夜雨聆风最近我重新读《数字化改革概论》，最大的感受不是“技术又进步了”，而是很多地方对数字政府的理解，仍然停在比较早的阶段。
建一个平台，开一个专区，上一个App，做一批驾驶舱，把事项搬到网上，这当然有价值。但如果只做到这里，数字化改革很容易变成“线上化工程”：线下怎么分部门，线上还是怎么分；线下材料怎么反复交，线上只是把材料变成PDF；线下谁审批、谁协同、谁担责没有改，线上也只是多了一层页面。
《数字化改革概论》里有一句非常重要的话：数字化改革和政府数字化转型相比，跃迁主要体现在“从数字赋能到制度重塑”。这句话放到今天看，反而更有分量。
因为AI来了以后，很多人第一反应又回到了“工具思维”：给窗口人员配一个问答机器人，给办事指南加一个智能客服，让大模型帮忙写材料、写总结、写方案。它们都能提升效率，但还不是数字化改革的核心。
AI时代的数字化改革，真正要回答的是：
如果机器已经能理解政策、识别材料、拆解流程、生成配置、发现堵点，政府的业务流程、协同方式、责任体系、评价机制是不是也要跟着重构？
这才是《数字化改革概论》今天值得重读的原因。
一、数字化改革不是“技术升级”，而是治理方式重组
书里对数字化改革的定义非常清楚：它不是单纯把技术用到业务里，而是把数字化技术、数字化思维、数字化认知贯穿到治理全过程，以跨层级、跨地域、跨系统、跨部门、跨业务的高效协同为突破，用数据流整合决策流、执行流、业务流，推动工作体系重构、业务流程再造、体制机制重塑。
这段话有点长，但里面有一个很硬的判断：
数字化改革的对象，不是系统。是“流”。
数据流、业务流、决策流、执行流，如果还是断的，页面做得再漂亮，也很难说完成了改革。最多是做了一次信息化改造。
很多政务服务项目的问题也在这里。群众看到的是一个事项入口，后台却可能是多个部门、多个系统、多个标准、多个材料口径在拼接。前台承诺“一件事”，后台仍然是“N个事项串联”。这时候，群众感受到的不是改革，而是更隐蔽的复杂。
所以，《数字化改革概论》反复强调“多跨协同”“量化闭环”“流程再造”“制度重塑”。它不是喜欢这些词，而是在提醒我们：复杂问题不能靠单点应用解决。
二、“高效办成一件事”的难点，恰恰不在“一张页面”
这几年，各地都在推进“高效办成一件事”。从国家要求看，方向很明确：要围绕企业和群众视角，把关联性强、办理量大、获得感强的事项集成办理，推动减环节、减材料、减时限、减跑动。
但到了落地层面，差距会很快拉开。
第一种做法，是建专区。把多个事项入口放到一个页面里，名字叫“一件事”。群众点进去以后，还是分别看指南、分别填表、分别提交、分别等结果。
第二种做法，是做流程。把事项之间的先后关系、材料复用关系、部门协同关系梳理出来，至少让群众少填、少交、少跑。
第三种做法，才接近数字化改革。它会继续往下追问：
同一个字段为什么要填三次？
同一个证照为什么不能自动调用？
同一类人群为什么不能自动匹配政策？
同一件事为什么不能形成统一的责任链、数据链、时限链、评价链？
《数字化改革概论》讲“三张清单”：重大需求、多跨场景、重大改革事项。这个方法放到“高效办成一件事”上，非常有启发。
先从企业群众真实需求出发，而不是从部门事项目录出发；再把这个需求放进多跨场景里，看它穿过哪些部门、层级、系统和规则；最后再形成改革事项，明确哪些流程要改，哪些数据要通，哪些规则要统一，哪些责任要重新划分。
这就把“一件事”从页面工程，拉回到改革工程。
三、AI的价值，不是替人办事，而是让改革颗粒度变细
AI在数字政府里的价值，过去常被说成“智能问答”“智能审批”“智能客服”。这些方向都有用，但我觉得不够。
到了2026年前后，大模型、多模态识别、智能体、知识图谱、RAG检索增强、流程挖掘、数字孪生、隐私计算等技术已经逐渐成熟。它们放在数字政府里，最有价值的地方不是“像人一样回答问题”，而是帮助政府把过去拆不细、看不见、管不住的东西拆出来。
比如办事指南。过去靠人工检查，最多看有没有错别字、材料名称是否规范。现在可以让AI对同一事项在省、市、县不同层级的指南进行比对，发现材料口径不一致、办理条件不一致、承诺时限不一致、表单字段不一致。
比如材料复用。过去大家都知道“数据共享难”，但难在哪里，经常说不清。AI可以沿着一个“一件事”流程，把每个字段、每份材料、每个证照背后的数据来源、责任部门、调用条件、缺失风险标出来，形成可治理的数据需求清单。
比如流程再造。过去流程图往往画得很漂亮，但真实办理过程里，哪里退件最多、哪里等待最长、哪里人工补正最多，未必说得清。流程挖掘和智能分析可以把系统日志、受理记录、退件原因、咨询热点串起来，看见真正的堵点。
比如政策匹配。过去惠企政策常常“政府发了、企业不知道；企业看到了、也不知道自己能不能享受”。AI可以把政策条款拆成可计算规则，再和企业画像、经营状态、信用信息、项目申报记录匹配，形成“应享未享”“可申未申”的主动服务清单。
这就是AI和数字化改革结合的关键：不是让AI直接替代政府作决定，而是让AI帮助政府把需求、流程、数据、规则、责任、评价拆到足够细，再让人基于这些更细的颗粒度去改革。
四、“平台+大脑”到了AI时代，要升级成“平台+大脑+智能体+制度闭环”
《数字化改革概论》提出“1612”总体构架：一体化智能化公共数据平台，六大系统，基层智治系统，理论体系和制度体系。它背后的技术逻辑是“平台+大脑”，改革逻辑是“改革+应用”，治理逻辑是“系统+跑道”。
今天看，这套框架并没有过时。相反，AI让它有了新的扩展空间。
我更愿意把AI时代的数字政府能力理解为四层：
第一层是平台。统一身份、统一事项、统一证照、统一数据目录、统一组件、统一接口。没有平台，智能体会变成一堆孤岛工具。
第二层是大脑。沉淀知识库、规则库、模型库、指标库、案例库，让数据能被理解、规则能被计算、过程能被分析。
第三层是智能体。不是一个聊天机器人，而是一组面向具体任务的政务智能体：事项体检智能体、指南规范智能体、材料复用智能体、政策匹配智能体、流程编排智能体、督办评价智能体。每个智能体负责一类清晰任务，输出可审查、可追溯、可回滚的结果。
第四层是制度闭环。AI生成的建议不能直接进生产，必须经过规则校验、业务确认、技术确认、试运行、评价反馈和版本管理。哪些建议被采纳，哪些被退回，为什么退回，都要进入知识库和制度库，推动下一轮迭代。
这四层合起来，才不是“AI外挂”。它是把AI嵌进数字化改革的方法体系里。
五、最容易被忽视的，是干部能力和组织方式
《数字化改革概论》里还有一段话，我觉得写得很重：数字化改革是提升干部适应引领现代化能力的必答题。要掌握多跨协同、量化闭环、系统集成的工作方法，提升洞见力、决策力、整合力、执行力、创新力、学习力和自我革新力。
这段话放在AI时代更现实。
AI不会自动带来改革。很多时候，AI只会把组织原来的问题放大：部门边界更清楚了，数据缺口更明显了，流程冲突更难遮掩了，指南不一致也更容易被发现了。
如果一个地方没有事项治理机制，没有数据共享协调机制，没有跨部门专班，没有持续运营队伍，没有评价和督办闭环，AI越强，反而越容易生成一堆“看上去很对、落不了地”的建议。
所以，AI时代的数字政府建设，不能只问“模型准不准”，还要问几个更基础的问题：
谁来定义业务规则？
谁来确认AI建议？
谁对上线后的效果负责？
谁持续维护知识库和规则库？
谁把一次应用沉淀成一项制度？
这些问题不解决，AI只能停在演示层。
六、我对下一阶段数字政府的一个判断
未来几年，数字政府会出现一个明显分化。
一类地方会继续做“系统叠系统”。每年有新概念，每年有新平台，每年有新驾驶舱，但底层事项、数据、流程、责任没有真正变。群众和企业的感受是：入口更多了，问题还在。
另一类地方会回到改革本身：用AI做事项体检，用数据做流程拆解，用智能体做配置生成，用闭环机制做持续运营，用制度成果固化改革成效。它们不一定一开始声势最大，但会越来越稳。
《数字化改革概论》给我们的启发，正在这里。
数字化改革不是追逐新技术。它是用新技术倒逼我们把老问题讲清楚，把旧流程拆明白，把部门协同做扎实，把制度规则重新组织起来。
AI当然重要。但AI只是新的“力”。真正决定这股力往哪里去的，还是改革的方法、组织的能力和制度的闭环。
如果用一句话概括这篇文章：
数字政府的下一站，不是“更智能的系统”，而是“更会自我改革的政府”。
