數字檢察是檢察工作現代化的重要依托。在數字化時代背景下,行政檢察監督辦案要深入推進檢察大數據戰略,推動辦案模式從“個案為主、數量驅動”向“類案為主、數據賦能”轉變,通過數據分析、數據碰撞、數據挖掘發現治理漏洞或者監督線索,依法能動履行行政檢察監督職責,助力推進國家治理體系和治理能力現代化。

大數據法律監督模型助力傳統工作提質增效

一是促進行政檢察監督高效化。行政檢察監督工作涉及法院、行政機關、案件當事人等多方主體,利益訴求多元,準確高效地查實行政主體對相關事項是否具有執行權與處罰權、判斷行政機關向法院申請強制執行是否合理合法,將影響行政檢察監督質效。應充分運用大數據技術整合行政執法各環節、各部門的數據資源,實現流程的可回溯、可查詢,保證監督客觀、真實、完整、合法,為提升檢察官辦案質效提供新路徑。

(相關資料圖)

二是促進行政檢察監督標準化,統一法律適用,提高行政檢察監督的社會引領效果。司法實踐中,人員素質不均衡、監督制約機制不完善等原因,影響了行政檢察監督的高質效發展。以大數據檢索、分析、處理作為依托,檢察機關可以更加精準地發現司法、執法活動中存在適用法律不統一等問題,而建構大數據法律監督模型,可以通過模式比對、數據篩選、異常數據預警,實現類案推送和準確適用法律建議,幫助檢察機關規范化履行行政檢察監督職能,提升檢察辦案質效。

三是促進行政檢察監督精細化,完善取證方式。行政檢察監督往往需要檢察機關在不同行政部門提取相關證據,證據來源不同,數據結構不統一,取證后的電子證據還需要檢察機關審查、固定,影響行政檢察監督效率。大數據技術可以快速處理不同數據來源與不同數據結構的證據,實現精準、快速取證。大數據電子取證還可以全程留痕跟蹤,形成完整、閉合、可回溯的電子證據鏈條,確保行政檢察監督合法有效。

大數據法律監督模型助力行政檢察監督范式轉變

一是檢察理念升維,由訴訟監督向社會治理延伸。大數據法律監督的路徑是從個案中總結規律、特征,后根據規律、特征在海量數據中篩查出類案,在批量類案中發現立法、執法、司法、機制等方面存在的問題,最終落腳點是解決社會治理問題。在這個過程中,檢察機關可以借勢利用好訴調中心大數據,拓展法律監督的案件線索渠道,融入黨委政府和社會治理大格局,推進檢調對接、聯動調處,多途徑、多手段化解社會矛盾,將矛盾糾紛化解在基層,將和諧穩定創建在基層。

二是工作范式迭代,由被動監督轉向主動監督。以往的行政檢察監督對行政行為、審判活動的信息來源與違法線索掌握不足,檢察機關很難全面掌握監督信息并精準發現問題線索,導致監督工作的時效性不強。相較而言,大數據技術借助互聯網手段可以克服人員經驗、物理距離等方面的限制,通過收集、篩選、分析指數級的、人工不可完成的數據體量,主動發現違法犯罪線索,在此基礎上通過調查取證、積極引導偵查等方法實現主動監督和多元協同,完成被動監督向主動監督的轉變。

三是監督體量擴容,由個案監督向類案監督轉變。在大數據技術的支持下,檢察機關可以處理與某個現象有關的所有數據,而不再依賴于隨機采樣,也不再使用隨機分析的方法。換言之,大數據可以更清楚地看到樣本本身無法揭示的細節信息。檢察機關借助大數據拓展監督渠道,在采集數據、清洗數據后要針對數據進行統計分析,進而實現結果可視化。在這一過程中,法律監督方式發生了轉變,由傳統的針對個案的監督轉向基于大數據全樣本而展開的類案監督。

大數據法律監督模型的關鍵原理

人工智能三要素分別是數據、算法和算力,雖然行政檢察大數據法律監督模型并非傳統意義上的人工智能,但是其構造原理與上述三要素緊密相連,其中的基石是數據,故要特別重視檢察大數據的基石效用。構建行政檢察大數據法律監督模型要解決好三個關鍵性問題,一是數據的來源渠道,二是采集何種數據,三是如何使用數據。回歸到行政檢察監督的具體場景,可以作出以下三個步驟的歸納:

首先,構建檢察大數據監督平臺,形成數據池。一方面,拓寬延展數據的來源渠道,如全國檢察業務應用系統、省市級檢察數據應用平臺、中國裁判文書網、行政執法信息公示平臺、執行信息公開網、審判信息網、中國政府網、國內銀行、市民熱線、媒體新聞網站留言區等;另一方面,通過設定區域、時間的篩選條件形成裁判文書的第一層數據集合,然后加入主體信息或其他關鍵詞篩選后形成第二層數據集合。

其次,根據業務場景進行數據的分類,形成數據包。同樣的平臺,不同的監督模型需要采集不同的信息,諸如同樣是行政服務平臺,可以采集運輸公司車輛登記信息、《道路運輸證》《道路運輸經營許可證》等信息,也可以挖掘違法超限運輸公司、車輛及駕駛人信息,并將上述與業務場景相關的數據進行關聯,通過關聯數據集合得到清洗后的數據包。

最后,有效進行大數據碰撞,找到精準監督的方向。以某地“行政機關違法行使行政罰款職權”數字監督模型為例,該模型通過將行政機關罰款、財政局收繳罰沒款、法院行政非訴執行三方面的數據進行碰撞分析,從而挖掘出已作出罰款決定卻未繳納或未全額繳納、罰款未繳納也未申請執行、法院準予執行卻未移送執行等違法線索。具體而言,先選取行政檢察監督類型,設計研判規則,將相關程序性監督規則和實體性監督規則納入其中考量,然后進行數據碰撞,將數據包與規則進行對比,通過數據分析得出異常線索。

行政檢察大數據法律監督通用模型的建構

確定監督模型種類和場景。行政檢察大數據法律監督模型主要分為風險類數據監督模型、需求類數據監督模型和效果類數據監督模型。數據監督模型源于實踐中檢察機關開展法律監督活動的需要,因此必須根據具體的應用場景與實踐需求設計監督模型。行政檢察大數據法律監督模型的應用場景包括行政執行監督(含非訴執行)、行政裁判監督、行政違法行為監督、行政審判人員違法行為監督。

開發異常案件檢測模型。大數據戰略的核心關鍵是大數據法律監督模型。有學者將大數據賦能法律監督線索發現的路徑確定為“典型個案分析→案發規律梳理→數據共享歸集→數據碰撞比對→類案線索研判→移送線索核查→開展精準監督→跟蹤督促落實→推動社會治理”。其中,案發規律梳理是大數據法律監督模型的關鍵節點,該環節必須提取出異常案件的特征,并通過數據化的方式加以實現。

增強人機耦合方法的使用。具體而言,通過設定閾值,系統預警并根據算法推送辦案指引,引導檢察人員通過卷宗核查、交流反饋、實地走訪提升核查確認異常線索。畢竟大數據的分析結果并不能體現個案的獨特性,需要檢察人員參與介入,與機器相互協作,對數據進行實時的分析和對比,及時對批量案件中的異常和小概率情形進行單獨識別和考量,從而更好地提升監督數據的質量,優化機器自主學習,保證模型的精準性和高效性。

(作者分別為云南省大理白族自治州人民檢察院檢察長、西南政法大學智能司法研究中心研究員)

關鍵詞：