摘 要
当前，纪检监察机关面临着案件数量骤增、办案要求高质等诸多挑战，人工智能技术赋能纪检监察是其抓住机遇、迎对挑战的重要方法和抓手。人工智能技术已经在纪检监察的案件全景化管理、追踪案件线索、提升预防效能和智能分析类案处置信息等领域彰显作用。
然而，人工智能技术引起的法律风险亟待解决，具体包括：因信息数据短缺与算法技术缺陷而影响结果的客观性；因办案人员对技术依赖而侵蚀监察权独立性；因算法技术决策偏差而挑战传统纪检监察归责机制。鉴于此，应从推动数据资源的集中统一、提升算法安全性和透明性、构建“人机耦合”的合理分工机制、提高纪检监察机关自身技术水平、明确人机责任的边界与分配等方面作为规避上述法律风险的进路。
关键词
人工智能；算法；纪检监察；法律风险；法治反腐
一、问题的提出
随着人工智能、大数据、云计算等技术的融合和发展，以信息技术为代表的新一轮产业科技创新驱动了社会生产和生活方式的变革。在数字时代背景下，信息数字技术的应用已深入国家管理、社会治理和人民生活各领域。党的二十大报告提出“加快建设制造强国、质量强国、航天强国、交通强国、网络强国、数字中国”战略目标以来，数字化转型升级已成为新时代纪检监察工作高质量发展的必然要求。2023年1月9日，中共二十届中央纪委二次全会对纪检监察工作的数字化建设作出了重要部署，要求“构建贯通全流程、全要素的数字纪检监察体系”。2025年1月8日，中共二十届中央纪委四次全会进一步要求“全面推进数字纪检监察体系建设”。与此同时，多省市分别出台“纪委监委数字化发展规划”，为未来五到十年数字化发展转型指明了具体路径。由此，人工智能等数字技术赋能纪检监察办案成为实务和理论研究领域的热点话题。
在办案实践中，随着反腐败斗争持续发力、纵深推进，纪检监察机关面临着办案数量骤增、办案要求高质等挑战，人工智能赋能纪检监察办案成为其应对挑战、推动新时代纪检监察工作高质量发展的重要抓手。具体为：第一，纪检监察机关案件骤增的压力下对办案效率的挑战，需要纪检监察工作数字化转型。在2013年至2023年间，我国纪检监察机关接受信访举报和立案调查案件数量都呈上涨趋势。根据中央纪委国家监委的办案数据显示，接受信访举报数量自2013年到2024年累计增涨83.6%；处置问题线索数量自2015年（2013年和2014年未公布相关数据）至2024年累计增涨307.3%。但从办案人员上看，至2020年末，伴随国家监察体制改革的完成，全国各级纪检监察机关共28万余名纪检监察干部。以2020年数据为例，全国纪检监察机关接受信访举报数量与处置问题线索数量的人案比分别为11.5和6.08。由此，“案多人少”的矛盾使人工智能技术赋能纪检监察办案具有现实紧迫性。第二，纪检监察机关提质增效需求下对公正价值的挑战，需要数字化技术赋能。纪检监察内部违纪的现象也时有发生，据中央纪委国家监委办案数据，2021年至2024年间，全国纪检监察系统共接收涉及纪检监察干部问题线索或反映共计12.73万余件次，谈话函询纪检监察干部4.02万人次，立案纪检监察干部1.73万人次，处分干部1.7万人次，移送司法机关1068人次。这些数据一方面彰显了各级纪检监察机关严肃查处执法违法、执纪违纪“灯下黑”案件的自我革命精神；另一方面，违法违纪的纪检监察干部数量持高不下，说明纪检监察干部在监督执纪过程中的不公正行为仍有发生。同时，检察机关对监察机关移送审查起诉的案件，作出退回补充调查（自行补充侦查）决定或作出不起诉决定的相关数据也反映了纪检监察干部在办理案件的质效存有问题。对此，纪检监察机关出台了多项制度试图防范“灯下黑”的发生，但多为事后监督，不仅增加了试错成本，造成监察资源和司法资源的浪费，而且这种“亡羊补牢”的制度设计有时也会囿于线索来源渠道窄而失灵。对此，推动数字技术与纪检监察办案的高度融合，是实现纪检监察领域法治现代化建设的重要途径，故各地纪检监察机关深入推进了人工智能在纪检监察办案中的应用。
在理论研究领域，尽管不乏有学者对数字纪检监察展开研究，但存在一定的不足之处：第一，从研究的全面性上看，已有研究主要关注了概念框架、数据技术和个人权利保护问题，但对数字技术带来的数据安全问题、数据依赖和责任归责等法律问题缺乏关注；第二，从研究领域和研究视角看，已有研究大多从公共管理学的视角对数字纪检监察的概念框架、实践图谱、技术和制度支持等问题进行分析，而鲜有学者从法学的角度，结合理论和实践对人工智能等数字技术在纪检监察应用领域的法律风险进行分析。因此，本文拟从法治视野出发，对人工智能等数字技术在纪检监察领域的应用场景和实践办案模式进行梳理，在此基础上，分析人工智能在纪检监察应用中的法律风险和法治化挑战，进一步探讨相应的风险控制方案。
二、人工智能在纪检监察应用中的主要场景
改革开放以来，我国在反腐败的力度上、立案数量上和处分人数上都是最大的。传统纪检监察办案中存在的“案多人少”“跨区域办案不畅”等问题既是促使纪检监察数字化、智能化转型的直接动因，也是藉由人工智能技术建立智慧型纪检监察办案模式的重点突破方向。当前，人工智能技术正在经历由弱人工智能技术向强人工智能技术到超人工智能技术的进路迈进，在技术应用上需要经历计算智能到感知智能再到认知智能的发展阶段，由此，在纪检监察办案领域，可依据上述技术应用分析其应用场景和办案模式。
（一）基于信息化技术的应用场景
信息化办案模式辅助纪检监察工作是借助信息资源和信息技术对纪检监察机关的办案信息与办案流程进行获取，并对其进行储存和传递的一种智能工作模式。以自动化的数字信息技术代替不必要的人工劳动是人工智能技术所追求的目标之一，而早在2009年纪检监察信息系统工程（“金纪工程”）一期建设的启动就是对“互联网+纪检监察办案”模式而进行的初次尝试，其旨在建成案件信息管理、法规信息管理和信访信息管理等七项以信息管理为主应用平台，发挥信息化技术在办案流程、自我管理和方法手段改进等方面的辅助作用。纪检监察信息化系统的建设通过对纪检监察机关的办案工作流程进行拆解，将纪检监察办案人员从事务型工作中解放出来，实现数字技术代替人工劳动进行碎片化的事务型工作（见图1）。
图1: 信息化技术辅助纪检监察的办案模式及应用场景
在具体应用表现中，一方面，该系统借助大数据计算、数据储存、信息交换、自动化办公等技术，实现数据的储存和共享。这一系统以自动化的人工智能技术减轻了纪检监察办案人员的工作负累，在内部工作对接上优化了办案流程，满足了纪检监察工作对办案效率的要求，在一定程度上节约了办案成本。对此，四川省纪检监察系统建成了全国首个省市县三级互通的“纪检监察信息化工作平台”，可以实现信访、案管、审理等业务的网上协同运行。该系统依靠信息化建设与纪检监察工作的有机融合，避免了基础数据的重复录入，让案件平均办结用时缩短一半，创新了纪检监察工作理念思路、运行机制和方式方法。另一方面，通过全景化的案件管理系统和数字化（可视化）的办案平台，将纪检监察机关办理案件中的流程信息、主体信息和监督信息即时转化为数字编码，并借助数据信息的交换、计算机图形学和图像处理技术，使各项办案数据在办案人员系统终端以图像化和可视化的方式展示出来，真正意义上实现了程序的透明和公正。这不仅借助信息化平台打通了纪检监察信息化建设延伸到基层的“最后一公里”，也对纪检监察机关对案件的综合管理工作和办案公信力的提升等方面大有裨益。对此，2018年山东省烟台市建设“纪检监察综合业务一体化智能平台”，该系统可以将全市的信访举报、处置问题线索、运用监督执纪“四种形态”等进展情况以树状图或饼状图等方式即时呈现给办案人员，不仅实现了以协同、高效的模式内控管理科学规范，也实现了以实用、共享的方法让监督执纪更加精准有力。
（二）基于感知智能技术的应用场景
感知智能技术是人工智能与现实世界交互的基础和关键，是人工智能服务于纪检监察办案的重要桥梁。感知智能技术使机器人具备了视觉、听觉及触觉等类似人类的感知能力，旨在对数据进行获取、处理和分析。信息化技术辅助纪检监察办公自动化，只是看起来像智能而已，但随着智能语音交互、计算机视觉（包括图像理解、三维视觉、动态视觉）、增强现实(AR)/虚拟现实(VR)、深度学习算法等技术的成熟和应用，在深度追踪案件线索、智能评估腐败风险预警等方面为纪检监察工作提供技术供给（见图2）。
图2:感知智能技术辅助纪检监察的办案模式及应用场景
第一，深度追踪案件线索，破解“新型腐败和隐性腐败”。党的二十大报告和中共二十届中央纪委二次、三次和四次全会分别对“新型腐败和隐性腐败”的惩治和查处进行了部署。近年来，数据技术的发展使腐败犯罪的场域由物理空间转向了虚拟空间，具有过程的非直接性、主体广泛性、危害外溢性、目的非单一性和手段的高赋能性等新特点。如有官员采用政商“旋转门”“影子股东”“期权变现”“雅贿”等新型手段层出不穷，也有官员借助虚拟货币“挖矿”的手段实现腐败目的。这一借助发展新手段长袖善舞、曲径通幽的腐败方式无疑给纪检监察工作带来了难度。在传统的监察调查模式中，纪检监察机关往往依靠被调查人主动交代、群众举报、证人证言等言词性材料或审计部门介入等方式获取案件相关信息。而这种以线索为导向的监察办案模式，面对立案调查数量的骤增、取证难度和违法违纪手段的隐蔽化而显得力不从心。借助人工智能技术能够有效深度追踪案件线索，有效解决“隐性腐败”案件线索调查难的问题。具体而言，针对特定人员和重点领域的关键数据进行归集，建立健全公职人员的廉政档案，通过与相关部门信息进行数据对比和碰撞，实时动态更新信访举报等情况，使隐性腐败和新型腐败的风险“一键暴露”，形成一种隐形的约束。比如，沈阳市纪委监委与中国科学院计算技术研究所共研大数据监督技术实验室，将数十亿条数据储存、对比、整合，实现对“微腐败”和“隐形人”行为的震慑。又如，宁波市纪委监委大力推动大数据监督应用建设，即时形成“大数据账”，实现问题“一键追踪”。
第二，精准强化风险预警，提升案前案后预防效能。根据系统论中的冗余机制原理，任何组织和制度均存在固有局限性，均具有一定的风险根源，风险始终是根植于社会组织的社会现象。自国家监察体制改革以来，我国已经形成了不敢腐、不能腐、不想腐的体制机制，但违法违纪的风险仍然存在。不可否认的是，古典犯罪学理论中“威慑理论”已对违法违纪行为起到了一般预防目的，故将传统工作模式中的“事后惩罚”转向“事前预防”成为纪检监察工作转型的关键。因此，公共安全规制模式中的“风险（risk）规制模式”引入纪检监察工作中，能够对违法违纪行为的规制达到“决策于未知之中”“治未病”的预防效果。借助人工智能技术可以勾勒出权力运行的每一条轨迹，对相关数据信息做到即时收集与分析，进而对异常数据信息进行预警和上报，以实现全景式全流程监督。具体而言，各地纪检监察机关通过搭建“廉政警示平台”将党员干部信息和权力运行信息纳入廉政数据库，并藉由多智能体模型、深度学习等人工智能技术对党员干部的人际关系、收入支出和权力运行情况等数据集中处理，实现算法模型的自主学习和迭代训练，进而形成警示预测数据模型。这不仅打破了传统纪检监察工作中时间范围和空间维度的壁垒，而且实现了纪检监察工作模式由“样本监督向全景还原式监督”“结果监督向过程监督”的转化。例如，贵州省纪检监察部门开展“数据铁笼”工程，通过数据共享、数据对比和数据留痕，实现了资金流动、权力运行的全程记录、追溯和预警。
（三）基于认知智能技术的应用场景
感知、认知智能技术辅助办案决策有利于办案处置的公正性和科学性。从人工智能围棋程序AlphaGo先后击败了樊麾、李世石和柯洁，到北京互联网法院通过判决确认人工智能生成图片（AI绘画图片）具备“独创性”要件，无不体现了人工智能机器已具备了一定的知觉和意识。“对现有制度而言，人工智能技术有利于使社会控制和社会团结得更有效、更令人愉悦的新形式”。认知智能技术是在感知智能的数据结构化处理基础上，理解数据之间的关系和逻辑，并深度挖掘分析案件处置信息，助力提升纪检监察办案质效。依托人工智能深度分析违法违纪案件数据，为纪检监察办案人员提供决策支持（见图3）。
图3:认知智能技术辅助纪检监察的办案模式及应用场景
第一，类案推送。智能化系统平台通过光学文字识别技术（Optical Character Recognition，OCR）和信息抽取技术（Information Extraction, IE）提取案件事实要素内容，与案件数据库中案件事实要素内容进行信息比对和关联性分析，并将类案的处置方式推送给监察办案人员，以此推动“同类案件的规模流程监控”，抑制纪检监察办案人员裁量权的滥用。因此，浙江省纪委监委研发了全国首个“案件审理辅助信息系统”，类案处置的共性限制了办案人员的自由裁量权。
第二，案件辅助审理。纪检监察大数据兼具资源和技术两个面向，这一资源和技术的优势为纪检监察办案人员的调查工作插上了“翅膀”。首先，纪检监察机关以监察智能化系统平台为依托，以“量纪预测模型”等系统集成方式辅助监察决策和定性量纪的作出，以期完成监察决策和监察定性量纪的经验化向科学化的转变；其次，人工智能技术有效地整合和优化了数据资源，根据个案情况实现案件的繁简分流和文书的自动生成。四川省什邡市纪委监委借助“办案文书助手”和“案件审理平台”，结合“人”与“案”适配程度优化监察资源配置，提高了办案效率；再次，自动对案件证据材料和办案程序进行监测，对程序错误、临期未决等问题自动识别和预警，提升纪检监察办案效率。比如，内蒙古自治区的“智审通”系统可以100%识别出程序性错误，又如，成都市温江区以“监督执纪监察工作运行监控系统”为依托对临期未决的案件进行分级预警督办。
第三，预判发展态势。各地区纪检监察部门可以借助所办理案件的信息数据，从主体、时间、地域、类型等方面勾勒出不同级别、不同部门、不同场域下违法违纪人员的“大数据画像”，并据此推导出数据的规律性和关联性，预判腐败违纪的发展态势。如吉林省长春市纪委监委打造“形势分析+专题分析+区域分析”的立体综合分析工作模式，政治生态精准“画像”，准确把握信访举报形势。
三、人工智能在纪检监察应用中的法律风险
虽然人工智能的应用为纪检监察机关办案模式的创新和转型提供了数字技术支持，但也须防范人工智能应用所带来的法治难题，否则可能导致“我们走向一个反乌托邦社会”。当前，人工智能技术处于在特定智能场域下的“认知智能”初级阶段，尚不完全不具备人脑主动思考和理解问题的能力，且交互式和自动化的机器学习结果具有滥用的风险。因此，数字技术不仅推动了治理能力现代化中纪检监察制度智慧化的变革，也对传统法律制度提出了挑战，故全面分析法律风险对谋求纪检监察工作高质量发展有重要意义。
（一）输入与生成：信息数据短缺与算法技术缺陷的风险
数字技术变革的主要目标是为提升国家治理能力、优化公共服务做出贡献，将有助于提高公共部门的绩效和工作效率。尽管人工智能是改善社会治理和优化公共服务的新技术，但也可能会因信息数据短缺和算法技术缺陷而生发技术数据标准异构和影响数据安全等风险。
1.信息数据短缺的风险
数据被誉为人工智能技术的“油料”，是人工智能技术发展的“助推剂”。数据信息是借助统计分析、机器学习、数据挖掘等方法进行复杂分析并辅助决策的基础。数据信息的丰富程度和体量决定了有价值的判断和认知模型产生。认知模型是渐进发展的模型，即只有认识深入后，才能产生抽象的模型与猜想，借助猜想扩展模型而实现深度学习和深度挖掘的数据分析效果。由此可见，数据信息的数量和质量直接决定了算法应用的科学性和分析结果的客观性。当前，人工智能等数字技术虽为纪检监察工作信息化的发展提供了技术支撑，但相较于机器学习和数据挖掘等技术所需的数据样本仍有不足：首先，数据壁垒的局限性。数字纪检监察的实现需要将各类数据资源整合后，打破传统“数据孤岛”的流动障碍，形成一个完整、开放、共享的数据池。但智慧政务的建设中，金融数据、轨迹数据、通讯数据、电商数据等分别由相应的管理机构所掌控，由于管理机构对“数据权力”的追求，导致数字纪检监察的发展出现了“数据壁垒”和应用场域“区块化”。其次，纪检监察机关内部办案数据资源的有限性。数字纪检监察建设相较于智慧司法和智慧检察工程建设而言，还处于初期阶段。尽管人工智能等数字技术可以实现类案推送和辅助监察决策作出，但国家监察体制改革完成后仅有五年的案件数据信息，缺乏对历史数据信息的挖掘和监察体制改革前检察机关办案数据信息的并合。再次，数据信息的真实性不足。大数据技术是借助群体的活跃程度勾勒出群体共性的，而对于非活跃群体的信息难以通过大数据技术捕捉和勾勒，故大数据信息可能存在局部性、失真性和个别性。若虚假信息或残缺信息出现在廉政数据库中，那势必影响预警算法对纪检监察决策的判断。复次，数据标准的异构性。数据集成需要将不同来源的数据结合一起，以获得完整数据集合。其中，不仅需要考虑数据冗余问题，而且还需要考虑数据管理系统结构、通讯协议、数据类型、数据取值和语义等方面的异构问题，这些因素都会导致数据集成困难。因此，追求同构化的数据标准是建立统一大数据运算的前提，而当前政务、司法和纪检监察领域的数字化发展大多为地方化和部门化的创新，进而导致整体化的数据信息共享和信息集成度低。
2.算法技术缺陷的风险
算法被誉为人工智能技术的“油管”。数据分析是数据处理步骤中的核心环节，算法技术是数据分析的关键，即通过确定不同算法的切换和不同算法使用的顺序实现深度挖掘数据的目的。但算法技术与纪检监察数字化融合中存在算法安全、算法黑箱和算法歧视等风险。第一，算法安全风险。算法安全可以分为技术层面、社会层面和国家层面。由于算法的正确性和客观性是由数据训练与推断阶段的可靠性保障实现的，故技术层面的安全能力是算法安全性的本源性释义。当前，算法系统面临着遭遇数据投毒、特洛伊攻击、设计缺陷、模型被窃等风险的发生，故应保障和强化数字纪检监察产品的安全性。第二，算法黑箱风险。有学者指出，智能机器的深度学习技术就是一个“黑箱”。尽管行政机关的自由裁量行为、司法裁判行为和纪检监察人员的决策行为也可以被视为人类决策的黑箱，但其对社会公众具有易理解性和可接受性，而算法的决策机理具有知识壁垒且缺乏人机交互性，使公众存在认知阻隔。算法技术供给公司借由商业秘密保护而拒绝提供算法的运行机理。对此，有学者直言“法律人工智能行业中的算法是作为一项商业秘密而存在的，外人无从知晓，只有算法的设计者才掌握具体细节”。即便是纪检监察办案人员能够洞悉算法运行规则，也囿于自身专业知识而难以理解算法转化为智慧纪检监察办案的转型机理。第三，算法歧视风险。即便数据输入时，数据样本具有客观性、完整性和优质性，但数据经算法加工、分析、生成时也具有偏见或谬误。2020 年，意大利博洛尼亚法院判决外卖平台户户送(Deliveroo)在评价骑手时所使用的算法构成间接歧视，被视为历史性的判决。在机器学习算法设计中，设计者会将价值偏差写入数据编码中，经由算法运行和固化，使决策的生成也具有歧视性。
（二）输出与应用：技术依赖对纪检监察权独立性侵蚀的风险
“新工业革命是一把双刃刀，它可以用来为人类造福，如果我们不去理智地利用它，也可以毁灭人类。”数字技术被应用于纪检监察机关的信息收集、支持监察决策的作出、支撑智慧监察的建设。在智慧纪检监察建设中，数字技术与纪检监察工作的关系从“辅助型关系”逐步转向“主导型关系”。但随着技术的发展和应用，二者关系逐渐走向“依赖型关系”，引发了社会公众的隐忧。
1.技术依赖引发纪检监察办案人员主体弱化的风险
技术介入导致传统工作人员的判断力和信用度逐渐下降。在智慧纪检监察中，数字化技术、生成性人工智能的应用、数据可视化分析与自动化决策成为纪检监察办案的主要手段。一方面，纪检监察办案人员对技术的依赖。技术赋能对“案多人少”的纪检监察机关而言，确实带来了快捷、高效、诱人的应用前景。但将纪检监察人员从事务型工作中解放的同时，也加重了他们因技术依赖而导致的主观能动性的缺乏。因纪检监察机关开展调查的案件具有特殊性，故相较于普通刑事诉讼的侦查行为应更具谨慎性，监察调查中的证据收集和证据采信应更强调真实性、客观性和科技理性。而“技术辅助”转向“技术主导”，甚至向“技术依赖”的发展趋势，无异于医生放弃了对患者病状地听取，而只对检验结果、检测报告信任，用一种片面取代了另一种片面。另一方面，系统平台建设的技术依赖。技术公司的技术垄断和纪检监察机关技术能力的受限，使纪检监察机关需要以技术外包或购买技术服务等方式建设智慧纪检监察平台，且需要技术公司长期提供技术供给为系统平台进行维护。这样来，纪检监察人员不参加产品研发工作，而研发人员却不了解基本纪检监察法规，忽视了智慧纪检监察本身的目标。
上述技术依赖问题会引发下列法律风险：第一，过度依赖数据会导致数字理性的权威压制了纪检监察人员的人类经验，纪检监察人员的调查权和决策权交由人工智能技术。尽管纪检监察人员拥有最终的裁决权，但数据前置性与算法依赖性会导致部分纪检监察人员地位弱化，也会使部分纪检监察人员借由提高决策的质量而逃避决策过程。第二，被调查人员因“数据脸谱”勾勒出数据特点而弱化了其法律地位，进而导致办案人员一味追求效率和结果，忽视了调查程序中的人文关怀和程序权利保障。第三，纪检监察决策的作出须依赖于第三方外部技术资源支持，易对权力专属原则带来挑战。
2.技术决策偏差挑战传统归责理念
人工智能技术的应用和拓展不仅为纪检监察机关带来了“数字机遇”，也带来了滑向“技术利维坦”风险。当前，人工智能中的机器学习技术借助神经网络算法、遗传算法等实现机器学习与数据库的集合，并由此促成了知识发现（Knowledge Discovery in Database，KDD）的产生。[]由此，在纪检监察调查中，证据采集、决策系统旨在强化类案同决，以此实现纪检监察案件办理的公平性。然技术预测决策的作出是依据数据库中已存有的案例决策而输出给纪检监察办案人员应用，而对于数据库中所没有的案例决策或存在较大样本差异性的决策可能会造成数据偏差，进而影响决策作出的客观性和真实性。纪检监察调查的案件具有特殊性，算法决策一旦出现了错误，即便被调查人员没有违法违纪行为，但也会让其深陷“舆论风暴”，影响其名誉权和未来工作考核中的平等权。
2022年生效的《中华人民共和国监察官法》第54条规定了对失职失责监察官“终身责任追究制度”，但人工智能技术对传统责任追究中的归责模式带来了新的挑战：其一，多元责任主体下的归责问题。人机混合的错误决策可能是由算法本身的偏差和歧视导致的，也可能是由系统设计缺陷而导致的，倘若只由纪检监察办案人员承担责任会导致智慧纪检监察建设的负效应；而若仅由产品设计者或系统开发公司承担，则会使纪检监察办案人员产生更大的技术依赖风险。其二，人工智能技术的介入对过程性问责带来障碍。借助司法责任追究理论，合理的责任追究理应是以过程性考量为主，结果性考量为辅。而人工智能技术赋能下的决策可能是多个算法、技术的叠加应用作出的，为监察人员和人工智能技术的过错分配和认定带来了困难。
四、人工智能在纪检监察应用中的风险控制进路
法律体系需要在人工智能技术对社会治理的创新和因创新带来的寒窗效应之间寻找平衡。智慧纪检监察建设的核心是“治理”，而非仅是“数字技术”。不可否认，数字技术赋能纪检监察工作是深化国家统一监察体制改革，是一体推进“三不腐”的有利选择，而着力克服数字技术带来的法律风险是推动国家监察运行数字化、法治化转型的当务之急。
（一）多维治理数据短缺与算法技术缺陷
1.推动数据资源的集中统一
大数据是数字赋能智慧监察建设的基石，而纪检监察数字资源是打破“数据孤岛”是前提。当前，数字纪检监察数据资源库具有数据壁垒、内部资源有限性、分散性、标准的异构性等特征，因此应当强化推动数据资源的数据统一。一是打破信息壁垒，推动数据共享。在智慧监察建设中，协同反腐理念愈发重要。尽管“数字政府”建设工程已逐步打破了“数据壁垒”和“信息孤岛”，但是还需要强化数据收集与共享，实现数据的“颗粒归仓”才能更好保证数据样本的全面性。对此，可考虑将地方全部政务部门的数据搜集接入地方政务数据共享交换平台，进而结合大数据监督平台数据和纪检监察部门的内部资源数据同向发力，构建省、市、县（区）级监督数据的贯通融合，助力破解数据有限性和分散性问题。二是持续推进与政法机关跨部门合作平台建设。一方面，需要将国家监察体制改革前职务犯罪的检察数据与智慧纪检监察系统平台互联互通以确保决策正确性；另一方面，需要将纪检监察数据与其他政法机关数据互联互通，打破横向跨部门之间数据分享难的问题，也能保证纪检监察程序和刑事诉讼程序在管辖、强制措施、证据等方面的顺畅衔接。三是确保各部门数据标准同构化。破解当前数据异构性带来的数据集成难的问题，需要在数据元素、数据格式、数据访问、管理接口、数据安全和数据保密等方面构建统一数据标准。四是严格把控数据信息质量，避免数据偏差的出现。数据决策可以辅助监察决策的作出，但是需要对数据信息的质量进行控制，并非“量多”的类案信息就能够为纪检监察人员提供足够的决策支持。因此，需要贯彻“数据准入”机制，在数据信息的时间因素、空间因素、案件类型、职务领域、处置方式等方面控制数据质量，也需要纪检监察机关根据案件的分类与评级标准依托数据平台和算法计算进行标签精细化处理，深入破解不同时间和地域范围内的类案信息如何共存和优先参考的问题。
2.防范算法风险的发生
针对数字纪检监察建设中因算法缺陷带来的算法安全、算法黑箱和算法歧视等法律风险，可以采用以下措施规避：第一，提高算法技术的安全性控制。既要要求产品设计者从风险预防角度对算法产品设计安全可控的保护措施，避免算法系统遭受未经授权的破坏、修改或销毁，也可考虑将美国《算法问责法案》中的“安全评估机制”引入数字纪检监察建设中，对算法的可控性、代码运行的忠实性和算法模型的受干扰性等因素进行安全评估。具体在评估主体上，可以设置专门的“算法评估师”或“算法评估机构”对算法准确性和安全性进行评估；在评估内容上，主要对算法脱离机制的可控性、内容上的准确性、代码履行的忠实度等标准进行评估，以此考察算法设计标准与国家安全标准是否一致；还可以适时地引入对算法开发者、维护人员等主体的问责机制。第二，强化算法披露，推进算法透明。对于纪检监察机关借助算法决策而作出的案件处置决定应向案件被调查人进行说理解释，使社会公众或被调查人充分了解该决策作出的过程，以充分保障被调查人的合法权利，确保纪检监察活动的公开和透明。尽管算法披露可以有效解决“算法黑箱”带来的负效应，但是算法披露应当以“公众可理解性”为导向。因此，算法代码、编程公式、数学模型受制于专业性的知识壁垒而没有必要向社会公众或被调查人公开。第三，增加纪检监察经验，避免算法歧视带来的数据偏差。在算法设计方面，可以让兼具实践经验和法治经验的纪检监察业务专家参与算法设计，使算法决策目标与纪检监察决策目标具有一致性，从源头上避免数据歧视偏差；在算法模型的输出上，定期组织算法数据顾问对算法结果抽检复核，发现算法产品在运行中因自我学习而产生偏差和歧视的，应当及时纠正，防范算法歧视影响决策结果的客观公正。
（二）构建“人机耦合”的合理分工机制
虽然人工智能可以满足纪检监察办案中对效率价值的需求，但数字技术可能因缺乏人类在理性与情感间的反思平衡而受制于工具理性的桎梏，进而导致决策偏差。人与科技的关系已从工业化时代的“垂直关系”走向人工智能时代的“平行关系”，未来的方向应当是“人机耦合”的协同关系。在智慧监察场域中，纪检监察人员是管理者的角色，人工智能技术应用属于参与者角色。这一良性的“人机耦合”的协同交互关系，一方面可以避免人工智能技术对纪检监察人员独立调查权的侵蚀，另一方面也可以避免人工智能技术对被调查人员权利的侵蚀。在具体构建中：一是要从外部技术系统制度层面避免“技术依赖”风险的发生。如在系统设计中注重机器内嵌人文主义理念，避免纪检监察的过度依赖，可对智慧监察应用中的算法数据进行事前评估，以此保障纪检监察人员在调查决策中的实质参与；又如注重“人机交互性”的系统架构设计，以留足监察人员决策选择的空间。二是要从内部分工层面力求实质化的“人在环中”，避免出现“算法裹挟”。形式化的“人在环中”人机合作仅要求人类能够参与决策，但实质化的“人在环中”则要求人机决策的合理配置，强调人类与算法决策的合理分工。因此，可以严格划分算法决策、人类决策与人机交互决策的标准、类型和比例，对于涉及被调查人员自身利益较少的监察决策可以借由人工智能算法实现。
（三）提高纪检监察机关的数字能力和技术水平
党的二十大报告数十次强调了“数字化”构想，人工智能等数字技术赋能正是纪检监察机关顺应国家数字化建设而实施的重大改革，而智慧监察系统平台建设的外部技术依赖影响着监察机关“依法独立行使职权”原则的有效落实。智慧纪检监察平台建设中，应提升监察部门对数字技术的掌控能力和水平，突出纪检监察机关在与第三方技术公司合作的主导性，谨慎对待技术权力和监察权力的共建：第一，在顶层设计层面，应及时构建数字系统建设的标准化管理机制。从国家层面建立健全数字技术支持纪检监察系统的标准化管理机制，既能够从制度层面规制全国纪检监察数字化系统的建设、管理和应用，也能够借助制度化标准激发技术第三方机构对算法技术优化的良性竞争，使其更加契合智慧纪检监察的需求。第二，在责任意识层面，纪检监察机关应当增强主体意识，抑制纪检监察机关的技术惰性。厘清“技术外包”和“独立行权”的边界，保障监察官了解技术运行的算法原理和纪检监察决策的实质参与，避免以“一刀切”的形式全盘外包给第三方技术公司。第三，在技术能力层面，纪检监察部门要提升自身技术能力水平建设，防止“技术控制”的发生。纪检监察部门应具备对人工智能技术系统的初步甄别、评估和判断能力，能够适时调整技术第三方合作的策略，避免“算法绑架”“技术控制”等危害后果的发生。对此，可参考我国司法机关数字化建设中的有益经验。比如，引入高校技术力量参与评估、监测工作；又如，引进多个技术第三方提供不同领域的技术服务，形成“技术制约”。
（四）明确人机责任的边界与分配
责任分配论规则是防范人工智能出现“无责任的权利”和“无代价的技术”的有效制约。然伴随着社会信息化向智能化的变迁，人机关系由主导关系转为交互耦合关系，机器算法逐渐成为决策过程参与者。在纪检监察办案场域中，一旦数据偏差导致监察决策出现错误，其后果须得到法律层面上的追责。对此，传统的责任归责机制难以应对“人机耦合”的智慧纪检监察体系中，故需将技术第三方纳入追责机制中，将研发责任与设计伦理等纳入责任治理框架中。在智慧纪检监察的场域下的决策的多是“人机交互”的混合决策，即技术权和监察权共同结合作出的，因此应当对人机责任作出分配：第一，确认监察人员责任优先原则。当前人工智能算法技术仍处于“认知智能”的初级阶段，算法技术仍属于辅助性决策技术。可以说，虽然技术第三方存在技术数据偏差，但最终决策决定权仍归纪检监察人员。以此为措，也可以避免纪检监察人员借由“动因迁移”（agentic shift）而规避责任承担。第二，厘清人机混合决策中的比例，将机器责任作为纪检监察人员的免责事由。对于机器算法独立作出的简单决策，主要由技术第三方对技术服务和衍生结果承担责任；对人机混合决策，则需借助“技术过程留痕”手段厘清人机决策比例，进而确定责任划分，避免纪检监察人员承担全部责任而对智慧纪检监察的适用发展带来负效应。第三，将审查报告义务的履行作为责任分配链条中的参考因素。权力专属原则要求人工智能对纪检监察决策的辅助作用，需要纪检监察人员对机器算法的决策具有审查义务。因此，在责任分配中，应当将审查报告义务的履行情况作为重要的免责参考事由：若纪检监察人员发现算法数据偏差或错误并及时报告或纪检监察人员对数据信息尽到了审查注意义务，可以以自身知识限制主张机器责任作为自身免责事由；但若纪检监察人员因疏忽大意或过于自信没有发现数据偏差信息，则属于失职失责，应属于被追责的范畴。
五、余 论
习近平总书记指出：“当今时代，数字技术作为世界科技革命和产业变革的先导力量，日益融入经济社会发展各领域全过程，深刻改变着生产方式、生活方式和社会治理方式。”人工智能等数字技术正潜移默化地影响到人类经济、政治、文化、社会、生态文明建设各领域和全过程，也为不同的应用场景提供智能化服务。传统的反腐败研究多将精力集中在宏观的制度层面，以期通过制度改革驱动反腐败治理现代化。而人工智能技术的出现使一种新型反腐败治理模式成为可能。当前，各地纪检监察机关贡献出了宝贵的实践经验，并初步彰显了“数字+纪检监察”的巨大效应。如人工智能技术的应用有效解决了当前纪检监察机关“案多人少”的掣肘，提高了案件办理的质效；又如，情报研判、风险预警、可视化信息分析等技术为纪检监察办案人员提供了腐败预防和决策支持等。
但是，纪检监察工作是纪检监察人员高度智慧性的工作，不仅依靠数字技术和数字理性，也需要伦理和感情温度。由于以人工智能为代表的数字技术只具备理性的“反馈功能”，欠缺人类智力性的“反思功能”，因而只能代替纪检监察办案行为，不能代替纪检监察办案人员。在智慧监察建设中，既要充分发挥数字技术的优势，也要防止因“数据短缺”“算法裹挟”“算法歧视”“技术依赖”等原因带来的“数据偏差”和“决策错误”风险；既要借助算法技术构建“人机耦合”的分工机制，也需打破传统责任追究的归责壁垒。而对于本文中未尽议题应秉持一种理性的认知，既要看到“技术红利”与治理效度，又要审思其可能造成的弊端隐患，时刻警惕“技术利维坦”。
总之，人工智能等数字技术在纪检监察中的应用是“数字中国”在纪检监察机关的具体体现，其根本是通过技术赋能促进纪检监察机关管理更加科学、办案更加公正，以有效推进纪检监察工作现代化。因此，我们应当以更高的站位、更加多元的视角理解和把握数字纪检监察的改革，促进人工智能辅助纪检监察工作向纵深发展，不断落实中共二十届中央纪委四次全会中“坚决打好反腐败斗争攻坚战持久战总体战”的全新要求。
来源：《广州大学学报（社会科学版）》2025年第4期
作者：吴建雄，湘潭大学法学学部特聘教授、博士生导师，纪检监察研究院名誉院长，中国反腐败司法研究中心主任，湖南省法学会法治反腐研究会会长；宋阳，湘潭大学纪检监察研究院博士研究生。
湘公网安备 43010202000944号