ChatGPT 占可识别众议院 AI 支出的 88%

根据推动本报道的 OpenAI TechCrunch 报道所分析的记录，OpenAI 获得了众议院可识别 AI 工具支出的 88%。这一领先地位使 ChatGPT 成为国会山上显而易见的默认付费助手，也带来了国会无法回避的冲突：立法者日益依赖一项同时又应由其监管的技术。

国会办公室正将生成式 AI——即根据提示生成文本或其他内容的软件——用于日常知识型工作。据报道，相关任务包括起草备忘录、概述法案、研究政策，以及准备选民沟通材料。这些用途听起来属于行政事务，但最终形成的文件可能影响公共说明、立法优先事项，以及以民选官员名义发出的回复。

这些支出记录并未完整统计国会对 AI 的使用情况。它们不包括参议院，可能遗漏员工报销，也无法衡量免费服务或未披露的试验。不过，已见的失衡态势依然显著。Anthropic 的 Claude、Google 的 Gemini 和 Microsoft 的 Copilot 尚未在众议院办公室获得相当程度的披露采用。

这种差异之所以重要，是因为日常使用会影响机构偏好。员工一旦熟悉某个界面、形成可复用的提示词，并围绕它建立审查流程，转换产品的成本就会不断上升。国会不再只是试用一个聊天机器人；它开始围绕一家供应商形成习惯，同时讨论将影响该供应商未来的规则。

支出记录揭示出一个明确的首选

最重要的发现并不是国会购买了 AI 订阅服务，而是国会所披露的支出由一家供应商主导。

基础记录来自众议院的《支出明细报告》，其中记录了议员办公室、委员会和行政单位的支出。已公布条目中包括可辨识的 ChatGPT 订阅以及 OpenAI 卡交易记录。一份可检索的众议院支出记录直接表明，付费 OpenAI 服务已进入国会运作体系。

所报道的 88% 份额覆盖的是已识别 AI 工具的已知支出。这并不意味着 88% 的众议员都在使用 ChatGPT，也不表明 OpenAI 承担了全部国会 AI 辅助工作中的 88%。这一数字描述的是支出样本，而不是全面的采用情况调查。

这一区别至关重要。员工可能自行支付账户费用，再获得一笔未注明供应商的普通报销。另一个办公室也可能使用免费聊天机器人，因此不会产生采购记录。企业软件同样可能包含 AI 功能，其费用被打包进更广泛的合同中。

参议院活动不在众议院支出数据集的范围内。两院的政策和获准产品也不尽相同，因此众议院的发现不能自动代表整个国会。现有证据支持一个更狭义的结论：在众议院公开记录中可识别的 AI 采购里，ChatGPT 占据压倒性领先地位。

即便存在这些限制，差距也表明这不只是随机试验。员工已使用 ChatGPT 数年，为 OpenAI 提供了较早融入国会工作流程的机会。众议院数字服务部门最初于 2023 年向有限群体发放了许可证，用于内部测试。

随后，众议院制定了有关授权使用的规则。根据早期的 ChatGPT restrictions，办公室可在启用隐私保护的前提下，使用获批的付费版本进行研究和评估。员工被告知，不得输入尚未公开的私密材料。

这些限制有助于解释为何付费支出具有参考价值。国会办公室并非只是在可互换的消费者网站之间做选择，而是在一套审批流程中运作；该流程将产品版本和隐私设置视为具有实际意义的安全差异。

这一格局还反映了 ChatGPT 的先发优势。在竞争产品获得相似知名度之前，它已成为许多工作人员与生成式 AI 联系在一起的名称。当办公室开始正式试验时，ChatGPT 已拥有广泛认知和一个几乎无需技术培训的简洁界面。

这种熟悉程度的重要性可能超过基准测试差异。面临截止期限的立法办公室需要一款员工能够立即使用的工具。每当新的备忘录、听证会或选民问题出现时，它们很少有时间进行正式模型评估。

因此，OpenAI TechCrunch 的报道框架捕捉到了一种务实的机构选择。国会似乎正自下而上地实现标准化，一次订阅、一次员工工作流程。无需中央采购声明，也能形成一家占主导地位的供应商。

ChatGPT 契合国会既有的工作

ChatGPT 的胜出，是因为国会工作包含海量必须在极大时间压力下处理的文本。

众议院办公室会收到政策文件、机构函件、听证材料、新闻报道和选民来信。员工必须将这些信息转化为供立法者和公众使用的简明材料。生成式 AI 可以加快许多这类材料的初稿制作。

法案摘要是一个显而易见的用途。法案可能包含密集的修正案、交叉引用和定义，难以快速浏览。聊天机器人可以生成初步提纲、识别具名项目，或将技术性语言转化为更易理解的说明。

这种初步输出并非法律分析。它可能遗漏例外情况、误解交叉引用，或编造法案并不支持的结论。它的价值在于帮助受过训练的员工建立起点，而非取代员工的核实工作。

起草备忘录也有类似好处。员工可以要求生成涵盖某一议题背景、利益相关方、论点和未决问题的结构。由此形成的草稿能减少面对空白页面起笔的阻力。

同样的模式也适用于听证准备。员工可以利用公开材料拟定可能的问题、按主题归类证词，或比较证人近期的表态。人工审阅者仍须核实每个前提，并判断拟议问题是否服务于议员的目标。

选民沟通则是另一项高频任务。办公室经常回复关于立法、联邦福利、本地项目和时事的来信。AI 可以协助归类收到的通信或起草回复模板，但涉及敏感个案的工作构成了明确边界。

选民可能披露医疗状况、移民细节、税务信息，或与联邦机构有关的问题。这类材料不应被粘贴到未经批准的公共聊天机器人中。众议院对隐私的强调，反映了不当处理这些记录可能带来的后果。

这正是更广泛的 AI knowledge base 方法变得相关的地方。有效的协助依赖于受控的源材料、明确的权限，以及将回答追溯到证据的能力。缺少这些基础的流畅回答，可能带来比节省更多的工作。

ChatGPT 的吸引力也来自其覆盖面。一个界面就能改写段落、创建简报提纲、提取问题，或比较两份公开文件。办公室不必为每项小任务配备单独的应用程序。

这种多功能性使通用型供应商比专业产品更具优势。专注于立法的工具或许能提供更好的引文或法案追踪，但未必能同样出色地处理沟通、头脑风暴和编辑。预算和培训限制促使办公室集中使用一项能够覆盖多种需求的服务。

OpenAI 在国会之外也强化了这一战略。在公司推出 ChatGPT Gov 时表示，自 2024 年以来，来自超过 3,500 个联邦、州和地方机构的逾 90,000 名用户已交换超过 1,800 万条消息。这些由公司提供的数据见于其政府产品公告。

这些数据并非独立的性能评估。但它们表明，OpenAI 将公共部门采用视为一个独特市场，需要行政控制和面向政府的部署选项。国会是争夺持续性政府工作流程的更广泛竞争的一部分。

最有力的使用场景仍是边界明确的场景。概述公开材料、生成选项、重组笔记和改进草稿，都允许进行有意义的人工审阅。当办公室将生成内容视为权威，或让它决定政策判断时，风险就会上升。

因此，国会的采用并不像最初听起来那么神秘。该机构持续生产和消耗文本。ChatGPT 提供了一个快速、通用的文本处理层，而它较早进入市场也降低了采用的社会门槛。

OpenAI TechCrunch 的关注揭示竞争对手差距

OpenAI 的优势部分源于产品胜出，但也源于国会审批规则并未平等对待每一个竞争对手。

Anthropic、Google 和 Microsoft 都能提供有竞争力的语言模型。它们的产品在文档处理、集成、模型行为、安全控制和管理功能方面展开竞争。然而，技术上可用并不意味着某款产品获准在众议院内部使用。

Microsoft 提供了最清晰的例子。众议院在 2024 年限制员工使用商业版 Copilot，理由是担忧数据会流向未经授权的云服务。据Copilot restriction报道，官员表示将单独评估面向政府的版本。

这一决定造成了一个不寻常的竞争结果。Microsoft 提供了深度嵌入办公室工作的软件，包括电子邮件和文档工具。理论上，Copilot 与这些产品的集成应使其成为自然的国会助手。

安全政策打断了这种分发优势。即使产品位于熟悉的软件之中，也无法自由地将其位置转化为众议院的正式使用。ChatGPT 虽然也受自身限制，却已获得明确的授权试验路径。

Anthropic 面临不同的挑战。Claude 已在处理长文档和复杂写作的用户中积累了追随者，但其在不同政府环境中的审批情况各不相同。产品质量本身无法克服一个议院的采购或安全限制。

Google 的 Gemini 受益于该公司的生产力工具和搜索经验。然而，国会采用取决于获批的是哪种部署方式、信息如何留存，以及办公室是否已依赖周边软件。强大的模型并不会自动形成可行的政府工作流程。

因此，这个故事中真正的对手并不只是 ChatGPT 与另一款聊天机器人。它是 OpenAI 已确立的习惯优势，与政府对供应商多样性和受控选择的需求之间的较量。

一旦办公室围绕 ChatGPT 建立起模板和审查惯例，更换服务商就会变成一项运营项目。员工必须测试熟悉的提示词，研究不同的失败模式，并更新内部指引。订阅本身或许很容易替换，但围绕它形成的习惯则更难迁移。

这会在没有传统长期合同的情况下形成制度性锁定。当转换成本使客户持续依附于某个服务商时，就会出现锁定。在这里，这些成本可能包括员工熟悉度、获准使用流程、已保存的工作流，以及对工具能够处理哪些任务的信心。

OpenAI TechCrunch 关键词还指向一个编辑问题。服务商主导地位很容易被描述为市场份额故事，但国会并非普通客户。其议员制定法律、质询高管、要求机构提供信息，并影响政府采购。

即使没有获得立法决策的特权性接触，主导服务商也会更接近政策制定者。员工在讨论生成式 AI 能做什么时，会将其产品作为参照点。竞争对手则必须证明，为何另一种界面或模型值得关注。

这并不能证明存在不当影响。公共支出记录揭示的是采购，而非政策回报。没有依据可以声称，一项 ChatGPT 订阅会决定议员如何就 AI 监管投票。

担忧更为微妙。反复使用可能会让人习惯于某一家公司的设计选择、术语和局限性。每天使用 ChatGPT 的议员办公室，是通过 OpenAI 的产品决策而非对整个领域的中性呈现来接触 AI。

服务商集中度也会削弱比较式学习。不同模型以不同方式出错，采用不同的安全政策，在处理来源时也存在差异。只使用一项服务的办公室，可能难以识别哪些行为是该模型特有的。

国会可从受控比较中获得更好的信息。员工可以在获批服务之间测试相同的公开任务，记录缺乏依据的说法，并评估引文质量。这种方法既能为采购提供证据，也能教会用户不要将流畅性误认为可靠性。

众议院已经朝着更正式的框架迈进。2024 年的一份 AI 政策报告称，该院在当年 7 月至 9 月间批准了一项 AI 政策。正式政策能够将零散试验转化为可问责的制度性学习。

竞争差距仍有可能缩小。竞争者可以推出面向政府的产品、获得批准，或通过与众议院已在使用的系统集成来取胜。不过，每多一个以 ChatGPT 为中心开展工作的月份，OpenAI 就多一份可供捍卫的熟悉度优势。

采用数字掩盖了最棘手的风险

支出只能证明办公室获得了一项工具，并不能证明该工具改善了立法工作，也不能证明员工始终安全地使用它。

88% 这一数字有着明确但有限的含义。它是所研究记录中可识别 AI 工具支出里归属于 ChatGPT 的比例。它并未说明输出质量、节省的工时、错误率，或员工是否弃用了一些已购买账户。

公共费用数据也可能低估市场规模。参议院支出缺失，报销可能掩盖服务商名称，而免费产品不会留下付款记录。捆绑式软件合同也可能隐藏与 AI 相关的部分。

这些局限应使读者谨慎，不要断言形成了永久垄断。OpenAI 显然在可见的众议院支出类别中领先，但实际使用格局仍不那么确定。一次全面审计需要席位数量、活跃使用数据、任务类别以及各院特定政策。

准确性构成了更深层的问题。大型语言模型通过预测可能出现的词序列生成回答。这一机制可能产生看似自信、实则错误、不完整，或附带不存在来源的陈述。

错误的餐厅推荐会带来不便。对法定文本的错误总结，则可能影响公开表态、听证会提问或选民回复。输出的精致语气可能让错误更难被察觉。

立法还会造成复杂的来源条件。一项法案可能修改现有法律中的细小措辞、纳入另一编中的定义，或依赖后续机构规则。除非获得完整且最新的材料，否则通用聊天机器人可能遗漏这些关联。

引文功能能减少一些阻力，但不能免除审查的必要。链接的来源可能确实存在，却并不支持生成的句子。员工必须打开底层文件，找到相关措辞，并确认其语境。

政治中立性带来了另一项挑战。国会沟通传达的是价值观和政策判断，而不仅仅是事实。模型可能会使用从训练数据中学得、或通过产品政策施加的假设来框定议题。

员工不应外包这些判断。他们可以要求聊天机器人识别论点或重写草稿，但办公室仍须对最终立场负责。生成的共识可能掩盖正当分歧。

隐私风险同样具体。即使提示词省略了选民姓名，也可能泄露信息。地点、机构、医疗状况和案件经历的组合，仍可能识别出一个人。

最安全的规则应以用途为基础，而非停留在表面处理上。员工应询问信息是否公开、该工具是否获准处理这些数据，以及能否用敏感性更低的材料完成任务。仅仅删除姓名并不总是足够。

不同产品版本的安全控制也存在差异。面向消费者的聊天机器人、企业部署和政府部署，可能具有不同的数据保留、训练和管理条款。将品牌名称视为完整的安全评估，会造成一种虚假的确定感。

人工审查是必要的，但这句话可能沦为空洞的保障。匆忙的员工可能略读一份精致草稿，而不核查每一项主张。只有当办公室明确由谁核验事实、以哪个来源为准，以及何时不得使用 AI 输出时，审查才能发挥作用。

实用的工作流应将来源保留在生成草稿旁边。员工随后可以将每项事实主张与立法文本、机构记录或过往通信进行比对。这类似于 知识融合，即 AI 回应始终与支撑它的材料保持关联。

披露带来了另一个尚未解决的问题。选民通常不知道 AI 是否协助起草了其代表的回复。要求标注每一个经 AI 协助的句子可能不切实际，但当自动化发挥重大作用时，完全保持沉默也可能削弱信任。

国会可能需要针对不同用途制定不同规则。内部头脑风暴比自动化选民回复引发的披露担忧更少。公开政策摘要需要比员工撰写文本的语法改写更严格的核验。

这里还存在治理冲突。国会必须评估 AI 安全、竞争、隐私、版权和国家安全，而其自身办公室又日益依赖商业模型。内部经验可以提升立法理解，但依赖也可能缩窄视野。

答案不是全面禁止。禁止获批工具会将试验推向更不透明的渠道，并阻碍国会了解这项技术的实际表现。受控采用、有文档记录的评估和清晰的数据边界提供了更好的路径。

不过，OpenAI 据报道的领先地位应引发审视，而非庆祝。国会需要证据表明，所采购的工具能带来可衡量的收益。它还需要建立程序，在生成内容进入立法文本或面向公众之前发现错误。

国会正在同时成为客户和监管者

ChatGPT 的领先地位让国会同时扮演两种角色：寻求生产力的买方，以及负责限制伤害的监管者。

这种双重角色可能有用。使用生成式 AI 的立法者和员工，可以就模型可靠性、数据控制和采购提出更知情的问题。直接经验可能暴露精心包装的演示所掩盖的局限。

内部使用也能澄清哪些拟议规则切实可行。测试文件摘要的员工会理解为何来源追溯至关重要。处理选民数据的办公室会看到，为何隐私保护必须涵盖提示词、存储文件和生成输出。

然而，使用一种主导产品的经验可能扭曲结论。ChatGPT 的行为并不能代表每一种模型、部署方式或开源系统。国会应避免根据单一服务商的界面制定普遍政策。

采购与监管的推进速度也不同。办公室可以迅速购买订阅，而立法可能需要数月甚至数年。产品能力和条款可能在这段间隔内发生变化。

因此，众议院政策需要定期审查。批准不应被视为安全性的永久证明。官员应重新评估数据保留做法、集成方式、模型更新、事件历史，以及新近支持任务的敏感程度。

该机构还需要一份更清晰的清单。公共拨款记录会在采购发生后揭示部分情况，但管理者需要关于获批账户和实际使用情况的当前信息。没有清单，他们就无法识别集中度或重复订阅。

使用审计应侧重类别，而不是阅读每一条提示词。办公室可以报告是否将 AI 用于公开研究、起草、个案工作支持、编程或沟通。这类信息既能暴露高风险模式，也能保护正当审议。

评估应包括错误，而不只是节省时间。如果一项工具能更快生成摘要，却需要大量修正，那么表面的生产力收益可能会消失。办公室需要将核验和返工纳入考量的衡量标准。

国会也应保留替代方案。批准多种安全产品将支持比较测试，并降低对单一服务商的依赖。服务商多样性可以增强议价能力，并在服务变化或失效时提供连续性。

这一原则并不要求在各公司之间平均支出。经过评估后，ChatGPT 仍可能是首选工具。目标是确保偏好源于证据，而非惯性。

OpenAI 日益增长的公共部门战略提高了利害关系。该公司已将政府产品和合作伙伴关系归入 OpenAI for Government，覆盖国会办公室以外的部署。其 政府项目明确面向联邦、州和地方机构的行政工作。

该公司表示，其企业产品中的业务数据不会用于训练或改进模型。政府采购方仍需核实这些条款如何适用于每项部署、集成和分包服务。

竞争对手很可能通过面向政府的控制措施和认证作出回应。Microsoft 可以将 AI 与生产力基础设施结合。Google 可以将模型与搜索和办公工具连接。Anthropic 可以强调模型行为、安全研究和文档处理能力。

它们的机会部分取决于众议院。如果审批仍然缓慢或不一致，ChatGPT 的既有用户基础将继续累积优势。如果该院建立透明的评估标准，竞争者将获得更清晰的竞争路径。

竞争政策应纳入这一讨论，因为采购能够塑造市场。政府采购决策会带来收入、信誉和标杆客户。一系列分散在各个办公室层面的选择，即使没有集中式合同，也可能造成市场集中。

国会不需要因为 OpenAI 起步早或受欢迎而惩罚它。但国会确实需要理解：当熟悉感取代评估时，会带来什么后果。一个正在讨论 AI 竞争问题的立法机构，也应审视其自身运营中的竞争状况。

三个信号将检验 ChatGPT 的领先地位

下一阶段将揭示，ChatGPT 是否已成为持久的国会基础设施，还是仅仅是第一波引人注目的 AI 订阅服务。

第一个信号是更完善的支出和使用情况披露。未来的众议院记录可以显示，易于识别的 OpenAI 交易是否持续增长，以及竞争对手供应商是否正在扩大份额。更有价值的报告应区分采购席位与活跃账户，并明确主要任务类别。

如果在披露支出总额扩大的同时，ChatGPT 仍维持相近份额，那么 OpenAI 的使用习惯优势将显得更为持久。若其他获批准工具开始出现在各办公室中，当前的集中度则更像是早期市场的一个快照。

第二个信号是众议院的审批流程。政府版本的 Copilot、Gemini、Claude 及其他服务需要经过明确的安全和隐私评估。可信替代方案获得批准，将检验 ChatGPT 的主导地位究竟源于用户偏好，还是可选产品有限。

竞争对手不必在整个国会范围内取代 ChatGPT，便能削弱这种集中度。只要在文档分析、办公套件辅助或委员会研究等领域胜出，就可能按工作流划分市场。专业化采用也能让工作人员对不同模型的行为进行有价值的比较。

第三个信号是关于结果的证据。国会应询问各办公室，AI 是否缩短了处理周期、提升了一致性，或反而增加了核验工作。它还应追踪涉及捏造事实、敏感数据或误导性选民沟通的事件。

这些证据将比订阅总量更重要。采购数据告诉我们哪家供应商进入了这栋大楼；结果数据告诉我们，该机构是否因此更好地服务公众。

OpenAI 的 TechCrunch 报道捕捉到了一个耐人寻味的时刻。ChatGPT 已从公众眼中的新奇事物，变成了联邦法律制定机构内部的付费工具。它的领先地位如今带来了普通市场份额报道所没有的制度性影响。

对开发者而言，教训在于产品分发。熟悉的界面、早期审批和广泛的使用场景，可能胜过局部的技术优势。要赢得政府工作流，除了模型质量，还需要安全文档和管理控制措施。

企业买家应注意这种锁定模式。最深层的转换成本或许不在合同中，而在提示词、审核习惯、培训和内部信任中。买家应以可移植的格式记录工作流，并在某一家供应商成为无形基础设施之前测试替代方案。

知识工作者应聚焦核验。AI 可以缩短整理材料或产出初稿所需的时间，但它不会转移责任。发送备忘录、政策摘要或公开回应的人，仍要对每一项主张负责。

国会现在应公布更清晰的采用数据、比较获批准的产品，并在衡量节省时间的同时衡量已纠正的错误。读者应关注，立法者是否会先将这些标准应用于自己的办公室，再将其施加于其他人。

这正是 ChatGPT 表面胜利背后的考验。国会已经找到了自己偏爱的 AI 工具。更难的问题是：在为其偏爱的供应商制定监管规则时，国会能否仍然保持独立、严格的客户身份。