材料一：
“敏捷治理”的提出借鉴了计算机软件开发中“敏捷方法”的概念。敏捷治理主张在社会的快速发展中持续地追踪和分析那些重要的变化，并为适应这些变化不断微调政策。敏捷治理能快速回应复杂问题，主要是因为人工智能极大地化简了决策复杂性，将多数公共事务还原为“运算”问题，从而利用卓越的算力快速筛选出具有优势的方案。这种“还原”基于计算机和传感器的微型化及高密度分布，以及大数据技术对社会各方面信息的收集、分类和预测。
大数据技术不等同于治理，仅靠数据相关性进行组合(或联想)的人工智能，也无法与真正的人类创造力相媲美。从当下几种主流算法的发展趋势看，机器所展现出的“智慧”其本质是数据支撑下的运算能力，只能用于解决有限的、程序化的和确定的问题。看似人工智能向每个人推送了许多建议，远低于人类的错误率和耗时，但这只是算法“过滤”后的可能性。因为，人工智能给出的建议只是针对既有的公共利益进行的配给，应用情景还需扩大。在现在崇拜效率的时代，经济学、管理学等学科纷纷将效率作为核心价值。在公共管理领域，效率是公共部门追求的众多价值之一。人工智能介入后，算法的效率追求会放大功利主义价值权重，此时，效率成为行政目的本身和人们崇拜的对象，被算法赋予新的价值，公共管理随之出现企业管理化倾向。
敏捷治理下，社会数字化可能抑制创新、催生民粹。大多数人类的创新行为，被人工智能看作“异常数据”，在创新的试错期会被人工智能当作破坏社会秩序的“病症”加以消除。此外，敏捷治理相较传统的政府与行业协会共同加强监管的协同治理而言，其优势在于敏捷治理可以更有效地回应内外部环境的变化，通过迭代创新来实现快速响应。因而，敏捷治理要求治理行动者在尽可能短的流程内获得授权，从减少政策推进受阻的角度来看，那些令多数群体福利上升且不向少数群体作出让步或妥协的公共政策会有更大的概率获得最高“支持
率”(但这些方案显然不是最公正的)，可能与民粹主义结合，加剧政治极化和社会撕裂。此外，传统治理主体有可能凭借人工智能提供的信息优势制定歧视性政策。这种歧视的本质，即基于统计意义，上的“过去”来预测社会意义上的“未来”。这种统计意义上的“过去”正是每天我们上传到大数据云端的“信息”。在数字世界中，一切事物(事件)都被认为是应当如实记录的资源，对于人工智能应在多长时间之后以及如何“遗忘”那些它掌握的数据，算法工程师们并没有形成共识，这直接导致敏捷治理出现一些问题，甚至会对一部分群体苛刻对待，如对具有较高重复犯罪概率的人群采用有罪推定前提下的预防式治理。
要实现敏捷治理，就得接受在高度复杂的数字社会，多数公共管理决策是由人工智能做出(或至少是参与政策制定)这一现实。人工智能要尽可能发挥人的能动性，以技术赋权的形式强化个人(包括下层组织或个体)在治理中的主体地位，在一定程度上施行自治。不再由政府把所有精力放在行政事务上。这需要对所有引起不良效应、负面后果或引发巨大争议的公共政策进行决策复盘，思考不同于人工智能给定方案的其他可能性，进而将这些可能的方案加入算法的选项库中，以满足大众预期。要注意的是，不能一味追求治理的快速响应，政府要在决策的各个阶段对人工智能进行伦理审查反思并教化社会，在“道义”或“德性”的角度凝聚人们的共识。
(摘编自柳亦博、王若彤《基于人工智能的敏捷治理》)
材料二：
敏捷治理实践是对社会现实关切的回应，也是对历史发展要求的顺承。由于人工智能技术具有快速更新迭代的特征，且技术本身已经超越传统治理模式的覆盖范畴，因此，改变治理模式、建立适应人工智能技术的一整套治理体制机制非常重要。在此意义上，尤其是随着数字经济的普及和发展，全球层面以及国家层面的治理变革均应该加紧推进展开。敏捷治理的核心要义是针对技术以及技术带来的新社会风险展开治理，调整政府与民众之间单向的、固定的、被动的、静态的和信息不对称的关系，利用数字技术加强与民众之间的沟通和联系，广泛听取民众的意见和建议，了解变化中的公共服务需求，创新及改进公共服务方式，通过数字化路径不断扩大民众对公共事务的参与。政府需要以主动满足而非被动回应的方式，对公众需求作出更积极的应对，制定并实施公共管理新举措。
(摘编自王晓真等《新形势下敏捷治理的意义与实践》)
