美國聯邦政府統計機構正逐步將人工智慧（AI）導入數據分析流程，期望透過大型語言模型（LLM）等技術提升作業效率與精準度，例如美國普查局已因此大幅減少人工編碼工作量，但同時也高度重視數據隱私、倫理原則與公眾信任的維護，強調統計專業人員需從源頭參與，確保 AI 應用具備透明度與可問責性。
美國聯邦統計系統正處於轉型的關鍵時刻，各大統計機構積極探索將人工智慧（AI）整合至數據生產與維護流程。此舉旨在提升數據處理的速度與效率，但同時也強調必須謹慎評估其有效性，並建立必要的防範措施，以確保技術應用符合倫理、透明、可複製性與實用性，進而維護數據的準確性及公眾信任。
去年的「2026 年聯邦統計 AI 日」活動，深入探討了 AI 在政府數據應用上的潛在價值與風險。會議強調，統計人員必須在 AI 領導層中扮演核心角色，負責評估、規範、推論、驗證，並對不確定情況下的決策負責。這意味著統計人員應從 AI 工具開發的初期就參與其中，而非僅在部署後進行事後審核。專家警告，若缺乏嚴謹評估的現代化，恐將在表面進步的同時，引入新的風險。
在實際應用上，AI 已展現其效益。美國普查局（U.S. Census Bureau）指出，過去調查數據處理中，約三成的案例能自動編碼，其餘七成則需人工處理。但在導入大型語言模型（LLM，一種能理解並生成人類語言的 AI 模型）後，該局每年可減少約 50 萬筆人工編碼的工作量，大幅提升效率。美國疾病管制與預防中心（CDC）也透過 AI 節省了 370 萬美元的人力成本，並將近 41,460 小時的員工時間轉移至更高價值的工作，投資報酬率高達 527%。
然而，AI 的導入也帶來挑戰。美國約翰·霍普金斯大學（Johns Hopkins University）的電腦科學助理教授克里斯蒂娜·格利戈裡奇（Kristina Gligorić）提醒，AI 系統可能複製研究人員預期的答案，產生「社會奉承」的風險。美國疾病管制與預防中心（CDC）的數據科學家 Cordell Golden 也指出，AI 和機器學習模型具有保留資訊並持續改進性能的能力，這使得數據隱私和機密性成為主要關注點。
為確保 AI 在聯邦統計系統中發揮潛力，相關機構必須堅守嚴謹性、公正性、透明度、機密性及公眾信任等原則。美國國家統計科學研究所（National Institute of Statistical Sciences）所長 David Matteson 強調，問責制、透明度、可複製性與公眾信任是開發這些 AI 工具的重中之重。AI 在聯邦統計領域的未來，不僅取決於模型的功能，更在於各機構如何謹慎決策其應用方式，採取審慎、疊代且公開透明的發展路徑。