人工智能赋能检察工作，如何实现“四个蝶变”？

来源：法治日报    编辑：王岩

2024年，AIGC等人工智能技术爆炸式发展，加快了新技术向传统现实生产力的转换迭代。就检察机关而言，亦要转变传统工作方式，积极探索人工智能新技术，发展好检察新质生产力。

目前，国内国外的开源大模型已具备了一定的司法效用，不少地区也在探索生成式人工智能在检察实践中的应用，如让其根据简单案情生成法律文书、制作检察宣传智能体等。但要真正具象到检察工作中，尚缺乏清晰的架构和可行的方向，如果不能聚焦当前检察办案实践中的具体痛点难点，不从应用场景和用户思维出发，难免会陷入“一哄而上、一哄而散”的怪圈。

笔者认为，要运用人工智能技术赋能检察工作，应当坚持“一个方向”，打造“两个模型”，实现“四个蝶变”。

一、坚持人工智能辅助检察工作的方向

2023年，高盛发布的预测报告宣称“随着AI技术的突破，预计全球将有3亿个工作岗位被生成式AI取代，其中律师和行政人员所受影响最大”。一时之间，人工智能替代人类的“狼来了”危机引发了多行业的振动。但要辩证看待人工智能与人的关系。

一方面，弱人工智能（ANI）—强人工智能（AGI）—超人工智能（ASI）的发展方向是相对科学的，其并线计算能力、逆强化学习能力、模仿能力等必然超出单独的自然人甚至一群人。但另一方面，其处理专业领域的能力、仿人性思考的能力不可能完全达到人的水平，容易背离人类的规范和道德价值观，掉入AI对齐的争论。

简单来说，一个智能检察官永远无法像人类检察官一样结合其个人经验去体会不同个案中当事人的需求和心理，无法结合案件的非标准性因素实现个案量刑均衡。因为其技术基础决定了AI无法真正具备人的感性，只能依照既定的计算规则进行理性推理，更遑论在司法实践中推动法律规则的变更设立。

因此，笔者认为AI智能时代的开启，检察机关作为国家治理体系的重要组成部分，必然会受到本轮技术革命的影响，积极运用人工智能技术也必然能提高检察工作的效率和质量。但检察工作的专业性、人民性和深度思考性是人工智能所无法具备的。加之司法实践中因个人偏见或认知的不同，同案类案偶尔出现不同处理结论，如果将这种带有矛盾的大数据投喂给人工智能，容易导致结论的司法偏差。

所以，必须坚持人工智能辅助检察履职办案的方向，在探索人工智能技术中不唯技术，按照AI技术辅助检察办案、办文、办会等进行探索，改变传统检察工作模式，切实提高工作质效，发展好检察新质生产力。

二、打造调校后的通用大模型和自主学习的内部语料模型

要运用AIGC人工智能技术发展检察新质生产力，前提是经过充分训练的模型。然而，大模型的建立成本非常高，所以现有的大语言模型基座都是追踪最新开源的模型。据测算，OpenAI训练ChatGPT租用服务器和投入的训练成本分别达到了40亿美元、30亿美元。国内厂商虽然没有披露大模型的训练成本，但至少达到千万甚至亿级别。因此，检察机关暂不具备独立建设通用大模型的能力，只有通过垂直领域大模型的方式才能实现。

所谓垂直领域大模型即以通用大模型（国产的通义千问、腾讯混元、讯飞星火、文心一言、Kimi等）作为基座，通过对检察工作相关知识标注后进行训练调校，使其能够更好理解和处理检察办案中的专业术语、法律条文对应关系、总结提炼案件事实证据等，进而减少部分事务性工作量，破解案多人少的困境。

但结合本地化部署的要求以及检察工作本身的特殊性，仅有调校后的垂类大模型还无法真正实现人工智能的自主学习、自我纠偏，因此还需要建立一个涵盖检察工作的法律法规知识、司法政策知识、用户反馈知识的内部语料模型。如检察官发起“请打开王某某危险驾驶案卷宗，结合案情事实证据帮我撰写审查报告”的指令后，AI大模型根据指令阅读电子卷宗，根据犯罪嫌疑人基本情况、诉讼经过、案件事实、现有证据等进行分析，访问内部语料模型，然后按照标准化审查报告格式自主续写报告内容。

承办检察官对AI大模型生成的审查报告进行人工校验，认为有部分错漏或者不够满意的可以继续发出修正优化指令，结合AI大模型的多种提示技术（Cot、ToT、ReAct）进行结果优化修正，直至符合检察官预期。同时，系统将检察官任务问题和结果集作为训练语料，定期归集到训练集中，然后训练学习微调AI大模型，增量更新AI基座大模型。

三、实现检察办案、业务管理、队伍管理、智能办公蝶变

AI大模型要具象到检察工作实践中，并且要能够切实解决困扰一线办案和办公的堵点难点问题，初步来看，可以在四个方面进行探索：

一是检察办案。初步阶段：可以根据检察官指令24小时对案件卷宗进行识别分析和推理总结，生成阅卷笔录、案件审查报告、起诉书或不起诉决定书、逮捕决定书或不捕决定书等法律文书；通过量化的标准根据个案情节制作量刑建议书；根据犯罪嫌疑人的前科、犯罪事实等制作公诉意见书、训诫词等。

进阶阶段：根据个案电子卷宗上下文情况发现侦查机关漏罪、遗漏事实、遗漏同案犯或者侦查活动违法等情形，在审查报告中标注或单独提醒检察官；对审判机关的判决书进行解析，自动生成裁判结果审查表，并与起诉内容进行核对，对不一致情形及是否存在审判监督线索进行标注或提醒；此外可根据用户指令或自动将相关数据回填案卡。

高阶阶段：根据指导性案例以及本地区、本部门、本检察官的所有案例，自动对正在办理的个案进行校对，根据同案、类案的不同处理意见进行必要的偏离度提醒，防止承办检察官在人工办理状态下出现不同处理结论。

二是业务管理。AI大模型根据用户指令统计一定区域、一定时期、某一部门或某一检察官的办案效率和办案质量，如直接生成本部门所有检察官的平均办案时长、撤回起诉、案件被判处无罪或免于刑事处罚的情况等；对案件办理程序、办理结果是否正进行自动质量评查。

根据用户指令可以查询特定区域、特定业务条线、特定时期的办案态势、案件结构比等数据指标，辅助上级机关或党组及时调整优化办案组织，以实现四大检察履职平衡。

此外，可根据用户指令对本地区或跨区域的特定罪名发案情况进行数据分析，形成针对性的社会治理研判报告。在能够获取相关行政执法机关数据的前提下，可以自主排查和推送行刑正反向衔接线索及检察建议。

三是队伍管理。检察机关组织人事部门可以将所有检察官、检察辅助人员、司法行政人员、聘任制书记员等个人档案信息扫描后上传AI大模型，由大模型自动梳理建成人员信息库，根据人员身份、部门、年龄、学历、工作履历、专业背景、任职经历等进行标注。相关院领导和组织人事部门可以发出指令，如梳理现有副处级以上满三年的人员名单，大模型自动给出名单。同时可根据个人职级任职年限情况梳理计划表提醒组织人事部门是否需要启动职级晋升调整。

根据个人用户在AI大模型的申请情况，自动梳理休假信息，根据部门、分管、检察长等层级发送审批，并及时提醒至当前审批人，可在自然年年末自动计算当年全部用户未休假天数等；根据人员档案库的级别信息和工龄信息等辅助计算工资薪金，实现智能计算，减轻政工人员相关工作量。

此外，还可以根据单位、部门、个人的办案情况、奖励情况等辅助测算先进检察院、先进集体、先进个人等考核量化工作。

四是智能办公。综合管理部门的工作人员可以发出指令，AI大模型将上级或外单位来文自动推送院领导。院领导阅读后以口头、书面进行批示，AI大模型根据批示情况自动转相关部门阅处，并列入部门办事议程和领导专班议程进行后续跟踪提醒。

综合管理部门工作人员可以发布会议通知，通知至会议对象，相关对象反馈是否参会，自动统计参会信息，并根据报名信息自动形成座位表，并向参会者发送提醒。

此外，可以支持用户指令可以将相关JPG、PDF文件转成Word文字或者根据内容撰写相关材料、报告、讲话稿等，大大提高办公办文的便捷性。

综上，AIGC等人工智能技术的实际效用将不断进步，检察工作质效在上述技术的支撑下也将不断优化，从实践中的难点堵点和用户需求出发，优先解决部分简单问题，再不断迭代升级，符合检察新质生产力的发展要求，更适应新时代技术革新的规律，笔者认为可以在条件具备时进行适当尝试。

（作者：江苏省南京市人民检察院信息技术部副主任杨军、江苏省南京市人民检察院案件管理部二级检察官助理严俊）