数智赋能民事检察穿透式类案式一体化监督

遵循“数据筑基、技术提质、人才赋能、制度兜底”的逻辑，实现技术合规嵌入、履职提质增效、风险闭环管控

李峥

　　当前，以大数据、人工智能为代表的数智技术正深刻重塑社会治理格局，也对新时代法律监督工作提出了更高要求。最高人民检察院检察长应勇强调，优化检察管理，还要提升管理本身数字化、信息化水平，统筹组织推进大数据、人工智能等现代科技同司法工作深度融合，赋能法律监督。2023年最高检印发的《2023—2027年检察改革工作规划》明确提出，构建“业务主导、数据整合、技术支撑、重在应用”数字检察工作模式。在这一历史性进程中，民事检察作为“四大检察”法律监督格局的重要一环，正经历从“被动受案、个案纠错”向“主动发现、类案治理”的深刻变革。然而，面对海量异构数据、复杂的法律事实认定以及日益隐蔽的违法情形，传统监督模式面临线索发现难、调查核实浅、监督碎片化等结构性短板。立足当前民事检察实践痛点，遵循“数据筑基、技术提质、人才赋能、制度兜底”的逻辑，构建“四位一体”全链条数智民事检察体系，可实现技术合规嵌入、履职提质增效、风险闭环管控，为高质效办好每一个民事检察案件注入持续动能。

　　夯实数据基座，筑牢数智赋能的根基支撑

　　数据是“数智检察”的基础，做好数据的归集、应用与管理是数智赋能民事检察监督的关键所在。当前，民事检察数据资源分散、共享不畅、质量不高等问题突出，亟须夯实数据基座，为算法模型和智能应用提供源头活水。

　　多措并举，构建全域数据资源池。一是盘活内生数据。汇集全国检察业务应用系统内部积累的民事办案、监督数据，关联刑事、行政、公益诉讼检察数据，推动建设审判活动违法、执行活动违法、生效裁判错误等专题数据库。二是挖掘公开数据。充分利用中国裁判文书网、中国执行信息公开网等互联网公开资源，运用数字技术采集涉诉信访、行政处罚、企业登记等外部信息，拓展数据来源渠道。三是贯通外部数据。一方面，由检察机关统筹协调，牵头与人社、住建等部门建立数据共享机制，明确数据共享范围和保密制度，以实时共享、按需申请、个案调取三类模式推动数据共享；另一方面，加强与法院的协作配合，推动政法一体化办案系统在民事案件中的适用，为实时动态监督提供数据支撑。

　　提质增效，深化数据治理与应用。一是制定统一的数据采集、存储和处理标准。推动建立检察数据中心，制定统一的数据采集标准、存储规范和共享机制，形成可被算法抓取或模型适用的标准数据库。二是推进数据结构化处理。法院的民事卷宗、音视频证据材料以及行政机关的行政处罚数据、投诉举报信息等多以半结构化、非结构化形式存在，需要按照统一的数据标准，根据人、财、物、地、文、案、事等要素进行分类整理，将其转化为可用的结构化数据信息。三是深度挖掘数据价值。利用关联分析、聚类分析、回归分析等统计学工具，加大数据挖掘力度，发现隐藏在数据背后的深层次规律和监督线索。

　　严守底线，健全数据安全管理体系。一是做好数据分级管理。可将数据划分为核心涉密数据、重要敏感数据、一般公开数据三级，明确差异化管控方针。核心涉密数据采用私有化内网存储，禁止外接公网；重要敏感数据实行加密存储、权限管控；一般公开数据在确保安全前提下按需共享。二是数据使用全流程规制。事前严格执行数据使用审批手续，明确使用目的和范围；事中通过技术手段及时制止违规使用数据行为，建立数据全流程留痕机制，并定期开展数据安全巡检；事后保障相对人救济权，对数据滥用行为依法追责。三是出台数据安全管理办法。推动出台关于大数据共享、大数据法律监督模型应用规范，对存储设备、传播介质、数据提取利用、管理方式、安全责任等作出明确规定，设定全流程数据监管程序。

　　优化模型与算法，打造精准监督的智慧引擎

　　数智赋能民事检察监督，本质是通过大数据与人工智能技术实现穿透式、类案式、一体化监督。在这一过程中，模型和算法是连接海量数据与有效监督的“中枢神经”，必须坚持业务主导、技术支撑，确保算法透明可控、模型实用高效。

　　以监督点提炼为核心，将法律规范转化为模型规则。监督模型源于对个案的剖析，通过挖掘个案背后的共性特征，提炼出用于法律监督的核心数据与分析步骤。在民事检察工作中，从民法典、民事诉讼法及《人民检察院民事诉讼监督规则》中拆解实体与程序要素，将抽象的法条转化为具体的监督点。例如，针对虚假诉讼高发的民间借贷、离婚财产分割等领域，可将“同一原告短期内多次起诉”“证据单一”“自认”“缺席判决”等要素作为关键词，构建虚假诉讼大数据法律监督模型。

　　以可解释性为红线，确保算法运行透明可控。首先，坚持“人主机辅”理念。算法输出的只是疑似线索，成案仍需由检察官通过审查、调查与侦查相结合的方式查清、查透，用人的实践理性检验和校准人工智能的技术理性。其次，坚持算法透明原则。民事检察监督关涉当事人的财产权益、身份关系以及法院的审判权威，智能算法应当具有“可解释性”。对于模型输出的监督线索，必须能够说明数据来源、逻辑推演过程和可能存在的风险偏差。再次，建立严格的校验链条。经智能算法发现的监督线索，筛查结果需经“数据溯源—人工复核—当事人申辩”多方校验后方可作为监督依据，确保监督结论经得起法律检验。

　　以全生命周期管理为抓手，建立模型从研发到退出的闭环。模型构建不是“一建了之”，需覆盖事前、事中、事后的系统治理。事前，应建立“业务＋数字”双认证机制，对新模型进行建模必要性、技术可行性、线索准确性的多轮评估；对智能算法须履行算法备案审批与专家评议，确保引入符合比例原则。事中，建立动态效果评估体系，以线索成案率、监督意见采纳率、社会治理贡献度为核心指标，定期校准参数、优化规则。事后，引入算法影响评估与退出机制，对不可解释、存在重大风险或长期低效的模型限制使用或强制退出，确保模型始终在法治轨道上健康运行。

　　健全办案机制，构建协同高效的数智履职体系

　　数智赋能民事检察监督的有效落地，关键在于建立健全与之相适应的办案机制，应从人才培育、内部协同、层级联动三个维度，构建系统完备的数智化办案机制，推动技术优势转化为监督效能。

　　培育复合型人才，实现法律逻辑与数智技术双向融合。在人才培育上，通过从民事检察部门抽调青年检察人员，组建数智检察人才队伍，引导检察人员在每一起案件办理过程中锻炼数智思维，提升运用数智技术发现监督线索、深度审查证据、拓展监督维度的能力。同时，完善招录结构，引进计算机、数据科学等专业人才，组建内部技术团队，负责模型本地化适配、算法审查与日常运维，打造“既懂法律又懂技术”的复合型人才队伍。将人工智能基础知识、算法原理、数据安全法规纳入检察人员常态化培训，通过“案例教学＋实操演练”模式，提升检察人员对智能辅助结论的审查判断能力与风险识别能力。

　　建立联席会议机制，强化内部融合履职。数智赋能民事检察监督面临数据归集共享不到位、模型研发与办案需求不匹配等问题，需建立跨部门的统筹协调机制。一方面，民事检察监督涉及民事、行政、刑事等多个业务条线，通过组织召开联席会议的形式，加强与其他业务部门的沟通协调，推进数据共享；另一方面，定期化的“数智检察”联席会议制度能使技术供给与业务需求持续对接、动态适配，针对业务部门日常办案中遇到的技术需求，技术人员能够及时响应和解决。

　　上下联动一体履职，形成全域发力格局。在纵向联动上，应构建上下级联动推进机制。基层检察院立足民事检察“小切口、实需求”研发“小模型”；市级检察院负责提炼推广成熟模型；省级检察院统筹跨区域数据协同，定期调度建模用模情况，实现上下贯通、全域发力。在专班统筹上，上下级检察机关跨层级、跨部门抽调业务骨干组建工作团队，负责研判、调度、督导区域数字检察重要工作、重点任务，指导各基层检察院研发、应用大数据法律监督模型。在具体办案协同上，上下联动体现为线索的精准交办和案件的集约办理，形成上下一体履职合力。

　　强化制度保障，构建安全可控的长效机制

　　数智赋能民事检察监督的持续发展，离不开制度的保驾护航。面对技术应用带来的算法偏见、权责不清、隐私泄露等风险，必须做好制度前瞻布局，构建具有中国特色的数智民事检察监督制度体系。

　　立法先行，打造技术应用的规则体系。人工智能在民事检察领域的深度应用，亟须专门的规范框架约束。依据《生成式人工智能服务管理暂行办法》等规范性文件，坚持“以人为本、辅助决策、权责明晰、安全可控”的基本原则，严格规范人工智能在证据分析、法律适用、监督决定等核心办案环节的应用边界，明确禁止人工智能替代检察官作出终局性司法判断。同时，必须将数据治理、隐私保护置于规范核心内容，筑牢“数智检察”的安全堤坝。

　　机制创新，建立“智能辅助＋检察官复核”双轨机制。技术层面，要求所有辅助办案的人工智能模型，尤其是涉及法律解释、法律推理等需要价值判断的应用，必须提供清晰、可理解的决策逻辑说明。业务层面，应坚持以检察官为中心的主体责任制，检察官必须对智能系统的输出进行实质性审查与复核，对算法偏见、数据偏差等问题及时纠正，确保司法判断始终蕴含人文关怀与价值考量。建立“事前审查—事中监控—事后评估”闭环监督机制，对因算法偏见、技术漏洞导致的司法失当，依法追究相关主体责任。

　　考核引领，激发数智赋能的内生动力。对积极运用大数据法律监督模型发现线索、办理类案、推动治理的检察人员予以表彰激励，对符合条件的模型研发和应用成果给予适当奖励。同时，建立容错纠错机制，对于在应用探索实践中因技术局限等非主观故意造成的失误，依规予以容错，营造勇于创新的良好氛围，激发检察人员运用数智技术开展监督的积极性和主动性。

　　（作者分别为北京市通州区人民检察院副检察长、二级高级检察官，第五检察部副主任、四级高级检察官，四级检察官助理）