摘  要

當前，紀檢監察機關面臨著案件數量驟增、辦案要求高質等諸多挑戰，人工智能技術賦能紀檢監察是其抓住機遇、迎對挑戰的重要方法和抓手。人工智能技術已經在紀檢監察的案件全景化管理、追蹤案件線索、提升預防效能和智能分析類案處置信息等領域彰顯作用。

然而，人工智能技術引起的法律風險亟待解決，具體包括：因信息數據短缺與算法技術缺陷而影響結果的客觀性；因辦案人員對技術依賴而侵蝕監察權獨立性；因算法技術決策偏差而挑戰傳統紀檢監察歸責機制。鑒于此，應從推動數據資源的集中統一、提升算法安全性和透明性、構建“人機耦合”的合理分工機制、提高紀檢監察機關自身技術水平、明確人機責任的邊界與分配等方面作為規避上述法律風險的進路。

關鍵詞

人工智能；算法；紀檢監察；法律風險；法治反腐

一、問題的提出

隨著人工智能、大數據、云計算等技術的融合和發展，以信息技術為代表的新一輪產業科技創新驅動了社會生產和生活方式的變革。在數字時代背景下，信息數字技術的應用已深入國家管理、社會治理和人民生活各領域。黨的二十大報告提出“加快建設制造強國、質量強國、航天強國、交通強國、網絡強國、數字中國”戰略目標以來，數字化轉型升級已成為新時代紀檢監察工作高質量發展的必然要求。2023年1月9日，中共二十屆中央紀委二次全會對紀檢監察工作的數字化建設作出了重要部署，要求“構建貫通全流程、全要素的數字紀檢監察體系”。2025年1月8日，中共二十屆中央紀委四次全會進一步要求“全面推進數字紀檢監察體系建設”。與此同時，多省市分別出臺“紀委監委數字化發展規劃”，為未來五到十年數字化發展轉型指明了具體路徑。由此，人工智能等數字技術賦能紀檢監察辦案成為實務和理論研究領域的熱點話題。

在辦案實踐中，隨著反腐敗斗爭持續發力、縱深推進，紀檢監察機關面臨著辦案數量驟增、辦案要求高質等挑戰，人工智能賦能紀檢監察辦案成為其應對挑戰、推動新時代紀檢監察工作高質量發展的重要抓手。具體為：第一，紀檢監察機關案件驟增的壓力下對辦案效率的挑戰，需要紀檢監察工作數字化轉型。在2013年至2023年間，我國紀檢監察機關接受信訪舉報和立案調查案件數量都呈上漲趨勢。根據中央紀委國家監委的辦案數據顯示，接受信訪舉報數量自2013年到2024年累計增漲83.6%；處置問題線索數量自2015年（2013年和2014年未公布相關數據）至2024年累計增漲307.3%。但從辦案人員上看，至2020年末，伴隨國家監察體制改革的完成，全國各級紀檢監察機關共28萬余名紀檢監察干部。以2020年數據為例，全國紀檢監察機關接受信訪舉報數量與處置問題線索數量的人案比分別為11.5和6.08。由此，“案多人少”的矛盾使人工智能技術賦能紀檢監察辦案具有現實緊迫性。第二，紀檢監察機關提質增效需求下對公正價值的挑戰，需要數字化技術賦能。紀檢監察內部違紀的現象也時有發生，據中央紀委國家監委辦案數據，2021年至2024年間，全國紀檢監察系統共接收涉及紀檢監察干部問題線索或反映共計12.73萬余件次，談話函詢紀檢監察干部4.02萬人次，立案紀檢監察干部1.73萬人次，處分干部1.7萬人次，移送司法機關1068人次。這些數據一方面彰顯了各級紀檢監察機關嚴肅查處執法違法、執紀違紀“燈下黑”案件的自我革命精神；另一方面，違法違紀的紀檢監察干部數量持高不下，說明紀檢監察干部在監督執紀過程中的不公正行為仍有發生。同時，檢察機關對監察機關移送審查起訴的案件，作出退回補充調查（自行補充偵查）決定或作出不起訴決定的相關數據也反映了紀檢監察干部在辦理案件的質效存有問題。對此，紀檢監察機關出臺了多項制度試圖防范“燈下黑”的發生，但多為事后監督，不僅增加了試錯成本，造成監察資源和司法資源的浪費，而且這種“亡羊補牢”的制度設計有時也會囿于線索來源渠道窄而失靈。對此，推動數字技術與紀檢監察辦案的高度融合，是實現紀檢監察領域法治現代化建設的重要途徑，故各地紀檢監察機關深入推進了人工智能在紀檢監察辦案中的應用。

在理論研究領域，盡管不乏有學者對數字紀檢監察展開研究，但存在一定的不足之處：第一，從研究的全面性上看，已有研究主要關注了概念框架、數據技術和個人權利保護問題，但對數字技術帶來的數據安全問題、數據依賴和責任歸責等法律問題缺乏關注；第二，從研究領域和研究視角看，已有研究大多從公共管理學的視角對數字紀檢監察的概念框架、實踐圖譜、技術和制度支持等問題進行分析，而鮮有學者從法學的角度，結合理論和實踐對人工智能等數字技術在紀檢監察應用領域的法律風險進行分析。因此，本文擬從法治視野出發，對人工智能等數字技術在紀檢監察領域的應用場景和實踐辦案模式進行梳理，在此基礎上，分析人工智能在紀檢監察應用中的法律風險和法治化挑戰，進一步探討相應的風險控制方案。

二、人工智能在紀檢監察應用中的主要場景

改革開放以來，我國在反腐敗的力度上、立案數量上和處分人數上都是最大的。傳統紀檢監察辦案中存在的“案多人少”“跨區域辦案不暢”等問題既是促使紀檢監察數字化、智能化轉型的直接動因，也是藉由人工智能技術建立智慧型紀檢監察辦案模式的重點突破方向。當前，人工智能技術正在經歷由弱人工智能技術向強人工智能技術到超人工智能技術的進路邁進，在技術應用上需要經歷計算智能到感知智能再到認知智能的發展階段，由此，在紀檢監察辦案領域，可依據上述技術應用分析其應用場景和辦案模式。

（一）基于信息化技術的應用場景

信息化辦案模式輔助紀檢監察工作是借助信息資源和信息技術對紀檢監察機關的辦案信息與辦案流程進行獲取，并對其進行儲存和傳遞的一種智能工作模式。以自動化的數字信息技術代替不必要的人工勞動是人工智能技術所追求的目標之一，而早在2009年紀檢監察信息系統工程（“金紀工程”）一期建設的啟動就是對“互聯網+紀檢監察辦案”模式而進行的初次嘗試，其旨在建成案件信息管理、法規信息管理和信訪信息管理等七項以信息管理為主應用平臺，發揮信息化技術在辦案流程、自我管理和方法手段改進等方面的輔助作用。紀檢監察信息化系統的建設通過對紀檢監察機關的辦案工作流程進行拆解，將紀檢監察辦案人員從事務型工作中解放出來，實現數字技術代替人工勞動進行碎片化的事務型工作（見圖1）。

圖1: 信息化技術輔助紀檢監察的辦案模式及應用場景

在具體應用表現中，一方面，該系統借助大數據計算、數據儲存、信息交換、自動化辦公等技術，實現數據的儲存和共享。這一系統以自動化的人工智能技術減輕了紀檢監察辦案人員的工作負累，在內部工作對接上優化了辦案流程，滿足了紀檢監察工作對辦案效率的要求，在一定程度上節約了辦案成本。對此，四川省紀檢監察系統建成了全國首個省市縣三級互通的“紀檢監察信息化工作平臺”，可以實現信訪、案管、審理等業務的網上協同運行。該系統依靠信息化建設與紀檢監察工作的有機融合，避免了基礎數據的重復錄入，讓案件平均辦結用時縮短一半，創新了紀檢監察工作理念思路、運行機制和方式方法。另一方面，通過全景化的案件管理系統和數字化（可視化）的辦案平臺，將紀檢監察機關辦理案件中的流程信息、主體信息和監督信息即時轉化為數字編碼，并借助數據信息的交換、計算機圖形學和圖像處理技術，使各項辦案數據在辦案人員系統終端以圖像化和可視化的方式展示出來，真正意義上實現了程序的透明和公正。這不僅借助信息化平臺打通了紀檢監察信息化建設延伸到基層的“最后一公里”，也對紀檢監察機關對案件的綜合管理工作和辦案公信力的提升等方面大有裨益。對此，2018年山東省煙臺市建設“紀檢監察綜合業務一體化智能平臺”，該系統可以將全市的信訪舉報、處置問題線索、運用監督執紀“四種形態”等進展情況以樹狀圖或餅狀圖等方式即時呈現給辦案人員，不僅實現了以協同、高效的模式內控管理科學規范，也實現了以實用、共享的方法讓監督執紀更加精準有力。

（二）基于感知智能技術的應用場景

感知智能技術是人工智能與現實世界交互的基礎和關鍵，是人工智能服務于紀檢監察辦案的重要橋梁。感知智能技術使機器人具備了視覺、聽覺及觸覺等類似人類的感知能力，旨在對數據進行獲取、處理和分析。信息化技術輔助紀檢監察辦公自動化，只是看起來像智能而已，但隨著智能語音交互、計算機視覺（包括圖像理解、三維視覺、動態視覺）、增強現實(AR)/虛擬現實(VR)、深度學習算法等技術的成熟和應用，在深度追蹤案件線索、智能評估腐敗風險預警等方面為紀檢監察工作提供技術供給（見圖2）。

圖2:感知智能技術輔助紀檢監察的辦案模式及應用場景

第一，深度追蹤案件線索，破解“新型腐敗和隱性腐敗”。黨的二十大報告和中共二十屆中央紀委二次、三次和四次全會分別對“新型腐敗和隱性腐敗”的懲治和查處進行了部署。近年來，數據技術的發展使腐敗犯罪的場域由物理空間轉向了虛擬空間，具有過程的非直接性、主體廣泛性、危害外溢性、目的非單一性和手段的高賦能性等新特點。如有官員采用政商“旋轉門”“影子股東”“期權變現”“雅賄”等新型手段層出不窮，也有官員借助虛擬貨幣“挖礦”的手段實現腐敗目的。這一借助發展新手段長袖善舞、曲徑通幽的腐敗方式無疑給紀檢監察工作帶來了難度。在傳統的監察調查模式中，紀檢監察機關往往依靠被調查人主動交代、群眾舉報、證人證言等言詞性材料或審計部門介入等方式獲取案件相關信息。而這種以線索為導向的監察辦案模式，面對立案調查數量的驟增、取證難度和違法違紀手段的隱蔽化而顯得力不從心。借助人工智能技術能夠有效深度追蹤案件線索，有效解決“隱性腐敗”案件線索調查難的問題。具體而言，針對特定人員和重點領域的關鍵數據進行歸集，建立健全公職人員的廉政檔案，通過與相關部門信息進行數據對比和碰撞，實時動態更新信訪舉報等情況，使隱性腐敗和新型腐敗的風險“一鍵暴露”，形成一種隱形的約束。比如，沈陽市紀委監委與中國科學院計算技術研究所共研大數據監督技術實驗室，將數十億條數據儲存、對比、整合，實現對“微腐敗”和“隱形人”行為的震懾。又如，寧波市紀委監委大力推動大數據監督應用建設，即時形成“大數據賬”，實現問題“一鍵追蹤”。

第二，精準強化風險預警，提升案前案后預防效能。根據系統論中的冗余機制原理，任何組織和制度均存在固有局限性，均具有一定的風險根源，風險始終是根植于社會組織的社會現象。自國家監察體制改革以來，我國已經形成了不敢腐、不能腐、不想腐的體制機制，但違法違紀的風險仍然存在。不可否認的是，古典犯罪學理論中“威懾理論”已對違法違紀行為起到了一般預防目的，故將傳統工作模式中的“事后懲罰”轉向“事前預防”成為紀檢監察工作轉型的關鍵。因此，公共安全規制模式中的“風險（risk）規制模式”引入紀檢監察工作中，能夠對違法違紀行為的規制達到“決策于未知之中”“治未病”的預防效果。借助人工智能技術可以勾勒出權力運行的每一條軌跡，對相關數據信息做到即時收集與分析，進而對異常數據信息進行預警和上報，以實現全景式全流程監督。具體而言，各地紀檢監察機關通過搭建“廉政警示平臺”將黨員干部信息和權力運行信息納入廉政數據庫，并藉由多智能體模型、深度學習等人工智能技術對黨員干部的人際關系、收入支出和權力運行情況等數據集中處理，實現算法模型的自主學習和迭代訓練，進而形成警示預測數據模型。這不僅打破了傳統紀檢監察工作中時間范圍和空間維度的壁壘，而且實現了紀檢監察工作模式由“樣本監督向全景還原式監督”“結果監督向過程監督”的轉化。例如，貴州省紀檢監察部門開展“數據鐵籠”工程，通過數據共享、數據對比和數據留痕，實現了資金流動、權力運行的全程記錄、追溯和預警。

（三）基于認知智能技術的應用場景

感知、認知智能技術輔助辦案決策有利于辦案處置的公正性和科學性。從人工智能圍棋程序AlphaGo先后擊敗了樊麾、李世石和柯潔，到北京互聯網法院通過判決確認人工智能生成圖片（AI繪畫圖片）具備“獨創性”要件，無不體現了人工智能機器已具備了一定的知覺和意識。“對現有制度而言，人工智能技術有利于使社會控制和社會團結得更有效、更令人愉悅的新形式”。認知智能技術是在感知智能的數據結構化處理基礎上，理解數據之間的關系和邏輯，并深度挖掘分析案件處置信息，助力提升紀檢監察辦案質效。依托人工智能深度分析違法違紀案件數據，為紀檢監察辦案人員提供決策支持（見圖3）。

圖3:認知智能技術輔助紀檢監察的辦案模式及應用場景

第一，類案推送。智能化系統平臺通過光學文字識別技術（Optical Character Recognition，OCR）和信息抽取技術（Information Extraction, IE）提取案件事實要素內容，與案件數據庫中案件事實要素內容進行信息比對和關聯性分析，并將類案的處置方式推送給監察辦案人員，以此推動“同類案件的規模流程監控”，抑制紀檢監察辦案人員裁量權的濫用。因此，浙江省紀委監委研發了全國首個“案件審理輔助信息系統”，類案處置的共性限制了辦案人員的自由裁量權。

第二，案件輔助審理。紀檢監察大數據兼具資源和技術兩個面向，這一資源和技術的優勢為紀檢監察辦案人員的調查工作插上了“翅膀”。首先，紀檢監察機關以監察智能化系統平臺為依托，以“量紀預測模型”等系統集成方式輔助監察決策和定性量紀的作出，以期完成監察決策和監察定性量紀的經驗化向科學化的轉變；其次，人工智能技術有效地整合和優化了數據資源，根據個案情況實現案件的繁簡分流和文書的自動生成。四川省什邡市紀委監委借助“辦案文書助手”和“案件審理平臺”，結合“人”與“案”適配程度優化監察資源配置，提高了辦案效率；再次，自動對案件證據材料和辦案程序進行監測，對程序錯誤、臨期未決等問題自動識別和預警，提升紀檢監察辦案效率。比如，內蒙古自治區的“智審通”系統可以100%識別出程序性錯誤，又如，成都市溫江區以“監督執紀監察工作運行監控系統”為依托對臨期未決的案件進行分級預警督辦。

第三，預判發展態勢。各地區紀檢監察部門可以借助所辦理案件的信息數據，從主體、時間、地域、類型等方面勾勒出不同級別、不同部門、不同場域下違法違紀人員的“大數據畫像”，并據此推導出數據的規律性和關聯性，預判腐敗違紀的發展態勢。如吉林省長春市紀委監委打造“形勢分析+專題分析+區域分析”的立體綜合分析工作模式，政治生態精準“畫像”，準確把握信訪舉報形勢。

三、人工智能在紀檢監察應用中的法律風險

雖然人工智能的應用為紀檢監察機關辦案模式的創新和轉型提供了數字技術支持，但也須防范人工智能應用所帶來的法治難題，否則可能導致“我們走向一個反烏托邦社會”。當前，人工智能技術處于在特定智能場域下的“認知智能”初級階段，尚不完全不具備人腦主動思考和理解問題的能力，且交互式和自動化的機器學習結果具有濫用的風險。因此，數字技術不僅推動了治理能力現代化中紀檢監察制度智慧化的變革，也對傳統法律制度提出了挑戰，故全面分析法律風險對謀求紀檢監察工作高質量發展有重要意義。

（一）輸入與生成：信息數據短缺與算法技術缺陷的風險

數字技術變革的主要目標是為提升國家治理能力、優化公共服務做出貢獻，將有助于提高公共部門的績效和工作效率。盡管人工智能是改善社會治理和優化公共服務的新技術，但也可能會因信息數據短缺和算法技術缺陷而生發技術數據標準異構和影響數據安全等風險。

1.信息數據短缺的風險

數據被譽為人工智能技術的“油料”，是人工智能技術發展的“助推劑”。數據信息是借助統計分析、機器學習、數據挖掘等方法進行復雜分析并輔助決策的基礎。數據信息的豐富程度和體量決定了有價值的判斷和認知模型產生。認知模型是漸進發展的模型，即只有認識深入后，才能產生抽象的模型與猜想，借助猜想擴展模型而實現深度學習和深度挖掘的數據分析效果。由此可見，數據信息的數量和質量直接決定了算法應用的科學性和分析結果的客觀性。當前，人工智能等數字技術雖為紀檢監察工作信息化的發展提供了技術支撐，但相較于機器學習和數據挖掘等技術所需的數據樣本仍有不足：首先，數據壁壘的局限性。數字紀檢監察的實現需要將各類數據資源整合后，打破傳統“數據孤島”的流動障礙，形成一個完整、開放、共享的數據池。但智慧政務的建設中，金融數據、軌跡數據、通訊數據、電商數據等分別由相應的管理機構所掌控，由于管理機構對“數據權力”的追求，導致數字紀檢監察的發展出現了“數據壁壘”和應用場域“區塊化”。其次，紀檢監察機關內部辦案數據資源的有限性。數字紀檢監察建設相較于智慧司法和智慧檢察工程建設而言，還處于初期階段。盡管人工智能等數字技術可以實現類案推送和輔助監察決策作出，但國家監察體制改革完成后僅有五年的案件數據信息，缺乏對歷史數據信息的挖掘和監察體制改革前檢察機關辦案數據信息的并合。再次，數據信息的真實性不足。大數據技術是借助群體的活躍程度勾勒出群體共性的，而對于非活躍群體的信息難以通過大數據技術捕捉和勾勒，故大數據信息可能存在局部性、失真性和個別性。若虛假信息或殘缺信息出現在廉政數據庫中，那勢必影響預警算法對紀檢監察決策的判斷。復次，數據標準的異構性。數據集成需要將不同來源的數據結合一起，以獲得完整數據集合。其中，不僅需要考慮數據冗余問題，而且還需要考慮數據管理系統結構、通訊協議、數據類型、數據取值和語義等方面的異構問題，這些因素都會導致數據集成困難。因此，追求同構化的數據標準是建立統一大數據運算的前提，而當前政務、司法和紀檢監察領域的數字化發展大多為地方化和部門化的創新，進而導致整體化的數據信息共享和信息集成度低。

2.算法技術缺陷的風險

算法被譽為人工智能技術的“油管”。數據分析是數據處理步驟中的核心環節，算法技術是數據分析的關鍵，即通過確定不同算法的切換和不同算法使用的順序實現深度挖掘數據的目的。但算法技術與紀檢監察數字化融合中存在算法安全、算法黑箱和算法歧視等風險。第一，算法安全風險。算法安全可以分為技術層面、社會層面和國家層面。由于算法的正確性和客觀性是由數據訓練與推斷階段的可靠性保障實現的，故技術層面的安全能力是算法安全性的本源性釋義。當前，算法系統面臨著遭遇數據投毒、特洛伊攻擊、設計缺陷、模型被竊等風險的發生，故應保障和強化數字紀檢監察產品的安全性。第二，算法黑箱風險。有學者指出，智能機器的深度學習技術就是一個“黑箱”。盡管行政機關的自由裁量行為、司法裁判行為和紀檢監察人員的決策行為也可以被視為人類決策的黑箱，但其對社會公眾具有易理解性和可接受性，而算法的決策機理具有知識壁壘且缺乏人機交互性，使公眾存在認知阻隔。算法技術供給公司借由商業秘密保護而拒絕提供算法的運行機理。對此，有學者直言“法律人工智能行業中的算法是作為一項商業秘密而存在的，外人無從知曉，只有算法的設計者才掌握具體細節”。即便是紀檢監察辦案人員能夠洞悉算法運行規則，也囿于自身專業知識而難以理解算法轉化為智慧紀檢監察辦案的轉型機理。第三，算法歧視風險。即便數據輸入時，數據樣本具有客觀性、完整性和優質性，但數據經算法加工、分析、生成時也具有偏見或謬誤。2020 年，意大利博洛尼亞法院判決外賣平臺戶戶送(Deliveroo)在評價騎手時所使用的算法構成間接歧視，被視為歷史性的判決。在機器學習算法設計中，設計者會將價值偏差寫入數據編碼中，經由算法運行和固化，使決策的生成也具有歧視性。

（二）輸出與應用：技術依賴對紀檢監察權獨立性侵蝕的風險

“新工業革命是一把雙刃刀，它可以用來為人類造福，如果我們不去理智地利用它，也可以毀滅人類。”數字技術被應用于紀檢監察機關的信息收集、支持監察決策的作出、支撐智慧監察的建設。在智慧紀檢監察建設中，數字技術與紀檢監察工作的關系從“輔助型關系”逐步轉向“主導型關系”。但隨著技術的發展和應用，二者關系逐漸走向“依賴型關系”，引發了社會公眾的隱憂。

1.技術依賴引發紀檢監察辦案人員主體弱化的風險

技術介入導致傳統工作人員的判斷力和信用度逐漸下降。在智慧紀檢監察中，數字化技術、生成性人工智能的應用、數據可視化分析與自動化決策成為紀檢監察辦案的主要手段。一方面，紀檢監察辦案人員對技術的依賴。技術賦能對“案多人少”的紀檢監察機關而言，確實帶來了快捷、高效、誘人的應用前景。但將紀檢監察人員從事務型工作中解放的同時，也加重了他們因技術依賴而導致的主觀能動性的缺乏。因紀檢監察機關開展調查的案件具有特殊性，故相較于普通刑事訴訟的偵查行為應更具謹慎性，監察調查中的證據收集和證據采信應更強調真實性、客觀性和科技理性。而“技術輔助”轉向“技術主導”，甚至向“技術依賴”的發展趨勢，無異于醫生放棄了對患者病狀地聽取，而只對檢驗結果、檢測報告信任，用一種片面取代了另一種片面。另一方面，系統平臺建設的技術依賴。技術公司的技術壟斷和紀檢監察機關技術能力的受限，使紀檢監察機關需要以技術外包或購買技術服務等方式建設智慧紀檢監察平臺，且需要技術公司長期提供技術供給為系統平臺進行維護。這樣來，紀檢監察人員不參加產品研發工作，而研發人員卻不了解基本紀檢監察法規，忽視了智慧紀檢監察本身的目標。

上述技術依賴問題會引發下列法律風險：第一，過度依賴數據會導致數字理性的權威壓制了紀檢監察人員的人類經驗，紀檢監察人員的調查權和決策權交由人工智能技術。盡管紀檢監察人員擁有最終的裁決權，但數據前置性與算法依賴性會導致部分紀檢監察人員地位弱化，也會使部分紀檢監察人員借由提高決策的質量而逃避決策過程。第二，被調查人員因“數據臉譜”勾勒出數據特點而弱化了其法律地位，進而導致辦案人員一味追求效率和結果，忽視了調查程序中的人文關懷和程序權利保障。第三，紀檢監察決策的作出須依賴于第三方外部技術資源支持，易對權力專屬原則帶來挑戰。

2.技術決策偏差挑戰傳統歸責理念

人工智能技術的應用和拓展不僅為紀檢監察機關帶來了“數字機遇”，也帶來了滑向“技術利維坦”風險。當前，人工智能中的機器學習技術借助神經網絡算法、遺傳算法等實現機器學習與數據庫的集合，并由此促成了知識發現（Knowledge Discovery in Database，KDD）的產生。[]由此，在紀檢監察調查中，證據采集、決策系統旨在強化類案同決，以此實現紀檢監察案件辦理的公平性。然技術預測決策的作出是依據數據庫中已存有的案例決策而輸出給紀檢監察辦案人員應用，而對于數據庫中所沒有的案例決策或存在較大樣本差異性的決策可能會造成數據偏差，進而影響決策作出的客觀性和真實性。紀檢監察調查的案件具有特殊性，算法決策一旦出現了錯誤，即便被調查人員沒有違法違紀行為，但也會讓其深陷“輿論風暴”，影響其名譽權和未來工作考核中的平等權。

2022年生效的《中華人民共和國監察官法》第54條規定了對失職失責監察官“終身責任追究制度”，但人工智能技術對傳統責任追究中的歸責模式帶來了新的挑戰：其一，多元責任主體下的歸責問題。人機混合的錯誤決策可能是由算法本身的偏差和歧視導致的，也可能是由系統設計缺陷而導致的，倘若只由紀檢監察辦案人員承擔責任會導致智慧紀檢監察建設的負效應；而若僅由產品設計者或系統開發公司承擔，則會使紀檢監察辦案人員產生更大的技術依賴風險。其二，人工智能技術的介入對過程性問責帶來障礙。借助司法責任追究理論，合理的責任追究理應是以過程性考量為主，結果性考量為輔。而人工智能技術賦能下的決策可能是多個算法、技術的疊加應用作出的，為監察人員和人工智能技術的過錯分配和認定帶來了困難。

四、人工智能在紀檢監察應用中的風險控制進路

法律體系需要在人工智能技術對社會治理的創新和因創新帶來的寒窗效應之間尋找平衡。智慧紀檢監察建設的核心是“治理”，而非僅是“數字技術”。不可否認，數字技術賦能紀檢監察工作是深化國家統一監察體制改革，是一體推進“三不腐”的有利選擇，而著力克服數字技術帶來的法律風險是推動國家監察運行數字化、法治化轉型的當務之急。

（一）多維治理數據短缺與算法技術缺陷

1.推動數據資源的集中統一

大數據是數字賦能智慧監察建設的基石，而紀檢監察數字資源是打破“數據孤島”是前提。當前，數字紀檢監察數據資源庫具有數據壁壘、內部資源有限性、分散性、標準的異構性等特征，因此應當強化推動數據資源的數據統一。一是打破信息壁壘，推動數據共享。在智慧監察建設中，協同反腐理念愈發重要。盡管“數字政府”建設工程已逐步打破了“數據壁壘”和“信息孤島”，但是還需要強化數據收集與共享，實現數據的“顆粒歸倉”才能更好保證數據樣本的全面性。對此，可考慮將地方全部政務部門的數據搜集接入地方政務數據共享交換平臺，進而結合大數據監督平臺數據和紀檢監察部門的內部資源數據同向發力，構建省、市、縣（區）級監督數據的貫通融合，助力破解數據有限性和分散性問題。二是持續推進與政法機關跨部門合作平臺建設。一方面，需要將國家監察體制改革前職務犯罪的檢察數據與智慧紀檢監察系統平臺互聯互通以確保決策正確性；另一方面，需要將紀檢監察數據與其他政法機關數據互聯互通，打破橫向跨部門之間數據分享難的問題，也能保證紀檢監察程序和刑事訴訟程序在管轄、強制措施、證據等方面的順暢銜接。三是確保各部門數據標準同構化。破解當前數據異構性帶來的數據集成難的問題，需要在數據元素、數據格式、數據訪問、管理接口、數據安全和數據保密等方面構建統一數據標準。四是嚴格把控數據信息質量，避免數據偏差的出現。數據決策可以輔助監察決策的作出，但是需要對數據信息的質量進行控制，并非“量多”的類案信息就能夠為紀檢監察人員提供足夠的決策支持。因此，需要貫徹“數據準入”機制，在數據信息的時間因素、空間因素、案件類型、職務領域、處置方式等方面控制數據質量，也需要紀檢監察機關根據案件的分類與評級標準依托數據平臺和算法計算進行標簽精細化處理，深入破解不同時間和地域范圍內的類案信息如何共存和優先參考的問題。

2.防范算法風險的發生

針對數字紀檢監察建設中因算法缺陷帶來的算法安全、算法黑箱和算法歧視等法律風險，可以采用以下措施規避：第一，提高算法技術的安全性控制。既要要求產品設計者從風險預防角度對算法產品設計安全可控的保護措施，避免算法系統遭受未經授權的破壞、修改或銷毀，也可考慮將美國《算法問責法案》中的“安全評估機制”引入數字紀檢監察建設中，對算法的可控性、代碼運行的忠實性和算法模型的受干擾性等因素進行安全評估。具體在評估主體上，可以設置專門的“算法評估師”或“算法評估機構”對算法準確性和安全性進行評估；在評估內容上，主要對算法脫離機制的可控性、內容上的準確性、代碼履行的忠實度等標準進行評估，以此考察算法設計標準與國家安全標準是否一致；還可以適時地引入對算法開發者、維護人員等主體的問責機制。第二，強化算法披露，推進算法透明。對于紀檢監察機關借助算法決策而作出的案件處置決定應向案件被調查人進行說理解釋，使社會公眾或被調查人充分了解該決策作出的過程，以充分保障被調查人的合法權利，確保紀檢監察活動的公開和透明。盡管算法披露可以有效解決“算法黑箱”帶來的負效應，但是算法披露應當以“公眾可理解性”為導向。因此，算法代碼、編程公式、數學模型受制于專業性的知識壁壘而沒有必要向社會公眾或被調查人公開。第三，增加紀檢監察經驗，避免算法歧視帶來的數據偏差。在算法設計方面，可以讓兼具實踐經驗和法治經驗的紀檢監察業務專家參與算法設計，使算法決策目標與紀檢監察決策目標具有一致性，從源頭上避免數據歧視偏差；在算法模型的輸出上，定期組織算法數據顧問對算法結果抽檢復核，發現算法產品在運行中因自我學習而產生偏差和歧視的，應當及時糾正，防范算法歧視影響決策結果的客觀公正。

（二）構建“人機耦合”的合理分工機制

雖然人工智能可以滿足紀檢監察辦案中對效率價值的需求，但數字技術可能因缺乏人類在理性與情感間的反思平衡而受制于工具理性的桎梏，進而導致決策偏差。人與科技的關系已從工業化時代的“垂直關系”走向人工智能時代的“平行關系”，未來的方向應當是“人機耦合”的協同關系。在智慧監察場域中，紀檢監察人員是管理者的角色，人工智能技術應用屬于參與者角色。這一良性的“人機耦合”的協同交互關系，一方面可以避免人工智能技術對紀檢監察人員獨立調查權的侵蝕，另一方面也可以避免人工智能技術對被調查人員權利的侵蝕。在具體構建中：一是要從外部技術系統制度層面避免“技術依賴”風險的發生。如在系統設計中注重機器內嵌人文主義理念，避免紀檢監察的過度依賴，可對智慧監察應用中的算法數據進行事前評估，以此保障紀檢監察人員在調查決策中的實質參與；又如注重“人機交互性”的系統架構設計，以留足監察人員決策選擇的空間。二是要從內部分工層面力求實質化的“人在環中”，避免出現“算法裹挾”。形式化的“人在環中”人機合作僅要求人類能夠參與決策，但實質化的“人在環中”則要求人機決策的合理配置，強調人類與算法決策的合理分工。因此，可以嚴格劃分算法決策、人類決策與人機交互決策的標準、類型和比例，對于涉及被調查人員自身利益較少的監察決策可以借由人工智能算法實現。

（三）提高紀檢監察機關的數字能力和技術水平

黨的二十大報告數十次強調了“數字化”構想，人工智能等數字技術賦能正是紀檢監察機關順應國家數字化建設而實施的重大改革，而智慧監察系統平臺建設的外部技術依賴影響著監察機關“依法獨立行使職權”原則的有效落實。智慧紀檢監察平臺建設中，應提升監察部門對數字技術的掌控能力和水平，突出紀檢監察機關在與第三方技術公司合作的主導性，謹慎對待技術權力和監察權力的共建：第一，在頂層設計層面，應及時構建數字系統建設的標準化管理機制。從國家層面建立健全數字技術支持紀檢監察系統的標準化管理機制，既能夠從制度層面規制全國紀檢監察數字化系統的建設、管理和應用，也能夠借助制度化標準激發技術第三方機構對算法技術優化的良性競爭，使其更加契合智慧紀檢監察的需求。第二，在責任意識層面，紀檢監察機關應當增強主體意識，抑制紀檢監察機關的技術惰性。厘清“技術外包”和“獨立行權”的邊界，保障監察官了解技術運行的算法原理和紀檢監察決策的實質參與，避免以“一刀切”的形式全盤外包給第三方技術公司。第三，在技術能力層面，紀檢監察部門要提升自身技術能力水平建設，防止“技術控制”的發生。紀檢監察部門應具備對人工智能技術系統的初步甄別、評估和判斷能力，能夠適時調整技術第三方合作的策略，避免“算法綁架”“技術控制”等危害后果的發生。對此，可參考我國司法機關數字化建設中的有益經驗。比如，引入高校技術力量參與評估、監測工作；又如，引進多個技術第三方提供不同領域的技術服務，形成“技術制約”。

（四）明確人機責任的邊界與分配

責任分配論規則是防范人工智能出現“無責任的權利”和“無代價的技術”的有效制約。然伴隨著社會信息化向智能化的變遷，人機關系由主導關系轉為交互耦合關系，機器算法逐漸成為決策過程參與者。在紀檢監察辦案場域中，一旦數據偏差導致監察決策出現錯誤，其后果須得到法律層面上的追責。對此，傳統的責任歸責機制難以應對“人機耦合”的智慧紀檢監察體系中，故需將技術第三方納入追責機制中，將研發責任與設計倫理等納入責任治理框架中。在智慧紀檢監察的場域下的決策的多是“人機交互”的混合決策，即技術權和監察權共同結合作出的，因此應當對人機責任作出分配：第一，確認監察人員責任優先原則。當前人工智能算法技術仍處于“認知智能”的初級階段，算法技術仍屬于輔助性決策技術。可以說，雖然技術第三方存在技術數據偏差，但最終決策決定權仍歸紀檢監察人員。以此為措，也可以避免紀檢監察人員借由“動因遷移”（agentic shift）而規避責任承擔。第二，厘清人機混合決策中的比例，將機器責任作為紀檢監察人員的免責事由。對于機器算法獨立作出的簡單決策，主要由技術第三方對技術服務和衍生結果承擔責任；對人機混合決策，則需借助“技術過程留痕”手段厘清人機決策比例，進而確定責任劃分，避免紀檢監察人員承擔全部責任而對智慧紀檢監察的適用發展帶來負效應。第三，將審查報告義務的履行作為責任分配鏈條中的參考因素。權力專屬原則要求人工智能對紀檢監察決策的輔助作用，需要紀檢監察人員對機器算法的決策具有審查義務。因此，在責任分配中，應當將審查報告義務的履行情況作為重要的免責參考事由：若紀檢監察人員發現算法數據偏差或錯誤并及時報告或紀檢監察人員對數據信息盡到了審查注意義務，可以以自身知識限制主張機器責任作為自身免責事由；但若紀檢監察人員因疏忽大意或過于自信沒有發現數據偏差信息，則屬于失職失責，應屬于被追責的范疇。

五、余 論

習近平總書記指出：“當今時代，數字技術作為世界科技革命和產業變革的先導力量，日益融入經濟社會發展各領域全過程，深刻改變著生產方式、生活方式和社會治理方式。”人工智能等數字技術正潛移默化地影響到人類經濟、政治、文化、社會、生態文明建設各領域和全過程，也為不同的應用場景提供智能化服務。傳統的反腐敗研究多將精力集中在宏觀的制度層面，以期通過制度改革驅動反腐敗治理現代化。而人工智能技術的出現使一種新型反腐敗治理模式成為可能。當前，各地紀檢監察機關貢獻出了寶貴的實踐經驗，并初步彰顯了“數字+紀檢監察”的巨大效應。如人工智能技術的應用有效解決了當前紀檢監察機關“案多人少”的掣肘，提高了案件辦理的質效；又如，情報研判、風險預警、可視化信息分析等技術為紀檢監察辦案人員提供了腐敗預防和決策支持等。

但是，紀檢監察工作是紀檢監察人員高度智慧性的工作，不僅依靠數字技術和數字理性，也需要倫理和感情溫度。由于以人工智能為代表的數字技術只具備理性的“反饋功能”，欠缺人類智力性的“反思功能”，因而只能代替紀檢監察辦案行為，不能代替紀檢監察辦案人員。在智慧監察建設中，既要充分發揮數字技術的優勢，也要防止因“數據短缺”“算法裹挾”“算法歧視”“技術依賴”等原因帶來的“數據偏差”和“決策錯誤”風險；既要借助算法技術構建“人機耦合”的分工機制，也需打破傳統責任追究的歸責壁壘。而對于本文中未盡議題應秉持一種理性的認知，既要看到“技術紅利”與治理效度，又要審思其可能造成的弊端隱患，時刻警惕“技術利維坦”。

總之，人工智能等數字技術在紀檢監察中的應用是“數字中國”在紀檢監察機關的具體體現，其根本是通過技術賦能促進紀檢監察機關管理更加科學、辦案更加公正，以有效推進紀檢監察工作現代化。因此，我們應當以更高的站位、更加多元的視角理解和把握數字紀檢監察的改革，促進人工智能輔助紀檢監察工作向縱深發展，不斷落實中共二十屆中央紀委四次全會中“堅決打好反腐敗斗爭攻堅戰持久戰總體戰”的全新要求。

來源：《廣州大學學報（社會科學版）》2025年第4期

作者：吳建雄，湘潭大學法學學部特聘教授、博士生導師，紀檢監察研究院名譽院長，中國反腐敗司法研究中心主任，湖南省法學會法治反腐研究會會長；宋陽，湘潭大學紀檢監察研究院博士研究生。