ICO AI 指引遇上英國日益沉重的投訴負擔

資訊專員辦公室（ICO）正於 AI 撰寫的請求日益增加的壓力下，捍衛公眾的查閱權利。其 ICO AI 指引處理一項棘手衝突：協助人們與政府溝通，可能為負責回應的機構帶來額外工作。起草速度加快，並不必然令服務更快完成。

《衛報》11 月 8 日的報道指出，公共機構正苦於應付由聊天機械人生成的通訊。政策問題不止於個別信件是否使用了 AI。機構需要分辨有用的協助與不必要的複雜性，不能因文字寫得流暢便認定投訴缺乏理據。

核心矛盾在於公眾參與變得更容易，與機構能力有限之間的拉扯。ChatGPT、Claude、Gemini 和 Copilot 應作為可供討論的另類寫作助手，而非對同一行政問題互相競爭的解釋。真正相關的比較，是生成一份提交文件的速度，與負責任地處理它所需的工作量。

ICO AI 指引面對的不只是收件箱問題

起草工具會先改變提交請求的成本結構，之後才會改變回覆請求的成本結構。

ICO 於 2026 年 5 月 6 日發布專門指引。隨附公告提到，業界人士關注請求數量增加、複雜度上升，以及需要作出澄清的工作。監管機構把其AI 生成請求指引定位為協助套用既有原則，而非修改法律。

這個時間點很重要。現時的討論是跟隨一項已在推進的監管回應，而非引入一個當局剛剛才發現的問題。它亦提供另一種思路，避免假定每個機構都需要一整套全新的 AI 專屬限制。

資訊自由（FOI）讓公眾查閱公共機構持有的已記錄資訊。服務投訴是要求機構處理不滿。法定上訴則透過特定程序挑戰一項決定。這些類別有時會在通訊中重疊，但在分析時應保持區分。

把所有事情都稱作投訴，會掩蓋員工實際需要做的工作。索取記錄與指控失當行為，需要處理的工作並不相同。要求推翻決定，則提出另一個完全不同的問題。權威的語調無法確立應採用哪一種程序。

設想一封說明性質的市議會電郵，當中包含服務申訴、索取文件的要求，以及索償要求。收到電郵的員工必須辨識這些不同部分。同一封電郵的較長版本，可能提供有用證據，也可能只是令這些區分更難找出來。

這個例子是假設性的，但操作層面的問題很具體：這段文字有否幫助收件人辨識可採取行動的事項？這比文字是否專業，或是否包含通常與律師相關的術語，更值得作為判斷標準。

AI 可以協助一個原本難以描述問題的人表達訴求。它亦可以把一個狹窄議題擴展成更廣泛的論述。即使兩者都是從同一個要求改善草稿的指令開始，所帶來的影響並不相同。

這項區分改變了評估生產力的方式。寄件人節省的時間應納入計算，但收件人花費的時間同樣如此。機構不能只量度文字在螢幕上出現的速度，便評估整體影響。

公共機構亦不應假定參與增加就代表失敗。一些過往未曾提出的請求，可能關乎正當問題。挑戰在於分辨新近可被接觸到的需求與可避免的處理工作，而非把每次增加都視為不受歡迎的流量。

這令目前的發展遠比收件箱滋擾更具影響。它揭示消費者軟件加速表達，與公共系統必須審慎理解表達之間的不匹配。壓力落在語言轉化為調查、檢索資訊或解釋決定的責任之處。

壓力落在必須處理請求的人身上

真正的瓶頸是須承擔責任的處理工作，所需的不只是寫出看似合理的回覆。

處理通訊的公共機構員工，必須判斷發生了甚麼事、哪些記錄重要，以及誰有權採取行動。起草確認收悉的回覆，只是其中一小部分工作。再流暢的答覆，也不能代替找出相關證據。

這造成不均衡的工作分配。寄件人可以生成同一論點的不同版本，毋須調查每項新增主張。收件人要判斷這些主張是否重要，則必須把它們連繫到實際個案。

由此產生的負擔，並不完全取決於訊息數量。即使提交數目維持穩定，只要每份文件包含更多主張，仍可能需要更多員工關注。相反，若提交內容聚焦且完整，即使數量增加也可能仍可管理。

對行政人員而言，這項區分應影響他們提出的問題。員工是否花更長時間辨識問題？他們是否核查無關的引用資料？個案是否因初步回應只處理措辭、卻錯過根本需要而再次回流？

這些是建議採用的診斷問題，並非已在英國各公共機構獲確立的研究結論。它們很重要，因為單靠計算收到的訊息數量，無法解釋處理能力在哪裡流失。缺少這項解釋，機構便有可能為工作流程中錯誤的環節採購解決方案。

前線人員面對尤其困難的判斷。他們必須認真看待一項可能嚴重的關注，同時不必接受附帶的每一項陳述。對某項主張的懷疑，應與對尋求協助者本人的懷疑分開。

管理人員也面對相關的資源分配問題。給予一份冗長提交額外關注，可能延誤另一人的直接請求。要作出相稱的回應，必須理解實質內容，而不是讓篇幅決定優先次序。

壓力亦會傳遞至公眾。一名從不使用聊天機械人的居民，仍會共用同一處理隊列。其他地方產生的任何可避免工作，都可能影響其體驗，即使他們從未就 AI 作出任何決定。

不過，這也有相反的好處。一個覺得機構用語令人卻步的人，或許在獲得起草協助後，終於能提交一份清晰陳述。把這種新增參與視為行政浪費，將忽略公共查閱權利的目的。

因此，合適的目標需要審慎表述。減少通訊並不足夠。成功的回應應減少不必要的處理，同時保留機構辨識和解決正當關注的能力。

這項目標改變了採購方應向軟件供應商提出的要求。只展示系統能產生簡潔回覆並不足夠。機構亦需要知道，該系統是否能幫助員工以較少修正得出正確結論。

它同樣改變人手配置的討論。若困難工作涉及證據與判斷，單靠更快寫作並不能消除限制。任何聲稱可節省的資源，都必須經得起完整個案流程的檢驗，包括澄清、覆核及其後的挑戰。

更容易參與會把工作轉移至櫃枱另一邊

當另一個機構必須評估產出時，個人的生產力收益可能轉化為共同承擔的處理成本。

研究人員 Chris Schmitz、Lewis Hammond 和 Alan Chan 把相關的需求激增稱為代理式氾濫。在這裡，該詞是指增加政府服務壓力的 AI 輔助活動。它不應暗示每一則受影響訊息都來自自主代理。

他們於 2026 年 8 月發表的預印本，政府服務氾濫，收集了 11 個司法管轄區共 84 宗潛在個案。作者描述的證據顯示，這可能是較廣泛的現象，同時指出控制需求與維護公平查閱權利之間存在張力。潛在個案並不能確立具代表性的全國普及率衡量標準。

論文亦指出，兼具複雜性與財務誘因的服務，在短期內尤其容易受影響。這個框架有助分辨一個適合自動化協助的機會，與一般網上通訊增加之間的差異。

更廣泛的分析重點在於誘因。一個提出上訴的人，若協助令其個案更清晰，便會受益。若產品幫助該人完成任務，開發者也會受益。但這兩種收益都不會自動計入收件人的處理成本。

這並不使寄件人的目標變得不正當。它只是意味著，相關系統包含互動的雙方。若只評估起草體驗，便把交易中重要的一部分排除在視野之外。

同樣的推理適用於不同助手之間的比較。對某些任務而言，ChatGPT 與 Claude 的比較是有意義的產品比較。至於處理投訴，更相關的比較是能釐清問題的輸出，與不必要地擴展問題的輸出之間的分別。

Gemini 和 Copilot 亦應遵循同一標準。品牌知名度無法證明某份草稿包含可靠事實。回覆長度或語調的自信程度，同樣不能證明這一點。

一個克制的助手可能會移除未獲支持的指控。另一個較迎合的助手，可能會把該指控改寫得更具說服力。後者的輸出可令寄件人感覺更有幫助，卻為所有相關人士製造一份更差的文件。

這些是可能出現的產品行為，而非對具名系統的已驗證排名。現有證據不足以宣稱某一特定供應商應對英國的問題負責。不同提示和應用程式設計也令比較更複雜。

對開發者而言，這意味著對「完成」的定義應有所不同。投訴寫作任務並非只要應用程式生成了一封正式信函便算完成。輸出應保留用戶真正的關注，而不應捏造事實或暗示不存在的證據。

這個標準對企業採購方亦很重要。一個旨在最大化生成文字數量的系統，可能與旨在盡量減少含糊之處的工作流程衝突。採購時應檢視最終文件，而非假定輸出越詳盡便代表協助越好。

其影響延伸至內部知識工作。一個組織良好的AI 知識庫與自由形式起草具有不同功能：它有助支援材料可被檢索。只要決定需要證據，這項區分便很重要。

投訴本身可能很短，但其支援記錄仍可十分龐大。把所有內容合併成單一具說服力的敘事，可能令個案更難檢視。把主張與其來源材料連繫起來，能為覆核者提供比修辭潤飾更有用的資料。

因此，競爭機會在於減少整個互動過程所需的總投入。協助用戶提交恰當請求的助理，未必會產生較顯眼的輸出成果；其價值或會在其後浮現，體現在更少誤解及更直接的處理結果。

懷疑由 AI 撰寫不足以裁定個案

機構須評估提交內容的實質，而非將寫作風格變成資格測試。

ICO 的 FOI and AI 指引指出，使用 AI 協助並不會自動令請求失效。不準確的陳述亦未必會使請求失效。主管機關應套用相關規定，並評估請求本身。

指引列出既有途徑，以處理需要釐清、成本過高，以及滋擾性或重複的請求。是否適用取決於具體情況。這些並非可互換的標籤，用來套在僱員覺得難以處理、或懷疑由聊天機械人協助撰寫的來信上。

這一立場容許機構質疑不正確的說法，而不會否定其背後的資訊需要。它亦限制了一條誘人的捷徑：把懷疑使用 AI 視為足以拒絕接觸或處理的理由。

一個有用的區分，是把作者身分、準確性及理據分開看待。人手撰寫的提交內容可以有錯；AI 協助撰寫的提交內容也可以準確描述真實問題。知道草擬方式，並不能判定所要求的行動是否合理。

格式提供的確定性更低。標題、正式措辭及有條理的清單，可見於許多不同類型的寫作。機構應審慎，避免把這些特徵變成判斷某人值得獲得多少關注的標準。

懷疑的角度同樣適用於問題規模的說法。員工經驗可以揭示正在浮現的困難，但單憑這些經驗，不能證實 AI 造成了多少額外工作。服務失效、政策爭議及公眾期望轉變，仍可能是促成因素。

因此，面對爆滿的收件匣，應先調查再解釋。若主管機關把增幅歸因於 AI，有用的後續問題應是其證據為何：提交內容有何改變，而這些改變如何影響處理工作？

相關性與因果關係的區分，對補救措施十分重要。若服務問題引發投訴，限制草擬協助並不能修復服務。若不必要的冗長內容造成延誤，更清晰的提交設計或許能有所幫助，同時不減少使用途徑。

同樣的審慎亦適用於「淹沒」一詞。它可以描述容量問題，但亦帶有蓄意干擾的聯想。正當尋求協助的人士，不應自動承受這種暗示。

這亦涉及衡量上的挑戰。計算疑似由 AI 撰寫的訊息，可能產生看似有把握、但基礎不確定的指標。主管機關從衡量釐清要求、更正及處理投入中，或許能學到更多，而非賦予推測性的作者身分標籤。

這些建議指標亦有局限。複雜個案自然需要更多工作，無論 AI 是否在流程任何環節出現。評估應考慮個案差異，而非獎勵團隊優先處理最簡單的提交內容。

公平與營運效率匯聚於同一要求：理解當事人正在提出甚麼。最快達致理解的途徑，有時包括要求釐清；有時則是閱讀原始佐證材料，而非依賴摘要。

ICO 的 AI 指引為這項工作提供界線，但並不證明每項本地實施都有效。機構實務的質素仍是另一個問題，需要有關結果及服務使用者體驗的證據。

自動回覆在擴展前需要證據

在接收端使用 AI，會建立另一套決策系統，其效益必須獲得證明。

英國的 government AI playbook 於 2025 年 2 月發布，強調具實質意義的人為控制。它要求對受 AI 影響的高風險決定作出驗證、測試及實時監察，並提供讓使用者啟動人手覆核的途徑。

這為擬議的投訴處理系統提供治理參考，但並不證明摘要或回覆草擬在每種環境中都能節省時間。這些說法仍須在實際工作流程中評估。

摘要可以縮短文件，卻遺失決定其重要性的細節。只覆核縮短版本的僱員，可能永遠看不到被略去的內容。風險關乎原始記錄與決定之間的關係，而不只是摘要長度。

一個說明性例子可清楚展示這一區別。假設一封電郵描述反覆延誤，同時包括一個與寄件人情況相關的期限。若摘要強調不滿，卻略去該期限，便可能改變個案的優先處理方式。

這是假設性的失效模式，而非目前報道所記錄的事件。它說明，表面上易讀的輸出，需要與能準確反映個案的輸出作不同評估。

回覆草擬會帶來另一種依賴。流暢的答案可令不完整的調查看似已完成。若草稿在僱員查明發生何事之前便出現，其結構可能令其後的覆核圍繞缺乏支持的解釋展開。

因此，機構採購者應問：所聲稱的節省究竟發生在哪裏？工具是否消除了重複格式整理？是否有助檢索相關材料？還是商業論據假設僱員會花較少時間核查實質說法？

這些類別值得不同程度的審視。節省例行呈現所需時間，毋須與把緊急性或理據判斷交託出去一樣具備同等把握。單一生產力百分比可以掩蓋這些差異。

比較亦需要涵蓋完整流程。若更正及重開個案其後增加，初步處理時間縮短意義不大。反過來說，即使人手編制維持不變，若一項實施方案在保留質素的同時減少重複工作，便值得肯定。

local government playbook 於 2026 年 10 月發布，增添了一項針對行業的治理參考。它由議會主導的協作項目制定，並獲 Local Government Association 支持，涵蓋負責任採用及風險管理。其發布是準備工作的證據，而非成功實現投訴自動化的證明。

這一區分應塑造未來數月的預期。宣布某個議會採用 AI，只能證明作出了部署決定；並不能證明使用途徑更佳、錯誤更少或等候時間更短。

開發接收端工具的開發者，面對與協助寄件人的開發者相同的端到端考驗。若產品把工作轉移到其他地方，僅在一個介面減少可見投入並不足夠。其價值必須經得起覆核、更正及升級處理。

具實質意義的人手覆核亦需要實際容量。若工作流程不鼓勵開啟底層材料，僱員便不能可靠地質疑摘要。治理承諾必須與系統如何分配時間及呈現證據相連。

最有力的部署論據，應展示協助在哪裏有用、在哪裏失效，以及使用者如何取得更正。這些證據會比另一場展示模型能多快生成專業回覆的示範，更有說服力地支持擴展。

關注結果、使用規則及協助質素

下一項考驗，是機構能否在維持正當求助途徑開放的同時，減少可避免的工作。

第一個值得關注的訊號是營運報告。在未來數月，有用的披露應把來自各方的需求，與處理投入、釐清工作及已完成個案連繫起來。單靠疑似由 AI 撰寫內容的增加，只能提供較弱的解釋。

若處理有所改善而結果仍然穩妥，審慎設計的協助方案便更有理據。若更快的確認回覆伴隨更多未解決個案，表面上的生產力增益便值得更仔細檢視。重點在於結果，而非輸出速度。

第二個訊號是公共機構如何改變使用安排。新的表格、提交限制或升級處理政策，應根據其實際效果加以檢視。令隊列變小，未必表示服務運作得更好。

聚焦的表格可能有助人們說明發生了甚麼，以及他們希望得到甚麼回應；限制性的流程則可能阻止他們提供必要背景。兩者都可減少文字量，但代表截然不同的結果。

若機構保留釐清及個別覆核的途徑，便支持了在不排除正當使用者的前提下管理需求的可能性。若限制成為主要回應方式，取捨中的使用權一面便更難忽視。

第三個訊號是產品行為。投訴撰寫助理及機構處理工具，應愈來愈根據事實克制、文件清晰度及與佐證證據的連繫來評估。更華麗的措辭只會帶來很少安心。

若產品協助用戶縮窄缺乏支持的說法，並識別真正的請求，便能從源頭處理部分處理問題。若它們主要加速升級處理，接收機構仍會承受吸收額外工作的壓力。

這些是觀察重點，而非已排定的公告或有保證的發展。它們提供了一種評估下一波說法的方法，而不假定每項實施都會成功，或每一個額外請求都會造成傷害。

它們亦為知識工作者提供一個實用視角，以審視自身機構。相關問題是：一份由 AI 協助製作的文件，在離開作者螢幕後會在哪裏產生工作。更快完成的草稿仍可有用，但其效益應連同其後發生的事情一併評估。

對公共機構而言，ICO 的 AI 指引令眼前界線保持清晰：單憑草擬協助，不能決定應如何處理一項請求。更艱巨的工作，是建立能在持續壓力下保留這一區分的流程。

對追蹤這個故事的讀者而言，不應只看收件匣爆滿或自動寫作節省工時的說法。應問機構能否證明，人們在較少不必要投入下獲得準確決定；應問需要協助表達正當關注的人，是否仍可獲得使用途徑；亦應問新工具是否令底層證據更容易檢視。這些問題把寄件人的經驗與接收者的責任連結起來。在把下一次 AI 部署視為生產力成功之前，應檢視訊息送達後發生甚麼：誰會閱讀、誰會核查、誰可以更正錯誤，以及尋求協助的人最終是否獲得有用的解決方案。