随着人工智能技术的快速迭代，大模型凭借强大的语义理解、知识整合与内容生成能力，正加速渗透到政务服务、社会治理、机关办公等各个环节，成为推动政务数字化、智能化转型的重要引擎。但政务工作关乎公共利益、民生福祉与社会公平，具有极强的严肃性、权威性和安全性要求，这就决定了大模型在政务领域的应用不能“无界扩张”，必须清晰界定其能力边界，明确“能做什么、不能做什么”，才能实现技术赋能与政务规范的有机统一。

当前，我国政务大模型还处于起步阶段，《政务领域人工智能大模型部署应用指引》等政策文件明确提出，政务大模型必须坚持“辅助型”定位，这是界定其应用边界的核心前提。接下来，我们就从“能做”与“不能做”两个维度，结合实际应用场景，详细拆解大模型在政务领域的边界所在，让技术更好地服务于政务工作，而非成为风险隐患。

一、大模型在政务中“能做什么”：聚焦辅助赋能，提升政务效能

大模型的核心价值的是“减负增效、精准赋能”，其应用场景主要集中在政务工作中重复性高、流程性强、专业性适中的环节，重点为工作人员提供辅助支持，为公众和企业提供便捷服务，不触碰决策核心、不替代法定职责。具体可分为四大类场景：

（一）政务服务：让群众办事更便捷，破解“办事难、跑多次”痛点

在政务服务领域，大模型的应用主要聚焦于“降门槛、提效率”，打通服务群众的“最后一公里”，尤其在高频咨询、材料预审、流程指引等场景中发挥重要作用。

1. 智能咨询应答：依托海量政务知识库，大模型可打造24小时智能客服，精准解答群众和企业关于社保、医保、个税、工商注册等高频问题。例如杭州医保局的“医保小智”，其语音客服承担了超70%的市民咨询接待任务，文字客服问答准确率超90%，通过全时段智能应答，大幅减少群众等待时间，同时缓解人工客服压力。与传统智能客服不同，大模型能理解模糊提问、多轮对话，甚至能区分内资、外资等不同主体的办事差异，给出更精准的指引。

2. 办事材料预审与指引：群众和企业办理政务业务时，往往因材料不全、填写不规范导致反复跑。大模型可提前审核办事材料，识别缺失项、错误项，并实时给出修改建议；同时，根据用户需求，自动生成个性化办事指南，明确办理流程、所需材料、办理地点及时限，让群众“一次备齐、一次办好”。北京经开区的政务大模型服务平台“亦智”，其智慧政务小助手“小亦”可提供自动化材料预审服务，依托200多万个海量知识，为办事人精准指引流程。

3. 政策精准推送与解读：大模型可整合各类政务政策，结合群众和企业的身份、需求，实现政策“精准滴灌”。例如，为小微企业推送税收减免政策，为灵活就业人员推送社保缴纳政策；同时，将晦涩的政策文件转化为通俗易懂的语言，搭配案例解读，让群众快速理解政策核心，避免因政策理解偏差错过相关福利。

（二）机关办公：为工作人员减负，提升办公效率

政务工作人员日常面临大量重复性办公任务，大模型可通过自动化处理、智能辅助，帮助工作人员从繁琐事务中解放出来，聚焦更具价值的工作。

1. 公文辅助起草与修改：大模型可根据政务公文规范和具体需求，快速生成通知、报告、函等常用公文初稿，工作人员只需在此基础上修改完善，大幅缩短公文起草时间；同时，可对已起草的公文进行语法校对、格式规范、语气优化，确保公文符合政务规范。

2. 政务数据整理与分析：政务工作中会产生大量数据，如信访数据、政务服务办理数据、人口数据等。大模型可快速对这些数据进行分类、整理、汇总，生成数据报表和初步分析结论，为工作人员掌握工作动态、排查问题提供辅助。例如，通过分析信访数据，大模型可快速梳理出高频信访问题，为相关部门针对性解决问题提供参考。

3. 会议辅助服务：大模型可实现会议纪要自动生成，准确记录会议核心内容、决策事项和任务分工，避免人工记录的遗漏和偏差；同时，可提前整理会议所需资料，根据会议主题生成议程建议，提升会议效率。

（三）社会治理：辅助排查风险，提升治理精细化水平

在社会治理领域，大模型可依托多源数据整合与分析能力，辅助相关部门排查风险、优化治理，推动城市“治理”向“智理”转型，但不参与具体执法和决策。

1. 风险隐患预警：大模型可整合交通、消防、应急管理、市场监管等领域的实时数据，对可能出现的风险隐患进行提前预警。例如，通过分析交通流量数据，预警拥堵路段；通过分析企业经营数据，预警市场监管风险；通过分析消防设施数据，预警消防安全隐患，为相关部门及时处置提供支撑。

2. 舆情监测与分析：大模型可实时监测网络舆情，快速识别涉及政务工作、社会热点的相关言论，区分正面、负面、中性舆情，同时分析舆情传播趋势、核心诉求，为相关部门回应社会关切、处置舆情危机提供辅助。

3. 基层治理辅助：在基层社区治理中，大模型可整合社区人口、物业、矛盾纠纷等数据，辅助社区工作人员排查矛盾隐患、开展便民服务。例如，快速梳理社区独居老人、困境儿童等特殊群体信息，提醒工作人员开展走访帮扶；辅助调解简单的邻里矛盾，提出合理调解建议。

（四）辅助决策：提供参考支撑，不替代决策主体

大模型可通过整合海量政务数据、政策文件和历史案例，为政务决策提供数据支撑和方案参考，但最终决策权仍属于政务工作人员和相关部门。

例如，在制定区域发展规划时，大模型可分析区域经济数据、产业布局、人口结构等信息，生成多种规划方案建议；在制定民生政策时，可分析群众需求、历史政策实施效果等，为政策优化提供参考。需要注意的是，大模型给出的建议仅作为参考，最终决策需结合实际情况，经工作人员审核、集体研究后确定，确保决策的科学性、合法性和合理性。同时，大模型还可助力政务数据治理，通过技术手段提升数据质量，构建高质量政务数据集，为决策提供更可靠的支撑。

二、大模型在政务中“不能做什么”：坚守底线红线，防范风险隐患

政务工作的特殊性，决定了大模型的应用必须坚守“底线思维”，明确禁止触碰决策核心、涉密信息、法定职责等关键领域，这既是政策要求，也是防范技术风险、维护政务公信力的必然选择。结合《政务领域人工智能大模型部署应用指引》及实践中的风险案例，以下五大领域是大模型绝对不能触碰的“红线”：

（一）不能替代人类作出最终决策，尤其是重大政务决策

这是大模型在政务领域应用的核心边界。大模型本质是“辅助工具”，其输出的结果、建议都是基于训练数据和算法生成的，存在一定的局限性，可能出现“模型幻觉”，无法完全替代人类的判断和决策能力——尤其是涉及公共利益、民生福祉、社会公平、国家安全的重大政务决策，如重大项目审批、行政处罚、政策制定、应急处置等，必须由政务工作人员结合实际情况、法律法规和公共利益，经过集体研究、民主决策后作出，绝对不能让大模型“说了算”。

例如，在行政处罚中，大模型可辅助梳理违法事实、查找相关法律法规，但最终的处罚决定、处罚力度，必须由执法人员根据案件具体情况作出，确保处罚的公正性和合法性；在应急处置中，大模型可辅助分析风险、提供处置建议，但最终的处置方案和指令，必须由应急管理部门工作人员作出，避免因模型失误导致处置不当，造成严重后果。《政务领域人工智能大模型部署应用指引》也明确要求，落实大模型“辅助型”定位，避免其替代人类作出决策。

（二）不能触碰涉密信息，严禁泄露国家秘密、工作秘密和个人隐私

政务工作涉及大量涉密信息，包括国家秘密、工作秘密、商业秘密以及公民个人信息（如身份证号、家庭住址、医疗记录等），这些信息的安全关乎国家安全、公共利益和公民合法权益，是大模型应用的“绝对红线”。

一方面，大模型的训练数据不能包含涉密信息，严禁将涉密文件、敏感数据用于模型训练，避免因数据泄露导致安全风险。例如，某市智能客服系统在用户咨询过程中，默认存储包含身份证号、家庭住址的完整对话记录，造成“数据裸泳”风险，这类行为必须严格禁止。另一方面，大模型在应用过程中，不能访问、处理涉密信息，严禁通过大模型传输、存储涉密内容，如涉密公文、涉密数据、敏感工作信息等。

同时，大模型需严格遵守《个人信息保护法》等法律法规，规范处理公民个人信息，不得非法收集、使用、泄露公民个人信息。例如，在政务服务中，大模型只能获取办理业务所需的必要个人信息，不得过度收集，且需采取加密存储等安全措施，确保个人信息安全。政务部门在模型训练、部署应用等过程中，必须严格落实“涉密不上网、上网不涉密”等保密纪律要求，加装保密“护栏”。

（三）不能替代法定职责，尤其是执法、审批、监管等核心职责

政务工作人员的执法、审批、监管等职责，是由法律法规明确规定的，具有法定性和强制性，大模型只能辅助完成相关工作，不能替代工作人员履行法定职责。

例如，执法人员的现场执法、调查取证、违法认定等职责，必须由具备执法资质的工作人员亲自完成，大模型不能替代执法人员到现场执法，也不能替代其作出违法认定；行政审批人员的审批权限、审批流程，是法定的，大模型可辅助审核材料、指引流程，但不能替代审批人员作出审批决定，尤其是涉及重大项目、敏感事项的审批，必须由审批人员严格按照法律法规和审批流程办理。

此外，大模型也不能替代政务工作人员开展信访接待、矛盾调解等直接面向群众的工作，这类工作需要工作人员具备共情能力、沟通能力和判断能力，大模型只能提供辅助支持，不能直接与群众对接处理核心诉求。同时，要避免强制使用大模型、无效使用大模型，防范“数字形式主义”，切实为基层减负而非增负。

（四）不能输出虚假、错误信息，严禁误导群众和工作人员

政务工作的权威性要求，大模型输出的信息必须真实、准确、合规，不能出现虚假、错误、误导性内容——这也是防范“模型幻觉”风险的关键。由于大模型的训练数据可能存在偏差、不完整，或者算法存在缺陷，可能会输出错误信息，如错误的政策解读、错误的办事流程、错误的法律法规引用等，这类情况必须严格避免。

例如，某市在尝试用AI优化政策文件时，因训练数据包含过期法规条款，导致生成的文件出现错误表述，造成政策解读混乱，经人工审核发现后紧急撤回，这类案例警示我们，大模型的输出必须经过人工审核，确保信息准确无误后，才能面向群众和工作人员使用。《政务领域人工智能大模型部署应用指引》明确要求，对于面向公众和企业提供服务的大模型应用场景，应严格执行内容审核制度，采用人工审核、多模型交叉校验等措施，防范模型“幻觉”风险，确保输出内容不超出业务范围，维护政务部门公信力。

同时，大模型不能输出违背法律法规、公序良俗的内容，不能传播错误的价值观，不能误导群众对政务工作的认知。

（五）不能脱离监管，严禁“无序应用”“野蛮生长”

大模型在政务领域的应用，必须纳入规范监管，不能脱离监管“无序应用”。一方面，大模型的选型、部署、应用，必须符合政务工作的规范和要求，优先选择已完成网信部门备案的成熟模型产品和服务，对于专业性较强的场景，可利用领域专家知识和专业数据进行针对性训练，打造垂直模型，严禁未经审核、未备案的大模型投入政务应用。

另一方面，大模型的应用过程必须全程可追溯、可监管，要建立健全运行管理体系，包括数据管理、安全管理、迭代优化、用户评价反馈等机制，及时发现和解决应用过程中出现的问题。例如，建立大模型应用运行日志管理，定期对日志记录进行审计；建立常态化更新机制，及时更新训练数据和知识库，提升模型准确性；建立用户评价反馈机制，以用户需求驱动模型迭代优化。

此外，要避免政务大模型“碎片化”建设，依托“东数西算”和全国一体化算力网，统筹推进智能算力基础设施布局，探索“一地建设、多地多部门复用”的集约化部署模式，防止形成“模型孤岛”，避免资源浪费。

三、把握政务大模型边界的核心建议：赋能不越界，规范促发展

明确大模型在政务中的边界，核心是要实现“技术赋能”与“政务规范”的平衡，既要充分发挥大模型的优势，提升政务效能、优化服务体验，也要坚守底线、防范风险，让大模型真正成为政务工作的“好帮手”，而非“绊脚石”。结合政策要求和实践经验，提出三点核心建议：

第一，坚持“辅助定位”不动摇。始终明确大模型是政务工作的“辅助工具”，而非“决策主体”，所有应用场景都要围绕“减负增效、辅助赋能”展开，不触碰决策核心、不替代法定职责，确保大模型的应用始终服务于政务工作的核心目标。这也是《政务领域人工智能大模型部署应用指引》贯穿全文的核心导向，各类政务大模型应用场景都应严格落实这一定位。

第二，健全“规范管理”体系。政务部门应建立健全大模型应用的全生命周期管理体系，包括模型选型、数据管理、安全防护、审核监管、迭代优化等环节。加强数据治理，提升数据质量，确保训练数据来源可靠可追溯；构建安全保障体系，明确安全责任，防范数据泄露、对抗攻击等风险；建立严格的内容审核机制，确保大模型输出信息准确合规；推动集约化部署，提升资源利用效率，避免重复建设和“数字形式主义”。

第三，强化“人才支撑”与“风险防控”。一方面，加强政务工作人员的人工智能素养培训，让工作人员掌握大模型的应用方法，学会利用大模型提升工作效率，同时具备识别和防范大模型风险的能力；另一方面，加强技术研发和风险排查，针对大模型可能出现的“幻觉”、数据泄露、算法偏见等风险，建立应急处置预案，及时发现和解决问题，确保大模型在政务领域的应用安全、有序、高效。同时，可借鉴杭州“隐私计算+区块链”、粤港澳大湾区“数据本地化+跨境白名单”等成熟经验，提升风险防控能力。

四、结尾：让大模型在边界内释放政务赋能价值

大模型为政务工作带来了新的机遇，其强大的赋能能力，正在推动政务服务更便捷、办公更高效、治理更精细。但政务工作的特殊性，决定了大模型的应用不能“随心所欲”，必须清晰界定边界、坚守底线红线。

明确大模型在政务中“能做什么、不能做什么”，不是限制技术发展，而是为了让技术更好地服务于政务工作，避免因无序应用、越界应用带来的风险隐患，维护政务公信力和公共利益。未来，随着技术的不断迭代和管理体系的不断完善，相信大模型将在明确的边界内，充分释放赋能价值，助力政务数字化、智能化转型，推动政府治理能力现代化水平不断提升，为群众和企业提供更优质、更高效的政务服务。

同时，我们也应看到，政务大模型的边界不是固定不变的，会随着技术发展、政策完善和实践探索不断优化。各国也在通过出台专项政策，引导和规范大模型在政务领域的应用，聚焦智能问答、公文写作等场景，明确管控原则，为我国提供了可借鉴的经验。唯有坚持“赋能不越界、规范促发展”的原则，才能实现技术与政务的深度融合，让大模型真正成为政务工作的“得力助手”。