美国疾病控制与预防中心（CDC）周四发布了人工智能使用战略与指南，为自身工作指明了方向，并为全国公共卫生官员提供了资源。
这些文件体现了推广该技术、赋能员工使用并确保工具得到妥善治理的意愿。但更具特色的是，这些出版物鼓励采用“代理型”或“深度研究”AI应用——即能自主执行特定任务的工具——而CDC已在探索此类应用。
根据卫生与公众服务部最近报告的人工智能使用案例清单，2025年CDC约100个AI用例中近10%为代理型工具。其在部门内部署的代理型AI中占比约为三分之一。
因此，CDC的新战略包含了具体语言，旨在利用该技术支持公共卫生、加强研究和数据管理，并改善数据获取。同时，该机构基于自身探索经验，发布了针对州、部落、地方和领地（STLT）公共卫生部门使用AI代理进行研究的特定指南。
“我们从合作伙伴那里收到的首要需求之一就是围绕这项技术的指南，”CDC代理首席AI官特拉维斯·霍普告诉FedScoop。他表示，AI清单显示了该机构在哪些领域使用该技术，而新材料则提供了更多后续信息。
霍普表示，对于像CDC这样的机构，代理型工具的前景在于它们能超越邮件摘要和规定性任务，推动工作进展。例如，CDC已在利用深度研究工具加速文献、数据、政策及其他来源的审查，为决策提供依据。
霍普说，CDC员工的一项常见任务是对某个主题进行三到四小时的深入研究。这可能是新兴或热点问题，也可能是更长期的、旨在建立参考资料集的工作。这正是被称为“深度研究”的代理型AI用武之地。
霍普表示，作为探索的一部分，CDC对深度研究的使用进行了长期内部研究，发现该工具在某些应用中有效，在另一些应用中则存在局限。该机构随后应用所学知识，开始在这些领域部署该技术。
“真正令人兴奋的是，我们通过这个工具发现了如此多有益的应用，也看到了它有效和不足的许多地方，”霍普说。“我们希望将这些信息传达给我们的STLT合作伙伴。”
具体而言，该指南建议合作伙伴在以下情况下使用该技术：问题范围明确、需要快速信息整合、有专家可以验证答案，或使用信息丰富的来源（如CDC的出版物）时。
CDC建议避免对受限数据源或包含个人敏感数据的数据源使用深度研究，以及当需要专业判断或需要进行全面文献综述时，等等。
CDC的首个战略
尽管更广泛的卫生与公众服务部（HHS）已有其自身的人工智能战略，但这份出版物是CDC的首个此类战略。然而，这并不意味着AI对这家公共卫生机构来说是一项新技术。
霍普告诉FedScoop，CDC“数十年来”一直在公共卫生各个层面使用人工智能和机器学习，因此这份文件更像是对现有政策的“正式化”。
他说，HHS战略于去年12月发布，概述了该部门的高级优先事项，但CDC希望聚焦于公共卫生特有的内容。CDC的计划旨在指导该机构未来五年的工作。
除了鼓励代理型应用外，该战略还包括建立第三方AI系统管控、优先采用部门级企业解决方案、通过人事管理办公室招募顶尖AI人才等目标。
该部门战略的一条主线是对州和地方合作伙伴的支持。
霍普说，一些机构通过服务交付或与行业的关系为公众服务，但CDC除了服务公众外，还服务于全国各地的公共卫生部门。
除了代理型研究指南外，该机构还发布了基于自身经验的应用生成式AI的考量因素。值得注意的是，CDC表示，它是联邦政府中首家在2023年向全体员工推出ChatGPT的机构，并在阻止军团病以及其AI聊天机器人等应用中取得了成功。
至于CDC的下一步计划，霍普表示该机构“始终站在前沿”。他说，凡是属于CDC使命范围内的工作，都在被考察是否能通过该技术提升“运营准备度”。这包括在机构考虑使用前，模型还能如何改进等问题。
霍普认为，思考需要改变什么至关重要，因为随着技术持续快速演进，机构可以重新审视这些工具，看其需求是否已被满足。
“我认为这对我们来说可能是最重要的事情，也是我一直推动所有技术发展的方式，”霍普说。“我们不会仅仅因为一项技术就说‘哦，这真糟糕，不符合我们的标准。’相反，如果这些新变化能够实现，它就有可能符合标准。”
【全文结束】