审批结论为何不能交给AI自动签发?

审批结论之所以不能交给 AI 自动签发，根源不在于模型能力是否足够，而在于行政行为的责任归属逻辑。审批的本质不是信息处理，而是权力行使——它包含了对事实的裁量、对规则的解读，以及在规则模糊地带作出的价值判断。AI 可以高效地整理材料、提示缺项、匹配历史案例，但无法替代具备法定职责的人员承担决定后果。一旦审批结论出错，追责对象必须是具体的自然人，而不是一套算法或一个系统。这是自动化工具与行政决定之间无法逾越的边界。

把这一问题拆解开来，可以更清晰地看到边界所在。一项审批工作通常包含信息进入、内容加工、业务判断、结果发布四个环节。前两个环节高度适合自动化：智能体可以提取材料要点、核对清单完整性、生成审查提纲，这些动作不改变任何人的权利义务。但业务判断和结果发布则完全不同。判断涉及对矛盾材料的取舍、对事实不清事项的甄别，甚至需要在规则冲突时作出倾向性选择；发布则意味着对外产生效力。这两个环节一旦交由机器自动完成，就等于把裁量权和责任同时外包，这在行政法理上是不成立的。

实际操作中，判断标准可以简化为一句追问：AI 的输出是仅供内部参考，还是会直接改变个人权益、机构义务或公共资源配置？前者风险可控，后者则必须设置人工审核与签发的硬边界。例如，AI 可以协助检查申请材料是否齐全，提示哪些信息缺失，甚至可以整理审查要点供审批人参考，但最终是否批准、是否否决、是否给予例外处理，必须由具备相应职责的人员独立作出，并记录理由。尤其当材料内部存在矛盾、事实有待核实或涉及价值取舍时，系统应明确转入人工处理，而不是继续给出自动结论。

对外答复同样适用这一原则。智能体可以根据已确认的政策依据生成答复草稿，帮助工作人员统一格式和表达，但正式回复前必须核对适用范围、事实依据和时间条件。投诉、争议、媒体问询和敏感事项的人工复核，不能停留在“看起来通顺”的层面，而要逐项验证依据是否成立、表述是否会产生歧义。这里的人工签发不是流程上的形式盖章，而是对内容实质负责。

更值得警惕的一种情况是“表面合规”：工作人员只是机械点击确认，却没有真正核对内容。这比完全自动化更危险，因为它既保留了自动化的效率，又丢掉了人工审核的实质。为避免这种情况，审核界面应尽量让人员能够回看依据材料、定位关键事实，并清楚区分哪些内容是 AI 生成的、哪些经过人工修改。那些无法解释输出从何而来、也无法定位原始依据的任务，本就不适合进入正式业务链路。

留痕要求也应相应提高。人工签发不等于治理完成，系统至少需要追溯输入资料范围、智能体生成版本、人工修改内容、审核人员、签发人员和最终发布时间。对退回或纠正的结果，还应记录错误类型和处理方式，用于反向调整提示规则和事项等级。这既是对外负责的凭证，也是持续改进自动化质量的基础。

一个可行的做法是把事项分级管理，而不是简单地分为可用与不可用。内部信息整理、格式转换和待办提醒可以设为较高自动化等级；通知初稿、会议纪要和一般性内部答复可以机器起草、人工确认；材料完整性检查和政策适用提示可以辅助人工审查，但最终决定权仍在责任人员；而审批结论、行政决定和重要对外答复则必须禁止自动签发。每一级都应写清自动化动作、人工节点和留痕要求，并增加数据范围、责任部门、异常升级路径和暂停条件等业务字段。

分级之后还需用影响程度校准。同一项能力放在不同业务中，风险并不相同。会议纪要可以自动生成，但如果它会成为后续决策依据，就应提高复核要求；政策问答可以自动起草，但如果涉及具体个人的资格判断，就不能按普通问答处理。只要输出会直接影响权益、错误难以在发布前被发现、结果会形成正式承诺、或输入包含敏感信息，就应提高自动化等级，增加人工确认或双人复核。

最终的边界可以概括为：让 AI 负责把材料变得更清楚、更完整、更容易处理，让工作人员负责判断、授权、签发和承担责任。审批结论的签发权，本质上是对公共权力的受托行使，这一环不能外包给算法。