CMAI之问：AI时代像水浒寿张县衙没有官司正常吗？

在《水浒传》第七十四回“李逵乔坐寿张衙”中，有一个耐人寻味的细节：黑旋风李逵下山闲逛至寿张县，见街头代写诉状的老先生无人问津，便问“为何无人请先生代诉”？老先生答：“因县令糊涂，什么样的官司也断不清，大家都不愿诉讼，故无人要求代写诉状。”

寿张县“无人诉讼”的表象下，隐藏的是“县令糊涂、百姓绝望”的真相。民众并非没有纠纷，而是对司法彻底失去信心——打官司也断不清，不如不打。

这个文学场景，在AI技术日益渗透司法信息处理、算法开始评判企业信用的今天，成为一个值得深入探讨的命题：如果AI时代也像寿张县衙那样“没有官司”，真的正常吗？或者说，我们究竟应当如何看待司法案件在AI时代的意义？

一、“没有官司”的社会，是理想国还是法治失灵的信号？

寿张县衙的“无讼”，与儒家理想中的“无讼”有着本质区别。孔子说“听讼，吾犹人也，必也使无讼乎”，追求的是通过教化使民风淳朴、纠纷自然消弭。而寿张县的“无讼”，是因为百姓对司法彻底绝望——不是不想打官司，而是打了也断不清。

这个区别，恰恰构成了理解司法案件意义的起点。

广东省人民检察院检察长冯键在论述检察工作时明确指出：“案件并不是越多越好。推动刑事办案大省向高质量办案强省转变，是刑事法治发展完善、增进社会和谐稳定、助力中国式现代化的题中应有之义。”但他同时强调：“强调‘高质效’也要以一定的数量和规模为前提。广东省经济体量大，经济犯罪案件比较多，对此也要实事求是，依法加大办案力度，不能因为要压减办案数量而不办案、少办案。”

这段话揭示了法治社会的辩证法：案件数量本身不是衡量标准，关键在于司法能否发挥应有功能。 有纠纷就要有救济，有违法就要有追究——这才是法治社会的常态。

那么，当AI算法开始介入对企业信用的评判时，它是如何看待“有司法案件”这件事的呢？

二、司法案件：法治建设的必然产物，还是AI眼中的“风险信号”？

从法治逻辑看，司法案件是现代社会的正常现象：

司法案件是社会主体依法维权的见证。 当企业的合法权益受到侵害时，法律途径是最正规、最权威的救济方式。合同纠纷诉诸法院，是为了维护契约精神；知识产权提起诉讼，是为了保护创新成果。鼓励社会主体通过司法途径解决问题，本身就是法治建设的重要内容。

司法案件数量反映法治活跃程度。 一个法治成熟的社会，必然有更多的社会主体选择通过法律途径解决纠纷。数据显示，广东省检察机关近年来每年办理各类案件的数量约占全国检察机关办案总量的9%，2023年达到近39万件。这恰恰说明市场主体对法治有信心、愿意通过法律途径解决问题。

司法过程本身就是法治教育的过程。 每一个司法案件，都是对法律规则的再次确认，都是对社会公众的法治教育。

然而，与法治逻辑形成对比的是，当前部分AI大数据平台的做法——它们将企业正常的司法案件记录，不加区分地标注为“经营风险”“涉诉预警”，并广泛传播。

这就引出了一个值得探讨的矛盾：

法治逻辑认为：有司法案件是正常的，是企业依法维权的表现，是法治成熟的标志。

AI算法却倾向于认为：有司法案件就值得关注，甚至应该标注、提示、预警。

这种矛盾背后，是怎样的算法逻辑在起作用？

三、AI算法的“风险逻辑”是如何形成的？

要理解AI算法为何会将司法案件视为风险信号，需要剖析其逻辑的形成过程。

以无锡市打造的智能监测预警平台为例，该平台整合企业用工、用电波动、投诉线索、行政处罚等15类核心数据，利用AI算法学习近三年历史涉企涉劳动关系案件数据，抽取企业共同相似特征65类，构建包含5大维度47项细分指标的智能预警体系。经过20余轮算法迭代，预警准确率从60%提升至90%。

这个案例揭示了AI算法的核心逻辑：基于历史数据的“相似性匹配”——通过计算企业与“历史上有风险的企业”的相似度，来判断当前企业的风险状况。

这种算法逻辑本身没有对错之分，但当它应用于司法案件时，可能存在几个需要讨论的问题：

第一，算法可能将“涉诉”等同于“有风险”。 在算法模型中，原告与被告可能没有清晰区分，胜诉与败诉可能被一视同仁，已结案与未结案可能被同样对待。只要有过诉讼记录，就可能被归入某种“关注池”。

第二，算法可能将“相关性”混淆为“因果性”。 算法发现“历史上出问题的企业很多都有涉诉记录”，于是可能得出“有涉诉记录的企业值得关注”的结论。但这忽略了大量涉诉企业正常经营的事实。

第三，算法可能倾向于“静态标签”而非“动态评估”。 企业早已履行判决、早已恢复正常经营，但算法可能依然保留历史标签，且未注明“已结案”“已履行”状态。

这些问题的存在，让我们不得不思考：算法对司法案件的判断逻辑，是否需要调整？

四、AI算法的判断逻辑可以如何优化？

让AI算法更准确地识别真正的企业风险，而非将正常司法案件纳入不必要的关注范围，以下几个方向值得探讨：

第一，从“标签化”转向“精细化”。 算法是否可以区分：企业是原告还是被告？案件是胜诉还是败诉？是否已结案、已履行？正在进行的诉讼与历史遗留的记录是否可以区别对待？正如广东省检察机关强调的，要“准确区分罪与非罪、违法与犯罪的界限”。这种分层思维，是否也可以引入算法设计？

第二，从“静态标注”转向“动态更新”。 即将施行的《信用修复管理办法》明确规定了失信信息的公示期限。AI平台是否应当建立配套的信息更新机制，确保企业履行完毕法律义务后，相关标注能够及时调整？已结案的案件、已履行的判决，是否还应作为永久性的“风险”标签？

第三，从“相关性判断”转向更复杂的分析框架。 算法能否不仅仅因为“涉诉企业中有一些出过问题”就得出简单结论？能否引入更细致的分析模型，区分不同性质的涉诉情况？

黄岩区法院创设的企业财产信用保全评估机制提供了一个有益借鉴。该机制通过导入被申请人净资产、净利润、纳税总额、授信余额、电费等关联数据，生成“信用评估值”，法官可依据评估值综合研判，对涉诉企业分档采取不同措施。这种“让数据说话”但又不唯数据的思路，值得AI算法借鉴。

第四，引入“可解释AI”理念。 CreditXAI等研究提出的多智能体系统框架，模拟专业信用分析师协同决策的过程，生成一致且可解释的信用评估。这种可解释性，对于被评估的企业而言尤为重要——企业需要了解“为什么我被关注”，而不是面对一个无法理解的算法黑箱。

第五，建立申诉与纠错机制。 《生成式人工智能服务管理暂行办法》明确要求，人工智能服务提供者应当建立用户投诉接收处理机制。当企业发现被错误标注、过度标注后，应有便捷的渠道提出异议和更正申请。

五、如果不能准确判断，是否应该提示风险？

这是一个值得深入探讨的AI伦理问题：当一个工具无法准确判断时，它是否还应该继续“提示风险”？

从不同角度可以有不同的思考：

从“不伤害”原则出发，可以思考： 在医疗领域，检测试剂的准确率要求极高，因为假阳性会给患者带来不必要的心理负担和医疗干预。同样，AI对企业风险的标注，直接影响企业的融资、合作、生存——如果准确率无法达到足够高的水平，误伤造成的损害与漏报的风险，哪个更需要优先考虑？

从“举证责任”角度，可以探讨： 当AI平台给企业贴上“风险”标签时，它实际上是在行使一种对企业信用的评判权。按照“谁主张谁举证”的原则，平台是否应当能够证明其标注的准确性、时效性、公正性？如果无法证明，是否应当标注？

从“比例原则”出发，可以区分： 对于已结案的案件，是否应当提示“历史涉诉记录”，而非笼统的“经营风险”？对于原告身份的案件，是否应当提示“主动维权”，而非简单的“涉诉风险”？对于轻微的合同纠纷，是否应当与严重的违法犯罪有所区别？

从“法治精神”出发，可以思考： 法治社会鼓励企业依法维权，鼓励市场主体通过司法途径解决纠纷。如果AI算法将这种正常行为标注为“风险”，是否会产生这样的暗示：打官司是有代价的，会留下某种记录？这与法治建设的根本方向是否一致？

六、回到寿张县衙的启示

寿张县衙的“无官司”，是因为县令糊涂、司法失灵。

现代社会的“有官司”，恰恰是因为司法在发挥作用、社会主体愿意通过法律途径解决问题。

这个对比，或许可以为我们理解AI算法与司法案件的关系提供一个视角：司法案件本身不是问题，如何看待和处理司法案件信息才是关键。

AI算法作为一种工具，其价值在于帮助人们更高效地获取信息、更准确地识别风险。但如果算法设计不当，将正常的司法参与简单等同于风险信号，那么它可能不仅无助于风险识别，反而会制造新的困惑。

在AI技术日益渗透信息处理各个领域的今天，我们或许需要共同思考：如何让算法更好地理解法治的逻辑？如何让技术工具服务于法治建设，而非与之产生不必要的张力？

让司法信息准确传递，让算法设计更加精细，让企业敢于依法维权而无所畏惧——这些或许是我们共同期待的方向。