员，而在于这种归责方式从一开始就误判了智能体在流程中的位置。

传统政务信息化系统的角色是清晰的：系统是工具，公务员是操作者，决策由人作出，责任由人承担。系统故障与操作失误可以分离，追责路径相对明确。智能体的能力结构改变了这一点——它能够理解目标、分解任务、调用数据接口并执行操作，在政务服务中可以受理申请、初步审核材料、生成处理建议甚至触发后续流程。当这些动作串联起来，它就从“工具”变成了流程中的一个技术节点。关键变化在于：它的输出不再只是等待人类判断的中间结果，而可能直接进入下一个环节。一旦人类审核退化为形式确认，责任归属就开始模糊。

责任错位至少有三个来源。其一是控制权与责任的不对称。如果公务员对智能体的建议没有实质审核能力——不理解推理依据，或没有时间逐条复核——让他承担全部结果责任在制度上是站不住的。日本总务省在讨论行政通则法与AI活用关系时指出，行政服务的提供主体有限、国民选择余地小，因此必须确保国民权利利益以及行政的公正性和透明性。这意味着不能简单地把责任推给最终签字的人。

其二是多主体链条的断裂。一个政务智能体背后通常涉及模型提供方、系统集成方、数据供给方和使用部门。错误发生时，是训练数据的问题、集成逻辑的问题，还是使用场景超出了设计边界？美国GAO在2021年发布的AI问责框架把治理、数据、绩效和监测列为四大原则，核心思路正是让责任在链条上可追溯、可分配，而不是出事后寻找一个背锅者。

其三是行政法框架的适配滞后。现行行政程序法、行政复议法和信息公开法的设计前提是行政行为由人作出。当AI参与行政基准制定、申请审查、不利处分时，说明理由、听取陈述申辩等程序性保障如何适用并不清晰。日本总务省2025年10月的资料显示，相关研究会正按行政过程逐项梳理AI活用的留意点，涵盖行政基准策定、申请处分、不利处分、行政指导、行政契约、行政争讼、信息公开等环节，并将事项分为“违反即违法或不当”的遵守事项与“尽可能对应”的期望事项。这种分过程、分强度的思路，本身就承认责任配置不能一刀切。

从目前的制度探索看，责任重构大致沿三条路径展开。一是设置专门的AI治理角色，日本政府在生成AI的调取和活用指南中要求各省厅设置AI统括责任者，负责构建治理体制并在发生AI特有风险案例时接受报告，把责任前移。二是按人类介入程度分级配置责任，治理体制需确保人类中心、可控制性、公平性和可问责性，人类介入越浅、越依赖自动化输出，系统设计者和部署者的责任就越重。三是将问责嵌入采购和运维全周期，日本数字厅的指南把风险管理覆盖企划、调取、开发运用、活用及风险案例应对等阶段，在采购合同中明确数据质量责任、在系统设计中保留审计日志、在运维中设置监测指标。

这些路径各有局限。统括责任者解决了“有人负责治理”，却不等于“有人为具体决策负责”；分级配置在理论上合理，但人类介入程度本身难以量化，扫一眼就点确认算不算实质审核，制度很难给出可操作阈值；全周期问责要求采购方具备技术评估能力，而多数政务部门并不具备，依赖供应商提供监测工具时，问责的独立性就打折。更根本的难题是说明理由义务：如果决定实质基于难以解释的模型输出，行政机关能否履行这一义务？

在具体场景中讨论责任归属，可以回到三个问题：谁有能力阻止错误发生，责任配置就应优先指向真正拥有控制权的主体；谁从自动化中获得了效率收益，就应承担相应的审核和纠错成本；公民受损时，救济路径是否清晰，这个入口不能是“请自行联系技术供应商”。责任重构不是把责任从人转移给机器，而是在人机协作的新流程中重新回答谁在什么条件下对什么负责。