个体驱动，机构支撑不足：罗马尼亚公共服务创新中的AI就绪度

《Urban Science》：Individually Driven, Institutionally Under-Supported: AI Readiness for Public Service Innovation in Romania

　　

人工智能（artificial intelligence, AI）正日益重塑公共管理领域，对行政效率（administrative efficiency）、公共服务创新（public service innovation）、数据驱动治理（data-driven governance）以及负责任的数字化转型（responsible digital transformation）产生影响。该文聚焦于罗马尼亚公共部门AI就绪度，重点考察个体层面就绪度与机构层面AI采纳支持之间的平衡关系。研究基于全球人工智能采纳调查（Global Artificial Intelligence Adoption Survey）的罗马尼亚数据集，分析了353名公共部门雇员的回应，其中主要分析聚焦于290名报告在工作中至少使用一种AI工具的受访者。分析内容包括AI使用意愿、感知AI工作影响、个体AI胜任力、工作场所支持、组织AI就绪度、信任/伦理信心以及风险感知。该研究未直接测量公共服务创新；相反，其考察个体层面的AI采纳结果，并讨论这些结果对公共机构支持负责任公共服务创新能力的意义。结果显示，在罗马尼亚使用AI的公共部门受访者中，AI采纳结果与个体层面因素密切相关，尤其是感知胜任力、使用频率、积极经验以及对AI的信任。相比之下，组织AI就绪度相对较弱，且在纳入个体胜任力、工作场所支持、信任以及实际AI暴露等因素的回归模型中，组织AI就绪度与AI使用意愿或感知工作影响之间未显示出显著的独特关联。在现有全国样本范围内，地方、区域和国家行政层级之间的差异有限，表明个体就绪度与机构支持之间的差距并非局限于特定政府层级。研究结论认为，若AI要在公共部门支持负责任的公共服务创新和可持续数字化转型，个体驱动的AI采纳必须转化为机构能力。

该研究发表于《Urban Science》，聚焦于罗马尼亚公共部门人工智能就绪度这一核心议题，揭示了AI采纳过程中个体驱动与机构滞后之间的结构性张力。

研究背景与问题缘起方面，人工智能已成为当代公共管理数字化转型中最显性的维度之一。公共机构日益广泛地接触基于AI的工具，涵盖文件起草与修订、信息摘要、文本翻译、知识搜索与组织、重复性任务自动化、数据分析以及内部决策支持等活动。数字时代治理的早期讨论强调，政府数字化转型并非仅限于技术采纳，而是涉及行政结构、流程和服务交付模式的变革。近期关于公共部门AI的研究则同时关注AI应用的价值创造潜力及其在公共组织实施中所面临的挑战。公共部门AI采纳尤为关键，因为公共机构需在提升服务质量、响应性、可及性和效率的同时，维护合法性、透明度、公平性和问责制。AI工具可通过帮助雇员更快处理信息、减少常规工作负荷、改进行政产出以及创新工作组织方式来支持公共服务创新。然而，公共价值不仅取决于雇员是否使用此类工具，更取决于组织是否创造了负责任且一致使用的条件。

相较于私营部门，公共部门的技术采纳必须以公共价值为评估标准。效率增益固然重要，但不能作为评估AI采纳的唯一准则。公共机构还必须确保合法性、透明度、公平性、可解释性、比例性以及公民权利保护，这使得公共部门的AI采纳成为一种社会技术过程而非纯粹技术过程。国际政策框架强调，可信赖AI既需要创新导向的能力，也需要负责任使用的保障措施。尽管既有研究已考察公共管理中的AI采纳以及数字技术在智慧治理中的作用，但关于雇级AI就绪度与机构支持之间差距的研究仍显不足，尤其是在公共部门组织将AI实验转化为负责任公共服务创新的能力方面。这一差距之所以重要，在于公共机构可能通过有动力的雇员进行AI实验，而尚未发展出将个体使用转化为机构能力所需的组织能力、治理机制和问责结构。该研究的核心贡献不在于提出个体—组织区分这一新理论二分法，而在于通过罗马尼亚公共部门的具体案例，实证性地说明这一区分如何呈现，并展示不同维度的就绪度如何与具体采纳结果相关联。

该研究的核心论点是：罗马尼亚公共部门的AI采纳呈现"个体驱动、机构支撑不足"的特征。使用AI的公共雇员报告了较高的个体胜任力、强烈的持续使用意愿以及积极的感知工作影响；与此同时，组织AI就绪度、正式支持、透明度机制和问责安排则发展相对滞后。这一差距至关重要，因为AI只有在个体实验转化为机构能力的前提下，才能对公共服务创新有所贡献。

研究方法与技术路径方面，研究人员基于全球人工智能采纳调查的罗马尼亚数据集开展实证分析，样本包含353名公共部门受访者，其中290名报告至少使用一种AI工具。研究采用描述性统计、内部一致性检验（Cronbach's α）、Kruskal–Wallis检验以及普通最小二乘法（ordinary least squares, OLS）回归分析等统计方法，使用HC3稳健标准误处理异方差性问题。因变量为AI使用意愿和感知AI工作影响，自变量涵盖个体AI胜任力、AI使用频率、AI工具使用经验、工作场所支持、组织AI就绪度、信任/伦理信心和风险感知，控制变量包括AI使用频率、AI工具使用经验以及行政层级（地方、区域、国家）。数据分析采用Python 3.13.5及相关库完成。

研究结果部分，"信度与描述性统计"显示，各构念内部一致性良好（Cronbach's α介于0.89至0.96之间）。描述性结果清晰揭示了个体就绪度与机构支持之间的差距：个体AI胜任度均值为4.02（5分制，下同）、AI使用意愿均值为4.04、感知AI工作影响均值为3.95，均高于量表中点且接近上限；而组织AI就绪度均值仅为2.85，工作场所支持为中等水平（M = 3.29），信任/伦理信心亦为中等（M = 3.24），风险感知则相对较高（M = 3.67）。

"行政层级模式"分析表明，个体—组织就绪度差距在不同行政层级间差异有限。经未调整的Kruskal–Wallis检验，仅信任/伦理信心一项的p值低于0.05常规阈值（p = 0.012），地方层级受访者该构念均值最高，其次为国家层级和区域层级。但由于同时对七个构念进行了跨层级比较，该结果应谨慎解释为探索性发现。风险感知显示边缘性差异（p = 0.074），但未达常规统计显著性水平。主要就绪度和影响构念在行政层级间无显著差异，表明个体—机构就绪度差距是更广泛的系统性模式，而非局限于某一政府层级。

"AI使用意愿的预测因素"回归模型解释了AI使用意愿方差的67.1%。个体AI胜任力为最强预测因子（β = 0.405, p < 0.001），AI使用频率亦为强正向预测因子（β = 0.223, p < 0.001）。信任/伦理信心（β = 0.182, p = 0.016）和AI工具使用经验（β = 0.159, p = 0.020）同样为显著正向预测因子。工作场所支持呈边缘显著（β = 0.130, p = 0.089）。组织AI就绪度在此模型中不具统计显著性（β = ?0.074, p = 0.207），风险感知亦不显著。行政层级控制变量与AI使用意愿无显著关联。

"感知AI工作影响的预测因素"回归模型解释了感知AI工作影响方差的68.5%。个体AI胜任力再次为最强预测因子（β = 0.522, p < 0.001）。工作场所支持亦为显著正向预测因子（β = 0.255, p < 0.001），其次为信任/伦理信心（β = 0.146, p = 0.021）和AI使用频率（β = 0.134, p = 0.013）。组织AI就绪度不具统计显著性，风险感知亦不显著。AI工具使用经验在该模型中不显著，尽管其在预测AI使用意愿的模型中显著。行政层级控制变量接近常规显著性阈值，但未达到统计显著。额外诊断检查表明，组织AI就绪度的非显著系数不能归因于严重多重共线性或受限变异，而是指示在纳入个体胜任力、工作场所支持、信任、使用频率和AI工具使用经验后，组织AI就绪度未能增添显著的独特解释力。

"按AI暴露分组的附加分析"进一步显示，按AI使用频率将受访者分为低频/偶尔使用者、中度使用者和频繁使用者后，频繁使用者报告更高的AI使用意愿、感知AI工作影响、个体AI胜任力、工作场所支持和略高的信任/伦理信心，但组织AI就绪度在三组间无显著差异。按AI工具使用经验分组后，报告"非常好"经验的受访者在AI使用意愿、感知AI工作影响、个体AI胜任力、信任/伦理信心和工作场所支持方面均值最高，而经验较弱或中性的受访者风险感知最高。"非常好"经验组的组织AI就绪度均值略低于"好"经验组，呈现较不一致的模式。

讨论部分，研究发现罗马尼亚公共部门的AI采纳呈现个体就绪度高而机构支持弱的明显失衡。这一发现为公共部门AI采纳文献提供了更具体的实证刻画，即AI采纳可能在雇级先予推进，而后才实现充分制度化。最强预测因子个体AI胜任力的一致性结果表明，公共部门数字化转型不能简化为工具获取，而需要支持学习、标准化实践和减少雇员间不平等采纳的机构机制。信任/伦理信心与两项采纳结果的积极关联，印证了负责任AI框架所强调的可信赖AI采纳条件。风险感知未呈现显著负向预测作用，提示风险意识可能与积极有用性感知共存，公共雇员在将AI视为需验证工具而非自主决策者时，可同时认识到风险并感知其价值。

工作场所支持与感知AI工作影响的显著关联以及边缘的AI使用意愿关联，支持了技术采纳受既非纯粹个体态度、也非正式机构策略的"中观层面"环境塑造的观点。组织AI就绪度在回归模型中的非显著性，最可能的解释是罗马尼亚公共部门的AI采纳可能正在超越正式制度安排而发生，即组织就绪度尚未充分发展或对雇员而言尚不足够可见，以影响其使用意愿和感知影响。不同AI暴露水平下组织AI就绪度的相对稳定，进一步强化了AI采纳主要通过个体和直接工作层面条件、而非更广泛制度安排推进的解释。行政层级间有限差异则表明，个体—机构就绪度差距是系统性挑战，贯穿各政府层级。

政策意涵方面，公共机构不应将AI采纳仅视为个体雇员实践或数字工具获取问题。具体建议包括：制定区分 low-risk 和高风险AI使用的内部指南；将AI培训纳入公共部门能力建设，涵盖技术使用、输出验证、数据保护、偏见识别、透明度、问责制及AI生成信息局限性；创造引导性AI实验机会，提供受控环境、经批准工具、实践用例、同伴学习和支持机制；强化工作场所和管理层对AI采纳的支持；将组织AI就绪度作为战略管理议题，统筹资源、基础设施、程序和治理安排；发展AI辅助工作的问责和透明度机制，明确责任归属、文档记录要求、内容验证标准及公民告知义务；将风险意识整合入AI治理而非视为创新阻力；将AI采纳与更广泛的公共服务创新战略相联结。

研究结论、局限性与未来方向部分，核心结论明确指出：罗马尼亚公共部门的AI采纳系个体驱动，而机构支撑在现有样本中发展不足。这一结论基于两项相互关联但不同的发现：描述性结果表明组织AI就绪度在主要构念中均值最低，而个体AI胜任力、AI使用意愿和感知AI工作影响则明显较高；推断性结果则显示，在纳入个体胜任力、工作场所支持、信任、使用频率和AI工具使用经验后，组织AI就绪度与AI使用意愿或感知AI工作影响之间未呈现显著独特关联。非显著系数本身不应被解读为机构支持缺失的证明，而是提示在当前模型中，更广泛的组织就绪度不如个体胜任力、实际暴露、信任和直接工作场所支持那般直接可见。综合来看，描述性与推断性结果共同指示了一种就绪度差距：AI使用似乎通过雇级实验和工作层面支持比通过巩固的制度安排更快地推进。

研究局限性包括：数据为横截面设计，仅识别关联而非因果关系；基于自我报告感知，可能受主观解释、社会期望或受访者对AI工具理解差异的影响；主要回归模型限于AI使用者，因非使用者遵循不同问卷路径而未测量相关构念，造成条件性分析样本；罗马尼亚样本基于自愿参与和便利抽样，对AI兴趣较大或暴露较强的受访者可能过度代表，描述性均值不应解读为全国公共部门总体估计；单国案例设计限制了向其他行政情境的推广。未来研究方向建议：开展跨国比较研究以检验个体—机构就绪度差距是否为更广泛模式；采用纵向研究评估组织就绪度是否随AI采纳成熟而提升；考察地方政府、卫生机构、教育组织或中央政府机构等特定类型公共机构；开展定性研究探索公共雇员日常工作中的实际AI使用方式以及组织规则、管理支持和专业规范如何塑造负责任的AI实践。

最终研究结论重申：罗马尼亚案例表明，公共部门AI采纳的下一阶段不应仅聚焦于扩大AI工具获取。更为重要的挑战是将个体实验转化为机构能力。唯有在此条件下，AI的实际暴露才能成为稳定、负责任且受机构支持的公共服务创新的可信基础。