公共管理中人工智能系统的技术分类学

关于公共部门人工智能（AI）的研究常常将“AI”视为一个单一类别，忽略了不同AI系统之间的技术差异。但这些差异会影响不同系统如何影响问责制、程序正义和非歧视等核心公共价值。本文认为，公共管理研究将受益于对“AI”更精确的技术定义，并为此做出了三项贡献。首先，我们引入了一个包含五类AI系统的分类学：手工编码系统、玻璃盒系统、黑盒系统、通用系统和代理系统。我们通过根据系统类型对公共价值的不同影响进行分组，将分类学校准到公共管理领域。其次，我们通过使用我们的分类学对91篇高被引论文（2019-2025年）进行编码，评估了近期公共管理研究中关于AI的技术精确性。我们发现普遍存在不精确性：大多数论文（55%）对所研究的系统描述不足，31%的论文用与其研究的系统不同的系统来论证其工作，41%的论文得出了比所研究系统支持的更普遍的结论。最后，我们为未来的研究提供了实用建议。我们强调了应避免的常见陷阱，并建议研究人员至少应提供足够的技术细节，以便在我们的分类学中定位所研究的系统。为此，我们提供了一份实用指南——一组简短的诊断性问题，这些问题可以从公共信息中回答，无需专业技术知识。