人工智能與社會工作協作的演進邏輯與賦能路徑

[摘要] 隨著數字化社會的迅猛推進，社會工作領域正歷經一場前所未有的技術性革命。人工智能技術的不斷進步，特別是感知智能、計算智能、認知智能與社會智能的深度整合，正逐步重塑社會工作者的角色定位與服務模式。本文深入分析了人工智能在社會工作中的應用，并提出了四種主要的賦能途徑：首先，作為“代理者”，人工智能通過自動化處理日常重復性任務，減輕了社會工作者的工作負擔;其次，作為“助手”，人工智能通過自主信息收集和分析，為社會工作者提供決策支持和執行輔助;再次，作為“智囊”，人工智能利用其認知智能和大數據分析能力，為社會工作者提供精確的決策依據和行動策略;最后，作為“伙伴”，人工智能通過人機協同實現社會智能的雙向對齊。在這一技術變革的背景下，社會工作者需要積極適應新技術環境，掌握必要的技能，并激發創新思維，以構建新的話語體系，推動社會工作領域的持續發展和進步。

[關鍵詞] 社會工作" 人工智能" 人機協作

[基金項目] 本文系國家社會科學基金青年項目“青少年短視頻沉迷的動機——行為轉化過程與社會工作干預研究”（項目編號：24CSH099）的階段性成果。

[作者簡介] 卜禾，華東理工大學社會與公共管理學院講師，研究方向為循證社會工作、社會工作數字化;段文杰，華東理工大學社會與公共管理學院教授、博士生導師，研究方向為社會指標、生命質量與循證社會工作;查皓鈺，華東理工大學社會與公共管理學院本科生。

[中圖分類號] C916

[文獻標識碼] A

[文章編號] 1008-7672（2024）06-0056-11

一、 問題的提出

在數字化時代的浪潮中，社會工作領域正面臨著前所未有的挑戰與機遇。互聯網、云計算、大數據和人工智能等技術的蓬勃發展，要求我們構建一個與數字化社會相適應的社會工作實踐體系和教育人才培養模式。這不僅是中國式現代化新發展階段的一項重要任務，還是社會工作領域必須面對的挑戰。①②在這個背景下，社會工作者作為社會服務的中堅力量，必須不斷提升與新興技術協作的能力，更新專業素養，以適應新時代的挑戰和需求。

隨著智能技術的日益常態化，社會工作的數字化轉型不再僅僅局限于技術工具的使用，而是要求社會工作者與技術實現更深層次的“人機融合”，在社會服務的實施過程中，探索人與技術的協同發展。正如麥克盧漢的“媒介即信息”理論所述，技術是人類的延伸，人在不同技術媒介上進行聯結與實踐。③④在信息化社會的背景下，技術正滲透到社會工作的各個層面，影響著社會工作者的認知、工作方式和角色構建。當弱人工智能向強人工智能轉變時，社會工作者與人工智能技術的關系，以及人工智能對社會工作者角色的重塑，逐漸成為無法回避的核心議題。⑤⑥因此，本論文將探討人工智能與社會工作協作的演進邏輯與賦能路徑，不僅關注技術本身的演進，而且重視人機協作所帶來的新模式及其對社會工作實踐和社會工作者角色的影響，以回應人工智能如何賦能社會工作的問題。

二、 人工智能與社會工作協作的賦能路徑

行動者網絡理論（Actor-network Theory，ANT）是一種跨學科的分析視角。它從社會學和科學技術研究的交匯點出發，深入探討了人類行動者與非人類行動者（涵蓋技術實體、物質構成等諸多方面）如何通過復雜的互動關系，共同編織成一個行動者網絡，進而塑造并影響社會現實。⑦在這一理論框架中，無論是人類還是機器，都被賦予了能動性，它們通過網絡中的互動，共同參與到問題的解決過程中。與傳統觀點顯著不同的是，行動者網絡理論特別強調了非人類行動者的主體性及其在網絡中的積極參與。這些非人類行動者不僅僅是被動的工具或手段，它們在網絡中也扮演著至關重要的角色，能夠顯著地影響最終的結果和產出。行動者網絡理論為我們提供了一個分析框架，即人工智能作為一種非人類行動者，在社會工作中與人類行動者通過復雜的連接機制相互作用，共同構建了復雜的行動者網絡。在此網絡中，人工智能不是一個簡單的工具，而是具有能動性的主體，能夠對社會工作者的角色和實踐產生影響。

基于這一理論，默里（Murray）等人提出了一個分類框架，用于描述智能體與人類之間的聯結方式，并據此將人類與技術在組織中的互動形式進行分類。①該理論強調了人類與非人類（技術）在決策和行動中共同展現意圖的能力，并將其細分為四種不同的形式：輔助性技術為人類提供工具支持，但無法自主制定方案或選擇行動，其決策過程完全由人類控制;限制性技術根據預先設定的條件自主選擇行動，但不會制定方案，當條件滿足時會自動執行任務，從而對人類的行動構成約束;增強性技術能夠識別模式并提供建議，協助制定方案，但行動的選擇仍由人類控制，這類技術補充了人類的決策過程;自動化技術則完全自主，能夠獨立制定方案并選擇行動，無須人類干預，可代替人類進行決策和執行。本文基于這一框架，將人工智能與社會工作協作的路徑劃分為四個遞進的階段（見圖1），探索其在社會工作中的賦能作用及影響。通過對這四個階段的深入分析，我們可以更清晰地理解人工智能如何與社會工作領域相結合，以及這種結合如何推動社會工作的創新和發展。

（一） 信息外包：人工智能作為代理

面對持續激增的海量數據，人類大腦在記憶容量、存儲效率和信息處理能力等方面的局限性越發明顯。②在此背景下，計算智能作為一種新興的外部信息處理輔助工具應運而生。它的核心優勢在于能夠運用尖端的算法和數學模型來解決復雜的問題，其技術架構包括并行計算、分布式計算、云計算等前沿技術。③④這些技術的融合應用使得機器能夠在極短的時間內高效完成復雜的計算任務，為實現更高層次的智能行為提供了堅實的支持。邊緣計算的核心優勢在于，它將數據處理和分析的任務直接部署在數據產生的源頭附近，從而大幅縮短了數據傳輸的時間和所需的帶寬資源。這種設計不僅提升了數據處理的速度，還增強了預測的準確性和可靠性。例如，“NorthPole”平臺就是一種支持低功耗邊緣人工智能推理的芯片設計，代表了邊緣計算技術在實際應用中的創新和進步。①

計算智能通過外接設備實現了對人類信息處理系統的有效擴展與強化，其核心機制在于“信息外包”。②這一機制使得人類可以將繁重的知識和數據處理任務委托給外部設備，從而大大減輕了記憶的負擔。通過信息外包，人們不再需要記住和存儲大量的知識細節，因為這些任務現在可以由計算智能系統來承擔。這樣的轉變不僅釋放了人類的認知資源，還使得人們能夠更加專注于高效地構建索引和提取信息的策略。信息外包機制不僅提升了信息處理的效率，還顯著增強了知識運用的靈活性和準確性。計算智能能夠迅速地檢索、處理和分析龐大的數據集，并在需要時提供關鍵信息，成為人類認知能力的強大輔助。這種擴展使人類能夠更加專注于高級認知活動，如分析、推理和創新，而不必擔心記憶和處理大量信息的問題。信息外包的應用促進了知識的便捷獲取和利用，為提高整體認知效能、高效決策和創新奠定了堅實的基礎。

在“信息外包”的框架內，人工智能扮演著“代理者”的角色，負責處理信息和任務外包。它主要承擔重復性和機械化的任務，通過自動化流程提高效率，將人類從煩瑣的工作中解放出來。人工智能的強大處理能力使其能夠高效地完成數據的收集、存儲、分類和分析，實現任務自動化，減少了人工投入，同時提高了工作的精確度和一致性。人工智能執行的是預設規則下的任務，而人類則負責決策制定和任務設計，構建框架并設定標準。在社會工作領域內，社會工作者需要制定操作流程、設定規則，并監控人工智能的執行過程，以確保任務的順利完成。然而，人工智能目前還缺乏主動學習和自我改進的能力，其操作受限于預設的參數和規則，因此在需要創新性和靈活性的任務中，仍然需要依賴人類的規劃和指導。

以文書處理為例，傳統的福利申請審批流程往往涉及大量文件的整理、分類及審核工作，這耗費大量的人力物力，占用了大量的時間，不僅造成社會工作理論懸浮③，甚至為了完成項目指標，造假服務內容。④而借助人工智能代理系統，可以自動掃描、識別并整理申請材料，根據預設規則快速進行分類和篩選，從而大幅度縮短審批時間，提高行政效率。這種應用不僅降低了人工成本，還減少了人為錯誤的發生概率，使整個流程更加標準化和透明化。目前，生成式人工智能“文心一言”已經被運用到社會工作實踐中，成為減輕社會工作者工作負擔和優化服務內容的有效工具。①

然而，盡管計算智能在提升效率方面展現出了巨大的優勢，但其局限性同樣不容忽視。由于此階段的人工智能僅限于執行預定的操作，并不具備對環境的理解能力，因此它無法適應多變的社會情境或處理超出預設范圍的復雜問題。其操作嚴格依賴于人類設定的規則，缺乏自主學習和應對新情境的能力。因此，在面對需要更高層次判斷和決策的任務時，計算智能顯得力不從心。這對更高級的智能形態——感知智能和認知智能的發展提出了新的需求和挑戰。

（二） 參與感知：人工智能作為助手

在計算智能的初期階段，技術焦點主要集中在提升計算效能上，強調數據的全面收集、高效存儲與精確處理，以實現社會服務流程的自動化與優化。這一階段的進步顯著提高了人類工作的效率與準確性，使得處理大量數據和信息成為可能。然而，這些技術大多局限于執行重復性任務，它們缺乏對復雜社會情境的深入理解和靈活應對的能力。隨著技術的不斷演進，人工智能逐漸具備了感知與理解多模態數據的能力，包括視覺、聽覺和語言處理等多個維度，從而使社會工作能夠進行系統性的深度分析與全面評估。其發展歷程可追溯至計算機視覺與語音識別技術的初探，近年來更因深度學習等技術的突破性進展而迅速興起。②

感知智能使智能體能夠深入分析圖像、聲音等多種模態的數據，從而為決策過程提供深度分析的支持。這一過程中，人機交互的核心機制在于“參與式感知”。參與式感知，作為一種以人為中心的智能感知與計算模式，能夠依據用戶的行為模式、經濟條件和興趣愛好等多方面因素，有意識地主動響應并滿足感知需求;通過攜帶和使用智能手機、健康手環等設備，用戶可以主動提供數據。③借助深度學習和神經網絡等前沿技術，這些信息被轉化為有意義的數據，為個性化服務提供有力支持。例如，通過視覺感知技術和對特定特征的關注，我們可以構建一個關注度分析模型。這個模型通過提取和分析交互者的表情和微表情特征，為情緒調節過程提供認知基礎，從而能夠提供更精確和有效的情緒管理策略。④

在教育領域內，基于深度學習的課堂教學行為分析，通過目標檢測、動作識別和語音識別技術，從行為活動和行為主體兩個維度，對師生的動作和言語進行細致分析，如學生舉手、應答、讀寫、聽講、討論，以及教師的講授、板書和提問等，這種方法有效解決了傳統課堂教學行為分析依賴專家、效率低、不準確等問題。⑤此外，感知智能還應用于學生情感計算，通過動作識別、表情識別、語音識別等技術，分析學習者的面部表情、姿態、情感及語調變化，從而快速判斷學習者對學習內容的態度、偏好和認知風格，進而提供激勵與幫助。①

更為重要的是，人工智能在執行任務時獲得了更多自主權。人工智能的應用范圍已不再局限于簡單任務的執行，而是拓寬至利用移動智能設備的傳感器、社交網絡數據及個人設備使用行為，自主且全面地采集、傳輸并分析參與者周遭的物理環境、社會環境和個人狀態信息，智能地決定“如何行動”。盡管人類仍然負責指導任務的大方向，決定“做什么”，但人工智能通過對環境信息的深入分析，能夠自動調整其行為和操作，以適應不斷變化的情境。這種能力極大地擴展了人工智能在社會工作領域的應用，使其不僅能夠處理標準化的任務，還能在更加復雜和多樣化的環境中扮演“超級秘書”的關鍵角色。②

與此同時，感知智能的興起對社會工作者的勝任力提出了新要求。首先，社會工作者需要提升數字素養和人工智能素養，包括學習數據分析能力、培養創新思維，以有效利用人工智能提供的豐富感知信息，作出更科學、更合理的決策。只有具備這些技能，社會工作者才能充分理解和解讀人工智能的分析結果，靈活地將這些信息應用于實踐，為服務對象制定更具針對性的服務策略。其次，社會工作者還必須在數據采集與分析中保持對安全和倫理問題的敏感度。③例如，使用人工智能識別和解釋人類情緒雖然能夠提供深入的洞察，但也可能存在侵犯個人隱私和權利的風險。④因此，社會工作者需要對這些潛在的風險保持警惕，并制定策略以確保技術的應用符合倫理規范。在設計和使用感知系統時，社會工作者應當優先考慮服務對象的隱私保護，確保數據的收集和使用透明、合法，并獲得當事人的知情同意。此外，人工智能在提供個性化服務的過程中，也可能加劇社會不公平現象。例如，機器學習算法可能因數據偏差而導致對某些群體產生歧視或不平等對待，這將使本就脆弱的群體處于更不利的地位。⑤社會工作者需要在這一過程中發揮監督和干預的作用，識別和糾正算法偏見，確保人工智能在提供服務時遵循公平、公正的原則。同時，積極參與人工智能系統的設計和評估，推動開發出更加符合社會利益的感知系統，確保技術的進步不會對社會公正和人類福祉造成損害。

（三） 協同決策：人工智能作為智囊

認知智能，作為人工智能發展進程中的高級形態，標志著機器具備了主動思考、理解和推理的能力，能夠在無人類預先編程的情況下實現自我學習與優化。①這一智能形態代表著人工智能技術邊界向更深層次智力模擬領域的拓展。與計算智能和感知智能相比，認知智能不僅限于信息的簡單處理，而是能夠模擬人類的復雜思維活動，包括概念形成、邏輯推理、決策制定等。②它超越了數據處理的表面層次，深入探索知識的內在邏輯結構與意義理解，實現了“理解”與“思考”的高度融合。從運算智能到感知智能，再邁向認知智能，這三個層次清晰地勾勒出機器學習從數據處理、環境感知到高級認知能力的逐步演進歷程。具備認知智能的人工智能系統，不僅能夠高效地處理龐大的數據集，還能從中提煉出有價值的信息，進行深層次的高級分析。這一過程不僅涵蓋了對數據的感知，還深入理解了數據背后復雜的關聯性，從而實現了模式識別、因果推理以及決策制定的功能。

在當前的應用中，機器行為與人機協同決策的研究已拓展至多個領域，如人機博弈、社交媒體、定價和交易、人機談判、供應鏈管理以及管理決策等③。在這些領域中，人工智能的角色已經從單純的信息提供者，逐步發展為主動的決策參與者。它能夠整合海量數據，并運用先進的算法和模型，揭示出隱藏在數據深處的模式和趨勢。人工智能不再僅僅是一個輔助工具，而是能夠主動提出行動方案，主導“做什么”的決策環節。通過對數據的深度整合與細致分析，人工智能能夠提供具有戰略意義的建議，并對可能的行動路徑進行全面評估。相應地，人類的角色則轉變為“怎么做”的執行者，負責對人工智能的分析成果進行審慎的評估和判斷，并根據實際情況實施或調整干預策略。這種協同決策模式有助于在人類有限的認知和資源條件下，充分發揮人工智能在數據處理和分析方面的優勢，從而實現更為精準和有效的決策。

在這一人機協作的過程中，規避技術風險的關鍵機制在于“學習推遲”（Learning-to-defer）。④當基于機器學習的決策系統面臨不確定性或準確性不足時，這一機制能夠智能地將決策權交還給人類專家。通過這種方式，我們可以在關鍵的決策節點引入人類專家的寶貴洞察和經驗。特別是在那些涉及倫理、情感以及社會復雜性的領域內，人類的直覺和判斷力是任何算法都難以匹敵的。學習推遲的框架不僅確保了人工智能與人類在決策過程中的協同作用，而且通過合理分配決策權，既發揮了人工智能的長處，又巧妙地規避了其潛在的缺陷。

然而，由于人工智能能夠處理并分析復雜的數據并提供決策建議，社會工作者在這一過程中就需要具備高度的批判性和創造性。一方面，社會工作者必須對人工智能提出的建議進行嚴謹的評估，確保其符合社會工作倫理和實踐標準。人工智能雖然能夠通過數據分析提供某種程度的洞察力，但其建議往往基于統計學的相關性，而非對個體獨特處境的深刻理解。例如，人工智能可能通過分析大量數據識別出某種行為模式與特定問題之間的聯系，但這種聯系并不必然代表因果關系，社會工作者需要對這些結果進行批判性審視，以避免誤判或過度簡化復雜問題。另一方面，社會工作的實踐往往涉及高度個性化和情境化的決策，這需要社會工作者根據具體的社會情境進行創新性的干預。人工智能雖然在數據分析方面表現出色，但它缺乏對倫理和情感的深刻理解，難以像人類那樣敏感地識別和響應復雜的人際關系和文化差異。社會工作不僅僅是基于數據的決策過程，還涉及倫理判斷、處理復雜的人際關系以及對文化多樣性的敏感性。因此，社會工作者在利用人工智能的同時，也必須發揮自身的創造力，根據具體的社會環境進行創新性的干預，以確保服務的有效性和人性化。①②這些領域超越了當前人工智能的能力范圍，也是社會工作者專業邊界和核心價值所在。

（四） 雙向對齊：人工智能作為伙伴

盡管技術的演進邏輯展現出由運算智能向社會智能逐步過渡的趨勢，但運算智能、感知智能、認知智能和社會智能之間的相互作用與依賴關系卻呈現出多維度且錯綜復雜的特性。每一層級的智能不僅在其特定領域內發揮作用，還相互支撐與強化，共同構建了一個完整的智能體系。感知智能扮演著信息接收者和解釋者的角色，它負責捕捉并解讀來自外部世界的各種信號，為人工智能的更深層次分析和決策提供基礎數據。③在此基礎上，認知智能進一步處理感知智能所提供的數據，以形成知識與決策。這包括對大量信息的處理和復雜算法的運行，如深度神經網絡和樹搜索在圍棋游戲中的應用。④運算智能為感知與認知過程提供了強大的計算支撐，使海量數據的處理與復雜算法的運行得以實現。未來人工智能有望向更高層次的社會智能演進。社會智能指的是技術產品所擁有的擬人化特征，它們能夠模擬人與人之間的交互模式，實現與用戶的無障礙溝通。這些技術產品不僅具備工具或物品的基本屬性，還融合了情感與社會屬性;其社會性顯著地體現在，通過擬人化的社會互動方式，它們能夠積極參與到新興社會形態的塑造與構建之中。⑤⑥

社會智能作為整合感知、認知與運算能力的高級形態，進一步拓展了人工智能的能力邊界。這種社會智能使人工智能能夠理解復雜的社會情境，從而能夠參與人類的社會互動，并對其中的情感與行為動態作出回應。①人工智能不再僅僅是工具或輔助者，而是能夠與人類進行深度互動與協作的“智能伙伴”。從人機關系的角度出發，社會智能不僅體現在人與人之間的交互中，還隱含在人與技術、產品乃至整個社會環境之間的和諧共生關系中。此時，人工智能與人類的關系更加平等與協作，人類不再單方面主導決策與執行，而是人工智能通過其社會智能參與到決策過程中，與人類協同合作，形成了強人工智能與人類的伙伴關系。

同時，在當前階段，社會工作者的專業技能面臨著前所未有的挑戰。為了適應這一變化，他們必須通過不斷的學習，建立起與社會網絡中智能體的聯系，并與這些智能體持續生成的信息和知識進行有效互動。這一過程體現了個體與人工智能之間的雙向對齊，這是一種有意識且具有功能性的合作方式，旨在促進雙方在多個層面上達成共識和協同工作，共同實現目標或完成任務。②雙向對齊不僅涵蓋技術層面的適配，還涉及認知、情感及社會層面的相互理解與調適，構成了實現人工智能生產力與效率增益的基石。近期的研究表明，員工對技術功能的滿意度（特別是在任務執行表現和滿足用戶需求方面）與其工作滿意度和生產力的提高有著顯著的正相關關系。③④當員工認識到人工智能在處理重復性任務、專業化任務以及優化決策等方面的潛力時，更可能重視并有效利用這項技術，從而提升個人的工作表現。⑤⑥⑦此外，員工對人工智能的信任、對其本質和目的的理解，以及使用技能的提升，都是增強人機協作效果的關鍵因素。這些因素共同構成了人工智能在工作場所中發揮更大作用的重要動力。⑧反之，個體的算法厭惡情緒，即對算法建議的抵制態度，可能對人工智能的應用產生不利影響。①

總的來說，從技術演進的角度看，計算智能與感知智能均屬于弱人工智能（或窄人工智能）范疇，指的是那些被設計來完成特定功能或任務的人工智能系統，它們缺乏類似人類的智能水平或自我意識。②因此，盡管計算智能和感知智能在其專門化任務域內表現出色，但其操作與認知能力仍受限于預設的參數與規則，無法在面對全新場景時展現通用性解決問題的能力或跨學科的創新思維。即便是基于深度學習和神經網絡的AlphaGo，也被歸類為弱人工智能③，這表明當前的人工智能發展仍處于依賴特定領域和任務的階段。強人工智能（或通用人工智能），則涉及一類高度發達的算法系統，被認為是人類感官和思維延伸的最高階段。④這些系統展現出復雜的功能，包括推理、決策、知識表達、規劃、學習能力以及利用自然語言進行有效溝通的能力。這種智能形態旨在模擬人類智能的全面性，被認為是真正有自主意識并且可確證其主體資格的“智能”。⑤人工智能技術的持續演進，已成為推動社會工作向自動化、智能化乃至智慧化方向邁進的核心動力與智慧源泉，也加速了社會工作的數字化轉型。

三、 結論與討論

隨著數字化社會的快速發展，社會工作領域正面臨著前所未有的技術變革。本文依托人工智能的技術演進，剖析了其如何通過感知智能、計算智能、認知智能與社會智能的協同融合，為社會工作引入了新型工具，也對社會工作者的角色定位和工作流程進行了重新塑造。新技術與新模式的廣闊探索空間，特別是人工智能與社會工作的深度融合，是社會工作領域亟待拓展的“新區”。

人工智能的應用正在為社會工作領域注入創新與發展的新活力。它不僅在數據分析領域大顯身手，還涉足情感感知和復雜決策等更深層次的領域，不斷拓展社會工作的邊界。同時，人機關系的雙向對齊，根植于社會工作者對人工智能技術的認知與態度，涉及對生物與器物、時間與空間、真實與虛擬、技術理性與價值理性等多重關系的平衡與判斷。⑥在這一背景下，社會工作者只有適應新環境、掌握新技能、激發新思想，才能在日益復雜的技術生態中建立起新的話語權，推動社會工作進一步發展。⑦然而，面對技術的快速進步，我們需警惕不應陷入過于樂觀或悲觀的“誤區”，人工智能雖然強大，但并非萬能，其局限性和風險也不容忽視。

此外，社會工作的核心任務是促進社會公平和增進人們福祉，確保技術的可持續發展與社會公正。因此，必須警惕那些可能被忽視的特殊群體和社會問題，防止由于數字鴻溝、技術應用不當或風險管理不足，使這些群體落入社會工作服務的“盲區”。特殊群體的需求，正是人工智能發展過程中容易被忽視的部分，它們的公平與包容性是社會工作需要重點關注的方向。

最后，人工智能技術的進步也帶來了倫理挑戰。盡管強人工智能試圖模仿人類智能，涵蓋認知的多個層級，但它始終未能超越人類的情感和道德能力。如何在利用人工智能提升效率的同時，保持并強化人與人之間的情感聯系，堅守社會工作的倫理原則，是我們必須面對的“禁區”。①技術的力量固然不可忽視，但如何在實踐中規范其應用，確保技術在人類服務中正確的角色定位，將決定未來社會工作和人工智能融合的倫理高度和應用邊界。

（責任編輯：徐澍）