吴泳钊 颜海娜 | 人工智能何以驱动基层注意力敏捷分配——基于S市“河湖风险预警系统”的个案研究

一、研究背景与问题提出

在当前复杂多变的治理环境中，政府注意力的合理分配是激发治理效能的重要前提。特别是对于基层政府而言，基层干部的注意力是有限而珍贵的资源，其分配方式直接关系到社会治理的质量和效果。上级政府部门为了让基层对下达的任务予以关注，会用不同方式吸引基层的注意力，填写报表、纳入考核、督导巡查等，都是传统驱动基层注意力分配的重要机制。

随着人工智能时代的到来，技术正从预测性分析向指导性分析发展，为资源配置提供指导。国务院发布《扩大内需战略规划纲要（2022—2035年）》，明确推动5G、人工智能、大数据等技术与交通物流、能源、生态环保、水利、应急、公共服务等深度融合。2024年的政府工作报告首次提出“人工智能+”概念，表明了人工智能对未来的国家治理与社会发展至关重要。在实践场域中，智能交通系统提升城市交通效率、智慧医疗优化医疗响应和资源配置等，都是人工智能驱动政府注意力分配的创新探索。

显然，人工智能为提升政府注意力资源的合理、敏捷、高效配置提供了新机遇，然而理论研究却在一定程度上滞后于现实的迅猛发展，具体体现在三方面：一是已有研究虽然关注到人工智能对基层干部决策的影响，但更多是从信息供给的“客体”视角展开，而较少将人工智能作为驱动注意力分配的“主体”。换而言之，现有文献对于人工智能的“主体性”特征关注不够。二是虽然有大量文献探讨了影响基层注意力分配的各种因素，但较少研究将人工智能作为新型驱动力来分析其如何影响基层决策与行动，也即人工智能与基层注意力分配之间的内在关联度有待进一步探究。三是当前关于人工智能与基层治理关系的探讨主要停留在宏大理论叙事层面，缺乏细致入微的实证案例支撑。

为了探究人工智能驱动基层注意力敏捷分配的内在逻辑，本研究选取水环境治理为研究场域，主要基于以下考虑：一是随着“互联网+河长制”的全面推行，大数据和人工智能已经在水环境治理领域广泛应用，如“数字孪生系统”助力河湖要素的动态模拟、无人机搜寻低空污染，都为研究人工智能应用提供了可观察的场域。二是水环境治理的场域元素足够丰富，既涵盖了流域的水陆间、上下游、左右岸，又跨越了多部门、多领域、多层级、多事项……这种丰富性为我们提供了延展性非常强的研究案例。三是河长制在某种程度上就是党政一把手的注意力分配机制，从治水的注意力分配过程入手有助于洞察基层党政一把手的注意力分配特征。特别是进入后河长制时代，注意力分配矛盾凸显，扎根于水环境治理场域有助于洞察基层注意力分配在不同时间节点的不同影响因素及其驱动力。四是笔者与S市河长办有着长达七年的合作关系，有“赢得研究进入”的便利条件，可以较为细致地洞察及描述治水注意力分配的动态过程，还原人工智能驱动注意力分配的案例全貌。

二、文献综述与分析框架

（一）基层注意力分配驱动机制的两派观点

街头官僚（street-level bureaucrats）被定义为与公民面对面互动的公共服务工作者，他们身处国家与社会互动的界面，是公共机构多重目标的汇聚点，反映了其多个受众的期望。由于注意力资源的稀缺性，基层每次关注和处理的问题数量是非常有限的，因此需要对任务进行优先次序的排序，将注意力分配给不同优先级别的事项。但这种分配本身具有角色偏好差异，决策制定者有权对任务进行第一次排序。但当政策在具体执行时，基层就不可避免地拥有第二次排序的权力，也就是自由裁量权。作为政策制定的上级部门会试图将“二次排序”的权力限制在一定范围内，并通过惩罚或者激励引导基层注意力往政策制定者所设定的框架实施。因此，基层注意力分配的驱动机制需要兼顾政策制定与政策执行的需要。

那么，应该如何驱动基层注意力分配呢？目前存在“压力驱动派”和“技术替代派”两种观点。其中，“压力驱动派”主张运用科层压力来引导基层注意力分配，这反映在压力的来源、构成和表达三方面。从压力的来源看，压力驱动机制可以分为“自上而下”与“由外向内”两种来源。一方面，处于科层结构底层的基层工作人员需向上负责，完成上级委派的任务；另一方面，代表着政府的基层工作人员又必须对社会公众负责，公众监督是修正注意力偏差的有效策略。但这两种压力来源的差异容易让基层陷入统一的政策要求与社会公众的差异化需求的两难选择。从压力的构成看，可以分为绩效压力驱动与形式压力驱动。上级监管部门的注意力同样稀缺，因此希望用最低的成本来获取真实的信息进而有效控制下级。一方面，绩效压力潜在假设了绩效信息能让基层对资源分配作出更明智的选择；另一方面，形式压力强调基层依据相关规范、标准来履职。形式压力要求下级按照规范反馈信息，不仅能减少监督者因处理非结构化数据而追加注意力资源，还能传递一种隐性的权威，驱使基层对上级权威的认同。在压力的表达上，主要是通过任务的优先次序为下级注意力分配规定界限。一旦问题被上级确定为优先级，意味着会有更多的资源投入。但是，也有学者指出这一悖论，因为问题背后出现风险的概率并不是固定的，重点问题并不一直都需要持续关注；相反，突发应急的高风险事项又会打破注意力的长期稳定投入，进而会造成基层注意力分配紊乱。因此，压力驱动不可避免地受到注意力排序固定化与风险概率非固定化的内在张力影响，让基层难以在危机应对与常规治理中寻找平衡。

随着数字时代的来临，信息技术（ICT）为缓解基层注意力稀缺问题提供了新的解决方案，由此产生的“技术替代派”也逐渐成为基层注意力分配驱动的新选择。“技术替代派”主要是对被驱动者（对象）与驱动者（主体）两个部分的“替代”。一方面，由于公共管理部门引入了信息技术，注意力的驱动对象也随之发生改变，上级管理部门从驱动街头官僚转为驱动系统官僚。Bovens等认为，严格意义上的基层官僚正随着ICT的出现而消失，与公民的接触不再发生在街头，而是通过摄像头、传感器和网站来完成。问题筛查、分析等大量工作可以逐渐从基层剥离。街头官僚只是自动化决策的补充，他们无须对结果负责。作为注意力驱动新对象的系统官僚，比街头官僚的注意力分布更全面，具有实现整体政府的潜能。另一方面，技术替代还意味着“驱动主体”发生改变，注意力分配的驱动力从原本基于上级命令变成了基于信息技术的算法的规则、程序。街头官僚需要服从信息技术分析的结果开展行动。由于数据都被留痕和记录，街头官僚虽然存在自主空间，但却没有了讨价还价的余地，他们被困在“数字牢笼”。

概而言之，基层注意力分配的压力驱动主要有三个缺陷：一是压力来源不同导致身份张力；二是形式压力导致注意力资源浪费；三是上级压力排序难以应对风险突发性的难题。而技术替代的不足则体现在两个方面：一是技术替代基层行动者所造成的问责难题；二是技术替代注意力驱动力所造成的“数字牢笼”问题。那么，要构建一套既能在稳定且有序的组织框架中完成日常任务，又能根据情境及时调整关注焦点的基层注意力分配驱动机制，就必须要在压力驱动与技术替代之外寻找第三条注意力分配的道路。

（二）关于人工智能驱动注意力分配的研究

随着数智化时代的到来，人工智能对公共行政的影响已成为国际关注的热点，而驱动基层注意力分配的“技术”也从以往的信息通信技术转变为人工智能技术。Bullock分析了人工智能（AI）区别于信息技术（ICT）主要有三个特征。一是对知识的学习与迭代。与“数字牢笼”不同，现代人工智能程序并不依赖程序员明确、严格的规则来限制使用者，人工智能可以从它所接触到的所有信息中学习和迭代，并与治理者共同进步。这意味着在真实的治理场景下，人工智能会更契合基层的需要。二是人工智能具有支持决策的智力水平。以往的信息技术只是简单地将数据可视化，而人工智能技术能够更好地完成知识管理与决策分析等更智能的任务。三是人工智能对未来具有预测能力。不同于传统受制于程序化和机械化限制的信息技术，人工智能能够对治理未来展开研判，例如部分西欧国家已经依靠人工智能引导公共服务供给配额。

人工智能对注意力分配的驱动具有弥补压力驱动与技术替代缺陷的潜能。对压力驱动而言，首先，人工智能系统可以通过算法寻找满足公众需求的合理方案，更能维护少数群体的利益。其次，人工智能的使用可以有效缓解繁文缛节、行政延误和人为错误，减少基层注意力资源浪费。最后，人工智能可以让官僚制具备一定的灵活性，推动基层在复杂的环境中实施政策。针对技术替代的问题，人工智能驱动下的注意力分配并非人类嵌入数字化运作过程，而是人工智能适配人类治理需要。一方面，人工智能强调人机协同，而非替代关系。另一方面，在非常规的任务中怎么定义问题依然是由街头官僚判断。

那么，人工智能是如何驱动基层注意力分配的？虽然已经有部分研究开始探索人工智能如何驱动街头官僚的角色、行动与感知变化，但依然较少研究从注意力分配视角探索人工智能对注意力驱动的作用。本研究将试图打开人工智能驱动基层注意力分配的“黑箱”，集中探讨人工智能是如何在技术替代与压力驱动的路径之外形成基层注意力敏捷分配的“第三条道路”的。

（三）人工智能驱动注意力敏捷配置的分析框架

敏捷治理理论起源于软件开发领域，后来逐渐扩展到政府管理领域。该理论强调快速适应环境变化，持续进行组织学习与自我优化，兼具科层的稳定性与技术的灵活性。2019年，科技部颁发的《新一代人工智能治理原则——发展负责任的人工智能》将敏捷治理作为重要原则之一。敏捷治理的核心在于实施灵活的模块化管理，建立跨部门协作的自组织团队，并利用迭代、试错方法推动治理创新。相较传统强调控制，Mergel强调将敏捷理念嵌入治理过程，分别在调适、整合与简约三个维度提出改进策略。

从治理要素上看，敏捷治理的三大逻辑分别嵌入公共行政的激励、结构与责任三大部分。首先，“调适”强调颠覆性创新并非一个线性过程，需要摆脱传统束缚。人工智能需通过全时间、全部门、全链条、全要素、全空间的“五全”特征，改变原有的行动路径、组织结构、权责关系。一来，基层工作者往往会依赖原有行为模式，排斥新技术入场。特别是技术设计者、技术应用者和技术的监管者之间存在目标和利益差异，容易引发信息控制权冲突。二来，技术效能的发挥受限于组织结构。技术若不能突破层级节制的组织束缚，其灵活性优势会被极大削减，需要对原有的治理结构和组织流程进行调适。三来，技术本身不具有合法性。新技术入场若缺乏制度供给合法性，容易被孤立、架空，最终难以得到持续迭代的机会。因此，如何激励基层官僚使用技术、调适出一种适合于人工智能发展的组织体系以及技术合法性，都是人工智能嵌入的重要前提。

其次，“整合”是指人工智能要发挥基于大数据的主动预测能力，驱动技术与治理体系的深度融合。一来，人工智能通过厘清部门协作模式，整合多部门绩效关系。二来，人工智能为外部参与提供可靠的预警信息，向社会监督与公众参与赋能。三来，面对条块关系中经常遇到的部门协同脱节问题，人工智能在分析行政流程的基础上整合出一套部门与属地责任共担的治理架构。

最后，“简约”是突出敏捷治理的精益思想，人工智能驱动注意力分配的简约特征体现在基层负担、组织成本和容错空间三个方面。第一，差异化减负是在人工智能分析大数据的基础上动态布置任务，既防止“一刀切”减负对秩序的破坏，又防止减负工作的表面化，是在减负的同时激发基层积极性。第二，成本控制强调经济思维，对非必要的技术成本和耗费注意力的低效行为不断精简。第三，容错空间利用人工智能在事发前产生的预警信息，为组织协调和任务处置留有空余时间。

从时间上看，人工智能的嵌入具有阶段性。黄晓春通过引入S.巴利“用以理解情境关键要素的时间段”发展了技术制度互构论，有效回应了技术发展的阶段性特征。因此，人工智能注意力配置的“调适—整合—简约”过程实际上是以人工智能为代表的新技术与原有治理体系不断磨合的过程，在时间上具有“先繁后简”的次序：在原有治理框架中“调适”新的治理工具，进而“整合”出新的治理模式，最终发展为减负担、降成本和能容错的注意力敏捷配置“简约”机制。

从公共治理的构成要件上看，人工智能的调适—整合—简约逻辑主要在“行政激励”“行政结构”“行政责任”三个方面发挥作用。首先，人工智能运作下的“行政激励”，是对区级党政一把手、职能部门和基层干部三类主体塑造出新的激励机制。在对基层干部的行为激励调适基础上，有助于整合多部门注意力投入，进而运用人工智能减轻基层负担。其次，人工智能运作下的“行政结构”是一种基于科层结构的新网络结构，不仅能提升内部协同能力，还能为社会主体参与留出“整合”空间，最终实现系统动态低成本运作的“简约”。人工智能嵌入下的“行政责任”既需要让技术获得合法性，又要有技术施加责任判定的合法性空间。因此人工智能的新技术首先需要制度保障，进而打造责任共同体，支撑起基层“容错空间”，形成精密简约的注意力驱动机制（如图1所示）。

三、人工智能驱动河长注意力敏捷配置的实践路径

本研究通过过程追踪法，深入探讨S市运用人工智能驱动水污染风险治理的运作机制。在2017年4月至2022年4月期间，笔者对“市—区—镇街”河长办及其他涉水职能部门、基层河长和相关数据企业进行了深度访谈，共调研了37个治水单位，访谈了104位受访者，获得了约70万字的访谈文稿资料。同时，笔者还收集了相关的法律法规、技术规范和内部汇报文件等二手材料，这些资料共同构成了案例分析的基础。所有涉及敏感信息的部分均经过了脱敏处理，以遵守科研伦理规范（如表1、表2所示）。

在过程追踪法的应用中，本研究关注了人工智能驱动政府注意力分配的过程、顺序以及不同事件之间的关联，以发展或检验因果机制的假设。这种方法强调在时间顺序中综合考虑案例的背景和关键节点，以形成因果关系的解释。本研究案例不仅具有随时间发展的特性，还具有阶段性发展特征。因此，通过过程追踪研究，有助于全面理解S市水污染治理中人工智能驱动基层河长注意力配置的现实特征与路径选择。

（一）S市水环境治理面临的重大挑战

S市是一个超大城市，近几十年来经历了飞速的城市化进程。2010年至2021年，S市常住人口总量增加了610.10万人，年均增长3.63%，增速高于全国的0.47%和全省的1.78%，GDP增长了490。2023年S市实在人口量高达2400万，城镇化率高达86.48%。数据来源于S市人民政府门户网站，2024年4月9日。然而，这种发展并非没有代价。在“重经济轻环保”的旧理念驱使下，S市的河流遭受了严重污染。2018年8月，S市发现有197条黑臭河涌，总长达699公里，河流污染数量在全国地级市层面位居第一。黑臭河涌两岸涉嫌违法建设面积多达237万平方米。

为了应对水污染问题，S市在2010年至2016年采取多种治理手段，不仅在河流污染治理上投入“一天一个亿”的巨资，还采用了当时最先进的污水处理技术。尽管如此，31条市中心区河涌水质仅一条合格，其余全部是地表水评价标准中最差的劣五类。这表明，水污染治理不仅需要资金投入和技术支持，更需要有效的治理体系维护治理可持续性。

2016年12月，中共中央办公厅、国务院办公厅印发《关于全面推行河长制的意见》，建立了一套以党政领导干部担任河长为核心的跨部门联动机制，同时明确了河长的责任和职责，要求各级河长必须亲自研究、直接指挥、实地督办河流污染问题，对辖区内河湖水环境污染防治负总责。这一制度创新有力压实了各级政府和有关部门的环保责任，推动形成了“一级抓一级、级级抓落实”的工作格局。

（二）S市河长制不同时期的注意力驱动模式

1.污染“挂图作战”时期：行政命令驱动基层注意力严格分配

在这个阶段，政府采取了直接和强制性的措施来解决河流污染问题，重点任务是取缔高污染企业和拆除河流沿岸的违法建筑。这种做法被称为“挂图作战”，即在明确的目标和时间节点前基层必须完成这些任务。例如，2018年的S市总河长一号令就向全市11个区和市水投集团下达了全面剿灭黑臭水体任务书，要求2018年底前，全市35条黑臭河涌达到“长治久清”，102条黑臭河涌整治初见成效，其他50条黑臭河涌基本达到不黑不臭标准。为确保基层的注意力能够完全投入“攻坚任务书”，上级设置了严格的指标体系，对这些任务的完成情况进行严格把控，对未能达标的基层河长实行“一票否决”，对未能实现工作目标的河长严肃追责。如表3所示，2018年到2020年S市连续颁发7道总河长令并附上细致的考核要求，强化全市污染攻坚工作的统一执行力。在这一阶段，基层注意力分配需要完全服从上级安排，突出了自上而下注意力控制的特征。

2.污染筛查阶段：问责压力驱动注意力动态分配

随着“挂图作战”阶段基础工作的完成，S市的注意力驱动机制开始从依赖上级指令，转变为强调基层河长的主动性与责任感。该阶段的注意力驱动机制不仅是对结果的考核控制，还更加注重过程监管，运用负向激励驱动河长筛查污染问题。S市为推动基层注意力分配的集中投入，设置了基于考核督查的履职监管体系。一是在市级层面组建污染巡查突击队伍，专门由第三方专业评估机构根据污染相关线索到基层巡查。若发现基层敷衍履职，则对基层启动问责机制（如表4所示）。二是将市河长办监督问责组设置在市纪检监察委员会下设的党风政风监督室。党风政风监督室负责人兼任市河长办监督问责组组长，将区各级河长履职情况纳入日常监督范围，对区级河长施加常态化压力。三是在基层社区设立纪检监察联络站，实施联络站站长专职化。同时构建区、街、社区三级监督联络网，将监察监督的“触角”延伸到基层。据统计，2020年—2023年，S市在水污染问题上问责了588名干部，其中村居级别干部占47%。不可否认的是，问责驱动基层注意力动态配置具有一定作用。曾被称作最难治的S市跨域河流“鸦岗断面”，处于F市西南涌、S市白坭河和流溪河的交汇点。2018年，该断面水质一度恶化至劣Ⅴ类。在监督问责组对7名区级河长发起谈话提醒，并针对62名工作人员实施了问责措施后，2020年鸦岗等9个国考断面全部稳定达标。然而，基于威慑力的问责驱动机制不可持续，就如S市河长办监督问责组T处长所言，“问责是‘达摩克利斯之剑’，不能轻易使用，非常容易挫伤基层工作的积极性”。（20230205，河湖处负责人）

（三）后治水时代驱动基层注意力分配的瓶颈

1.后河长制时代注意力驱动机制面临的三大挑战

在后河长制时期，基层分配给水污染巡查与治理的注意力逐渐稀缺，依靠行政命令或问责压力的注意力驱动机制已不再适应当前的治理环境。特别是2019年被中央明确为“基层减负年”的背景下，市级河长办既要减轻基层巡查负担，又要确保基层能真正巡查，“揪出”暗藏的污染问题。传统的注意力驱动面临的“瓶颈”包括：一是水环境治理与其他治理场域深度关联。“污染根子在岸上，表现在水中”（20210509，监督问责组），河流的自然动态流动会导致污染扩散和蔓延，容易造成环境风险的多重叠加。水环境治理的多部门“团队生产”特性，容易让水污染治理重回“九龙治水”的老路。二是从运动式治理向常态化治理转变造成的注意力资源锐减。自2020年起，基层对水污染巡查的注意力投入逐渐减少，上级也不能再随意使用问责“大棒”，导致上级驱动基层注意力分配的手段越来越少。三是经济发展与环境保护的双重稳定性挑战。许多地区当前还是依赖高能耗、高污染的企业推动经济发展，这使得地方政府在经济发展和环境保护之间面临两难选择。

2.“技术替代基层”的试验方案

在后治水时代基层注意力资源稀缺的背景下，涌现了技术替代基层履职的方案。这种方案主张运用现代化手段替代基层干部的日常巡检工作，将基层注意力分配到他们最擅长的沟通、协调处置问题上。关于技术替代的尝试，其实早在2019年S市供电局就利用大数据帮助水务局筛查隐藏在城中村的“散乱污”。供电局先是通过比对用电数据，识别城中村的用电习惯“异常户”，随后将这些信息发送至基层网格员进行现场筛查，以便准确识别和处理潜在的“散乱污”问题点。毋庸置疑，技术替代极大地提升了效率。据统计，基层巡查员原本需要地毯式巡查530万个污染疑似点，在大数据技术辅助下，他们仅需要对29万个污染可疑点进行筛查。技术替代也兴起了一阵热潮，例如2023年S市的南岗河入选水利部首批“幸福河湖”建设项目，耗资1442万元打造数字孪生系统，耗费180万元采购5个户外微型水质自动监测站。2024年4月9日。但这也表明技术替代所需成本并不低，除了建造所需的投入外还有大量后期追加的养护成本。事实上，无论是“摄像头巡河”还是“无人机巡河”，甚至是电力大数据巡查，大多数都因资金后续投入不足导致项目停止运营。

在尝试了两种方案后，S市河长办产生了融合“数字技术”与“问责机制”这两种治理工具的新思路。而新的问题也由此产生，究竟是要在数字治理的框架下发展问责机制，还是在问责框架下打造数字监管平台？是要为数字技术构建一套新的组织系统，还是在已有组织架构下发展数字技术？是要向下放权，还是向上收权？这些都是S市实践“第三条道路”所需回应的新问题。

（四）“第三条道路”：人工智能驱动基层注意力分配的实践路径

1.构建人工智能的虚拟协同底座

2017—2018年全面推行河长制以来，S市打造“河长管理信息系统”，建立了一套虚拟联动网络，主要将各部门的联动模式从传统科层组织结构向紧密的网络结构转变。通过打造虚拟网络协作框架，水污染治理实现了各部门的协作与信息共享，提供了组织应对大规模水污染问题的整体解决方案。具体实施过程包括：一是依赖原有的水利物联网，S市聚集起庞大的数据资源。这些数据包括水利设施、防洪预警、部分河涌河段的水质勘测站等的相关信息。这些信息被整合到河长管理信息系统的“一河一策”，形成河湖问题处置策略的底层数据，为组织的灵活运作提供数据支持。二是在原有科层制上，S市塑造了一个虚拟的协同机制，形成了以区级河长办为核心的统筹体系。该体系利用科层体制的逐级汇报特性，增强了市级河长办的统筹职能，并加大了各部门之间的配合力度。三是开放多元主体参与，实现端口互联互通。S市河长管理信息系统具有“河长APP”“河长门户网”“12345热线”“公众投诉”等多端口信息互联，能加强职能部门与基层河长的联系，拓宽社会公众的参与渠道。

2.人工智能驱动注意力分配的新路径

2021年6月，S市河长办首次提出要运用人工智能技术驱动基层注意力分配，以《S市河长履职地方标准》出台作为标志。在技术上，S市探索使用大数据、云计算、人工智能等先进技术，以河湖数据为核心，整合了大量实时监测数据、历史数据、舆情数据，建立起涵盖“河长—河段—问题—水质”等多维度的关联数据体系。经过了数据挖掘和机器学习，对大规模数据进行深度学习和分析，S市水务局最终打造了高预警精度的“河涌风险预警模型”（如图2所示）。

具体而言，S市依托“河涌风险预警模型”向三类主体放权赋能。一是对区级河长办下放统筹权。由于治水涉及的条部门众多，所以统筹协调工作以往是由S市河长办负责，难免会让区河长办“削足适履”，被动适应上级政策。如今在人工智能的辅助下，区级河长办可以知道哪些部门之间经常推诿扯皮，哪些地方存在协同“梗阻点”，哪些环节存在责任模糊，从而有助于让区级河长办成为统筹的核心。二是对基层河长下放履职的自由裁量权。这表现为S市将人工智能的预警信息与河长履职标准和履职要求深度挂钩。如果人工智能评估河流风险从红色（3级）降低至橙色（2级），则基层河长的每月工作量将从1天巡河1次变成10天巡河1次。这样就将工作任务的定夺自主权交给基层河长，让他们能够按照实际需要灵活分配注意力。由于人工智能的评估频率是每月一次，这能激发基层河长能动性，使其主动筛查及时解决污染源。三是提升社会公众的知情度。S市在人工智能污染预测后，开放包括河流质量和污染状况的预警信息，让公众更有意愿参与志愿巡河。公众上报的问题和提出的建议，又能反哺人工智能的筛查与分析能力。

从预警的准确度来看，2023年“河湖风险预警模型”一共对803条河涌启动高风险预警，模型预测的平均准确率高达82%。从基层对污染筛查的产出上看，各级河长根据预警信息溯源，共发现20697宗问题，其中包括了8790宗重大问题。从减负效果上看，2021年6月后的基层河长巡河次数有显著减少（如图3所示）。从治理绩效来看，在2023年各级河长巡河总里程下降20%、总时长下降30%的“减负”基础上，基层发现污染问题率反而上升了17%。2024年4月9日。从社会满意度来看，市民对水环境治理的满意度从2015年的15％跃升至2021年的75%，再跃升至2022年的81%。这表明，运用人工智能驱动基层注意力分配，不仅实现了基层减负，还提升了基层履职的积极性和社会公众的满意度。

四、人工智能驱动基层注意力敏捷配置的三重逻辑

在实践中，人工智能已经展现出驱动基层注意力分配的潜力，开辟了一条注意力驱动的新路径，并已初显成效。那么，我们应该如何解释人工智能驱动政府注意力分配的新现象？作为治理末端的街头官僚为什么不排斥这种新技术？客观的人工智能技术又是如何获得驱动合法性的？因此，我们有必要再进一步对人工智能驱动注意力分配的内在逻辑进行探究，而“调适—整合—简约”三重逻辑，是理解人工智能驱动机制何以可为的关键思路。

（一）调适逻辑：构筑适合人工智能的治理结构

人工智能的嵌入是为基层的心理认知、组织结构和权责关系做“加法”。如何基于人工智能的优势调适出适合新治理需要的结构，是技术落地的重要前提。

1.调适激励机制——改变基层的传统路径依赖

基层干部往往对已有的“土办法”存在严重的依赖心理，需要用正面激励提升对人工智能技术的认可。一方面，人工智能技术落地需要解决基层河长“不敢用”“不想用”“不适用”技术的心理排斥。另一方面，基层既承担着权力体系末端的任务执行职能，又处于直面治理问题的最前线，在这样的压力环境下，难以集中足够的注意力于河流巡查和治理工作。

因此，人工智能围绕层级间信息不对称的问题展开调适。平台所记录的数据不仅反映了基层工作的实际进展，而且还能够作为评估基层绩效的关键材料，这就激发了基层干部上报更多污染信息的动机。人工智能将基层河长手机记录的信息关联到基层的绩效结果，鼓励了基层河长更踊跃上报更为详尽的信息共享。对市级河长办而言，上级成功驱动基层将注意力投放到自己强调的任务中，获取更多一线的治水信息和污染源线索。因此，人工智能系统便成为一座上下协同的“桥梁”，一方面扮演着佐证基层河长考评的角色，另一方面也承担着向上及时传递信息的任务。因此，人工智能调适激励机制，是将基层对绩效“加分”的渴望转变为修正路径依赖的动力。

2.调适组织架构——基于科层结构的“微创新”

由于水污染治理涉及复杂的跨区界、跨领域、跨部门问题，需要基于人工智能系统构建一套灵活的部门间协作结构。就像LW区水务局长说的，“我从住建局调到水务局，给我的感觉是虽然两个领域都难，但是治水的难是体现在协调上。住建一般单个部门就能管好，治水要统筹不同部门……治水不仅得负责河里面的，还得负责陆地违建的，还要负责地底下错综复杂的管网……”（20230218，LW区水务局副局长）

对此，在部门关系上，人工智能没有颠覆原有科层结构设置，而是在现有组织框架内构建了虚拟协作网络。这种“微创新”做法既借助了科层制中稳定的权力关系，又依靠数据留痕与信息共享，形成虚拟链式协作网络。一方面，虚拟协作网络充分尊重科层制中职能部门的独立性，仅是运用数字技术打造跨部门的“虚拟协同”机制。协同部门并没有大刀阔斧地进行体制改革，但又能扭转过去依赖纸质文书的逐级上交、层层下达的低效协同缺点。具体而言，链式联动是运用互联网平台打造出扁平化的协同空间，实现部门间点对点式沟通的“活流程”，所有任务或信息交换只需选择相应的交办对象，即可以通过“一键交办”线上完成。另一方面，该协同模式具有数据留痕和信息共享的优势。链式联动的协同机制是一个以数据共享推动部门履职协同的模式：每一个被涉及的部门都必须到现场勘查，利用其专业性为问题的解决提供信息，这种专业信息将流转至下一个职能部门中，为下一个部门对问题的判定和解决提供科学建议，因此该模式通过打造虚拟的“不在场”协同场景，极大程度发挥了各部门的信息优势和专业特长。（如图4所示）

3.调适问责工具——制度赋予新技术监管合法性

就技术的合法性而言，新技术的有效应用与持续迭代依赖于其在现有制度框架内获得的认可与支持。缺乏制度背景下的合法性，新技术易被边缘化，其潜在价值难以充分发挥。对此，《S市河长履职地方标准》明确了将河湖风险预警平台信息作为考核信息的重要来源。从制度与技术的关系来看，制度规范把对河长的“考核权”赋予河湖风险预警平台，当河长的履职考核评价发生争议时，所依据的就是河湖风险预警平台中的客观数据。这也就能解释为什么新技术的出现不仅不被架空，基层河长还对河湖风险预警平台的考核结果“心服口服”，并对河湖风险预警平台的使用呈现出较高满意度的原因。

（二）人工智能嵌入治理助推多元力量整合

传统的数字治理模式虽然强调了如何借助信息通信技术提升单个部门的工作效率，但却常常拘泥于不同部门的差异化目标而缺乏集体行动的可能。这就凸显了激励机制、组织结构和行政责任三元整合对人工智能发挥作用的必要性。因此，敏捷整合的指向是基于人工智能促进信息共享、资源整合和公众参与。

1.整合激励机制——以“一把手”为核心的绩效共同体

传统的激励机制分散在不同部门和不同单位，缺乏一套整体统一的激励考核办法支撑。特别是当部门的分工和专业性具有较大差异时，绩效认定更困难。例如，垃圾、直排和违章建筑等直观问题一般由网格员或村居河长专职巡查；而专业性强、难以辨别的污染源一般由环保、水务、农林等部门展开二次专业巡查。那么如何判断这是“谁的功劳”，又怎么激励分散在不同层级的部门力量参与进来呢？

在人工智能的加持下，激励机制的重心就放在协作网络的“枢纽”上，也就是处于政策落实与基层需求响应“交汇点”的区级河长办。区河长办掌握较多政治资源，也因此被称为“关键少数”。他们相较于市级而言，更了解和易于满足基层治理需求。相比于基层，他们有调动区级职能部门的能力。因此，才有了抓住区级干部“关键少数”的说法。那么如何驱动区级干部按照人工智能的预警履职呢？

实际上，S市是将区级河长办的激励作为体系性激励的核心。S市将人工智能的考核结果运用在《区级河长办考核手册》中，履职排名前1/3的区级河长会被评为优秀。但是，如果辖区内的部门联动被判为多次“推诿扯皮”，那么区级河长就可能没有治水加分项。因此，区级河长办大多会遵循人工智能所提供的信息统筹部门合作。另外，基于图4所示的人工智能整合的组织架构，任务处理在联动的同时，也形成一条以区级主管部门为核心、部门参与绩效考评的“一核多元”绩效共同体。绩效共同体有效降低了“推诿扯皮”问题，公众的投诉处理平均时长得到显著降低。据统计，《区级河长办考核手册》出台后投诉事项处理的平均时间从2018年的6天下降为2019年的3天。

2.整合治理架构——社会力量对人工智能的优化

社会力量的有效参与是补充和完善内部结构的重要一环。S市在实施河长制的过程中，充分认识到了公众参与在水环境治理中的重要性，并由此将基于人工智能的河湖污染风险预测结果形成“悬赏巡河”机制。被标记为存在污染风险的河段会附加上相应的积分奖励，再通过微信小程序发包给公众，鼓励公众帮助人工智能验证预警结果。该机制与传统巡河活动不同，公众参与的内容主要是被人工智能预测为具有污染风险的河段。在经过公众参与后，人工智能便能进一步分析其预测结果是否合理，最终形成“外部信息”反哺人工智能的良性循环。例如，在2022年4月人工智能就预警到车陂河涌具有较高的水污染风险，当地志愿者团队领取人工智能系统发送的“悬赏令”后，就沿着涌边进行紧急筛查行动，防止垃圾堵塞水流造成水患和污染。据统计，车陂涌的居民志愿者2022年就领取“悬赏令”327次。

3.整合多方责任——打造基于事件的责任链式

实现跨部门联动的前提是处理好“部门分治”与“合作共治”的矛盾关系，既要满足单部门治理的责任，又要履行多部门治理中的协同责任。然而，作为代理方的职能部门具有信息优势，这也被称为能够影响奖惩结果的“信息控制权”，因此，怎么样获取信息和展示信息成为条部门与块部门间博弈的关键。

对此，S市基于人工智能整合了海量的多源异构数据，构建了立体的监测和分析体系，形成部门间清晰的责任链条。人工智能在后台将处于同一“链条”的条部门管理责任与块部门属地责任深度捆绑，形成“区—部门—镇（街）”三方责任共担。由于事件链条本身具有传递性和联通性，人工智能可以深入研究时间与事件进度的相关性，形成镇街问题巡查的“第一责任”、区级协调的“第二责任”和部门处置的“第三责任”。若镇（街）河长办发现问题凭一己之力难以解决，需要借助市级或区级职能部门力量，则可以通过信息系统先把问题流转给市/区河长办，再由市/区河长办按照问题属性分配到同级职能部门，市/区级主管部门再以垂直管理方式调动下级职能部门参与问题的解决。无论是问题“确责”还是问题“处理”，在过程上都体现出数据驱动下信息的高效快捷流转优势，在结果上则直接体现出“整体政府”的一体化治理特征（如图4所示）。

（三）人工智能驱动基层注意力分配简约化

传统以压力为驱动的减负工作往往难以摆脱三重困境。一是在过程上，容易因为减负“一刀切”让减负工作陷入平均主义，即基层的努力和考核结果脱钩。二是在结果上，基层负担“越减越重”，这是因为信息不对称下，考核对象需要消耗大量注意力“塑造”考核结果。三是在风险应对上，传统的注意力驱动机制往往使基层缺乏敏锐的风险感知能力。对此，“敏捷简约”逻辑就是让人工智能技术在减负机制、资源配置机制和风险防范机制上为基层做“减法”。

1.简约的“差异”激励——为基层差异化减负

在传统的数字化建设中，很多新平台是“什么都想做”，但又容易“什么都做不好”。这是因为传统的自上而下的任务设置缺乏对基层行动者的行为激励。换言之，个人努力程度与自身任务量之间是“脱钩”的，基层任务量的多与少并不由自身的努力情况或改善环境的程度决定，而是由上级主管部门制定。这导致基层行动者缺乏自主创新精神，其行为会趋于墨守成规，容易出现“不求有功、只求无过”的保守心理。因此，人工智能的减负首先就要从减负工作的“一刀切”向差异化减负转型。

已有研究指出组织绩效与官僚的自主性和公共服务动机有关。因此，基于人工智能数据分析的差异化减负体系是重新将行政任务与行政目标实现动态联系，以刺激公共服务动机的提升。从控制权来看，传统的目标设定权和激励分配权从完全集中在市级层面，转变为下放给风险预警系统，按照预警的梯度有针对性地重新分配任务，并实行每月一次的预警动态调整。基层河长可以用自己的实际行动减少下个月的任务量。反之，如果基层河长工作不力则会被预警系统捕获，增加下个月的任务量。例如，人工智能评估河涌风险从红色（3级）降至橙色（2级），则基层河长每月工作量将从1天巡河1次变成10天巡河1次。相反，如果人工智能评估风险从橙色上升为红色，则基层就需要从10天巡河1次变成1天巡河1次。所以，将减负工作交由人工智能来动态、有针对性地执行，本质上是推动个人努力与任务轻重的高度关联，从而调动基层行动的积极性和主动性。

2.减少“打扰”基层——动态配置注意力资源

在以往的河长履职监督机制中，数字技术一般扮演着“电子监管者”的角色，通过监控巡河频率、污染源上报率等过程性指标，实现对基层行为的全面干预与监管。但是这种做法不仅增加了基层的工作负担，还成为层层加码的“重灾区”：上级河长为了防止下级河长不达标，往往让下级河长多巡、多报，导致最终上报的是“不走心”的表面问题或假问题。

在敏捷治理理念的指引下，数字技术的角色和应用方式发生了根本性的转变：不再专注于监控基层巡查的时数、距离和覆盖率等微观指标，而是转向建立一个全市范围内、涵盖各级河长的风险等级提示系统。通过引入简明直观的“红、橙、黄”三级风险预警等级，为基层河长调整履职任务和重点提供了明确的依据。这种从注重过程监管向注重风险防控和早期干预转变的策略，能够真正减少对基层的“打扰”，同时还能提升他们的履职水平。

3.扩充基层容错空间——人工智能的预警先于行政问责

人工智能的预警系统在扩大基层容错空间方面展现了显著的优势，关键在于通过人工智能平台的预警机制，实现在行政问责之前对潜在问题的及时发现和预防，从而优化决策流程。在传统的水环境治理体系中，基层的治理活动常受到严格的考核制度约束，如《河长考核规定》中的“一票否决”原则规定，一旦出现被舆论曝光的水环境污染事件，就可能对基层工作人员产生负面评价，其不再获得评优资格。这种事后问责的模式，无疑加大了基层治理的压力，限制了基层采取主动和创新治理措施的空间。

相比之下，人工智能技术对潜在环境风险的早期预测和预警，一方面督促基层干部在问题实际发生之前组织资源提前预防，扩展了基层治理的容错边界。例如，2022年7月，市河长办发出《S市河长办关于PY区水质波动风险的提醒函》，强调了“根据2022年6月河涌问题风险预警结果，你区大山西涌、丹山河水质波动风险高，需重点关注……如因重视不够、整改不力而造成重大负面影响的，将启动通报或问责”。这表明，在问责启动之前，人工智能预警提醒先于问责，在保护基层干部履职积极性的同时引起基层对风险的重视。

另一方面，在非紧急情况下，可以减轻基层干部常规化履职压力。这也鼓励基层将注意力分配到其他重要领域，如生态修复、公众教育等，从而实现对基层工作注意力资源的动态配置。在面临突发风险时，这种机制能够确保基层迅速组织力量进行专项巡查和应对，提高治理的灵活性和有效性；在面临常规任务时，这种机制又能减轻基层“一刀切”履职的工作压力，减少盲目的资源浪费。

结 语

当前，关于后治水时代的治理模式转型，除了技术替代与压力驱动两种传统路径以外，还存在人工智能驱动政府注意力敏捷配置的新模式，呈现出“敏捷调适—敏捷整合—敏捷简约”三重逻辑。

第一层逻辑，人工智能对基层行为依赖、组织结构和技术合法性展开了初始调适，是一种“微创新”。调适逻辑是在原有的绩效管理、科层架构和规章制度的基础上做“加法”，形成一套有利于人工智能被接纳和使用的新治理体系。

第二层逻辑，人工智能对绩效关系、政府与社会关系、责任关系进行整合，是对权责关系的一种“再梳理”。在组织上，人工智能利用区级河长办的“枢纽”作用，充分整合上下政府间的层级资源，加强基层履职能力。在社会参与上，人工智能将预警信息主动推送给社会力量，整合政府治理与社会共治，实现了治理过程的闭环。在责任关系上，人工智能整合了海量的多源异构数据，构建了立体的监测和分析体系，形成部门间清晰的责任链条。整合逻辑的本质是基于人工智能的“活流程”推动整体政府的形成。

第三层逻辑，人工智能在简约思想的指导下形成减负差异化、配置资源动态化和容错空间扩展化，是为基层治理做“减法”。在基层减负上，基于人工智能实现了差异化激励，让基层的任务量与工作成果挂钩。在资源配置上，坚持问题导向和渐进式发展，减少对基层干部的多次重复打扰。在容错空间上，人工智能的及时提示既保护了基层干部的履职积极性又鼓励基层提前介入风险防控，体现了刚柔并济、温度与力度并存的核心理念。

本研究可能的理论贡献有三点：第一，研究通过对人工智能嵌入基层治理过程的长期跟踪，进一步深化了学界对人工智能驱动注意力分配的认识与理解；第二，研究将人工智能视为关键的注意力驱动要素，创新了注意力分配的理论视角；第三，研究通过引入敏捷治理理论，搭建“敏捷调适—敏捷整合—敏捷简约”分析框架，为人工智能驱动政府注意力敏捷分配研究提供了理论参考锚点。

本研究以S市“河湖风险预警系统”为个案，通过过程追踪和个案深描的方法剖析了人工智能驱动基层注意力分配的内在机理，虽然有一定创新性，但依然存在以下不足：首先，研究仅局限于水环境治理的场域来研究人工智能驱动基层注意力敏捷分配的机制，未来应该拓展到其他场域进一步探讨，以增强案例的外部效度。其次，人工智能驱动基层注意力敏捷配置的前提是需要海量的数据和强大的算力来训练和优化人工智能，而数据采集需要耗费巨大的成本（如安装传感器自动采集水质数据的成本）。如果没有充足的预算，也就难以支撑得起人工智能驱动机制的运作。最后，本研究只是集中探讨了基层注意力分配的驱动机制，未来可以进一步探讨人工智能驱动注意力分配的效果及其影响因素。

需要注意的是，人工智能驱动注意力分配的机制并非是一剂包治百病的良药，其更多是在基层面临风险信息缺失、任务高度复杂、资源配置不足、部门推诿扯皮等特殊情况下更为有效。因此，未来的注意力驱动机制，也必定是压力驱动、技术替代和人工智能驱动三条道路并存。而三条道路能够发挥作用的关键，都离不开处于政策执行末梢的基层干部的公共服务动机以及政策执行力。

阅读链接

《理论与改革》编辑部

投稿：llgg.cbpt.cnki.net

电话：028-87351101

地址：成都市光华村街43号 中共四川省委党校