公元528年，查士丁尼皇帝所继承的罗马法律体系充斥着积累了数百年的法律条文、相互冲突的法令和矛盾的判例法。他的解决方案非常激进：委托编纂《民法大全》，以此对所有省份的罗马法进行全面的法典化和简化。在 14 个月内，查士丁尼的委员会将大约300万行的法律文本精简至仅15万行，为西方法律准则奠定了基础。
如今，美国正面临自己的“查士丁尼时刻”。
仅在联邦层面，美国就已累积了约 2.6 亿行法律条文，涵盖了法规、成文法和判例法。各机构通过制定规则来扩张自身权力，在位者则游说出台提高市场准入门槛的监管措施。尽管很多政治家曾尝试精简现代法律并取得了不同程度的成功，但人工智能的出现彻底改变了上述举措可能性的边界。
人工智能能够撰写新法律，而且已经被一些州和联邦机构用于识别可精简的监管举措。在这个新的治理前沿，大语言模型正在塑造美国政策。最近我们了解到，此前主要关注政府支出的政府效率部 (DOGE)，现在正使用人工智能提出监管举措削减建议。
人工智能驱动的改革令人兴奋，因为共和国往往死于制度僵化。柏拉图和西塞罗都在各自的《理想国》和《论共和国》一书中提到了这一点。事实上，罗马元老院一直在累积权力和章程，让有效治理变得举步维艰，最终导致了皇帝的出手。在法国督政府时期，官僚机构不断膨胀，随后，拿破仑似乎成了唯一的解决方案。魏玛共和国的财政和监管泥潭则招来了强人统治。
现代美国也出现了监管泥潭的早期症状及其伴随的衰退迹象。自1980年以来，监管累积或已导致美国GDP年增量减少了4万亿美元。《联邦法规法典》（Code of Federal Regulations）长达185984页，其中包含100多万条限制。小型制造商每位员工的合规成本为5.01万美元，而大型企业仅为2.48万美元。
与此前的诸多共和国一样，每一项法律法规都出于良好的意图——保护工人、确保安全、防止欺诈。然而，那些为解决旧问题而设计的制度和政策往往比旧问题存世的时间更长，并导致日益复杂的新问题。诺贝尔经济学奖得主乔治・斯蒂格勒认为：“监管由行业制定，主要为保护其利益而设计和运作。”
一个不太可能的联盟
在美国，一个不太可能的联盟提供了一条不同的道路。像埃兹拉・克莱因这样的进步派经济学家倡导充实法规，而保守派州长则大力削减法规。当左倾的马特・伊格莱西亚斯提倡减少繁文缛节以促进住房建设时，特朗普总统则致力于消除联邦官僚主义。这种意识形态的趋同反映了一种共识：由监管导致的人为稀缺性仅有益于斯蒂格勒所描述的寻租者，对其他人来说一无是处。
作为首款现实可行的工具，人工智能可高效地干扰、识别并削减适当数量和类型的现有繁文缛节。与抗拒变革的人类官僚不同，算法能够精确执行。在人工审查需要数十年的领域，人工智能可以在几周内处理数百万页文件。
州政府和联邦政府效率部都在接受这一现实。弗吉尼亚州州长格伦・扬金在7月发布的第51号行政令中要求所有机构使用 “智能体人工智能” 来定期审查其法规手册。在发布这一政令之前，该州近期已在这一领域取得了成功：在短短四年内，监管要求减少了26.8%，每年节省12亿美元，新住房成本降低了2.4万美元。在联邦层面，政府效率部的公告称，有10万项联邦法规缺乏法定授权。
谭纳·琼斯是Vulcan Technologies首席执行官，该公司获得了 Y Combinator 的投资支持，负责弗吉尼亚州人工智能监管简化试行项目。
帕特里克·麦克劳林博士是一名经济学家，也是胡佛研究所的研究员。他创建了RegData和QuantGov项目，这些项目旨在通过数据科学工具来量化法规，并以此为基础在数个州开展改革工作。（*）
译者：冯丰
审校：夏林
公元528年，查士丁尼皇帝所继承的罗马法律体系充斥着积累了数百年的法律条文、相互冲突的法令和矛盾的判例法。他的解决方案非常激进：委托编纂《民法大全》，以此对所有省份的罗马法进行全面的法典化和简化。在 14 个月内，查士丁尼的委员会将大约300万行的法律文本精简至仅15万行，为西方法律准则奠定了基础。
如今，美国正面临自己的“查士丁尼时刻”。
仅在联邦层面，美国就已累积了约 2.6 亿行法律条文，涵盖了法规、成文法和判例法。各机构通过制定规则来扩张自身权力，在位者则游说出台提高市场准入门槛的监管措施。尽管很多政治家曾尝试精简现代法律并取得了不同程度的成功，但人工智能的出现彻底改变了上述举措可能性的边界。
人工智能能够撰写新法律，而且已经被一些州和联邦机构用于识别可精简的监管举措。在这个新的治理前沿，大语言模型正在塑造美国政策。最近我们了解到，此前主要关注政府支出的政府效率部 (DOGE)，现在正使用人工智能提出监管举措削减建议。
人工智能驱动的改革令人兴奋，因为共和国往往死于制度僵化。柏拉图和西塞罗都在各自的《理想国》和《论共和国》一书中提到了这一点。事实上，罗马元老院一直在累积权力和章程，让有效治理变得举步维艰，最终导致了皇帝的出手。在法国督政府时期，官僚机构不断膨胀，随后，拿破仑似乎成了唯一的解决方案。魏玛共和国的财政和监管泥潭则招来了强人统治。
现代美国也出现了监管泥潭的早期症状及其伴随的衰退迹象。自1980年以来，监管累积或已导致美国GDP年增量减少了4万亿美元。《联邦法规法典》（Code of Federal Regulations）长达185984页，其中包含100多万条限制。小型制造商每位员工的合规成本为5.01万美元，而大型企业仅为2.48万美元。
与此前的诸多共和国一样，每一项法律法规都出于良好的意图——保护工人、确保安全、防止欺诈。然而，那些为解决旧问题而设计的制度和政策往往比旧问题存世的时间更长，并导致日益复杂的新问题。诺贝尔经济学奖得主乔治・斯蒂格勒认为：“监管由行业制定，主要为保护其利益而设计和运作。”
一个不太可能的联盟
在美国，一个不太可能的联盟提供了一条不同的道路。像埃兹拉・克莱因这样的进步派经济学家倡导充实法规，而保守派州长则大力削减法规。当左倾的马特・伊格莱西亚斯提倡减少繁文缛节以促进住房建设时，特朗普总统则致力于消除联邦官僚主义。这种意识形态的趋同反映了一种共识：由监管导致的人为稀缺性仅有益于斯蒂格勒所描述的寻租者，对其他人来说一无是处。
作为首款现实可行的工具，人工智能可高效地干扰、识别并削减适当数量和类型的现有繁文缛节。与抗拒变革的人类官僚不同，算法能够精确执行。在人工审查需要数十年的领域，人工智能可以在几周内处理数百万页文件。
州政府和联邦政府效率部都在接受这一现实。弗吉尼亚州州长格伦・扬金在7月发布的第51号行政令中要求所有机构使用 “智能体人工智能” 来定期审查其法规手册。在发布这一政令之前，该州近期已在这一领域取得了成功：在短短四年内，监管要求减少了26.8%，每年节省12亿美元，新住房成本降低了2.4万美元。在联邦层面，政府效率部的公告称，有10万项联邦法规缺乏法定授权。
谭纳·琼斯是Vulcan Technologies首席执行官，该公司获得了 Y Combinator 的投资支持，负责弗吉尼亚州人工智能监管简化试行项目。
帕特里克·麦克劳林博士是一名经济学家，也是胡佛研究所的研究员。他创建了RegData和QuantGov项目，这些项目旨在通过数据科学工具来量化法规，并以此为基础在数个州开展改革工作。（*）
译者：冯丰
审校：夏林
In 528 AD, Emperor Justinian inherited a Roman legal system drowning in centuries of accumulated laws, conflicting edicts, and contradictory jurisprudence. His solution was radical: commission the Corpus Juris Civilis, a comprehensive codification and streamlining of Roman law across all provinces. Over 14 months, Justinian's commission reduced approximately 3 million lines of legal text to just 150,000, laying the foundation for the Western legal canon.
America faces its own Justinian moment.
Between regulations, statutes, and case law, our country has accumulated around 260 million lines of law at the federal level alone. Agencies write rules to expand their authority and incumbents lobby for regulations that raise barriers to entry. While many politicians have tried with varied success to streamline modern law, the advent of AI changes the realm of possibility entirely.
AI is capable of writing new laws and is already deployed by some states and federal agencies to identify opportunities for regulatory streamlining. In this new governance frontier, large language models are shaping American policy. Just recently, we learned that the Department of Government Efficiency (DOGE) — which thus far has focused on government spending — is now using AI to propose regulatory reductions.
AI-driven reform is exciting because republics die from institutional sclerosis. Plato and Cicero both observed this in their respective Republics. Indeed, Rome's Senate accumulated powers and procedures until effective governance became impossible, beckoning an emperor. The French Directory multiplied bureaucracies until Napoleon seemed the only solution. The Weimar Republic's financial and regulatory morass made strongman rule attractive.
Modern America exhibits its own early symptoms of regulatory morass and accompanying decay. Since 1980, regulatory accumulation has cost our economy $4 trillion in forgone annual GDP growth. The Code of Federal Regulations spans 185,984 pages containing over 1 million restrictions. Small manufacturers pay $50,100 per employee in compliance costs versus $24,800 for large corporations.
Just like in our predecessor republics, each law and regulation began with good intentions — protecting workers, ensuring safety, preventing fraud. But institutions and policies designed to solve old problems often outlive their goals and yield new, compounding problems. Nobel laureate economist George Stigler contended: "Regulation is acquired by the industry and is designed and operated primarily for its benefit."
An unlikely alliance
In America, an unlikely alliance offers a different path. Progressive economists like Ezra Klein champion abundance while conservative governors slash regulations. As left-leaning Matt Yglesias promotes red-tape reduction to promote homebuilding, President Trump endeavors to eliminate federal bureaucracy. This ideological convergence reflects the recognition that artificial scarcity driven by regulation helps no one except the rent-seekers described by Stigler.
AI offers the first realistic tool to efficiently disrupt, capture and cut the correct amounts and types of modern red tape. Unlike human bureaucrats who resist change, algorithms execute precisely. Where manual review takes decades, AI can process millions of pages in weeks.
State governments and federal DOGE embrace this reality. Virginia Governor Glenn Youngkin's Executive Order 51, issued in July, requires that all agencies use "agentic AI" to regularly review their rulebooks. This builds on the state's recent success: a 26.8% reduction in regulatory requirements, $1.2 billion in annual savings, and a $24,000 decrease in new home costs, all in just four years. Federally, DOGE's announcement referenced 100,000 federal regulations lacking statutory authority.
Tanner H. Jones is the CEO of Vulcan Technologies, the Y Combinator backed company which conducted Virginia’s AI regulatory reduction pilot program.
Patrick A. McLaughlin is a PhD economist and a research fellow at the Hoover Institution; he created the RegData and QuantGov projects, which quantify regulations using data-science tools and have informed reforms in several states.