Information-Producing Regulation: Certification and Delegated Enforcement
本文开发了一个理论框架，用于分析信息产生型规制（如认证和委托执法）如何塑造企业投资于私人证据能力的动机，以及公共信息与私人信息之间的相互作用如何影响最优规制设计与制度实施。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在现代世界中，许多关键决策都依赖于没有任何个人或组织能完全掌握的信息。一家公司可能了解其自身计算机系统的复杂细节，而政府机构可能拥有从全球范围内收集到的更广泛的威胁图景。当这两方必须合作以阻止网络攻击或应对危机时，挑战便随之而来。传统的规则通常只关注公司被允许做什么，但一种新的思维方式提出了一个更深层的问题：谁应该负责收集必要的事实，以及谁应该对采取行动拥有最终决定权？这就是被称为“信息生产型监管”（information-producing regulation）的领域的核心，该领域研究规则如何不仅改变行为，还改变人们学习和分享所知信息的动机。
路易斯安那理工大学的经济学家泰勒·卡南（Taylor Canann）开发了一种新理论，用以描绘这些相互作用是如何展开的。该研究聚焦于一个特定的场景：企业拥有应对威胁的技术技能，但政府掌握着至关重要的背景信息——例如，一次攻击是否与外国有关，或者某种应对措施是否会无意中伤害无辜第三方。该论文探讨了社会组织这种关系的四种不同方式：禁止所有私人行动、允许企业自由行动、建立由政府认证具备能力企业的许可制度，或者由政府完全接管应对工作。通过构建一个关于这些选择的数学模型，研究表明，管理信息的规则与管理行动的规则是深度交织在一起的；改变其中之一，必然会重塑另一方。
其中最引人注目的发现之一是，政府信息并不总是能帮助私人专家更好地完成工作。根据规则制定的方式不同，公共信息既可能鼓励企业增加对其自身专业知识的投入，也可能抑制这种投入。如果政府制定的规则要求政府数据与企业数据必须达成一致后才能采取行动，企业就会有动力收集更多证据，以确保达到这一高标准。这是一种“挤入”（crowding-in）效应。然而，如果规则较为宽松——允许在政府或企业一方拥有积极信号时即可采取行动——企业可能会觉得可以依赖政府的数据，从而停止对自身专业知识的投入。这种“挤出”（crowding-out）效应意味着，仅仅提供更多的公共数据有时反而会削弱私营部门的能力，使整个系统变得更加脆弱。
该研究还揭示了认证如何作为一种能力过滤器发挥作用。当政府要求企业在获准行动前必须提供可审计的证据时，它自然会根据产生此类证据的能力对公司进行筛选。因为更有能力的 Firm 能以更低的成本生成高质量的证明，所以一项标准化的要求实际上有效地筛选出了最具竞争力的组织。这并非因为政府在猜测谁很优秀，而是因为证明自身能力的成本对于那些已经具备技能的人来说显然更低。其结果是，只有最有能力的 Firm 才能获得许可，从而形成了一个将专家与普通企业区分开来的天然屏障。
或许最具有实际意义的见解在于，究竟谁应该在做出决策时“扣动扳机”。论文指出，即便政府掌握更多信息，也不自动意味着政府应该采取行动。即使政府拥有优越的信息，只要企业拥有特定的操作优势（如速度或局部知识），让经过认证的企业执行应对措施仍然可能是更好的选择。决策的关键在于权衡：如果政府接管，可以避免企业行动过激的风险，但会失去企业专业技能带来的效率；如果由企业行动，则能保留这种效率，但可能会面临行动过快的风险。最优选择取决于这两者之中哪种损失更小。
最后，该研究探讨了信任与透明度的问题。它区分了监管者选择的“保密政策”（例如为了保护情报而隐瞒某些来源）与机构违反规则隐瞒信息的行为。研究表明，一个可靠的机构并不需要完全透明才能发挥效力。它可以运作于一种经过批准的、刻意的模糊状态，以保护敏感手段，只要有强大的机制来防止未经授权的信息隐瞒即可。目标不是完全披露，而是忠实地遵守监管者设定的规则。
最终，这项工作为设计不仅仅是惩罚不良行为的监管系统提供了路线图。它表明，有效的监管必须考虑到规则如何改变人们学习和分享信息的方式。无论是在网络安全还是其他复杂领域，最佳方法并非一刀切的指令，而是一个精心平衡的系统，其中公共信息与私人信息相辅相成，认证奖励真正的能力，并且行动权被分配给能够以最小程度的浪费或风险执行决策的一方。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。