基于人工智能背景下的民事案件繁简分流机制探析

随着繁简分流改革的推进，人工智能在该领域的应用日益广泛，并逐渐建立了完善的配套设施与专业人员队伍，其研究成果和实践经验也逐渐受到关注。但是，在保障繁简分流的公正性上并未达到预期目标，仍然存在运行不透明、结果难以检验和推广等不足。为了在繁简分流中有效利用人工智能，我们应当优化人工智能繁简分流程序，建立人工智能的监督机制与制裁措施，并且设立全国统一的分流数据库与甄别关键词，以实现人工智能应用于繁简分流中提高效率与保证公正的双重目的。

一、基于人工智能的民事诉讼繁简

分流改革意义

（一）我国繁简分流改革路径

我国民事诉讼繁简分流的探索已有40余年的历史，关于繁简分流的立法与规定从无到有，再到逐渐健全。2020年，最高人民法院发布了《民事诉讼程序繁简分流改革试点方案》，提出要将人工智能等现代科技手段融入繁简分流改革的全过程。这表示我国从国家层面提出要应用科技手段推动繁简分流改革。在实践中，各地法院陆续开展试点工作，打造了独具特色的改革地方做法。

以上海市第一中级人民法院为例，该院建立了案件繁简分流处置平台。这一平台通过要素库、繁简规则，程序分流员将案件精准分类为繁案、普案、简案，系统自动解构案件类别并匹配相应分案规则。此外，这一平台结合文本光学字符识别技术、自然语言处理技术，对提交的文本和图片材料进行数据提取和信息分类，并通过人工智能技术为案件匹配合适的审判团队。这种技术的应用，显著提升了案件甄别的效率，减轻了法院工作人员的负担。

（二）将人工智能应用于繁简分流的必要性

一是法院面临“案多人少”的现实问题。繁简分流改革是最高人民法院主导的一项改革，其初衷是缓解法院“案多人少”的困境。如今，法院受案数量持续攀升，从1978年的50万余件上升到2023年的4500万余件，与人员增长3倍相比，案件数增长了90倍。《中华人民共和国最高人民法院公报》中的《2023年全同法院司法统计公报》显示，2023年民商事一审收案数为1753万余件，民事案件数量庞大。尽管繁简分流改革在各地法院已开展了几年，但民事案件增多。与此同时，我国法院正在推进员额制改革，拥有审判权的法官数量已有所减少。在快速增长的案件数量与审判队伍精简化的矛盾下，将人工智能技术应用于繁简分流改革是解决这一问题的重要举措之一。

二是公正裁判的现实需求。早期繁简分流的方式为人工人流，法院工作人员根据案件事实、权利关系、事实争议进行繁简判断，从而决定适用的诉讼程序。但是，在这一过程中会出现当事人挑选法官的情形。人工智能在法律领域的应用具有高客观性的特点，注重数据之间的“相关关系”。传统的“因果关系”分析模式要求我们要探求事物背后的原因，即“为什么”。而“相关关系”只需要知道“是什么”即可。将人工智能应用于繁简分流中，改变了以往由人工分案的模式，从源头上堵住“人情案”“关系案”，从而保障司法过程透明、公正。

二、人工智能应用于繁简分流

存在的不足

（一）人工智能的运行不透明

由于人工智能在处理数据时是基于数据库与既定算法，最终根据所需的关键信息输出繁简分流的最终结果，故其分析方法和分析过程并不公开透明，这导致了人工智能有一定的局限性。首先，人工智能是根据算法对海量数据进行汇总分析，并按照关键要素输出最终结果。这种“算法黑箱”很难为人所知。一旦算法在分析过程中被恶意篡改，将会导致与正确算法的分析结论大相径庭的后果。其次，不同于传统的人工分流程序，人工智能采取的是非结构化的储存方式。司法工作人员只能得到最终的分流结果，而看不到分析过程。最后，因人工智能算法与数据库都受到《中华人民共和国知识产权法》的保护，故司法工作人员也很难了解繁简分流运行的全过程。人工智能在繁简分流中的隐秘性与司法公开制度相违背，其输出的分流结果的公正性也会受到影响。

（二）人工智能的准确性难以检验

人工智能对繁简分流的应用基于数量庞大且质量优质的数据库，但各地经济发展的差异与政策的不同导致法院信息化建设存在不平衡性。因此，繁简分流的数据在时间和空间上都缺乏广度。大数据无法同时聚集各地不同的经验，难以全面总结繁简分流的要素，导致人工智能在繁简分类方面的应用缺乏准确性。

在传统的人工分流中，司法工作人员可以根据分流结果倒推，检验分流的准确性。由于人工智能的分析方式为相关关系分析，且分析过程完全不可见，所以司法工作人员无法进行反推验证。这种方式既不能满足后续司法裁判解释与说理的需求，也无法让司法工作人员进行检验，其结果具有不确定性。

（三）人工智能的结果难以推广

建立人工智能的法律思维，需要提供海量高质的司法数据让其分析，从而使繁简分流的信息要素化。当下作为人工智能开发基础的数据来源于中国裁判文书网上的裁判文书，但这些裁判文书仅占审结案件的50%。各地法院数据库还存在数量与质量发展不平衡的问题，这导致各地人工智能学习的数据不均衡。如果仅依赖有限、不平衡的数据作为人工智能深度学习的依据，那么形成的算法作用比较有限。另外，人工智能的深度学习还依赖与司法领域相适配的算法，不同算法产生的分析结果不尽相同。如果无法使用统一的算法，那么，亦难以在全国形成统一的分流结果，不利于人工智能在繁简分流中推广使用。

三、人工智能应用于繁简分流的

对策建议

（一）公开人工智能繁简分流程序

人工智能在繁简分流中的应用存在一定隐秘性，这不仅导致了检验困境，而且有违司法公开制度。由于分流程序难以监督，加之公众对人工智能的不信任，如果完全依赖算法进行分流，可能会引起案件当事人对分流结果产生质疑。人工智能应严格遵守公开原则，确保分流过程的透明性。2023年，欧盟在《关于人工智能在司法系统及其政策环境应用的欧洲道德宪章》提出了五条道德规则，其中第四条强调了透明、公正和公平原则，要求数据处理应易于理解和审计。

我国在引入人工智能进行繁简分流时，应尽可能公开人工智能的分析过程。以确保运算过程的公开透明，减少外部干扰。此外，相关部门还应公示算法的错误率，并在必要时对错误率高的算法进行淘汰。

（二）建立人工智能的监督机制与制裁措施

技术的健康发展离不开法律的规制，在推进人工智能进入繁简分流程序时，我们更应重视制度对技术的约束。由于人工智能的分析结果为一体式打包呈现，所以我们迫切需要对分析结果进行检验。但是，如果检验过程交由法院承担，会给原本超负荷工作的司法工作人员增加负担。因此，相关部门需要建立人工智能自动检验机制，对于不公正的算法应当予以修正或排除。这样不仅能够保证信息的准确性和完整性，也能保证算法的公正性。

除了内部监督之外，管理部门还可以设置外部监督措施。当发生分流过程不透明、算法错误率过高等分流不公正的情况时，当事人有权在案件进入庭审阶段之前对分流结果提出异议，要求相关部门更改算法模型或转入人工分流程序。虽然人工智能能够高效地处理一些法律事务，但并未在法律领域体现出明显高于人类的能力。因此，相关部门要视人工智能为辅助性工作，当人工分流结果与人工智能分流结果不一样时，要将人工分流意见放在第一优先级。

管理部门在对人工智能进行法律规制的同时，也需要设立必要的程序性制裁措施，即对人工智能的排除规则。对于人工智能的程序性制裁，管理部门应当着眼于其赖以存在的基础——算法与数据库。在对其进行制裁之前，管理部门需要进行检验。检验方式包含人工智能的自动检验程序和司法工作人员人工检验两种途径。当该算法被检验出错误率达到一定的比例时，系统或司法工作人员可以采取程序性制裁措施，对错误的算法和结论一并排除。基于数据之间的强关联性特点，与此相关的数据也应当在被排除之列。

（三）设立全国统一的分流数据库与甄别关键词

人工智能的深度学习建立在数据库与算法的基础之上。要想在全国范围推广人工智能与繁简分流的融合，需要建立统一的数据库。今年2月，最高人民法院司法案例库面向全国正式上线，这给人工智能与繁简分流的融合提供了客观支持。近年来，部分法院开始建设并对外公开裁判文书全数据库，为人工智能的深度学习提供了差异化的数据支撑。此外，要甄别数据的来源是否可靠，应避免数据源头的污染。人工智能将不同种类的判决书分类学习，提取不同种类案件的关键信息、案由以及当事人信息等，未来遇到类似案件便可以直接分流。

要使人工智能与繁简分流的融合在全国推广，还需要全国统一的算法，这体现在各地法院使用人工智能版本的一致性上。现代科学技术发展迅速，人工智能不同版本更迭的时间不断缩短。因此，要达到全国推广并且稳定使用的效果，需要采用成熟的技术版本，由最高人民法院统一指定，收集实践中出现的问题并及时更新，使用人工智能进行繁简分流的案件均需要在法律文书中标注当前版本，当算法被检测出公平性问题能够及时被发现并修改。

结语

在繁简分流改革的不断深化中，人工智能的引入为司法审判的效率带来了较大的提升。这不仅提高了办案的速度，也逐步构建起了一套更加完善的司法辅助体系。然而，在这一过程中也存在运行的透明度、结果的可检验性以及推广的可行性等问题。因此，相关部门需要公开人工智能繁简分流程序、建立有效的监督机制与制裁措施，并设立全国统一的分流数据库和甄别关键词等方式。相关部门通过这些措施的实施，可以在公平和效率两方面提升分流效果，提高人工智能技术在繁简分流程序中的专用化程度。