生成式人工智能在检察领域应用的核心命题，是实现“技术赋能”与“司法公正”的动态平衡

　　□推动生成式人工智能规范有序发展，必须坚守司法公正的根本立场，以边界重塑划定运行轨道，以场景规制提升实战效能，以协同共治凝聚发展合力。唯有如此，才能让生成式人工智能真正成为提升检察履职质效、维护司法公正的“得力助手”，推动数智检察从“技术应用”向“治理革新”跨越，为推进检察工作高质量发展，支撑和服务中国式现代化作出新的更大贡献。

　　当前，生成式人工智能在检察办案、监督、管理领域的应用已从试点探索走向规模化实践，取得了办案效率明显提升、监督线索精准筛查等显著成效，但仍面临技术越界、算法偏见、权利保障弱化等现实挑战。推动生成式人工智能规范有序应用，关键在于坚守司法本质、重塑应用边界，以“边界立规、场景赋能、协同共治”构建良性生态，让技术创新始终在法治轨道上稳健运行，为高质效检察履职注入持久动能。

　　生成式人工智能在检察领域应用的核心命题，是实现“技术赋能”与“司法公正”的动态平衡。数字检察的本质是“检察+技术”，技术必须服务于司法公正这一根本目标。当前，部分地区出现的算法依赖、效率挤压公正等问题，根源在于应用边界模糊、权责划分不清。重塑应用边界，必须坚守“司法亲历优先、技术辅助定位”的核心原则，构建“主体归位、伦理定轨、监督兜底”的三重边界体系。

　　坚持“人主机辅”的刚性原则，筑牢司法主权防线。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。因此生成式人工智能的定位必须是“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核心环节，必须强化司法亲历性的刚性约束，要求检察官亲自提审、阅卷、核实关键证据，生成式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。对重大疑难案件、未成年人犯罪等特殊案件，明确禁止生成式人工智能参与核心决策，确保司法判断始终蕴含人文关怀与价值考量，守住“努力让人民群众在每一个司法案件中感受到公平正义”的底线。

　　坚守“伦理先行”的价值导向，划定权利保障红线。生成式人工智能的数据密集型特性，决定了其应用必须以权利保障为前提。要建立检察数据全生命周期防护体系，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，严防涉密信息、公民隐私泄露。针对算法黑箱问题，强制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，确保生成式人工智能形成的结论“可理解、可验证、可监督”，保障当事人的知情权与程序参与权，避免技术便利与权利保障脱节。

　　筑牢“全流程监督”的制度防线，防范权力异化风险。要建立生成式人工智能应用的“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，对拟引入的生成式人工智能系统开展技术成熟度、数据合规性、业务适配性评估，未通过审查不得接入检察业务应用系统；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，对因算法偏见、技术漏洞导致的司法失当，依法追究相关方责任，确保技术始终在制度框架内规范运行。

　　生成式人工智能的价值实现，离不开与检察业务场景的深度适配。当前部分地区存在“重研发轻应用”“重数量轻质量”的倾向，根源在于场景构建脱离实战需求。推动技术落地见效，必须坚持“业务主导、场景为王”，构建“分类授权、动态适配、实战导向”的场景应用体系，让生成式人工智能在合适的领域发挥最大效能，从“泛化应用”转向“精准赋能”。

　　构建“分类授权”的场景清单，实现精准适配。立足“四大检察”需求，制定生成式人工智能应用场景清单，明确“能为、可为、禁止为”的边界：在办案领域，案卡填录、证据摘录等事务性工作可全面赋能，审查报告、起诉书等文书初稿由生成式人工智能初步生成后，必须经人工审核把关，但罪与非罪认定、量刑建议终局确定等涉及当事人实体权利的事项，必须由检察官亲自阅卷、提审、核实证据后独立作出，生成式人工智能仅能提供类案检索、法条匹配等参考信息；在监督领域，允许生成式人工智能通过大数据法律监督模型碰撞、挖掘类案监督线索，但是否启动监督、监督方式选择等决策由检察官结合司法政策、社会效果综合判断；在管理领域，生成式人工智能可辅助生成履职画像、流程预警等数据，但检力资源配置、考核体系调整等宏观决策，必须以人工研判为核心。通过清单化管理，避免技术应用“一刀切”或“乱作为”。

　　推行“模块复用+动态迭代”的建模模式，降低应用门槛。面对检察业务的复杂性与多样性，构建“万能模型”不切实际。应采用“组件化设计、模块化拼装”的思路，将数据清洗、法条检索、证据比对等通用功能封装为标准化组件，基层检察机关可根据自身业务需求“搭积木”式调用，快速搭建适配本地业务的应用模型，大幅缩短研发周期、降低技术应用门槛。同时，建立模型动态迭代机制，通过实战数据反馈持续优化算法参数，针对新型案件、政策调整等情况及时更新模型规则，确保技术应用始终与检察业务发展同频共振。

　　深化“算法治理+数据安全”的技术保障，破解核心痛点。针对算法偏见与数据安全两大瓶颈，构建技术层面的治理体系：在算法治理上，推行“算法释明”机制，生成式人工智能生成的有关结论，必须附带“数据来源、逻辑推演、偏差风险”三重说明，便于检察官核验与当事人知情权保障；建立算法偏见监测模型，对类案处理结果进行星空体育在线入口同质化分析，及时发现并纠正地域差异、类型化偏差等问题。在数据安全上，采用加密存储、权限隔离、区块链存证等技术手段，实现数据访问全程留痕、可追溯；严格限制生成式人工智能模型的“记忆能力”，关闭原始数据直接引用功能，严密防范数据泄露风险，筑牢技术应用的“安全底座”。

　　数智检察的深度发展，离不开技术、业务、制度的协同共治。生成式人工智能应用不能停留在“文书辅助”的初级阶段，而要向“智能协同、深度融合”进阶，通过强化人才支撑、深化机制创新，构建“业务主导、技术赋能、制度保障”的协同生态，让人工智能真正成为检察履职的“延伸感官”与“决策参谋”。

　　构建“法律+技术”的人才体系，夯实能力支撑。数智检察的落地见效，关键在人。要着力打造“既懂法律又懂技术”的复合型人才队伍：一方面，优化招录结构，重点招录计算机科学、人工智能、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；另一方面，将人工智能基础知识、算法原理、数据安全法规纳入检察官常态化培训，通过“案例教学+实操演练”模式，提升检察干警对生成式人工智能辅助结论的审查判断能力与风险识别能力，避免因“技术盲维”导致的决策失误。同时建立“检察官+技术专家”协作机制，推动业务需求精准转化为技术方案，实现“业务牵引技术、技术赋能业务”的良性互动。

　　创新“多方参与+协同共治”的机制保障，凝聚治理合力。生成式人工智能的规范应用是一项系统工程，需要检察机关、技术服务商、科研机构、高校等多方协同发力。要建立协同治理平台，在算法偏见治理、数据安全防护等重点领域联合攻关，推动技术标准与司法需求精准对接；引入第三方评估机构，定期对生成式人工智能系统的公正性、合规性进行独立评估，形成“检察机关主导、多方参与、全程监管”的治理格局。同时，制定《生成式人工智能检察应用管理办法》，明确应用边界、权责划分、风险防控等核心规则，统一法律适用尺度；地方检察机关结合本地实际出台实施细则，形成“顶层设计+地方实践”的制度体系，为技术应用提供明确遵循。

　　面对数智检察，生成式人工智能的应用既是技术革新，也是治理升级。推动其规范有序发展，必须坚守司法公正的根本立场，以边界重塑划定运行轨道，以场景规制提升实战效能，以协同共治凝聚发展合力。唯有如此，才能让生成式人工智能真正成为提升检察履职质效、维护司法公正的“得力助手”，推动数智检察从“技术应用”向“治理革新”跨越，为推进检察工作高质量发展，支撑和服务中国式现代化作出新的更大贡献。

　　［作者为北京市海淀区人民检察院党组书记、检察长。本文系北京市人民检察院2025年度检察理论研究课题“数智检察视域下生成式人工智能应用的边界审视与实践进路研究”（项目编号：BJ2025B33）的阶段性研究成果］

　　最高人民检察院 （100726）北京市东城区北河沿大街147号 （查号台） 010-12309（检察服务热线）

　　为了获得更好的使用，建议使用谷歌浏览器(chrome)、360浏览器、IE11浏览器。