公益与智能：数字化、搭平台、用AI……到底先干啥？

　　“机器能否真的替代人类?”“赛场表现好是否意味着‘能力量产’?”“这样的竞赛技能到底有什么作用”……互联网上，围绕日前举办的“第二届世界人形机器人运动会”讨论热烈，感叹声、赞美声、质疑声不绝于耳，基调似乎呈现出一种“兴奋中的冷静”。

　　这跟公益慈善事业与人工智能交叉议题的讨论风向有所契合，多位受访者在受访中都有这样的感受。值得关注的是，媒体与关注者围绕这一比赛的讨论频频提及智能化跃迁的概念。

　　什么是智能化跃迁?智能化与数字化有什么区别?员工用AI是否意味着机构智能化跃迁?目前公益慈善事业的智能化水平到底如何?堵点与有效路径在哪里?

　　“以韩国的行业调研为例，九成以上的公益从业者在个人层面用过生成式AI，但在机构层面正式引入的不到三成。”亚洲公益事业研究中心(CAPS)上海代表处首席代表江安琪分享了一组CAPS即将于9月2日发布的《亚洲人工智能向善投资观察》中的数据，“受访机构里44%表示正在扩大AI应用，但真正把AI纳入日常运营并设有经常性预算的只有14%。”

　　“表面上看人人都在用，但落到组织层面，远没有完成质变。”江安琪认为，智能化跃迁与“数字化转型”“上系统”“用AI工具”的分水岭在于：散落在个人手里的效率和便利，有没有转化为机构自身的能力。工具带来的红利是一次性的，只有能力沉淀下来，才能为组织持续产生复利。

　　深圳市图鸥公益事业发展中心(NGO2.0)主任张强在接受《公益时报》记者采访时也提出了他理解的“智能化跃迁”：不是技术工具的线性升级，而是社会组织业务逻辑、决策方式甚至组织形态的范式级台阶式变化——从“人驱动流程”转向“数据+算法驱动决策”。

　　公益慈善领域，似乎正在经历这样一场跃迁。它不是在原来的流程旁边加一个聊天机器人，也不是建一个知识库就结束，而是重新思考哪些工作交给AI、哪些仍要人做、人和AI如何协同。

　　在场：从工具提效到业务模式重构

　　《公益时报》记者根据智库专家推荐，就这一话题与四家基金会、十三家社会服务机构展开对话，详细了解了这些机构在智能化发展中的探索与实践，并从中选择了两个样本，试图由此观察中国社会组织智能化跃迁的有效路径。

　　作为关注“独抚母亲”群体的社会服务机构，北京一个母亲心理健康服务中心(以下简称“一个母亲”)需要触达一个具有隐蔽、分散、忙碌、自身带有“耻感”等特性的服务群体，并且需要通过多元活动成为这些“独抚母亲”身边的支持力量。

　　在特殊议题背景带来的“筹资天花板”下，“一个母亲”如何实现成本控制、人群触达、活动高频的“不可能三角”，通过两位全职员工持续开展精准服务，运维近200个社群?答案是数字化。

　　“一个母亲”负责人刘蕾介绍，2018年她接手时，机构只有1个公众号、1个线上“电台”节目和4个微信群。到2022年，已有30个不同功能的社群，但数字化还停留在“线上服务”层面，很难跟踪用户。“她来你也不知道，走你也不知道。”

　　2023年，“一个母亲”开始将沟通账号、数据和服务端口迁移到企业微信，并搭建数字化服务平台。平台涵盖用户管理、表单管理、收费(押金)功能、内容管理、咨询管理、会话存档、志愿者管理和数据看板等功能。目前平台有超过2.6万用户，700多个表单。今年母亲节，“一个母亲”第一次基于自身数字化系统的数据，发布了对独抚母亲群体的样本观察。也正是基于该平台，“一个母亲”可以依据个体的独抚原因、孩子年龄、所在地等为其提供更为精准的服务。

“一个母亲”数字化服务平台。受访者供图

　　从数字化向智能化发展，“一个母亲”试图从一些费时费力但结构制式的工作入手。“AI客服是我们去年刚开始做的。”刘蕾介绍，跟腾讯技术公益断断续续调了近一年，基于小程序智能体，把和独自抚养有关的3000多个问答录进去，“妈妈们有一些问题现在基本都可以用AI来回答”。

　　相比于“一个母亲”，规模更大的爱佑慈善基金会智能化发展不是近几年才起步的。2006年，爱佑的第一个系统化慈善项目“爱佑童心”启动，这个为困难家庭先心病患儿提供医疗救助的项目，当时就开始和定点合作医院进行在线协同。

　　“爱佑走了一条完整的路：办公自动化→流程在线化→业务数字化→基金会数据化，再到近两年用AI做全局重构。”爱佑慈善基金会(下称“爱佑”或“爱佑基金会”)数据与AI业务负责人罗忠富介绍。

　　2017年起，爱佑开始对所有业务做数字化升级，把原来相互独立的系统连起来。儿童医疗救助项目形成了从申请、审核到结算、支付全流程的闭环;儿童保护领域的“爱佑安生”项目，儿童主任和社工通过手机平台记录服务情况，项目服务数据与资金流动关联，便于向捐赠人进行精细化反馈。2018年爱佑转型公募基金会后，进一步探索从数字化到数据化的建设。2019年建成“五大系统、一个中心”——筹款、业务、资管、捐赠人专户、行政，加上统筹中心。2021年至2023年，爱佑逐步和互联网公募平台陆续打通数据，把每一笔订单匹配到具体受益人，让每一笔善意都有迹可循。2024年至今，爱佑持续在人工智能领域探索，例如AI社工助手的出现正在重构爱佑安生困境儿童救助与保护项目个案服务的业务模式。

爱佑基金会数字化发展历程。受访者供图

　　“数据化的核心，是让已经沉淀下来的数据真正发挥作用。”罗忠富说。通过和公募平台的数据打通，捐赠人可以按账户看到钱怎么分、用到谁、用了多少，每一笔收入、支出、流向可查可追溯。

　　张强接触过不少“AI+慈善组织”的探索，印象最深的有两个。一个是资助型基金会的AI项目评审系统，用大模型做初审工具，先把所有申报书结构化提取，校验材料完整性、预算合规性，再交叉比对机构过往信用，最终项目官员只需要审核剩下30%的优质项目，整体效率提升4倍多。另一个是乡村儿童心理支持机构的AI辅助筛查和轻陪伴工具，一个社工能覆盖五六所学校，服务覆盖人数翻了两倍。

　　张力：组织比技术更重要

　　“过去十年解决的主要是‘留痕’问题，而AI需要的是‘数据资产’。”江安琪指出，“留痕型数据的使命是证明‘我做过’，任务就完成了;而数据资产是可以被反复调用、持续产生价值的数据。”

　　张强也持类似判断。他认为，过去十年的社会组织信息化，本质是表层、被动、工具化的线上化，没有打下智能化需要的底层基础。核心原因有三：第一是数据底子没打牢，数据散在不同系统、不同员工手里，格式不统一、标准不一致，“AI的基础是数据，没有规范可调用的数据资产，再好的大模型也‘无米下锅’”。第二是组织能力没跟上，AI时代需要“懂公益业务+懂数据逻辑+懂AI边界”的复合人才，这类人才极度稀缺。第三是认知存在偏差，很多机构把信息化等同于“互联网筹款”，数字化是“半截子”的。

　　“我们在研究中发现，有些机构觉得自己的数据已经准备好了，真正到要用的时候才发现，数据分散在各个平台、网盘和文档里，根本没法统一调用。”江安琪补充道。

　　但数据问题只是表象，更深层的障碍在组织层面。

　　长期关注公益慈善数字化与智能化的技术专家骆攀(化名)指出，数字化表面上看是IT部门的事，但实际上很难由IT部门单独推动整个组织。“把流程从线下搬到线上，看似简单，但真正的卡点在于组织设计。如果组织层面不愿意改变，IT部门权力又小，没有一把手支持，很难推动。”

　　罗忠富也坦言，过去两年他被问得最多的，不是模型怎么选、智能体怎么设计，而是“第一步到底该怎么迈、该由谁来推”。业务部门担心工作更复杂，技术部门担心需求一直在变，管理层担心投了钱和人看不到效果。

　　“因为AI带来的不只是一个新软件，而是一种新的工作方式。”罗忠富说。爱佑的解决办法，首先是“一把手工程”——明确AI是未来几年持续建设的组织能力，不因短期效果不明显就停;推动各部门同事和技术坐到一起;允许持续试错。

　　深圳益起共创公益服务中心理事长王琦从一线实践给出了另一个观察。这位曾任腾讯公益慈善基金会副秘书长、兼具技术与公益双重背景的从业者，如今带领团队通过募集社会资源、捐赠模块化AI系统的方式，支持了90余家社会组织开启AI数字化转型。在他看来，公益行业AI转型还有一个传统行业不具备的独特优势：“传统行业AI转型可能需要裁员，很痛苦，但公益行业本来人就少，不存在这个阻力。”

　　除了组织障碍，资源约束同样尖锐。

　　江安琪谈道，具有公开募捐资格的基金会，管理费用上限是当年总支出的10%，数字化投入得从这10%里出。“而据行业内估算，大部分慈善组织实际能用于数字化的资金大约只有千分之五。”更有一层额外的阻力：今年公益行业的薪酬争议持续发酵，“在这种预期下，机构如果把资金用于数字化建设或技术人才引进，很容易面临‘为什么不直接用在受益人身上’的质疑。”

　　王琦对此深有体会。在他看来，数字化投入与10%管理费红线之间的矛盾，正是公益行业数字化转型迟迟走不动的结构性原因。机构不是不想推进数字化，而是那10%的额度里根本挤不出多少预算。因此，设计公益数字化转型方案时，首先要思考的是，如何在费用约束条件下，让社会组织可负担成本，可持续使用。

　　骆攀也提到，目前最大的困难还是缺钱和缺人。“行业资金本就不多，可用于数字化和AI化的资金更少。更关键的是缺少既懂AI又懂社会组织业务的人才，能够给机构做落地服务。这样的人很少，即使一个人能帮助几家机构，也覆盖不过来。”

　　刘蕾分享了“一个母亲”的投入情况：腾讯“百个项目(数字化应用类)”给了搭建数字化平台的费用，机构才能迈出第一步做自己的平台，后来一两年优化开发每年大概投入10万左右。“未来如果只是维护，成本应该能控制在5万以下。”但她也坦言，“现在筹资特别难。”

　　范式：谁能率先跑出来？

　　张强总结道，表面上看行业普遍缺人、缺钱、缺工具，但深入下去，不同类型机构缺的东西完全不一样。对草根小微机构来说，最缺的是数字化认知和基础能力;对中型成长机构来说，最缺的是复合人才和适配公益场景的解决方案;对头部机构和资助型基金会来说，最缺的是伦理治理框架和数据安全能力。

　　“说到底，行业缺的不是某一个单点的东西，而是一套符合公益行业特性的智能化路径——企业的路径用不了，自己的路径还没摸索出来，所以大家都卡在了门口。”张强说。

　　关于哪类机构最有可能率先跑出智能化范式，受访者们的判断各有侧重。

　　张强认为，最有可能率先跑出成熟范式的，是垂直深耕的中型执行机构，以及有资源积累的资助型基金会，“反而不是超大型头部机构，也不是草根组织”。中型垂直执行机构有稳定业务场景和一定数据积累，“船小好调头”，决策链条短，有试错空间。资助型基金会手里有大量项目申报、机构评估数据，AI可以直接用在项目初审、资助匹配、风险监测上，不用直接接触一线受助人，伦理风险和落地难度都更低。

　　江安琪的观察也指向两类机构。一类是行业组织，“它们以服务全行业为职责，手里有结构化的行业数据，日常工作又以信息处理为主，AI来了马上就能派上用场”。另一类是深耕某个议题三五年以上、正处在规模化扩张期的执行型机构，“单纯依靠人力堆叠的传统模式已经撑不住了，这种紧迫感会推着它们率先用AI寻找突破口”。

　　在她看来，新的范式很难靠某一类机构单独建立起来，成功案例几乎都是多方协作的产物：平台提供基础架构，技术公益团队做场景转化，一线机构定义问题和需求。“对草根机构来说，它们手里握着范式建设中很稀缺的资源：真实的一线需求。谁最了解问题，谁就拥有别人复制不了的优势。”

　　王琦则从自己的复合生态位出发作出判断：最先跑出来的，应该是扎根一线的草根执行机构。“因为只有真正接触受益人、了解具体需求的人，才能设计出真正可靠、有效的资助标准和服务流程。”王琦进一步表示，AI本身是一次技术平权的机会。“过去十几年，公益行业的资源没有往草根机构倾斜，但AI时代可以为草根机构做技术平权。通过草根机构的生态改变，自下而上地带动整个中国公益生态的改变。”

　　在王琦看来，社会对执行成本的接受度普遍偏低，低薪酬、压力大正在为公益慈善事业带来恶性循环;而问题的根源并非人，而是生态。“我们认为，破局之路，是用AI改变效率，在约束条件下求解最优方案。AI最大的作用是让员工从信息处理中解放出来，服务更多受益人，执行更多善款，拿到体面、稳定的劳动报酬。”

　　王琦分享道，以助力翱翔教育助学项目为例，过去一位员工一年能帮助100多个孩子，接入AI数字化系统后，现在一年能帮助近600个孩子，效率提升了5-6倍。“具体做法，是把公益项目全流程的信息连通起来——获取线索、调研核实、筹措资金、拨付善款、反馈告知、学期报告——让AI处理信息流转的环节。这样员工就能把时间花在真正需要投入的地方。”

　　目前，该AI系统已完成与深圳市民政智慧慈善系统的对接工作，项目收支数据可定时同步推送。借助系统互联互通，民政部门可对慈善项目实施全流程穿透式监管，助力项目更快完成备案落地。

助力翱翔教育助学项目AI数字化的长尾成效。受访者供图

　　罗忠富也介绍了爱佑探索出的范式。2025年，爱佑慈善基金会将AI深度融入儿童保护项目，通过爱佑安生社工助手实现业务流程在执行方式上、知识体系上、价值呈现上的三重重构。

　　爱佑安生社工助手实现的儿童保护数字化范式。根据受访者提供的信息整理而成

　　未来：伦理红线与生态共建

　　在展望智能化未来之前，有一道绕不过去的门槛——伦理与边界。

　　张强提出了四条绝对不能碰的伦理红线：核心决策人工兜底红线，所有涉及受助人核心利益的决策，AI只能提供参考建议，最终必须由人拍板;隐私数据安全红线，绝对不能泄露受助人隐私，公益数据绝对不能商业化;真实透明红线，用AI生成的公开内容必须标注，面向服务对象的AI服务必须明确告知对方是AI;尊严优先红线，绝对不能为了效率牺牲公平和人的尊严。

　　江安琪则从CAPS的研究视角补充了更多已显现的风险：受益人数据安全问题，一线机构恰恰是安全能力比较薄弱的一环;数据代表性偏差，“我们在研究访谈中了解到这样一个案例：一款农业咨询工具，训练数据中女性小农户的占比不足，导致给女性小农户的建议质量系统性偏低”;平台依赖，资助方指定平台，数据迁移困难，机构被困在别人的基础设施上;能力退化，“AI代写可能延缓年轻社工专业判断力的形成和成长”。

　　在“AI+陪伴”这个最容易越界的场景上，受访者们形成了共识：AI最合适的位置是作为人和人之间做连接的桥梁，而不是直接替代人。

　　江安琪提到，中国心智障碍者家长组织网络近期发布了一份关于人工智能的伦理立场草案，明确提出AI应当连接人与人，而非用机器陪伴取代人类的支持。她强调：“AI放大的是人和人之间的真实连接，而不是取代它。”

　　张强则提出了更具体的四条边界：功能边界，AI只能做标准化、轻量化、预防性的陪伴工作，绝对不能介入深度情感、专业判断和危机干预场景;责任边界，机构不能因为用了AI就减少人工陪伴的投入;知情与数据边界，必须明确告知服务对象“正在和AI对话”，严格遵守数据最小必要原则;场景边界，在需要建立深度信任关系的核心服务场景，绝对不能用AI。

　　面向未来，张强判断三到五年后，行业会形成“分层清晰、范式成熟、基础设施初步成型”的稳定格局：头部和中型机构会跑通2～3个成熟的智能化范式;行业规则和基础设施初步成型;行业数字化分层固化，但不会到“碾压”程度;监管逐步完善，AI公益从野蛮生长走向规范发展。

　　江安琪则关注三个方向：一是行业格局中会不会长出一个“复用层”，“模板、共享工具、中介服务正在成形，中小机构以很低的成本复用头部机构重金打造的能力”;二是伦理的位置会不会从可选项变成门槛;三是资金形态能不能跟上，“一年期的项目制资助，很难支撑一个需要两三年迭代打磨的AI服务产品”。

　　对想跃迁但还没起步的机构，张强最想说：不要追风口，不要等万事俱备，从日常最耗精力的一件小事切入用AI，先把人力解放出来回归公益本质，跃迁自然会发生。

　　江安琪的建议是：“不要急着问‘我们该用哪个AI工具’，先问‘我们最想解决什么问题’，然后从一个小场景切入，让团队主动去用、反复去用。”她分享了访谈中一家印度机构的实测数据：第一次使用往往是被要求的，但只要第二次是员工自己主动打开的，留存率基本能稳定在八成以上。

　　“AI项目首先不是技术项目，而是一项组织工程。”罗忠富强调，“AI建设的真正起点不是模型，不是平台，也不是知识库，而是组织。”对绝大多数慈善组织来说，启动并不需要庞大团队——一位能协调拍板的一把手，一位知道哪里最耗时、最易错的业务骨干，一位能把大模型、工作流、智能体接到业务里的应用型人才，“这三个人就足够开始”。

　　骆攀则从科技企业与社会组织关系的角度做了补充。他认为，“AI向善”可以分两种：一种是科技直接帮助困境群体，比如帮助盲人、残障人士，这方面科技公司做得很好;另一种是社会组织了解议题需求，把好的科技产品应用到弱势群体身上。“社会组织更适合做议题型的工作——了解需求、对接资源、推动落地，而不是自己去开发底层技术。因为公益行业跨度很大，涉及老人、儿童、医疗、环保等各个领域，由专业的科技公司来做技术更擅长。”