数智技术赋能社会救助服务的内在逻辑、基础要件、运行机理与优化路径

【摘要】随着经济社会的发展，传统社会救助管理模式已难以适应分层分类社会救助体系建设需求，数智技术成为破解传统社会救助管理难题、增强社会救助项目效能的必然选择。基于政策逻辑、治理逻辑与价值逻辑，数智技术赋能社会救助服务具有充分的合理性与必然性。数智技术赋能在社会救助数据整合、智慧识别、智能申办与多元主体协同方面展现出巨大潜力。然而，结合实践经验来看，社会救助数智化改革仍面临着制度性、技术性、实践性与伦理性困境。为此，应通过打破协同壁垒、防治技术异化、弥合数字鸿沟、明确数据边界等，推动数智技术赋能社会救助。

【关键词】数智技术；社会救助体系；数字鸿沟

社会救助是社会保障体系中兜底性、基础性的制度安排。近年来，随着低收入人口监测帮扶机制不断完善、数字政府加速建设，社会救助的制度功能、对象范围和治理方式均发生了深刻变化。2026年4月，十四届全国人大常委会第二十二次会议表决通过的《中华人民共和国社会救助法》明确，“国家推进社会救助信息化工作，加强低收入人口动态监测信息平台建设，实现对低收入人口的精准识别和常态化救助帮扶，提升社会救助服务能力和水平”^[1]。

由此可见，数智技术赋能社会救助不仅是提升政府社会救助管理效能的重要举措，也是更好回应新时代群众多元救助需求的必然要求。社会救助数智化转型的内在动因、赋能路径与制度边界，成为社会政策与数字治理领域的重要议题。

数智技术赋能社会救助，是指以大数据、云计算、人工智能等数字智能技术为手段，重塑社会救助对象识别、资格审核、动态监测等核心流程，推动社会救助工作从人工受理、事后介入向智能申办、事前预警转型，最终实现社会救助管理高效化、帮扶供给精准化。作为一项系统性工程，数智技术赋能社会救助并非技术工具的简单嵌入，而是涉及社会救助服务理念、运行机制和治理模式的深层变革。

基于此，本文从数字治理与社会救助制度相结合的视角出发，重点回答四个问题：第一，社会救助为何需要数智技术赋能；第二，数智技术靠什么赋能社会救助；第三，数智技术以何种运行机理赋能社会救助；第四，数智技术赋能社会救助中可能面临哪些风险，以及应如何把握数智技术应用边界。在此基础上，本文提出优化路径，以期为我国数智技术赋能社会救助的顺利推进提供理论参考和政策建议。

一、数智技术赋能社会救助的内在逻辑

（一）数智技术赋能社会救助的政策逻辑

数智技术赋能社会救助，首先源于制度扩围和政策转型的现实需要。2020年以来，《最低生活保障审核确认办法》《关于进一步做好最低生活保障等社会救助兜底保障工作的通知》等相继出台，对放宽社会救助准入条件、拓展社会救助类别、破除地域限制等提出明确要求，分层分类社会救助体系逐步健全。由此，社会救助对象已经不再局限于传统意义上的低保对象、特困人员，而是向最低生活保障边缘家庭、刚性支出困难家庭等多类困难群体延伸；社会救助内容不再限于提供物质帮助，而是逐步拓展至教育成长、心理慰藉等多维度帮扶；同时，社会救助申请的户籍限制逐步取消，允许符合条件的流动人口在居住地申请救助。这意味着社会救助所面对的服务对象更加多元、社会救助需求变动更为频繁、社会救助信息分布更加分散，依靠基层工作人员入户排查、经验识别和静态审核的传统社会救助方式，已难以适应复杂情境下的政策执行要求。而数智技术凭借其数据整合、智能分析、精准画像的优势，可以增强资源配置与社会救助需求分布之间的匹配程度。可以说，数智技术赋能社会救助是在分层分类社会救助体系和低收入人口动态监测机制不断深化背景下的制度性产物。

（二）数智技术赋能社会救助的治理逻辑

数智技术之所以能够赋能社会救助，在很大程度上，是因为其破解了传统社会救助模式中逐渐显现出的治理局限。长期以来，我国社会救助工作主要依靠个人申请、定期复审等流程开展。这种模式在社会救助业务相对单一、社会救助对象变动较小的条件下具有一定适用性，但在社会风险日趋复杂化和困难人口流动性增强的背景下，其局限性逐渐显现。数智技术的嵌入，推动社会救助由传统分散化、层级化的运行方式，逐步转向数据驱动、平台支撑和多元协同的运行方式。

从纵向层级运行维度来看，传统社会救助运行较多依托自上而下的行政传导机制，层级链条相对较长、审批流程较为繁琐，在一定程度上制约了政策响应速度与帮扶服务时效。数智技术赋能社会救助以数据贯通打破层级间信息壁垒，以流程优化减少审批中转环节，以平台整合统一业务运行载体，从而降低社会救助事项办理对纵向层级传递的依赖，构建扁平化、网络化的新型运行结构，提升社会救助部门行政处置效能。从横向主体关系维度来看，传统社会救助存在主体间资源分布不均与跨主体协同不足的问题。政府在社会救助信息与服务资源配置方面占据主导地位，相关数据的采集、存储与流转多集中于政务系统内部，而社会组织由于缺乏充分的信息获取途径，往往难以精准掌握社会救助服务的整体情况，专业服务供给与困难群体实际需要之间容易出现脱节。数智救助依托数据一体化平台和信息共享机制，其中平台为不同治理主体之间的资源对接与业务协同夯实技术底座，信息共享机制则打通政社信息壁垒。在此基础上，政社协同的信息对接成本降低、供需匹配精度持续提升，政社联动的整体效能得以提升，推动社会救助逐步形成多元参与、协同联动的新型治理格局。由此可见，数智技术赋能社会救助，不只是工具层面的技术更新，更体现为救助治理结构的优化和服务资源配置方式的重组。

（三）数智技术赋能社会救助的价值逻辑

数智技术赋能社会救助的价值逻辑，本质是融合社会救助领域的价值理性与技术工具理性，将公平、正义的价值追求内嵌于社会救助服务过程中，从而推动社会救助权利保障更加均衡、服务供给更加普惠，更好实现人的全面发展，彰显以人民为中心的发展思想。

首先，数智技术为社会救助公平正义的实现提供了更为稳定的支撑。在传统社会救助服务模式下，基层经办人员处于救助信息传递网络中的“结构洞”位置^[2]，承担着政策落地执行与社会救助对象识别的双重职能。受人工核查方式局限与信息非对称分布的双重约束，基层经办人员在社会救助对象识别、资格审核等关键环节拥有较大的自主判断空间。这种双重职能下形成的信息优势与自主判断空间相结合，可能引发信息传递阻滞与主观判断偏差，进而影响社会救助资源分配的公平性。同时，传统社会救助审核管理多以户籍、居住地、群体身份等为判断依据，易形成“情景化”的帮扶倾向^[3]。数智技术通过重塑服务运行机制，有助于缓解上述问题：一方面，救助平台基于统一数字身份构建电子档案，并通过数据比对实现智能审核，在一定程度上减少了对人工经验判断的依赖，降低了信息传递阻滞和裁量失当所带来的影响，推动社会救助资格认定更加科学；另一方面，依托线上统一申办通道，拓宽困难群体的社会救助获取渠道，减少线下审核壁垒对社会救助获得的限制，从而在一定程度上修正身份倾向化选择的社会救助资源分配模式。

其次，数智技术赋能社会救助的价值逻辑还体现在对政府与群众互动方式的逐步调整以及社会救助对象主体性的强化。群众参与特别是社会弱势群体的有效参与，既有助于困难群体充分表达需求，也能增强制度绩效^[4]。然而，传统社会救助运行具有较强的自上而下和任务导向特征，政府与基层部门在执行过程中居于主导地位，困难群众的诉求表达渠道相对有限，参与路径较为单一。数智救助平台在一定程度上打破了传统单向供给的服务壁垒，将申办流程、审核进度和办理结果全流程公开，不仅保障了社会救助对象知情权，也拓展了其诉求表达渠道、社会救助参与途径与过程监督权。由此，社会救助不再仅仅表现为行政力量的单向供给，而是逐步呈现出政府与群众双向互动、协同参与的治理特征，人民在民生保障中的主体地位也因此得到更为充分的体现，推动社会救助事业也更加契合民意、贴近民生。

二、数智技术赋能社会救助的基础要件

（一）数智技术赋能社会救助的技术要素

数智技术赋能社会救助依托数据、算法、算力三项技术要素，三者分别承担信息供给、规则运算、资源承载功能，共同促进社会救助数智化转型。

首先，数据是构成数智系统的基础条件。与传统生产要素相比，数据具有驱动创新变革、提高生产效率的功能^[5]。在数智平台支撑下，社会救助数据实现跨部门协同共享和循环利用，其调用的边际成本随着使用频次提升持续下降。伴随数据体量增长与社会救助应用场景拓展，数据资源还会逐步形成稳定的规模效应与累积效应，为社会救助服务提质增效提供持续的数据支撑。

其次，算法是实现数据处理和决策输出的关键工具。算法能够对海量数据进行筛选、识别、分析和推演，将社会救助工作中的经验判断转化为可复制、可验证、可迭代的分析模型，并嵌入对象识别、资格审核、风险预警和资源配置等具体环节。但算法在提升效率的同时，必须遵循可解释性、公平性和问责性原则。具体来说，可解释性要求算法结果具有透明的判断依据和推理路径；公平性要求算法在研判时排除性别、地域、身份等无关因素干扰；问责性则要求明确研发、部署和运维各环节责任主体，建立可追溯、可纠错与可追责机制。

最后，算力是数据处理、算法运行与系统稳定的重要支撑。在模型训练阶段，高效算力能够加快特征提取、多维数据运算和参数优化进程，显著缩短模型收敛周期，为算法迭代升级提供条件；在业务运行阶段，算力支撑数智平台并行处理对象识别、资格审核、风险监测等多项业务，提升相关业务环节的实时响应能力；在长期运维阶段，稳定可靠的算力架构能够承载海量数据存储和高频运算压力，确保系统持续平稳运行，避免因算力不足而引发服务迟滞、系统异常或业务中断。

（二）数智技术赋能社会救助的制度条件

技术要素并不必然带来治理效能提升，数智技术能否真正赋能社会救助，还取决于相应制度条件是否完备。总体而言，制度赋权、制度规制与制度协同是数智技术发挥作用的三项基本制度条件。

首先，制度赋权是数智技术嵌入社会救助领域的合法性前提。所谓制度赋权，是指通过法律法规和规范性文件，明确数智技术在社会救助中的适用范围、运行权限和程序效力。社会救助具有较强的行政属性，算法识别、智能预警和在线审核等技术手段只有获得制度赋权，才能转化为具有治理效力的行政行动。其次，制度规制是数智技术运行的规范性边界。与制度赋权解决“能否进入”的问题不同，制度规制回答的是“如何运行”的问题。若运行过程中缺乏必要约束，数智技术可能异化为“数字利维坦”，侵犯困难群体的知情权、隐私权和申诉权。最后，制度协同是数智技术发挥效能的组织保障。社会救助涉及民政、人社、教育等多个部门，跨部门数据整合和业务联动不会随技术平台建成自动实现，必须依托统一标准、责任清单和争议解决机制等制度安排予以保障。只有在制度协同下，跨部门数据共享和业务衔接才能真正落地。

三、数智技术赋能社会救助的运行机理

（一）数据整合与信息破壁：构建精准救助的数据基底

数智技术赋能社会救助的运行机理，首先体现在数据整合与信息破壁形成的基础支撑作用上。依托大数据、云计算等技术，社会救助数据逐渐从封闭、离散向开放、共享深度转型。

在数据整合维度，数智救助系统可对不同渠道、不同格式的多元数据进行统筹汇聚与标准化处理，实现困难群体多模态数据的深度整合^[6]。同时，通过开放数据接口与标准化信息处理机制，提升社会救助数据整合的全面性与时效性。在信息破壁维度，数智救助系统打通部门之间、层级之间以及区域之间的信息壁垒，促进数据资源横向共享、纵向流动，为多元救助主体开展协同研判、实时交互和联合决策提供统一可信的信息底座。可以说，数据整合解决的是“信息是否充分”的问题，信息破壁则解决的是“信息能否流动”的问题，二者共同构成精准社会救助得以实现的前提条件。

近年来，我国各地围绕“智慧民政”建设，持续推进信息资源协同共享机制创新。例如，山东省民政厅打造低收入人口动态监测信息平台，汇集国家、省、市三级52个部门共202类核对数据源，涵盖证券、工商登记、不动产、户籍、车辆等个人或家庭关键信息，构建起了横向到边、纵向到底的核对信息网络^[7]。

（二）智慧识别与主动预警：实现“政策找人”的动态瞄准

在数据整合与信息破壁的基础上，算法分析和模型研判为社会救助从静态审核转向动态识别提供技术可能。在对象识别方面，数智救助系统可以突破传统模式下的单维指标瞄准局限，基于高质量数据底座，通过智能算法模型对整合后的多维数据开展深度分析，精准刻画出社会救助对象的多维状况。这种数据驱动的识别机制在减轻基层工作负担、提升识别效率的同时，也显著提高了社会救助目标的瞄准精度^[8]。在风险预警方面，数智救助系统以动态数据采集和智能算法研判为支撑，搭建常态化、自动化的低收入人口风险监测预警机制，实现风险信息的动态捕捉与实时更新，能够灵敏捕捉到有可能陷入困境的家庭，并触发实时预警。这一机制能够对社会救助部门及时开展家计调查、防止困难人群生活境况恶化发挥出重要作用，有效弥补传统社会救助模式下风险研判主观性强、响应滞后的短板。

近年来，各地普遍借助大数据建模技术搭建多维度风险研判机制，探索多样化的智慧识别与主动预警新路径。例如，截至2025年4月，针对本地社会救助工作中所面临的牧区困难群体分散、需救助成因复杂等问题，内蒙古自治区围绕家庭结构、人口状态、家庭收入、家庭财产、刚性支出、救助情况变化6个维度，累计配置监测预警模型25个^[9]。通过数据比对与算法分析，系统能够识别出低保边缘人群、刚性支出困难家庭等隐性困难群体，对填补传统社会救助盲区、推动社会救助工作从“被动受理”向“主动服务”转型具有积极作用。

（三）智能申办与敏捷响应：以技术赋能提升救助效率

如果说智慧识别解决了“谁需要被救助”的问题，那么智能申办与敏捷响应则进一步回答了“如何更高效地实施救助”的问题。

其中，智能申办主要聚焦社会救助前端服务流程的优化。依托大数据分析、人工智能算法与数据共享机制，社会救助申请经办流程逐步突破传统线下模式中程序繁琐、材料重复核验、办事效率偏低等局限，推动其向线上化、自助化和智能化转型。敏捷响应则聚焦于社会救助需求和风险事件的快速处置。其核心不在于简单压缩流程，而是以跨部门协调为支撑重塑决策过程，具有极大的动态适配性^[10]。

从运行逻辑看，智能申办与敏捷响应并非彼此分离，而是前后衔接、相互支撑的两个环节。智能申办为后端响应提供规范、准确、可追踪的需求数据，奠定快速处置的基础；敏捷响应则将线上申请有效转化为实质性救助结果，并通过处置过程的实际偏差与成效反馈，推动前端服务持续优化。同时，敏捷响应配套的人工复核机制还能够对智能申办中可能出现的标准僵化和算法“一刀切”等偏差进行修正，从而在提升效率的同时兼顾社会救助治理的公正性与弹性。

各地依托大数据、云计算、区块链等技术，努力推进社会救助申办流程的数字化、自动化升级，优化社会救助需求的快速响应、高效处置与即时反馈机制，破解传统社会救助审批管理模式流程繁、周期长、成本高的弊端，推动社会救助体系服务能力的全面跃升。例如，浙江省舟山市为进一步提升社会救助服务水平、切实解决困难群众急难愁盼问题，搭建了以 DeepSeek大模型技术为支撑的“舟到救”一站式智能救助平台，通过打造“全天候智答”“全链条智办”等智能场景，重塑了社会救助的申办流程^[11]。

（四）多元主体协同：构建联动共治的救助格局

数智技术赋能社会救助，推动其组织机制由单一部门主导走向多元主体协同，重塑联动共治的社会救助格局。从治理结构看，这种重塑主要体现在纵向贯通、横向联动和区域协作三个方面。

从纵向维度来看，数智技术打通不同层级政府之间的数据通道，打破信息壁垒，既推动社会救助政策自上而下的精准落地，也保障群众诉求自下而上实时反馈；同时，数智技术可通过优化层级间流程衔接，减少信息失真与响应滞后等问题。从横向维度来看，数智技术推动部门间数据资源整合和业务流程协同，驱动社会救助联审、联批与联办，减少重复救助、漏保错保等执行偏差。从区域协作来看，数智技术增强了地区间的数据共享与资源互补能力，为异地核查、跨区域救助衔接和流动人口帮扶提供了技术支撑。

因此，数智技术赋能不仅是工具层面的优化，更是社会救助领域治理关系的深层重构。随着统一数据平台和智能经办系统的广泛应用，党政部门、群团组织、社会组织等各方力量得以在统一的信息平台上实现更高水平的协同，从而形成覆盖更广、衔接更紧、响应更快的社会救助共同体。浙江省以“浙有众扶”应用为核心载体，经历从地方自建到全省统建、从单部门建设到多跨协同、从信息化到数字化、从数字化到智能化4次迭代，涵盖业务办理、经济核对、动态监测、服务类救助4个智能模块，实现26个部门、5个层级贯通部署，有效统筹党政资源与社会力量，构建社会救助多元供给格局^[12]。

四、数智技术赋能社会救助面临的制约与难点

（一）数智技术赋能社会救助面临的制度性制约

尽管数智技术为社会救助提供了新的支撑条件，但在实践推进中，其效能释放仍受到制度层面的多重制约。

首先，跨部门数据共享技术标准尚未完善。当前，社会救助领域仍缺乏统一的数据采集标准、接口规范与流转协同规则，不同部门在数据采集、存储和处理方面存在较大差异，业务系统之间兼容性不足。与此同时，各地社会救助业务运行模式不尽相同，也进一步增加了数据端口对接和跨层级协同的难度。受此影响，社会救助数据分散于不同部门和平台之中，多维信息难以有效整合，完整、动态的社会救助对象画像难以形成，从而制约了数智救助精准识别与精准施策功能的实现。

其次，数据共享中的权责划分与风险分担机制有待明晰。社会救助数据包含大量隐私信息，宽泛的数据访问权很可能引发未经许可分析、泄露数据等现象^[13]。然而，现有制度在共享主体之间的权责边界、风险承担方式、责任追究途径等方面尚未形成清晰、细致且可操作的规范框架。这种制度上的模糊性，容易使相关部门在推进数据共享时产生顾虑，从而影响其开放数据、协同治理的积极性，并在一定程度上削弱了数智救助所依赖的数据基础。

最后，部门之间壁垒与治理碎片化问题仍然不同程度存在，影响了制度协同效能的发挥。社会救助本质上是一项跨部门、跨领域的综合性治理事务，不同治理主体在职责定位、工作重点和服务理念上存在差异，实践中容易出现信息封闭、资源分割甚至利益博弈等现象。这不仅不利于数据资源的顺畅流通和价值挖掘，也容易造成政策执行过程中的协同失灵，从而影响社会救助整体治理效能的提升。

（二）数智技术赋能社会救助面临的技术性难题

数智技术在社会救助领域的广泛应用，提升了救助识别、审核与服务供给的效率，但“算法不公正”与“算法黑箱”问题，正在成为数智技术赋能过程中不容忽视的现实挑战。

所谓“算法不公正”，是指算法在决策中出现的系统性、重复性不公平倾向，及其对特定群体产生的歧视性结果^[14]。算法是人工设计的产物，在模型建构、指标选取和规则设定过程中，设计者往往会无意识地嵌入自身的认知框架与价值判断。因此，在算法设计和训练过程中，既有的主观倾向甚至潜在偏见，可能被嵌入决策逻辑之中，并通过技术手段进一步固化，从而影响社会救助结果的客观性与中立性。

此外，受限于算法模型自身的专业性、复杂性及部分系统运行机制的封闭性，社会公众通常只能接触到算法输出的结果而不了解其运行逻辑，基层经办人员在面对质疑时也往往难以作出充分解释，这就造成了所谓的“算法黑箱”。当“算法黑箱”出现在社会救助审核、筛查与评估环节时，社会救助对象一旦对审核结果产生异议，可能面临异议举证困难、救济路径不够顺畅等现实困境，进而影响其对社会救助制度公正性的认知，并可能削弱公众对政府治理的信任基础。

（三）数智技术赋能社会救助面临的实践性障碍

在数智技术不断嵌入社会救助体系的过程中，社会救助服务的供给方式和办理流程发生了明显变化。然而，技术的引入并不必然意味着社会救助对象都能够顺利获取并有效使用数字化服务。数智技术赋能的实效，不仅取决于技术是否应用，更取决于社会救助对象能否掌握、使用并从中受益。由此，数字鸿沟成为数智技术赋能社会救助过程中较为突出的实践性障碍。

具体来看，数字鸿沟表现为三种形式：一是社会救助对象由于缺乏移动设备和互联网络而形成的数字接入鸿沟；二是社会救助对象由于自身缺乏数字技术使用技能而形成的数字素养鸿沟；三是基于前两类鸿沟的共同作用下，社会救助对象难以从数字服务中获取效益而形成的数字赋能鸿沟^[15]。三者相互交织，共同影响社会救助对象对数字化救助服务的可及性与可用性。

就我国现实情况而言，数字素养鸿沟的表现最具代表性。例如，困难群体中部分老年人在面对线上申请、信息填报和资格核验等办理环节时往往存在操作困难。这不仅在一定程度上削弱了数智救助的覆盖效果，也对基层经办人员提供线下辅助和数字帮扶工作提出了更高要求。因此，数字鸿沟早已不限于技术接入问题，更表现为以数字素养鸿沟为代表的实践性障碍。若对此应对不足，数智技术在提升治理效率的同时，也可能带来新的服务排斥风险，进而影响社会救助的公平性与普惠性。

（四）数智技术赋能社会救助面临的伦理性困境

除制度约束、技术难题和实践障碍之外，数智救助在推进过程中还面临较为突出的伦理挑战，其中以个人隐私保护边界与人文关怀消解问题最具代表性。

社会救助服务对象的相关信息往往涉及家庭收入、身体健康、婚姻状况、就业状况和生活困境等敏感内容。随着社会救助数字化管理不断深化，为提升资格审核、风险识别和动态监管的精准性，对社会救助服务对象的信息采集范围也随之扩张。问题在于，若在实践中过分强调技术监测与风险防控，而忽视数据处理应当遵循的最小必要原则，便容易出现超范围收集、过度处理个人信息等现象，由此加剧隐私泄露和信息滥用风险。尤其对于社会救助对象而言，其在资源占有等方面相对弱势，一旦缺乏充分的知情权保障与救济机制，更容易在数字治理过程中处于被动地位。

进一步看，数智救助的伦理风险并不止于信息收集边界的扩张，还体现为技术过度介入可能消解社会救助制度的人文属性。若社会救助过度依赖数据筛查、行为识别和风险评估，受助者可能逐渐陷入被标签化的处境，从而削弱社会救助应有的关怀属性。社会救助政策的初衷是帮助弱势群体，因此，数智技术赋能应始终以权利保护和人格尊严维护为基本前提。如何在提升治理效率与维护公民权利之间保持合理平衡，已成为数智技术赋能社会救助过程中必须审慎回应的重要课题。

五、数智技术赋能社会救助的优化路径

（一）打通协同壁垒：以规则体系赋能数据流转共享

针对当前数据共享和业务协同中的制度瓶颈，应进一步完善跨部门、跨层级的信息共享规则与协同治理体系。一是加快统一数据标准建设，明确各部门数据采集、处理与对接的统一规范，搭建一体化数据互通平台，破除系统兼容障碍。二是明晰权责边界，出台专项管理细则，划分各部门数据共享权责边界、风险分担机制与追责条款，同步配备隐私保护技术与监管手段，构建信息安全保障体系，减少因责任模糊导致的“不愿共享”“不敢共享”现象。三是完善全场景业务协同流程，将数据共享与任务转介、办理时限、闭环反馈、责任追踪全流程衔接，推动数据联通转化为实质性业务联动；同时，健全跨区域社会救助协作规则，强化异地资格核验、跨区域个案联办能力，打通层级间、区域间的业务堵点。

（二）防止技术异化：建立可解释、可审计、可追责的算法治理机制

为防范算法偏差与技术异化风险，应将算法治理全面纳入社会救助制度建设体系。首先，厘清算法的功能边界，明确其只能作为识别和决策的辅助工具，不得替代人工判断形成最终依据。其次，建立全流程算法管理制度，对算法的设计开发、数据训练、测试上线、运行评估和优化迭代实行全周期监管，定期开展数据质量、变量设置以及偏差风险排查。再次，强化算法的可解释性，当社会救助对象的申请被算法驳回或对结果有异议时，可以要求工作人员给出合理的解释。最后，所有认定事项都应保留人工复核与申诉渠道，确保最终决策兼具效率与公正。

数智技术赋能社会救助的底层逻辑是算法，其天生具备工具理性属性，以效率最优为运算目标，无法对手段和目的的合理性自主做出价值判断。而社会救助是为了维系社会公平、帮扶弱势群体而存在的制度安排。上述算法治理机制的核心价值，正是通过制度约束矫正技术的工具理性偏向，防范算法失灵与技术异化，实现技术效率与人文关怀的动态平衡。

（三）弥合数字鸿沟：构建人机协同的社会救助申办机制

数智技术的运用对于提升社会救助服务效率具有显著的积极作用，但必须坚持技术便民而非“技术替民”的原则。对于具有使用智能设备能力的群体，应继续优化线上申办、电子材料提交、进度查询和在线咨询等功能，提升线上平台的便利程度；对于不具备使用智能设备能力的群体，则必须保留线下窗口、电话咨询、委托代办、社区帮办和上门服务等传统渠道。特别是对于情形复杂、证据不足或存在特殊困难的个案，无论社会救助对象是否能够使用智能设备，仍需通过入户走访、情境化评估等方式进行核实研判。简言之，只有坚持“以人为本”的原则，将技术效率与人文关怀属性结合起来，实现线上线下社会救助工作双线并行，社会救助数智化才能既提高行政效能，又保持对困难群体真实处境的敏锐性。

（四）明确数据边界：完善社会救助对象信息保护系统

针对个人信息泄露和伦理异化风险，应在社会救助数智化建设中更加突出最小必要、用途限定和分级保护原则。第一，严格限定数据采集范围，除为社会救助资格认定和服务供给所必需的信息外，其他无关数据不得进行常规采集，更不得长期留存。第二，建立分级分类授权机制，根据敏感程度对数据进行分级，对于级别较高的敏感信息及需要保密的信息，应设置访问权限，原则上不允许共享；每次访问应有记录留存，以明确相关使用责任。第三，强化数据用途限制，防止社会救助数据被超范围使用、变相共享或用于与社会救助无关的管理用途。第四，完善信息告知、异议申诉和纠错机制，确保受助对象充分知晓自身信息的采集、使用和更新情况，并享有异议申诉和纠错渠道。

〔本文系国家社会科学基金项目“后脱贫时期的农村低保动态管理优化机制研究”（项目编号：21BSH145）的阶段性成果。〕

【参考文献】

[1]中华人民共和国社会救助法[N].人民日报，2026-05-07(10).

[2][美]罗纳德·S.伯特.结构洞：竞争的社会结构[M].任敏，李璐，林虹，译.上海：格致出版社，上海人民出版社，2017：26-28.

[3]杨立雄，刘曦言.从“情景”到“脱域”：数字时代的福利身份与社会权利探讨——基于C市“救助通”的案例研究[J].学术研究，2024，(09)：84-93+177-178.

[4]栗燕杰.社会救助领域的公众参与：原理、规范与实践[J].社会保障评论，2018，2(03)：66-81.

[5]吴娟，关信平.社会救助数字化转型：整体逻辑、现实问题与应对策略[J].社会保障研究，2023，(06)：80-91.

[6]万国威，栾卉.我国低收入人口救助帮扶的数智化道路[J].理论与改革，2025，(01)：155-168+172.

[7]强化数字赋能夯实救助基石切实巩固拓展脱贫攻坚成果[N].中国社会报，2025-04-28(04).

[8]王增文，罗佩玲.分层分类社会救助体系的数智化转型：逻辑转换、衍生风险与化解路径[J].行政论坛，2025，32(06)：16-25.

[9]民政部低收入家庭认定指导中心.内蒙古自治区以数字化改革为牵引着力推动社会救助便民高效[EB/OL].(2025-04-25)[2026-04-24].

https://www.dsrrd.gov.cn/n466/n472/c1662004999980004660/content.html.

[10]吴磊，冷玉，唐书清.数字化时代敏捷治理的学术图景：研究范式与实现路径[J].电子政务，2022，(08)：77-88.

[11]黄宁璐，李旺，王樱燃.DeepSeek加持，社会救助“快准暖”[N].浙江日报，2025-02-24(04).

[12]浙江省家庭经济状况核对中心.数字共享托起“幸福民生”[EB/OL].(2025-12-31)[2026-05-06].

https://dsrrd.mca.gov.cn/n466/n472/c1662004999980008710/content.html.

[13]王锡锌.政务数据汇集的风险及其法律控制[J].华东政法大学学报，2024，27(03)：23-38.

[14]李伦，张晓燕.算法不公正：问题类型与治理路径[J].自然辩证法通讯，2025，47(05)：76-83.

[15]陈文旭，聂嘉琪.21世纪全球数字鸿沟审视与中国方案[J].新疆社会科学，2023，(06)：147-155+169.

(作者简介：肖萌系天津师范大学应用社会学系副教授、硕士生导师；宋雨诺系天津师范大学应用社会学系硕士研究生)