□人工智能的定位是“数字助理”，而非“决策主体”。在罪与非罪认定、证据采信、量刑建议终局确定等办案环节，须强化司法亲历性，要求检察官亲自提审、阅卷、核实关键证据，人工智能仅能提供类案检索、法条匹配、文书初稿生成等辅助服务。

　　人工智能技术的迭代发展对检察办案产生广泛深入的影响。从法律检索、文书辅助生成，到大语言模型嵌入证据审查、量刑建议、监督线索筛查等办案环节，人工智能不断推动检察工作从信息化向智能化跃迁。“十五五”规划纲要专项部署“人工智能+”行动，提出“探索构建自然人、数字人、智能机器人等协同的安全治理体系”。然而，技术赋能在提升司法办案效率的同时，深刻触及司法权运行逻辑、程序正义实现方式、人机关系定位等重要命题。通过分析人工智能在检察办案中的应用场景，查找技术应用蕴含的风险，提出风险防范制度方案，可以为人工智能与检察工作的深度融合提供建议参考。

　　人工智能的检察应用场景

　　人工智能在检察办案中的应用场景日益广泛、逐步深入，其代表性场景如下。

　　证据审查智能化。在办案过程中，检察官先阅卷，对证据加以梳理分析，并以涉案人员、违法犯罪行为和危害结果为关键要素，使用智能辅助办案系统对涉案证据进行自动识别、归纳和分类。该系统可以分析比对证据间可能存在的矛盾点，为检察官明确办案中的疑难焦点提供技术支持。随后，承办检察官以刑法对犯罪构成要件的规定为指引，对各类证据进行全面细致地审查分析，审慎判断其证据能力和证明力。

　　量刑建议辅助化。人工智能通过对构成要件、量刑情节等规则的细化分析，确立量刑影响因子与量刑幅度参考标准，实现从类似案例的“同案同判”到类似情节的“同情节同判”的升级。需要注意的是，量刑智能辅助，技术只能是辅助，需要检察官依法作出判断。

　　法律监督系统化。通过借助人工智能大模型的数据处理分析，检察监督实现监督线索从人工筛查向大数据分析转变、监督方式从碎片化监督向全链条监督转变、监督办案从经验判断向数智研判转变、监督管理从指标管理向质效管理转变。

　　文书生成高效化。通过人工智能辅助办案系统，可根据案件要素自动生成审查报告、讯问笔录、起诉书等检察文书初稿，由检察官结合案件证据材料、相关法律规定对文书内容进行优化完善；还可对生成的检察文书进行校验，识别文书中的逻辑漏洞、法条引用错误，降低文书错误风险，提高办案质效。

　　人工智能的应用风险分析

　　数据安全与信息保护风险。检察机关在办案过程中汇聚了大量数据信息，存在多方面数据安全和信息保护风险。一是数据泄露风险。检察数据中包含大量公民个人信息、商业秘密乃至国家秘密，一旦发生泄露，将严重侵害当事人合法权益，损害司法公信力。当前检察数据的汇聚和使用过程中，数据流转环节多、涉及主体广，数据泄露的渠道和风险点相应增多。二是数据篡改与伪造风险。人工智能系统的输出结果依赖输入数据的真实性和完整性，如果训练数据或办案数据遭到恶意篡改，系统输出结果将被系统性扭曲，可能造成司法错误。三是第三方服务风险。检察机关在推进智能化建设过程中往往需要引入第三方技术服务商，训练数据不充分或代表性不佳，使得检察数据安全风险呈现复杂化趋势。

　　算法问题与司法不公风险。算法偏见是指人工智能系统在数据处理和决策过程中对某些群体或个体产生系统性不公平结果。算法黑箱是指算法的内部决策逻辑不透明，推理论证过程难以解释。在检察办案场景中，算法问题会对司法公正产生危害。一是训练数据的偏差可能导致歧视性输出。如果历史案件数据本身就存在区域性量刑差异、执法尺度不统一等问题，以此为基础训练的算法模型将固化甚至放大这些偏差。二是特征选取的主观性可能引入价值偏见。算法模型的设计需要对案件特征进行筛选和赋权，这一过程本身就蕴含着设计者的价值判断，如果未能充分考虑多元视角，可能造成对特定群体的系统性不利对待。三是算法黑箱问题难以被及时发现和纠正。算法决策过程不透明导致人工智能面临论证缺失、质证难题和信任危机的障碍。算法问题对司法公正的影响，可能引发公众对人工智能和算法在司法系统应用中出现的伦理和社会问题的关注。

　　人工智能检察应用的风险规制

　　坚持“人主机辅”的基本原则。人工智能赋能检察办案的法律规制，须明确技术应用的基本定位。司法的价值判断是司法人员根据思维认知对各种价值进行取舍的过程。检察官的专业判断、自由裁量和司法亲历是不可让渡的。人工智能的定位是“数字助理”，而非“决策主体”。在罪与非罪认定、证据采信、量刑建议终局确定等办案环节，须强化司法亲历性，要求检察官亲自提审、阅卷、核实关键证据，人工智能仅能提供类案检索、法条匹配、文书初稿生成等辅助服务。在智能系统中尽可能设置完整的调节参数，将不断更新的法律规定、人文关怀等因素纳入算法参数，提高人工智能技术与法律体系、人文价值的融合。

　　构建全流程数据信息安全防护体系。从数据全生命周期管理入手，构建系统化的信息安全防护体系。在数据采集阶段，建立包含准确法律知识的内部语料库，确保大模型的内容输出建立在真实、可验证的信息基础之上。检察机关可构建包含法律法规、司法政策及检察文书等在内的检察语料库，当检察官发出法律文书生成指令时，大模型能够访问检察语料库，根据检索到的内容指导文书的生成，防范大模型虚构或引用过时法律条文等情况的出现。训练数据严格限定于公开裁判文书、脱敏历史数据及法律文本，实时办案数据实行“即用即取、用后清痕”模式，防止涉密信息、公民个人信息泄露。在数据使用阶段，遵循技术标准和行业规范，建立数据分类分级保护机制。实行数据使用审批制度，细化内部数据、外部数据审批流程。在数据存储和处理阶段，强化对第三方技术服务商的监管，明确数据安全责任边界。

　　优化算法运用与维护司法公正。针对算法问题，建立强制性的算法优化制度框架。首先，要求技术服务商提供算法逻辑可视化报告，对量刑模型、监督规则中的权重分配、地域适配等关键要素进行明确标注，促进人工智能生成内容可理解、可验证、可监督，保障当事人的知情权与程序参与权，防范技术便利与权利保障的脱节。其次，建立“法律+技术”联合审查机制，对拟引入的人工智能系统开展技术成熟度、数据规范性、业务适配性评估，未通过审查不得接入检察业务应用系统。再次，建立算法备案、算法审计等监督机制，确保算法运用的可追溯性和可解释性。建立算法全生命周期审查机制，从设计、开发、应用等环节进行安全评估，确保智能技术的可靠性。同时，运用深度学习框架等算法技术开发更透明的算法模型，提高模型的可解释性。

　　完善监督机制。应建立人工智能应用的“事前审查—事中监控—事后评估”闭环监督机制。事前由“法律+技术”联合审查小组对拟引入的人工智能系统开展评估；事中实时监控算法运行状态与数据流转轨迹，对异常输出、超范围数据调用等情况自动预警、及时处置；事后定期开展应用成效评估与风险排查。