世界太吵,來原聲聽播客

ChinaTalk

政府正被AI智能體洪水淹沒,關門加驗證碼是最糟的應對方式

當公民用ChatGPT和Claude批量提交FOIA申請、補助申請時,政府本能反應會是加驗證碼、堵流程,但真正該做的是重設服務,用agent自己接住這波需求。

GovTech智能體公共政策政府數字化AI治理烏克蘭

原視頻在 YouTube 上放不出來,用音頻聽:

適合關心政務數字化、GovTech創業或公共政策的人;嘉賓來自愛沙尼亞和烏克蘭的實際政府數字化經驗,案例具體,但願景多於已驗證的結果,中段關於「向誰學習」的討論可快進。

核心論點 · 點時間戳可跳到原聲

3:09

公民用AI的速度已經超過政府能接住的速度

主持人提到自己七年只提交過一次FOIA申請,兩週內卻提交了五次,純粹是因為有了AI工具讓這件事變得輕鬆。Lucas指出這正是「agentic flooding」的核心:今天大多數情況還是人用LLM準備材料再上傳,但很快會變成agent直接原生對接政府服務。多數政府面對這種申請量暴增,本能反應是加驗證碼、要求線下聲明「未使用LLM」來堵住入口,但這其實是把合法的用戶需求當成敵人來對待。

— Lucas
7:20

政府自動化不是為了裁員,而是因為沒人可裁

Lucas指出OECD國家公共部門面臨的真實約束不是「冗餘人力太貴」,而是大量公務員(醫生、教師、後臺文員)平均年齡超過50歲,即將迎來大規模退休潮。真正的問題不是「自動化會不會導致大量公務員失業」,而是「自動化能不能追上退休的速度,維持基本公共服務水平」。

— Lucas
11:27

紐約餐館申請露天座位要等18個月,這完全不必要

以紐約市審計長報告中餐館戶外用餐許可流程為例:9個審批環節裡有8個是純粹的表格填寫、3D渲染圖提交錯誤導致的返工,根本不需要人工介入。Lucas提出的設計是:收集資料環節用agent幫申請人組裝、提交前先審核完整性;政府內部的合規檢查走「快速通道」應在幾分鐘內完成,邊緣案例當天由人工複核;唯一該保留摩擦的是社區公示環節——但即便如此,也可以用VR漫遊、3D渲染讓公眾更直觀地參與,把40天的審議週期壓到20天左右。

— Lucas
14:32

許可證不該是四年一審,而該是持續監測的數據庫條目

Lucas提出一個反直覺的重新定義:許可證本質上只是數據庫裡記錄某種合法授權狀態及其構成條件的一條記錄。如果某個條件中途失效(比如出現安全隱患),不該等到四年審查期才處理,而應立即觸發通知;反過來,如果四年裡所有數據持續顯示綠燈,用戶根本不需要重新走一遍申請流程,只需收到一條「你已成功運營四年」的通知。

— Lucas
25:13

公民自建的影子政府服務,可能比官方版本更受歡迎

Lucas警告一種失控路徑:當個人或小團隊用Claude Code、Codex這類工具的能力超過他們所在政府機構時,會出現公民自發搭建的"影子政府"服務,甚至被各國copycat——他提到不少國家已經出現了模仿USA.gov的民間版本,大家都誇它好用,但這也可能意味著官方徹底被繞過。這既可能加劇對政府的不滿,也可能是善意公民填補空白,取決於誰來搭建。

— Lucas
40:05

過去十年的「數字政府打法」已經過時, 新打法還是個謎

Lucas對比了兩個時代:前agentic時代,愛沙尼亞、新加坡花了15到20年摸索出一套成熟打法——哪個政府部長上任都能照抄這套組合拳,大致知道兩三年內能拿到什麼結果(烏克蘭的Mykhailo Fedorov兩年內做出成果、希臘保守黨政府用三四年把行政質量從墊底拉到歐洲前四分之一)。但agentic AI時代的玩法還不存在,沒人能精確告訴你ROI和用戶滿意度會是多少,這是整個領域需要用密西西比、愛沙尼亞、烏克蘭這些「自然實驗」去摸索出來的。

— Lucas
48:23

愛沙尼亞公務員vibe code出的採購工具,連廁紙都按英尺算單位

一個具體案例:愛沙尼亞幾位資深採購專業人士加一名技術人員,花幾個月vibe code出一套小額採購平臺。它不只是幫你寫採購文件,還會做市場調研——以買廁紙為例,系統指出「卷」是模糊單位,應該按「英尺」來精確計算每百名員工每年需要多少廁紙,這是非專業採購者根本不會知道的細節。下一步供應商還能接入MCP server參與投標,年底前小額採購有望端到端全自動化。這個案例的關鍵不是技術本身,而是業務專家而非技術團隊主導了產品設計。

— Lucas
56:38

州政府把agent憋了幾個月不敢上線,一套治理審查工具一小時解決

Lucas講了一個佐證「自下而上不夠」的案例:幾個州政府已經做出了agent,但因為治理流程和不確定性,把產品壓了幾個月不敢發布。他們組織和Center for Civic Futures剛上線的agent治理審查工具跑一遍,一小時內就解決了困擾他們幾個月的問題。這說明單靠基層員工自己上手vibe coding是必要但不充分的條件,真正的瓶頸在組織流程和治理框架的缺失。

— Lucas

原話 · 已逐字校驗

there is a very counterproductive likely reaction that I think a lot of governments will consider, which is, oh gosh, all of these inbound agents are terrible. If we're being flooded, let's raise the levees and let's damn the input shut.

我認為很多政府很可能會採取一種適得其反的反應,就是「天哪,這些湧入的agent太糟糕了」。如果我們正在被淹沒,那就築高堤壩,把入口堵死。

Lucas4:58

We have decades of data you should be able to train on about like, you know, what makes, you know, the likelihood of someone overstaying their visa

我們有幾十年的數據可以用來訓練,比如判斷一個人滯留超期簽證的可能性有多大。

we're very much pilled on the like, what's the nature of the AI going to be? And we're not talking so much about who's using the AI.

我們非常執著於討論「AI的本質會是什麼樣」,卻很少談論「是誰在使用AI」。

Lucas25:43

the big shit in this is not in any government specific is that code is no longer kind of the expensive bottleneck, right? But that just moves the bottleneck around.

這事裡最大的變化,不是哪個政府特有的,而是代碼本身不再是昂貴的瓶頸了——但這只是把瓶頸挪了個地方。

Lucas35:40

what governments do, in fact, should be well specified in a public way. You know, a company has good commercial reasons to not open source everything they're doing... Whereas that's it's I mean, sort of a sauce of how government works. But it's like not only not shouldn't be secret, it should be public.

政府實際做的事,理應以公開的方式被清楚規定。企業有充分的商業理由不公開自己所有的運作方式……但政府運作的「秘方」不僅不該保密,反而應該是公開的。

Lucas37:59

if the hard takeoff comes tomorrow, we're too late. But if in fact the hard takeoff or the takeoff is incredibly hard, it's a little bit more gradual, then who's building and the extent to which we can encode the sort of the societal level good outcomes that we care about into the algorithms is going to matter.

如果硬起飛明天就發生,我們已經來不及了。但如果起飛實際上更漸進一些,那麼是誰在構建、我們能在多大程度上把我們在意的社會層面的良好結果編碼進算法裡,就會變得至關重要。

Lucas53:28

術語

agentic flooding智能體式洪水
公民大量使用AI agent批量提交政府申請、FOIA請求,導致政府系統被淹沒
MCP serverMCP服務器
一種讓AI agent可以直接對接外部系統(如政府數據庫)完成操作的協議接口

收聽指南

誰該聽

關注GovTech、政務數字化或公共部門AI落地的創業者、政策研究者,以及對「AI如何重塑官僚體系」感興趣的人

可跳過

25:13附近出現轉寫亂碼片段及結尾的雷鬼主題曲部分(58:43之後)可以跳過,信息量低