□周湘智

当前，人工智能（artificial intelligence，AI）大模型的兴起以前所未有的速度重塑智库，正在深刻改变智库的组织结构、研究方法和运营方式，推动智库的咨政建言从经验驱动转向数据驱动‌、服务模式从人工交付转向人机协同、组织能力从专业咨询转向生态赋能。加快数智化转型不仅成为决策部门对智库高质量服务的现实需求，更是智库自身生存与发展的关键命题。需要深入‌分析人工智能对智库机构及智库工作者带来的全新场景以及对智库研究、建设与运营的多维影响，并在相应领域加快推进适应性变革转换。

一、人工智能正在深刻改变智库的传统研究范式

（一）大幅拓展智库研究的宽度

人工智能通过自然语言处理技术和广泛的数据库资源，能够帮助研究人员获取更多知识和信息链，更全面地了解相关议题，有助于克服“信息茧房”“专业主义幼稚”和“教条主义”的弊端。随着大数据和人工智能技术发展，未来还可能获取事物的全样本信息，“由此大大扩展人类的认识领域，获得多视角、全领域的观察能力”，大幅提升智库对社会现象间各种复杂联系及相关性的认识能力，有力弥补认识盲区和主观性偏差，增强智库研究的全面性和系统性。

（二）大幅增加智库研究的深度

传统的数据分析方法往往难以挖掘出深层次信息。通过大数据分析和人工智能算法以及未来量子计算等技术的应用，可以帮助智库研究人员处理大规模的数据和信息，智能化识别隐藏模式，更好地发现问题的规模和复杂性，把握潜在问题和趋势，深入开展政策分析预判、市场趋势分析、评估潜在风险，从海量信息中发现不同数据之间的关联，提炼出核心关键问题，开拓研究思路，提供准确的数据支持和决策依据。

（三）大幅加快智库研究的进度

感知智能、计算智能和认知智能应用于智库工作，可以大幅提升信息搜集、资料查阅、数据持有、重复性事务等方面的工作效率。“面对海量数据库，AI就像一位不知疲倦的助手，能极快地提炼观点、标注争议，还可能带来新的文献发现和线索”。AI能快速分析和总结海量文献，自动整理归档研究报告、新闻资讯，快速修订文章、制作PPT、翻译文本，自动生成会议议程、摘要和报告。AI通过实时数据分析，能帮助智库快速捕捉形势变化与焦点问题，从而做出更加精准、及时的决策响应。

（四）转换策略

把建设自主AI平台作为智库的新基建。建设智库实验室，构建统一的数据平台和信息系统，开发智库专用人工智能大模型，布局先进智能算力底座与算法创新体系，突破多模态大模型协同创新、知识图谱构建与认知智能进化等关键技术领域。引入智库专家参与模型训练，着力打造具有自主演进能力的智能化决策中枢，全面支撑科研范式变革与创新生态重构，实现社会科学研究与日常办公的深度融合与协同发展。

二、人工智能正在深刻改变智库的内部工作程式

（一）决策需求的捕捉更加智能化

根植于社交媒体、搜索引擎、新闻平台、舆情监测系统等人工智能、大模型，数据监测和分析工具，能够智能推送热门话题标签、热搜榜单、热点推荐和热点数据报告，提供热度趋势、热度变化、地域分布等即时信息，智库“可根据这些新兴流量话题开展相应研究”，洞察决策者和社会各界的关切话题，帮助识别和匹配潜在服务对象，提供更多定制化、个性化咨政产品，推动研究成果的转化和应用。

（二）人机协同的组合更加格式化

传统智库工作模式依靠智库专家知识和经验开展社会、经济、政治等领域的研究分析，发现问题并提出政策建议。随着人工智能技术的发展，从“人脑”到“人机”，AI工具正在接管政策分析、数据处理及部分决策支持功能；智库团队可以利用人工智能算法和工具来辅助问题的发现和解决。大模型正从辅助工具转变为决策伙伴，正在变成“自主研究助手”；智库研究向“AI协同驱动”的第五范式转型。

（三）智能工具的运用更加穿透化

人工智能技术的应用还带来了智库研究方法的创新，极大地拓展了智库研究问题的可及性和精准度。引入AI技术建模，可实现数据的智能分析、预测和决策支持，获取更客观、中立的分析结果。能够通过全域数据融合机制，实现多机构研究资源、多源异构数据的在线整合，“构建复杂社会系统的动态模型，甚至模拟微型社会以预测政策效果”，实现风险控制。利用AI可在虚拟环境中进行大量实验，创建沉浸式研究场景，更快验证假设、推断出新规律，为解决复杂科学问题提供新思路、新途径。还可基于用户画像开展定制化报告分发，以交互式呈现增强智库机构与成果传播的具象化。

（四）转换策略

着力解决技术整合与内部协同难题，将AI无缝融入现有业务流程，打破部门壁垒和信息孤岛效应，改善智库内外部协作效率，实现信息实时共享和协同作业，实现真正的数智化转型。找到人工智能和智库专家之间的结合点，把人工智能的工具价值与专家的判断力、创造力有机融合，确保解决方案的可行性。建立持续学习与培训机制，注重培养数智化人才，提升全员的数智化技能与跨界合作能力，缩小智库部门的智能鸿沟。革新智库的对外传播的方式，实现数智化智能推送。

三、人工智能正在深刻改变智库的组织结构模式

（一）去中心化成为必然趋势

人工智能的应用、开放科学的推广、技术平权的效应以及智库机构的结果效能导向，使传统层级结构逐渐松动。信息传递不再依赖单一的垂直通道，组织决策过程更加民主和分散，任务导向型的虚拟团队与网络化组织进一步兴起，线上线下平台型组织不断打破传统的部门壁垒，以项目为核心的组织形式越发常见，组织的边界进一步模糊，数据信息共享更为普遍，基层研究人员有更多机会参与决策，倒逼智库修正传统层级文化，构建新型协作模式。

（二）生态共建成为必要举措

人工智能在智库中的运用，需要智库与其他部门构建更加便捷、高效的横向连接，形成新的合作伙伴生态。人工智能本地化、私有化部署涉及到硬件供给、软件开发、软硬件适配以及后续的运营维护与迭代升级，任何一家智库都无法以一己之力做到。开发解决方案与专有模型、训练或微调基础模型、分摊技术研发风险等也需要智库与外部机构进行生态整合，如购买外部服务，与相关科技公司共建实验室等。智库内部也需要建立以“领域专家+数据科学家+技术工程师”为核心的“T型团队”，多方共同构成紧密、稳定的供应链、工作链、创新链，形成共享资源、协同创新、互利共赢的智库数智化生态系统。

（三）机构调整成为必定行动

人工智能在智库的全面落地，需要一些新的功能部门与功能模块来实施与支撑，数智化转型推动智库从项目执行到内部管理的全流程重构。一些智库可能需要：①新设立专门部门，如成立信息中心、数据部，专注信息技术驱动型项目；②设立数据风险管理部门，负责合规与数据安全；③设立专门智库实验室及管理运营机构，从事政策智能分析、预警与决策模拟；④在原有部门增加适应人工智能应用的新功能模块，将人工智能、大数据分析等技术嵌入智库流程。

（四）转换策略

适应组织结构扁平化要求，适度减少管理层级和决策链条，着力提高组织弹性与组织韧性。鼓励跨部门、跨行业、跨区域组建团队协同作战。做好新设AI部门与传统部门、人工智能人才与政策研究人员、经验驱动决策与数据驱动决策的融合，促进资源的优化配置和高效利用，更快响应外部需求变化和咨政建言要求。以服务对象为核心，变革传统的金字塔型威权管理模式，建立开放型、赋能型领导，有效激发研究人员积极性和创造力，促进智库的持续创新和发展。

四、人工智能正在深刻改变智库的人员配置阵式

（一）“数字员工”成为智库新成员

数字员工作为“办公智能副驾驶”，能够模拟智库员工行为，“以应用带技术”的模式正式履职。初级的数字员工（robotic process automation,RPA）能够帮助智库解决大量周期性、重复性、机械性的工作任务，大幅提升工作效率和服务水平。未来的数字员工（AI agent）即人工智能代理，将拥有强大的推理和多模态能力，可根据智库各模块需求，生成人事、财务、数据处理、政策设计等不同功能的“数字员工”，全面覆盖现有的业务场景，并自动化处理复杂业务，成为智库全场景、24小时不间断的智能员工。

（二）“AI岗位”成为智库新标配

人工智能的普及应用给传统智库带来角色分化。一些智库开始设置如下新岗位：负责智能体训练和部署的“AI训练师”；负责大模型研发和优化的“政策算法工程师”；负责给AI提供标准化训练数据的“数据标注师”；为AI模型提供有效提示词的“‌提示词工程师”；负责AI内容客观性与重复率核查的“数据审核师”；负责AI伦理道德审核的“AI伦理师‌”；负责保护AI系统安全的“AI安全专家”；确保AI合规运营的“AI法律顾问”；开发虚拟现实应用和政策实验的“虚拟现实工程师”；负责培训AI相关知识技能的“AI教育师”‌等新岗位。这些岗位有的需要专门设置，有的可实行“一岗多能”，有的则要以共享和市场化购买方式设置。

（三）“技术+业务”成为智库新要求

人工智能将不断替代智库中简单、重复的研究与管理工作，传统“人海战术”模式将发生变化。与此相适应，智库专家及工作人员也必须在精通专业领域之外，与时俱进，掌握必备的数智化方法与技能，与人工智能合作共事。未来的智库人员需要更多地关注数据分析和结果解释，减少机械性的数据收集和处理工作，善于“用数据案例描述现象，用理论工具分析原因，用模型框架解释变化，用管用方案支招解困”。部分能够熟练驾驭AI和技术平台开展研究的专家，将日益展现出明显竞争优势，出现极致能力、独立创造价值的“超级个体”。

（四）转换策略

重新思考如何在人与AI之间分配决策权，“在政策模拟、趋势预测及报告生成等环节实现机器智能与领域知识的深度融合”[6]。着眼人力资源与岗位需求变化，通过人员组织方式与人才结构变革调整，实现最优效果。要招募具有AI背景的专业数字人才，构建多元化人才队伍。注重培养复合型团队，加快锻造既能驾驭算法又能守护人性的数智人才。进一步优化培训体系，设立专门数智化学院，提供AI、数据分析等课程培训，跨界联合高校、科技公司培养人才。研究制定数字员工引入后的岗位设计及人员绩效评价问题。

五、人工智能正在深刻改变智库的知识管理形式

（一）需要高度关注数据隐私与安全

部分智库研究涉及到国家安全、信息安全与保密纪律的事项，人工智能在服务智库研究过程中所涉及的数据信息，在集中度、开放度以及信息密度和信息体量上，相较于传统智库，均呈现几何倍数增长。利用AI处理涉及敏感信息、知识产权、意识形态、个人隐私等数据时，一旦出现安全漏洞，极可能造成内部信息的大规模暴露，产生严重后果。依照智库研究思维对海量开源信息进行相关性分析及数据挖掘时，也可能形成具有内部性的‌结论，经由智能推荐系统和内容生成工具分享，从而造成不良影响。AI生成内容也可能模糊研究成果的版权归属，从而带来工具伦理和技术治理方面的挑战。

（二）需要高维开展数据识别与评估

传统智库研究采信的数据和资料主要来源于透明化、结构化和可追溯渠道。通过人工智能输出的信息，其透明度、客观性、可解释性、伦理合规性等方面都因过程“黑箱”存在一定风险。例如，前置的算法偏见和训练数据偏差可能导致错误的结果。海量的数据可能混杂错误、虚假甚至恶意编造的信息，一些开放的数据库中也可能存在部分数据被篡改。AI深度介入智库下的知识管理，要求具备敏锐的甄别能力，在模型开发中嵌入因果推理模块，建立“可信AI”评估框架等系统，能够进行严格、细致的数据筛选和验证，解决黑箱模型导致的决策信任危机，确保结果的可信、可用。

（三）需要高频参与数据标注与投喂

数据质量和可用性直接影响AI应用的效果。智库对于对人工智能助手的专业性、精准性、深透性以及响应的及时性要求更高，对本地化部署的迫切性也很高。要使本地化部署的智能体充分发挥作用，除打通内外部专业数据库、文献库、政策库、案例库之外，还需要智库研究人员持续参与到数据的加工与人工智能的训练中。智库研究所需的大量数据资料难以从公共渠道得到，智库在研究中也会生产和积累大量高质量内部数据资料，通过常态化的数据清洗、标注等处理，再投喂给智能体，就会使智库拥有越来越强大的人工智能支撑，形成独有的知识竞争力。

（四）转换策略

建立完善的数据治理体系，在实施智能体的本地化部署中，对敏感数据信息实行必要的隔离运行与痕迹自动清除‌。在收集、存储和分析数据时，遵守相关法律法规，保护数据主体的权益。建立自己的数据质量评估体系，从数据来源的可信度、数据收集方法的科学性、数据的时效性等维度，针对获取的数据进行评估，规避新型风险。构建AI伦理框架，建立“人性筛网”，对AI输出进行价值观校准，通过交叉验证规避伦理风险，确保AI应用的科学性、公平性、可靠性。针对参与数据处理及人工智能训练的人员，建立相应的业绩激励制度。推动“可信AI”理念落地，在提升决策过程的可解释性，回应公众对黑箱算法的信任危机‌

六、人工智能正在深刻改变智库的价值呈现方式

（一）对巩固智库机构的主体性提出挑战

AI深度渗透智库领域加剧了原有部分岗位与功能的可替代性，技术平权加速了智库的祛魅化进程，未来智库合法性与价值边界摆上了桌面，必须顺应潮流，主动思考应对。要树立主体性自信，认识到智库与AI在决策权竞争中具备的“人性优势”，在理论思想深度、创造力、想象力、审美力以及同理心、情感理解能力、价值观等方面的无可替代性。在极端政策场景、复杂社会情境任务等非结构化环境，信息不全的模糊环境，需要经验直觉、文化适应性进行风险决策的环境，以及在需要平衡伦理与创新、效率与公平等环境中，AI都难以替代。智库智能体的不断迭代进化，也需要智库专家进行辅助和赋能。

（二）给建设垂直领域的护城河带来考验

智库要在不确定的未来找到确定性支点，继续发挥应有作用，结合AI带来的冲击，差异化做好垂直领域的能力与资源储备，构建自己的“护城河”。要做好非结构化知识资产的沉淀与保护，建立隐性经验、非结构化访谈记录、闭门会议记录、非公开策略等AI无法复制的“暗知识”库，通过知识蒸馏技术转化为AI可理解的知识，形成独特研究范式。人工智能的能力最终取决于他所获取的信息数据。只要智库在细分领域不断深挖积累独有、精深的知识，下沉一线调查研究，掌握排他性信息数据，人工智能就永远无法在此领域超越，同时也使智库具备对人工智能纠错的能力。

（三）为智能展示手段的渗透率创造契机

以智能化、沉浸化、新锐化展示研究成果与政策主张，是智库价值体现的重要途径。要发展沉浸式政策体验产品，开发虚拟现实（virtual reality,VR）政策推演系统、元宇宙政策实验室，模拟政策实施场景与实施效果，为政策制定提供定制化政策沙盘动态推演支持。利用AI生成短视频，自动融合三维（three dimensions，3D）结构图、动态数据看板等多模态内容，将复杂政策报告转化为简洁、生动的情景表达。提供智能决策仪表盘‌服务，集成预测分析、政策模拟与风险预警功能，开展“决策—反馈—迭代”闭环管理。结合政策动态生成风险评估报告，利用量子流体动力学仿真等技术评估和呈现政策效应‌。

（四）转换策略

数智化武装既作为智库的生存之战，也作为价值跃迁的机遇，着力在提出真问题、驾驭技术工具、场景洞察力、高阶策略制定等方面体现核心价值。聚焦创造差异化内容，提供“专精特新”知识交付与服务，打造独特价值标签，形成不可复制的优势。‌构建“AI+专家”双核驱动的智能决策支持系统‌，推动智库从传统经验驱动型向智能驱动型转型。聚焦优长领域巩固专业权威，持续产出定制化、个性化、高端化报告。使智库工作者从“知识生产者”转型为“智慧连接器”，与智能体形成共生关系，构建“人类洞察+机器智能”新型竞争力，在智能化浪潮中实现可持续发展‌。

七、人工智能正在深刻改变智库的组织文化样式

（一）观念上要实现从“被动适应”到“主动拥抱”的转变

智能化、数智化首先冲击和倒逼的是理念转变与认知升级。要克服抵触情绪，积极看待人工智能技术为智库发展带来的新机遇、新利好，积极、主动拥抱AI技术和智能时代。清醒认识到数智化转型将彻底重塑智库格局，技术主导型智库将占据主导地位，从而保持开放心态，树立“人机协作”思维，不断学习和适应，勇于创新，更好地为社会和经济发展提供智力支持。自觉构建“T型能力矩阵”，成为“智能协作型员工”，兼具政策分析能力与算法解读技能，将“技能叠加AI”的复合能力转化为竞争力，驱动智库向更高层次发展。

（二）执行上要实现从“部门主推”到“主官主抓”的转变

在组织中，管理者和决策者对AI的看法，直接决定了AI能否被智库采纳和推广，决定了AI采纳和推广的力度与速度。要实施“一把手工程”，制定清晰的数智化转型战略，明确AI应用的目标、优先级、关键领域、预期成果以及具体的路径、时间表。持续关注AI技术的发展趋势，根据外部变化不断调整和优化，推动自身业务转型和发展。实施“数字导师”计划，促进资深专家与AI工程师的知识共享与协同合作。着力推动智库的价值导向、技术工具与组织规则三维共振，避免出现“技术超前、制度滞后、理念缺位”的割裂状态。

（三）制度上，要实现从“零碎规整”到“系统支撑”的转变

随着人工智能的平民化、普及化，未来在智库的创新应用将进一步爆发；构建起与之相匹配的制度体系，更好推进融合、服务决策、规避风险显得尤为重要。比如，要建立与数智化适配的绩效指标和激励制度，制定智库专家数字技能分级认证制度，建立数据科学家与智库专家双向轮岗机制，建立覆盖数据采集、脱敏、存储、应用的全生命周期管理规范，建立覆盖技术应用全周期的风控体系‌‌，构建“预测—模拟—迭代”动态决策制度，制定统一的数据标准、质量监控机制和数字化咨询流程标准，制定线上线下融合服务规范，‌构建算法伦理审查与效果评估机制，完善数智化咨询成果的版权登记与侵权追责制度，完善数据泄露、技术失控等专项风控制度。

（四）转换策略

建立适应智库AI化的制度文化，形成“价值引领—技术赋能—机制保障”的协同发展体系。‌将智能化作为发展核心战略，强化技术思维与业务思维融合，‌打造开放共享的技术生态，以创新驱动发展。完善风险管理制度‌，强化“人类主导、机器增强”的协同理念，避免技术依赖导致的主体性消解。建立数据资产管理规范‌，明确数据确权规则，明确虚拟咨询、智能诊断工具应用等新型服务操作标准‌，将数据分析工具使用、数智解决方案等纳入晋升考核指标。构建价值驱动的智能伦理观‌，规范AI算法的应用边界，为智库在智能时代的转型升级提供系统性支撑。

作者系湖南省社科院（省政府发展研究中心）政策研究与智库建设部部长、湖南省智库学研究基地首席专家、研究员；原文载《智库理论与实践》2025年第4期