美国发布《生成式人工智能手册》

原创

占知知道
占知知道

占知智库

2026年7月29日 05:53
北京

在小说阅读器读本章

去阅读

近日，美国国务院发布《生成式人工智能手册》。这份39页文件以内部平台StateChat为案例，复盘一个政务生成式人工智能系统如何从零散试用走向企业级部署：先定战略和组织，再做原型、测试、授权、上线、培训和推广，最后转向专业工具与智能体协同。手册最值得注意的并不是聊天机器人本身，而是美国国务院把安全审查、用户反馈和变革管理做成了产品能力。截至2026年6月，StateChat用户已超过6.2万，覆盖98%的美国驻外机构。但其成效调查采用自愿参与样本，报告也明确承认不适合进行统计推断。换句话说，这既是一份可借鉴的实施路线，也是一份需要审慎阅读的政府技术扩散样本。

一、这不是模型手册，而是交付路线

（一）七个阶段回答七个管理问题

手册把实施过程拆成奠基、阿尔法开发、贝塔开发、上线、规模化推广、能力深化和影响评估七个阶段。它没有从“选哪一个大模型”讲起，而是先问目标是否一致、组织是否就位、敏感数据能否进入、用户是否真用、成效能否度量。

这条时间线揭示了一个常被忽略的事实：政务人工智能不是把模型接入办公网就算完成。前期战略和治理建设以年计，正式上线只是中间节点，后面还要持续解决培训、信任、流程嵌入和效果验证问题。

（二）真正的架构是“集中底座、分散创新”

美国国务院把StateChat放在统一管理的企业级平台上，集中提供安全接口、受控开发环境和敏感但非密信息处理能力；同时允许业务人员建设定制助手，让技术团队、专业部门和“公民开发者”在同一规则下试验。这不是简单的集中或分散，而是把安全与共性能力集中，把需求发现和工具创造向一线分散。

美国技术现代化基金公开项目页显示，该项目自2024年5月启动，投资额为1820万美元。这个数字说明，所谓“快速落地”背后并非低成本插件，而是平台、治理、人员、培训和组织协同的成套投入。对我国而言，判断一个政务人工智能项目是否成熟，不能只看演示效果，还要看能否形成可复用的公共能力。

图1：美国国务院《生成式人工智能手册》原版封面。

二、安全不是刹车，而是使用价值

（一）高等级授权决定能处理什么数据

StateChat的阿尔法阶段只吸收150名测试人员，却用了一年推进高等级运行授权。手册强调，这项工作使平台能够处理敏感但非密信息，接入外交电报、内部报告等真实数据源。若没有这一步，系统只能处理低敏感信息，也就很难进入高价值业务。

这里的逻辑值得重视。安全合规不是产品完成后补盖的印章，而是决定产品用途上限的设计变量。美国国务院把网络安全、隐私、档案管理、无障碍和独立测试人员提前拉入团队，再用功能测试、人工智能性能测试和用户验收测试三层机制验证原型。

（二）先暴露问题，再决定投入方向

最早的StateChat并不完善：每名用户只有一个对话线程，24小时后消失，上传文件可能耗费数小时，也没有内部系统连接。手册仍然认为尽早交给真实用户是正确选择，因为文件上传和内部数据连接等需求，只有在实际使用中才会显现优先级。

贝塔阶段随后在5个月内把用户从150人扩大到8000人。团队一面直说“这是贝塔版，而且确实像贝塔版”，一面建立反馈表、满意度调查、办公时间和用户访谈。其“雷霆穹顶”机制把6个渠道、800份调查和22次深度访谈汇总成10项高频需求，再形成6个月路线图。

（三）反馈治理比收集意见更重要

大量反馈并不自动产生好产品。手册的做法是先归并主题，再评估技术可行性和任务优先级，随后让用户投票，最后公开路线图。这样做的价值，不只是选出功能，更是让用户看见意见如何进入决策，避免反馈成为没有下文的“意见箱”。

对我国政务人工智能建设而言，可借鉴的不是某次投票形式，而是把需求、风险、开发成本和任务价值放进同一套可追溯决策机制。哪些意见被采纳、哪些暂缓、依据是什么，应当能够复盘，否则所谓敏捷开发很容易退化为需求堆积。

三、规模化之后，才真正进入深水区

（一）账号开放不等于组织采用

美国国务院面对的是约8万人的全球化组织。手册用战略传播、定向培训、全球直播、自主学习资源和本地推广者五个支柱推动采用。2024年3月至2026年5月共举办94场办公时间活动，约1.7万人参加；“培训培训者”模式又在不增加核心团队人员的情况下，通过430多场活动触达4.8万多人。

这些数字背后的机制比数字本身重要。领导授权解决“能不能用”，岗位案例解决“为什么用”，即时培训解决“会不会用”，本地推广者解决“谁来长期教”。生成式人工智能进入组织，首先改变的是知识传播和工作习惯，其次才是模型调用量。

（二）从通用聊天走向任务型智能体

在广泛采用之后，StateChat才从单一聊天工具转向互联工具集。FAMsearch可检索约3万页美国外交事务手册并返回原文引证，后来又从独立页面变成后台调用能力；定制助手则允许用户自己建设面向特定报告或行政问题的工具。

手册把下一步指向多智能体协同：一个智能体检索政策规范，另一个检查相关电报，第三个校正格式。但原文写得很清楚，截至2026年春季，美国国务院仍在“准备”迎接这种转变。这是方向性设想，不是已经完成规模化验证的自主运行体系。

（三）成效数据必须和样本边界一起读

影响评估共有3700人开始答题，最终2706份回答进入分析，其中2113人为每月至少使用一次的常规用户。常规用户中90%自报节省时间，96%愿意推荐，平均每项任务每周节省1.6小时。原图以“Selection Rate vs Mean Time Saved”比较任务普及率与人均节时，显示起草沟通文本覆盖面广，制作培训材料则单人节时更高。

图2：原手册第32页“时间节省影响矩阵”。气泡大小表示选择该任务的用户数，颜色表示每周节省总时长。

问题在于，调查采用自愿报名而非随机抽样，手册明确写明“不适合统计推断”。所谓每周起草工作节省逾1万小时，也是依据1.9万名周活跃用户作出的外推，不等于独立审计后的生产率增量。更直接的限制来自用户反馈：功能不适配、不会使用、回答质量不足、需要更多培训以及安全担忧，仍是主要障碍。

图3：原手册第34页列出的五项主要使用障碍。回答质量、功能适配和培训需求仍影响实际收益。

手册内部还出现98%与92%两种驻外机构覆盖率口径。本文采用首页与美国技术现代化基金项目页共同支持的98%，同时保留差异。深度解读不能把“用户多、覆盖广”直接等同于“任务效果好”，更不能用一次自愿调查替代长期、分岗位和可对照的成效评估。

四、结论与建议

（一）结论

该报告的结论是：生成式人工智能的规模化落地，本质上是一项组织能力建设，而不是一次软件部署。美国国务院以统一平台和高等级安全授权托住敏感业务，再通过分阶段测试、用户反馈、培训网络和任务型工具扩大采用，最终向智能体协同延伸。

其经验具有参考价值，但成效仍主要来自自报调查和机构内部估算，智能体化也尚处于发展方向，不能把路线图当成已经证实的最终模式。

（二）建议

●先建共性安全底座。应统一提供模型接入、权限控制、数据分级、日志审计和受控试验环境，让业务创新建立在可复用能力上，避免各单位重复建设、标准不一。

●把授权嵌入全周期。应让安全、保密、隐私、档案、无障碍和独立测试人员从需求阶段进入团队，并按任务风险设置分层放行和持续复评机制。

●用任务成效替代活跃。应区分登录人数、使用频次、节省时间、核验成本和任务质量，尽可能采用分层抽样、前后对照与失败案例复盘，防止用热度代替效能。

●稳步推进智能体应用。应先在有权威知识库、可追溯引证和明确权限边界的任务中验证检索型助手，再逐步增加工具调用与多智能体协同，并保留人工确认和随时中止能力。