公共服务为什么不能只追求效率

【背景】GOV.UK 的 10 条设计原则是公共服务数字化的宪法：它以'用户需求'而非'政府流程'为起点。 【步骤】1. 阅读 GOV.UK 10 条原则（Start with user needs、This is for everyone、Design with data 等）；2. 选 3 条各配一个你见过的政府服务例子；3. 找出 1 条最反直觉的并说明理由。 【输出】3 条原则 + 1 条反直觉原则的分析。

【背景】政府创新实验室（如 Policy Lab UK）的任务是在效率与公平之间找平衡，而非只追效率。 【步骤】1. 阅读 Policy Lab UK 案例；2. 找出它'为了公平而牺牲效率'的具体做法；3. 判断：哪些效率可以牺牲、哪些不能？ 【输出】效率-公平权衡清单（各 2-3 条）。

【背景】'辅助渠道'（Assisted Digital）是 GOV.UK 对不上网公民的承诺：数字优先不等于数字唯一。 【步骤】1. 理解辅助渠道为何是硬要求而非可选项；2. 思考其成本由谁承担、价值如何衡量；3. 举一个'强制数字'会导致公民被排除的真实例子。 【输出】辅助渠道的必要性论证（含反例）。

【背景】护士交班案例揭示：效率优化若破坏信息完整性与照护连续性，就是伪效率。 【步骤】1. 阅读 Kaiser 护士交班旅程；2. 思考'效率优化'可能丢掉什么（患者背景、交接盲区、人情细节）；3. 给出'该优化什么、不该优化什么'的判断。 【输出】效率优化边界分析。

【背景】在公共服务里，'等待'有时是有价值的：它是验证、是评估、是反欺诈的缓冲。 【步骤】1. 列举 2-3 个'等待有价值'的公共服务场景（护照等待期、福利面谈等）；2. 分析等待如何服务于公平与安全；3. 区分'有意义的等待'与'无意义的拖延'。 【输出】'等待的价值'分析。

【背景】MindLab 把'公民的尊严与自主权'当作设计目标，而非效率指标的附庸。 【步骤】1. 阅读 MindLab 案例；2. 找出它如何把尊严/自主权转化为具体设计（语言、流程、选择权）；3. 思考：尊严能不能被度量？ 【输出】尊严作为设计目标的转化案例。

【背景】AI 分诊（如 Babylon Health）的核心伦理风险是算法公平：准确率差异会放大既有不平等。 【步骤】1. 阅读 Babylon 案例，理解①少数族裔准确率差异②误诊责任归属；2. 分析这两类风险的来源（数据/模型/部署）；3. 提出至少 2 条缓解设计。 【输出】AI 分诊伦理风险清单 + 缓解方案。

【背景】人工兜底是人机协同的信任底线：AI 出错时，人必须能接得住。 【步骤】1. 理解为什么 AI 服务必须有人工兜底；2. 定义'AI → 人类'交接点应满足的条件（上下文完整、时限明确、责任清晰）；3. 设想交接失败会怎样并设计兜底。 【输出】人工兜底设计条件清单。

【背景】对比 AI 改造前后的公共服务，才能判断自动化是增值还是降值。 【步骤】1. 选一项被 AI 改造的公共服务（智能客服/税务审核/福利审查）；2. 对比改造前后的：可达性、公平性、尊严感、效率；3. 给出你的总体判断。 【输出】AI 改造前后对比表 + 判断。

【背景】价值敏感设计（VSD）是'把价值设计进系统'的方法论框架。 【步骤】1. 回顾'价值敏感设计'流派卡片（/movements/service-design）；2. 学习其三步法（概念调查/经验调查/技术调查）；3. 记录它如何让价值成为设计输入而非事后检查。 【输出】价值敏感设计框架笔记。

【背景】伦理检查清单是把价值敏感设计落到日常的工具，至少 8 个检查点。 【步骤】1. 建立你的'公共服务伦理检查清单'（≥8 条），覆盖：公平（所有群体可用？）、尊严（是否让人难堪？）、透明度（能否解释？）、责任（出事谁负责？）等；2. 每条要可判断（是/否/证据）。 【输出】你的伦理检查清单。

【背景】用清单检查真实服务，是检验清单本身是否可用的方式。 【步骤】1. 用你的清单检查一项熟悉的公共服务（医保报销/护照申请/交通补贴）；2. 逐项打勾并给出证据；3. 至少标注 2 个'伦理风险点'并提出改进。 【输出】真实服务伦理检查报告。