人工智能化简决策复杂性
最初，“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，主要是为了高效精准地回应数字时代高度复杂的公共问题，它强调在不牺牲治理有效性的前提下尽快决策、尽早行动。敏捷治理并不依赖一套长期的规划，而是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。显然，这种治理模式不可能由传统的官僚制组织实现，而是需要借助人工智能的帮助，在更具弹性的组织形态中实现。敏捷治理之所以能够快速地回应复杂问题，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几种具有优势的方案供决策者参考。这种“还原”基于大数据技术对社会各方面信息的收集、分类和预测，而大数据之所以能够做到这一点，凭借的则是计算机和传感器的微型化以及高密度分布。由此可见，万物数字化是敏捷治理实现的基础。
数字化是现时代的根本现象之一。实在界（Real）的事物不断被储存为虚拟世界中的一组由“0”和“1”构成的数据，人工智能正是通过对这些数据的排列和组合，形构出了一个数字化的世界图像。但是，仅靠数据相关性进行组合（或联想）的人工智能，尚无法与真正的人类创造力相媲美，在能够提出改变既定思维框架的新问题、新方法之前，人工智能都很难被当作一个可靠的治理主体来对待。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，但这背后都指向某种同质化的生活方式。因为，人工智能给出的建议是针对既有的公共利益进行的配给（allocate），而不是针对社会合作生产体系进行的分配（distribute），它只考虑当下的存量博弈，不考虑未来的增量预期。在人工智能的算法逻辑中，不存在作为时间分叉的“未来”，而是只有作为预定后继的“下一步”，所以智能时代多向度生活只是一种虚假的自由。当人工智能可以以远低于人类的错误率和耗时完成绝大多数重复性决策任务时，崇尚理性的公共部门没有理由拒绝算法的建议，这极有可能导致一些重要的选项被遮蔽，使决策者始终只能看到算法“过滤”后的可能性。
敏捷治理隐含民粹风险
工业化与资本主义共同塑造了一个崇拜效率的时代，“高效”几乎成了现代社会理性的代名词，经济学、管理学等学科也纷纷将“效率”作为核心价值。但公共管理不同，在“西沃之争”后的公共管理学科内部基本形成了共识，即“效率”仅仅是公共部门需要追求的众多价值之一。即便是在最崇尚效率的“新公共管理”运动中，“效率”在行政伦理中的优先性也并不突出，在多数情境下，“公平”“自由”“包容”等价值的排序都要优先于“效率”。然而，这一传统可能会在人工智能介入公共治理之后终结。在行政组织与人工智能深度结合的敏捷治理中，社会的全面数字化不仅让治理偏好更灵敏、更快捷，也偏好追求更多、更大福祉的政策方案。算法的效率追求会放大功利主义价值权重，使公共行政偏离原本的目标。此时的“效率”已经不再是实现现有价值目的的一种方式，而是成为行政目的本身和人们崇拜的对象，这意味着“效率”被算法赋予新的价值，而公共管理则会随之出现令人担忧的企业管理化倾向。
政府朝向敏捷治理的努力，会自然地产生对社会诸领域进行数字化建构的要求，唯此公共部门才能运用大数据训练一套成熟稳定的算法用以公共决策。然而，对社会的数字化可能抑制创新、催生民粹。具体来说，在人工智能看来，大多数人类的创新行为本质上就是一组“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，敏捷治理还有可能与民粹主义结合，加剧政治极化和社会撕裂。这是因为，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），即出现敏捷治理导致政策讨好共同体内部的“永恒多数”群体，进而使政策出现民粹化转向问题。
此外，传统治理主体在“敏捷治理”的外衣下，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”，从而有针对性地开展预防性治理行动。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，治理系统的灵敏和准确也依赖于对社会系统中每个个体数据的长期详尽的记录、归类和分析。然而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，这直接导致基于人工智能的敏捷治理变得缺乏包容性，甚至在某些情况下会对一部分群体（如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。因此，对于数字时代的治理者而言，合理的遗忘（或者说信息隐藏）与准确的记忆同样重要。
敏捷治理的伦理反思
既然我们在数字时代需要敏捷治理，而敏捷治理的多数问题源自人工智能，那么研究如何对人工智能开展治理就是当前公共管理学者们不可推卸的责任。
要实现敏捷治理，就不得不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。同时，要尽可能发挥人的能动性，在算法的纯粹计算逻辑中融入人的伦理规范和德性价值。
首先，应充分发挥人的相似性思维优势，在行政中以符合大众预期且相对稳定的行动逻辑对不同价值进行优先性排序。人工智能可以实现相对稳定的行动逻辑，但要满足符合大众预期则需要由人类决策者承担更多算法设计。对此，关键在于改变当前智库的运行逻辑，明确智库的定位并不是与人工智能进行决策竞速或预测竞赛，而是要张扬智库不同于计算机的“人类智慧”。智库应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，着重去思考不同于人工智能给定方案的其他可能性，并将这些可能的方案加入算法的选项库中。
其次，政府应更加主动地强化数据审查，积极创造和凝聚社会道德共识。尤其是在面对重大的公共决策时，行政组织不能一味追求治理的快速响应，而是需要在决策的各个阶段对人工智能进行伦理审查，并根据审查结论逆向演绎算法的问题源头。具体来说，在决策准备阶段，政府应以审慎的态度看待人工智能的数据分析结果，结合历史经验和智库建议，找出可能被算法隐藏的备选方案。在决策过程中，政府应建立决策熔断机制，及时制止那些危及原则性价值的人工智能决策，一旦察觉到某种危险的倾向，政府可以立刻关闭人工智能并迅速由专业的应急团队接手处置。在决策反馈阶段，政府要打开算法“黑箱”，重点针对人工智能决策结果与主流价值观念之间出现的矛盾，反向核查其机制与过程中可能存在的不公。对人工智能的伦理审查不仅要制度化、周期化，审查过程更需要由政府全程把控，由政府内部通过设立专门化的组织去处理，而非以该领域的技术专业性为托词将这项工作外包。数字时代的敏捷政府正是通过对人工智能的伦理审查反思自身并教化社会的，这可以抑制自身与人工智能抢夺“效率”高地的冲动，从而得以在“道义”或“德性”的角度凝聚人们的共识，因为美德（Arete）是人工智能无法通过一层层的“算法进化树”习得的东西。
