城市治理里的 AI：哪些环节真变了，为什么人工窗口不会消失

一条「井盖缺失」的投诉打进来，过去要走完登记、分类、派单、回访四道人工流程，现在前两步通常几秒钟就完成了。市民感受到的是回复变快，背后变的是分派环节。城市治理里的 AI 大多属于这一类：把重复判断变成自动判断，把人从筛选里解放出来，但真正决定结果的环节，仍然留在人手上。

先变的不是接听，是分派

市民热线的链条很长：接听、记录、分类、派单、办理、回访、归档。AI 介入最早、效果最明显的是中间那两步。语音转写把通话变成文本，文本分类判断这属于哪一类问题、该派给哪个部门，重复投诉自动合并到同一张工单。这一段的提升是数量级的，因为它是纯判断、规则相对稳定、有大量历史工单可以对照。

接听这一端反而慢。方言、情绪、背景噪音、说话没头没尾，这些都要靠人。语音识别在安静环境下的准确率已经不错，但热线电话的另一头常常在吵架。

四个环节，四条不同的分工线

把城市治理里 AI 的落点摊开看，每个环节能做什么、不能做什么，界线并不一样：

表格第三列的共同点是「后果由谁承担」。识别一个井盖缺失是技术问题，决定今天修还是明天修、修之前要不要围挡，是资源和责任的分配问题。前者可以自动化，后者一旦自动化，出了事没人能解释为什么这么定。

分类准了，也解释不了为什么

工单分类的准确率可以做到很高，但它给的是一个标签，不是一个理由。市民投诉「楼下烧烤摊油烟大」，系统标成「环境污染—餐饮油烟」，派给城管；如果实际是噪音扰民，就该走另一条线。标签错了，工单会在部门之间转两圈，市民等的时间反而更长。

这类错误靠提高准确率解决不了，因为根源是诉求本身模糊。可行的办法是给出置信度，低置信度的工单直接转人工，而不是硬猜一个类别。这就是混淆矩阵那套东西的实际用处：不是看总体准确率有多高，是看错的那部分错在哪一类、代价多大。

另一层是解释。市民被处罚，有权知道依据是什么。模型给出「判定为违规占道」，说不出是哪条规则、哪个画面、哪个时间点。这种时候需要的不是更聪明的模型，是一条能回放的证据链，这也是可解释性在公共场景里比在商业场景里更硬的原因。

摄像头看得出问题，看不出该不该罚

视觉识别在街面巡查上的效果是实打实的：覆盖范围比人工巡查大，发现速度快，还能做时间序列比对——同一个位置一周内三次堆物，人工很难记住，系统可以。但它只回答那里有什么，不回答该怎么办。

流动摊贩是最典型的例子。系统识别出占道经营，事实成立；但这个摊位可能是一家人唯一的收入来源，处置方式涉及城市管理和民生之间的权衡，这个权衡不在模型的能力范围内。计算机视觉能把看见这件事做得很好，但看见之后怎么处理，始终是行政判断。

应急处置更明显。模型可以推算影响范围、生成几条备选路线、把现场信息汇总成一页纸，这些都能省时间。但疏散范围定多大、要不要封路、先顾哪一片，这些决定涉及人命，必须由有权限的人在当场做出，并且能对结果负责。

人工窗口留着的三个理由

第一个理由是复杂诉求。政策解释、纠纷调解、历史遗留问题，这些没有标准答案，需要有人听完整件事，再判断该走哪条路。第二个理由是特殊群体。老年人、残障人士、不熟悉智能手机的人，需要一条能说话、能被听懂的通道。第三个理由是纠错。系统判错了，得有人能推翻它，并且这个推翻要留下记录。

三个理由指向同一件事：公共服务的底线是每个人都能被接住。效率可以分层，接住不能分层。这也解释了为什么很多地方在推线上办理的同时，反而在加强窗口人员的培训——窗口从「办所有事」变成「兜住所有办不成的事」。

普通人能感受到的变化

你会感觉到投诉的响应变快了，进度能查了，同一个问题反复反映会被合并处理。也会感觉到一些别扭：语音客服绕来绕去答不到点上，转人工要等很久，同一个诉求被不同部门问了三遍。

判断一个地方的智能化做到什么程度，有个简单的观察：出问题时，能不能找到具体的人。能找到，说明系统是辅助；找不到，说明流程被压缩得太狠了。

速查：公共场景里的四条界线

• 识别、分类、分派可以自动化，处置决定不行
• 低置信度的判断，转人工比硬猜便宜
• 涉及处罚的结论，要能回放到具体依据
• 老年人、残障人士，必须留一条人工通道