摘要：行政执法应用人工智能技术在提升执法效率、规范裁量基准、增强风险识别的同时，也因职权法定原则未被严格落实、最小必要原则难以具体实施、程序正当原则难以被全面遵守、算法的不可解释性使行政公开原则难以适用等问题形成了相应的合法性风险。针对上述风险，可采用以下应对方法，如重大行政决策程序的应用、最小必要原则的适当豁免、程序权利内嵌入执法系统流程、引入算法影响评估制度等，使人工智能技术助力实现更优行政执法。
关键词：行政执法；人工智能应用；合法性风险应对；重大行政决策程序；算法影响评估
作者简介：张卿，中国政法大学法与经济学研究院教授、博士研究生导师。
文章来源：《中共中央党校（国家行政学院）学报》2026年第2期，参考文献从略。
引 言
本文中的人工智能是指利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，即根据人类指定的目标，机器感知并采集数据，从输入数据中学习并执行预测、推荐及决策等任务的技术及应用系统[1]。目前人工智能技术已在实施行政许可、进行日常行政检查和监管、行政处罚等执法活动中得到运用[2]。
首先，一些政府部门已将人工智能等技术引入行政许可审查，通过人工智能模型对申请材料进行受理和甄别，根据预设条件对行政许可申请进行分析，提出是否准予许可的建议。如深圳、杭州等地政府部门加快部署生成式人工智能大模型，借助人工智能，行政许可事项“机审秒批”[3]。对于以行政许可为典型代表的政务服务领域，为充分落实效率便民原则，人工智能可以被用于提质增效，规避人工执法的寻租风险，优化营商环境[4]。
其次，人工智能技术运用在社会治理中重点执法领域的行政检查和日常监管，诸如我国的食品药品监管、环境保护、公共安全及网络信息等新兴领域。监管部门通过智能化数据采集和监管系统、预警系统进行信息收集和处理，分析信息数据资料，对监管对象的行为进行自动识别，结合法律法规规定的违法情形自动报警、自动跟踪。人工智能技术可以用于有效分析和识别不同监管对象行为的风险程度并针对高风险对象引入人工现场检查。在国外，意大利的食品安全监管领域已引入人工智能技术来辅助进行风险的监控与识别[5]，美国证券交易委员会（SEC）也利用机器学习工具识别可疑申报或内幕交易[6]。
最后，人工智能在行政处罚中的应用主要包括以下三个方面：调查取证环节、处罚决定环节和处罚执行环节[7]。人工智能在行政处罚中的应用往往最能体现智能化程度的区别。有学者根据人工智能可否直接进行处罚判定而将人工智能在行政执法上的应用分为智能辅助阶段和高度智能化阶段[8]。前一阶段已经可以实现人工智能自动取证而不是由被监管者“定期上报信息”，且人工智能还在处罚过程中发挥辅助作用，即系统自动发出预警并将相关任务转交给执法人员由其进一步作出处罚决定。我国在环境污染监管和外汇流动监管等领域已经达到智能辅助阶段。而在高度智能化阶段的人工智能技术不仅能实现自动取证，而且可以直接进行处罚判定。目前我国的交通执法领域已初步达到由人工智能进行处罚判定的高度智能化阶段。
人工智能技术的应用正在逐步改变着行政执法等工作方式，算法工具在执行行政（监管）执法相关的诸多高耗时、高资源投入型任务时可能尤为有用，如整合海量记录、识别复杂申报材料，以及排查可能需要人员进一步审核的行为。人工智能技术有望降低行政机关的执法成本，并提升行政机关的执法质量，特别是提高执法决定的一致性与可预测性[9]，但也由此引发了关于行政机关决策及自由裁量权被全部或部分取代而带来错误决定的担忧，更对我国基于行政人员自主决策的传统行政法及其相关行政法律关系提出挑战。
一、行政执法应用人工智能的意义
大幅提升执法效率。行政效率一直是行政系统的重要价值追求。特别是在侧重政务服务的领域，要尽可能缩短行政相对人的等待时间、便利民众、落实服务型政府的职能。《国务院关于加快推进政务服务标准化规范化便利化的指导意见》（国发〔2022〕5号）和《国务院关于进一步优化政务服务提升行政效能推动“高效办成一件事”的指导意见》（国发〔2024〕3号）均明确提出要推进政务服务的便利化和提质增效。对于大量具有明确审核条件的行政审批、行政许可等依申请行政行为，申请人数众多、审核程序相对机械重复、自由裁量空间相对有限，此类行为正适合通过将人工智能搭载入审批系统以大幅提升效率，甚至实现相关事项24小时办理[10]，从而减少相对人等待时间与周期，并更容易避免行政机关额外增加或变相增加办理环节和申请材料。
改善执法裁量的一致性与可预测性。传统执法人员执法的过程中，存在着自由裁量空间下少数执法者个人主观偏好和私人利益影响而产生的突击性、过度性、逐利性执法等不作为乱作为的问题。而人工智能技术可以对历史上海量的行政执法案例数据结合现行有效的法律法规进行分析整合，将以人为因素考量为基础的执法决策改为以数据分析为基础的执法决策，从而高效生成更具有一致性和可预测性的执法裁量基准和相关决定[11]。这将有助于优化营商环境，落实行政执法的公平公正。
增强对被监管对象的风险识别能力和优化配置执法资源。实践中，在食药生产、金融市场、生态环境、公共安全等领域，被监管对象的特定违法违规行为往往可能造成大范围的生命健康及财产安全的危险，需要一种可以快速识别被监管对象的风险高低程度并且配置对应监管执法资源的管理方式。同时，由于这些领域一般存在着海量、复杂、快速的生产经营行为变化，传统方式难以实现全流程、全覆盖的监管。这导致监管实践中，行政执法机关需选取抽查的方式进行行政检查，可能产生选择性执法并带来一定程度的腐败风险和监管不及时的风险。为解决人为选择检查对象潜在的选择性执法和腐败风险问题，我国广泛采用了“双随机、一公开”的创新检查模式。但随机选择的安排难以将有限的执法检查资源放在违法违规行为导致较大风险的检查对象上，难以真正实现“高风险—强监管”这类更具针对性和差异化的监管执法。要想快速和准确识别监管对象的风险程度并匹配对应的检查频率和监管强度，需要基于市场中随时变化的海量数据作出精准分析[12]，这正是人工智能技术的所长，且正在被国内外监管实践所采用。
二、行政执法应用人工智能的合法性风险
中共中央、国务院2021年印发的《法治政府建设实施纲要（2021—2025年）》明确提出，要“健全法治政府建设科技保障体系，全面建设数字法治政府”，并“坚持运用互联网、大数据、人工智能等技术手段促进依法行政”。在政策指引上，数字政府以法治政府为核心导向。数字技术手段的应用，目的是推动依法行政，数字政府的概念必然包含法治政府的要求[13]。法治政府要求行政执法活动必须同时符合职权法定、合理行政、程序正当等行政法基本原则。然而，这些行政法基本原则和相关规定对于行政权力运行的控制往往基于人工执法的场景、条件和执法模式；人工智能新技术应用于行政执法带来的场景、条件和执法模式的变化可能导致相应的行政执法活动存在下列合法性风险。
第一，职权法定原则未被严格落实。行政机关必须严格依照法律规定的权限办事，越权违法、越权无效，这是职权法定原则的要求。职权法定既体现为赋予行政机关特定权限的授权性规定，也体现为对行政机关执法权限边界、开展执法方式与执法程序的限制性规定。从我国目前情况看，应用人工智能技术进行行政执法仍存在一定程度法律依据不足的问题。
目前国务院一些政策文件和《优化营商环境条例》已提出要运用人工智能技术来进行行政执法，但均属于未明确实施期限的倡导性条款；行政机关并未获得法律或行政法规的明确授权来即时实施直接影响行政相对人权益的执法行为。如《国务院办公厅关于全面推行行政执法公示制度执法全过程记录制度重大执法决定法制审核制度的指导意见》（国办发〔2018〕118号）提出“要积极推进人工智能技术在行政执法实践中的运用，研究开发行政执法裁量智能辅助信息系统”及“加强对行政执法大数据的关联分析、深化应用，通过提前预警、监测、研判，及时发现解决行政机关在履行政府职能、管理经济社会事务中遇到的新情况、新问题，提升行政立法、行政决策和风险防范水平，提高政府治理的精准性和有效性。”又如《国务院办公厅关于进一步规范行政裁量权基准制定和管理工作的意见》（国办发〔2022〕27号）提出，“充分运用人工智能、大数据、云计算、区块链等技术手段，将行政裁量权基准内容嵌入行政执法信息系统，为行政执法人员提供精准指引，有效规范行政裁量权行使”。进一步地，《国务院办公厅关于深入推进跨部门综合监管的指导意见》（国办发〔2023〕1号）也提出，“加快大数据、人工智能、物联感知、区块链等技术应用，积极开展以部门协同远程监管、移动监管、预警防控等为特征的非现场监管”。此外，《国务院关于深入实施“人工智能+”行动的意见》（国发〔2025〕11号）还提出：“推动构建面向自然人、数字人、智能机器人等多元一体的公共安全治理体系，加强人工智能在安全生产监管、防灾减灾救灾、公共安全预警、社会治安管理等方面的应用，提升监测预警、监管执法、指挥决策、现场救援、社会动员等工作水平，增强应用人工智能维护和塑造国家安全的能力。”对《优化营商环境条例》第五十六条要求的“推行以远程监管、移动监管、预警防控为特征的非现场监管，提升监管的精准化、智能化水平”也仍是一个倡导性条款，不具有强制约束力，不能作为各级行政机关要求企业安装非现场监控设备的直接法律依据[14]。
而现有明确的法律规定往往要求行政处罚等特定执法措施必须由具有行政执法资格的执法人员实施，且运用人工智能技术进行执法因其对行政相对人权益影响较大而应有法律和行政法规的明确规定。如《行政处罚法》第四十二条规定：“行政处罚应当由具有行政执法资格的执法人员实施。”《行政强制法》第十七条第三款也规定：“行政强制措施应当由行政机关具备资格的行政执法人员实施，其他人员不得实施。”这些规定要求人工智能不应独立实施行政处罚、行政强制措施，不应作为独立的执法主体，甚至不应独立作出此类执法决定。《行政处罚法》第四十一条也明确要求行政机关利用“电子技术监控设备收集、固定违法事实”，应当依照“法律、行政法规规定”进行，还应当“经过法制和技术审核，确保电子技术监控设备符合标准、设置合理、标志明显，设置地点应当向社会公布。”这意味着对于电子监控技术在行政执法活动中的应用，必须有法律和行政法规作为该技术应用的规范依据。相比之下，人工智能在行政执法中使用不仅包括电子监控技术的使用，而且还涉及通过算法进行执法决策，对相对人权利义务影响更大，因此，如需取得人工智能技术在行政执法活动中更广泛应用的普遍性授权，就应得到法律或行政法规层级立法规范的明确规定。
现有的法律或行政法规层级的立法尚未对人工智能在行政执法中的应用情形、方式、权限等作出明确的普遍性授权规定，这将使得实践中的人工智能执法整体上处于一种法律依据不明确、不充分的状态，从而导致合法性风险问题。
第二，最小必要原则难以具体实施。与传统的人工执法不同，人工智能技术的应用在很大程度上需要依托于大数据技术，特别是对于一些诸如以反诈为代表的公共安全治理、以医保基金监管为代表的社会保险治理等风险监管领域的治理，往往需要收集公民的海量数据，甚至包括其个人信息层面的数据。按照传统的行政法理论，数据收集过程并非直接作出行政决定，而只是在作出具体行政行为之前的过程性行为，未必要受到行政法的约束。但是，随着《数据安全法》《个人信息保护法》和《人脸识别技术应用安全管理办法》的出台，行政主体对个人信息等数据的收集也被包括法律层级在内的立法明确要受到司法审查的约束[15]。《数据安全法》第三十八条规定了“国家机关为履行法定职责的需要收集、使用数据，应当在其履行法定职责的范围内依照法律、行政法规规定的条件和程序进行。”《个人信息保护法》第三十四条规定了“国家机关为履行法定职责处理个人信息，应当依照法律、行政法规规定的权限、程序进行，不得超出履行法定职责所必需的范围和限度。”同时第六条规定了“处理个人信息应当具有明确、合理的目的，并应当与处理目的直接相关，采取对个人权益影响最小的方式。收集个人信息，应当限于实现处理目的的最小范围，不得过度收集个人信息。”《人脸识别技术应用安全管理办法》第四条规定了“应用人脸识别技术处理人脸信息，应当具有特定的目的和充分的必要性，采取对个人权益影响最小的方式，并实施严格保护措施。”这些有关个人信息等数据收集环节的立法就被认为是行政法上比例原则的体现[16]，也被表述为“最小必要原则”的要求[17]。
由于大数据技术不同于传统的客观属性特征，使得基于大数据技术的人工智能执法难以具体实施最小必要原则的相关规定。大数据的特征之一是信息价值的密度低[18]，换言之，大数据分析的优势是可以从海量数据中汇总分析得出以往难以发现的有价值的信息，但是这种优势必须基于绝对庞大的数据量才能实现。这意味着，一方面，数据的收集很难清晰地划定一个最小需求量的标准或者边界；另一方面，在最终分析得出前，也难以完全预测会得到哪些方面的结果。更好地利用大数据技术与遵守最小必要原则形成了冲突。具体而言，最小必要原则要求在数据收集过程中，行政权的行使必须基于特定目的，并且选择可以实现该目的的手段，并且该手段应当是各种替代性方案中成本最小的。但是，就大数据的极致低密度性而言，其蕴含的信息价值与所收集的数据量并不呈现明确的线性关系，行政机关难以确定所需收集的数据的最小量或者必要量。同时，也难以预先判断已经收集的数据可以用在哪些用途和目标上。此时，基于大数据分析的数据收集行为，将很难在直观上符合最小必要原则的要求。这将导致人工智能执法中的前置数据收集阶段难以具体实施最小必要原则或比例原则的规定要求。
第三，程序正当原则难被全面遵守。对行政执法活动的程序控制也是现代行政法对于相对人合法权益保障的重要制度设计。虽然我国尚无一部统一的行政程序法典，但是在各大重要的具体行政行为的单行立法中，都对相对人程序权利的保障作出了相应规定。这种基于传统人工执法中执法者与行政相对人双方均在场为特征而构建起的程序保障，在面对非现场、瞬时完成的人工智能执法新场景时，出现了特定的程序正当原则规定的适用困境。
目前我国的《行政许可法》和《行政处罚法》均对行政相对人的程序权利作出了明确的规定。《行政许可法》第三十六条和第四十七条分别规定了“申请人、利害关系人有权进行陈述和申辩”以及“申请人、利害关系人享有要求听证的权利。”《行政处罚法》第四十一条指出行政机关应当“采取信息化手段或者其他措施，为当事人查询、陈述和申辩提供便利。不得限制或者变相限制当事人享有的陈述权、申辩权。”该法第四十四条也明确了“行政机关在作出行政处罚决定之前，应当告知当事人拟作出的行政处罚内容及事实、理由、依据，并告知当事人依法享有的陈述、申辩、要求听证等权利。”该法第六十三条还进一步明确了听证程序适用的具体情形。除了从保护行政相对人程序权利方面的要求，对于执法者也有自身人数、资格等方面的具体要求，如该法第四十二条要求“行政处罚应当由具有行政执法资格的执法人员实施。执法人员不得少于两人”的规定。
传统行政行为作出时，行政主体与行政相对人一般是同时在场的。因此相应的对行政相对人权益保障制度的设计也围绕着双方均在场情况下的程序控制而展开。但是，人工智能执法系统往往是基于非现场出席的方式完成，并且很多行政决定的作出是瞬时完成的[19]，几乎没有时间间隙满足相对人的参与[20]。另一方面，人数方面的程序限制也是为了避免出现执法者一人独断的情形，但是在人工智能执法的情形下，执法人员可能不会出现在决定作出的过程中，自然也难以满足对于执法人数的要求。这也导致了司法实践中使用技术便利与法律要求之间存在冲突的情形[21]，并进一步导致程序正当原则难以被全面遵守。
第四，算法的不可解释性使行政公开原则难以适用。行政公开要求行政机关公开其行政过程[22]，是落实法治政府建设，强化公民知情权与监督权保障的应有之义[23]。传统的行政行为由于是人类做出，只要执法过程、理由公开，公众就可以理解其内在思路与逻辑，从而判断其是否在行权过程中尽职尽责，以进行有效监督。对于传统的人工执法而言，公开就意味着行为可解释、公众可理解以及可监督。然而，人工智能的“推理过程”实际上是一种不可解释的黑盒（Black Box），难以完全清晰直观公开其决策过程，特别是对于一些短时间内作出大量风险相关决策的情形，往往只输出最终的风险识别结果而缺乏完整的算法决策过程呈现。即使将代码算法披露公开，公众也缺乏直观的理解能力，且行政机关未必能够足够清晰地解释清楚技术层面的运作原理。这就导致了运用人工智能进行行政执法缺乏可以让公众理解的、具备充分可解释性的行政公开。虽然有方案试图借助人工智能来解释人工智能的工作过程，但由于当前人工智能模型的结构设计与参数输入越来越复杂，可解释性的问题尚未出现可以预期确保有效的技术方案[24]。这种客观上的技术局限性，导致了人工智能执法时行政公开原则无法在公众可理解的维度上落实[25]，进而阻碍了公众监督的落实[26]。可解释性的缺乏，一方面会导致公民对于算法决策和人工智能执法形成天然的心理层面的不信任[27]，进而抵触有关政策与制度的落实；另一方面，也会因为难以落实行政公开与公众监督的实质要求而在一定程度上动摇了人工智能执法的合法性和正当性。
三、行政执法应用人工智能合法性风险的应对
针对前述合法性风险提出如下应对方案，以促进应用人工智能技术的行政执法的质效提升。
（一）为严格落实职权法定原则的现实应对
为严格落实职权法定原则中关于对人工智能执法进行普遍性授权的要求，应通过法律和行政法规层级的新立法规范对人工智能在行政执法中的应用情形、方式、权限等进行明确规定。新立法的正式出台往往需要一段较长的时间，为了解决现阶段未能严格落实职权法定原则这一问题，本文将对两种不同的现实应对方案进行深入分析。其一，是将有关人工智能技术应用定位为决策辅助工具，而不能直接应用于人类决策的替代，并且主张执法人员应当具有“人为否决权”[28]。通过将执法权严格掌握在人类手中从而规避执法权或者执法主体层面的争议。其二，则是围绕执法权的授予和人工智能在执法实践中部署具体应用而设置相应的评估审核机制。
首先，通过限制人工智能只能辅助参考、不能独立决策的方案，并不足以实现行政执法决定实质由人类作出的目标。换言之，要求执法人员只能借助人工智能的辅助作用、不得完全依靠人工智能作出最终决策的制度设计，很难在实践中真正落实。一方面，在一定程度上，出于技术迷信的心理，或者是对于专业技术的信赖，执法人员在执法实践中，一旦遭遇以前未曾见过的新的执法情形，可能会倾向于寻求“专业”意见[29]。另一方面，即便随着时代发展和技术祛魅在一定程度上可以缓解执法人员对于技术的迷信，仍然存在制度设计层面的行为激励问题。比如，在某一次具体的执法实践中，当人工智能决策可能与自身决策偏向产生出入时，执法人员所考量的问题是，违逆人工智能判断而自行执法，是否会面临更大的执法错误风险与成本？其在试图说明自己的执法决定比人工智能更合理时，是否会承担更大的说明成本？若是明显不合理的行为，或许还比较容易直接否决人工智能的意见，但如果人类判断和人工智能决策都大致落入合法合理的自由裁量的范围内，并且二者开始相互竞争何者更为合理时，则人类执法人员很可能更倾向于服从人工智能。一旦在经过败诉风险的衡量后执法人员认为与人工智能决策保持一致性可以最大限度降低自身被认定为不当行政的风险，那么所谓的保留决策权或者否决权之类的权力设计，可能只会是一种纸面上的权力而被执法人员束之高阁，并不足以对人工智能执法权限作出实质性审查。
其次，基于这种实践应用中执法者心理的剖析，真正有效地控制执法权的法定授予，必须在人工智能在执法实践中部署具体应用时适用重大行政决策合法性审查、风险评估、公众参与等审核程序规定。随着《重大行政决策程序暂行条例》的立法出台，公众参与、专家论证、风险评估、合法性审查、集体决策等程序要求都被明确提出。《法治政府建设实施纲要（2021—2025年）》中也明确提出要“严格执行《重大行政决策程序暂行条例》，增强公众参与实效，提高专家论证质量，充分发挥风险评估功能，确保所有重大行政决策都严格履行合法性审查和集体讨论决定程序。”该条例第三条第一款规定了“重大行政决策事项”的范围，第一项为“制定有关公共服务、市场监管、社会管理、环境保护等方面的重大公共政策和措施”，第五项为“决定对经济社会发展有重大影响、涉及重大公共利益或者社会公众切身利益的其他重大事项”。在具体行政监管领域部署人工智能执法系统，往往涉及公共服务、市场监管、社会管理等领域，且这种执法方式的重大变化当然涉及社会公众切身利益，理应属于一种重大行政决策事项，应当采取相应的严格审核程序。同时，重大行政决策也有相应的调整机制。“决策后评估”的工作结果会作为调整重大行政决策的重要依据。将人工智能执法系统在实践中的部署应用视为一种重大行政决策，并将其纳入相应的重大行政决策程序，经由一系列合法性审查、风险评估、公众参与等程序，最终才能决定人工智能得以应用于某个具体的执法实践。这样才能落实对于人工智能执法权限的实质性审查，并产生有效的控制，同时也无需担心目前尚未获得法律或行政法规层级立法普遍性授权的合法性问题。
（二）最小必要原则的适当豁免与适用节点的事后转移
如前所述，人工智能技术应用往往与大数据技术相结合，需要海量大数据的收集。传统的最小必要原则的适用，本质上预设了收集数据的特定目的在一开始就是已知的并且可以被清晰地表达的，却忽略了许多从数据分析中获得的潜在收益并非能够事先预料，因此，如果过多强调在数据收集的开始阶段适用最小必要原则，可能不利于发挥数据潜能优势甚至阻碍重要价值的实现[30]。坚持数据收集初始阶段的最小必要原则，可能导致根据风险程度确定检查频率和监管强度的科学监管方式难以有效落实，造成较大的社会损失。故本文提出，最小必要原则的适用应当适当豁免并且在适用时间节点上后移。
首先，对于风险领域的监管，可以不预先要求行政机关在收集数据时便给出清晰明确的特定数据用途，只需要保障其应用于法定职能范围即可，至于具体数据在何种程度上与社会效益或执法目的产生直接的可解释的联系，可以不做详尽的说明义务要求。但是相应地，行政机关也必须承担最基本的数据安全义务和保密义务，比如，对于所收集的涉及公民的个人信息，应当在不影响行政职能履行的前提下做到去标识化、匿名化处理，并且采取相应的安全储存技术。
其次，虽然在初始的数据收集阶段不再做严格的最小必要原则的审查，但是并不意味着对于行政机关的数据使用行为不作任何限制。既然难以在事前作出可预测性的数据用途评估，则应当建立起周期性的事后审查制度。事后审查的重点在于，通过对多收集的可能超出最小必要原则要求的数据进行分析与利用，是否相较于之前切实提升了风险监管的效能；如果切实具备了符合公共利益的提升效果，则证明之前的数据收集利用是合理；而如果发现监管效能并无切实提升，则认为之前的数据收集并无助于社会公益的实现，但是并不会直接认定之前的多收集数据行为违反了最小必要原则或合理性原则，而只需要求行政机关对于已经收集的数据立即停止处理，并且进行安全有效的数据删除即可。在这种审查模式下，既不会过分加重行政机关的责任而导致其错过提升监管效能、落实社会公益的机会，又能继续为公民自身的数据安全提供相应的保障。
（三）将正当程序内嵌于执法流程
对于程序权利保障的方案，有制度设计下的权利配置和技术视角下的执法流程技术优化两种路径。下文将就此展开分析，以寻找更契合人工智能执法情境下的正当程序原则的落实方案。
首先是关于选择权或拒绝权的可行性分析。由于人工智能执法会在技术层面导致执法人员的“缺席”以及由此而来的系列相对人权益保障问题，有方案提出应在涉及可能存在自动化决策时，授予行政相对人以“选择权”或者“拒绝权”。前者指相对人可以在行政决定作出前进行选择，明确自己希望接受执法人员或是人工智能执法[31]；后者则指相对人可以明确拒绝由算法直接进行自动化决策[32]。这种权利配置的思路来源于我国《个人信息保护法》第二十四条第三款规定的“通过自动化决策方式作出对个人权益有重大影响的决定，个人有权要求个人信息处理者予以说明，并有权拒绝个人信息处理者仅通过自动化决策的方式作出决定。”
然而，基于法律文本的解释，《个人信息保护法》中有关“自动化决策”的规定并不能直接得出行政相对人享有对行政执法中的“自动化行政”的拒绝权，更确切地说，该法所提及的“自动化决策”并不包含“自动化行政”或“自动化执法”。原因有二：其一，《个人信息保护法》第二十四条第一款的表述为“个人信息处理者利用个人信息进行自动化决策，应当保证决策的透明度和结果公平、公正，不得对个人在交易价格等交易条件上实行不合理的差别待遇”，该条文中的具体举例阐释指向的是“交易价格等交易条件”这一典型的民商事行为。因此，此处所谓的自动化决策更倾向于指代的是民商事行为中的议价等商业决定，而非行政执法过程中的执法决定；其二，该法第七十三条明确了“自动化决策”的含义为“通过计算机程序自动分析、评估个人的行为习惯、兴趣爱好或者经济、健康、信用状况等，并进行决策”。在行政执法中，执法者所要评估的往往是相对人的行为风险程度、主观过错、社会损失后果等，很难想象立法者会使用“行为习惯、兴趣爱好”这样的表述来指代行政执法者所进行的考量与分析因素。因此，本文认为，现行《个人信息保护法》所规定的“自动化决策”并不适用于应用人工智能执法等行政行为，而更多地仅是指向民商事领域的市场行为。故而相应的拒绝权（《个人信息保护法》第二十四条）也并不适用于行政执法领域。另一方面，从立法倾向而言，在行政执法领域部署人工智能本就是为了提升行政效率，同时行政行为自身又具有社会公共利益以及强制力的属性，如果赋予行政相对人单方面的拒绝权，也无助于行政效能提升这一制度初衷的实现。
其次，解决人工智能执法中的程序控制问题，更好的方案是立足技术自身的客观特征[33]，发挥技术系统的优势，将程序权利内嵌于执法系统流程，通过压缩执法者自由裁量的方式优化程序保障的落实。从前述程序风险的章节中所引述的有关行政行为程序控制的法条分析可知，程序控制可以确保执法者获得充分的有关案件事实的信息，以确保其可以作出更加准确（即错误成本更小）的行政决定。为此，才要求保障陈述、申辩、听证等权利。那些要求最少执法人数的程序安排也可以确保视角多元、避免个人独断导致的考虑不周及相关因个人利益而腐败等问题。为了实现上述目标，可以在人工智能执法的系统流程中嵌入硬性的环节设计，要求人工智能在拟作出决定后，将有关信息以短信等电子化方式告知相对人，并且为相对人提供通过官方平台提交陈述、申辩、申请听证等材料的救济渠道，只有在接收了相关反馈并将相应材料纳入考量，进行二次裁量后，人工智能才可下发最终行政决定。如此一来，便可以有效保障相对人的程序权利，并且相较于原来的人工执法，更加确保了相对人的陈述、申辩等纳入行政流程且被执法者考量，更好地落实了相对人的程序保障。而关于执法人数的担忧，由于人工智能执法没有自身的个人利益，反而是基于全量数据分析得出的结论，故而对人工智能执法的情形没有必要贯彻至少两人的要求。但是这种人工智能执法的例外情形仍需有明确规定方可生效。
（四）引入算法影响评估制度
前述的算法不可解释性问题导致公众难以通过公开的执法过程来监督人工智能算法。而根据现有技术原理及条件，黑箱问题与不可解释性问题的彻底解决存在技术阻碍，于是，算法影响评估制度（Algorithmic Impact Assessment, AIA）被提出用以确保公众监督的落实[34]。这一制度设计意味着有关落实行政公开与解决算法不可解释性问题的思路转变，从算法本身的解释转向了算法影响的评估，不再追究算法不可解释性，而是评估算法在具体行政执法领域的应用结果的可接受性，以及分析出现不可接受的偏差的原因何在[35]？即分析算法良好运作的前提条件，以及对其运行结果的好坏进行评估。算法善治有其理想前提条件，且也有“算法失灵”现象的呈现[36]。算法影响评估制度的存在也主要是为了回答：行政执法领域中的自动决策系统的适用条件是否已经具备[37]？
首先是评估制度在时间节点上的安排。从时间节点上区分，算法影响评估至少应当包含两个时间阶段的评估：其一是应用在具体的行政执法领域之前的可行性评估；其二是应用于实践之后的效果评估。前者针对的是理想的算法执法条件是否具备，包括所应用领域是否具备执法资源紧张、侧重风险监管等适合于人工智能执法的特点；有关的执法历史数据库是否准备；并且要及时通过召开听证会等方式面向公众征求意见。后者的评估阶段针对的是算法执法落实到实践，是否有出现“算法失灵”的现象，是否实现应用之初所预期实现的行政初衷[38]。这包括评估是否存在较多的行政复议、诉讼高频发生，以及维持原行政决定的正确率等。
其次是评估制度的具体内容。算法影响评估至少应当包含三个方面的制度建设：一是针对重点风险问题的审核；二是评估过程的信息披露；三是长期的反馈机制[39]。具体而言，重点风险问题主要针对的是公正性问题、算法歧视问题等。信息披露主要评估信息适合于披露的程度以及利益相关方的明确界定[40]，并由此促进实现公私利益协调[41]；同时还要注重场景化评估以提升评估精细程度[42]。评估过程的信息披露重在将已经考虑过的风险以及衡量方式予以公开，便于公众理解和参与监督。而长期反馈机制强调的是，对于算法影响的评估，并不仅仅依赖于行政主体或者合作的科技公司，而是向社会公众开放，以此形成一种产学研的良性互动与合作治理[43]。
其中，针对重点风险问题的审核，最关键的评估部分是人工智能的训练阶段所使用的训练数据库是否达标。这一阶段在实践中，往往是由科技企业，或者由科技企业协同政府部门完成的。考虑到人工智能算法的黑箱等问题，唯一可以施加管控的环节，只存在于用于训练的数据库的筛选和人在回路（Human-in-the-Loop）技术中人类专家反馈的阶段。现有研究报告也指出，人类可以参与干预人工智能算法的微调技术包括人工提供数据撰写以及人工进行人工智能输出结果的价值排序这两方面[44]。
数据库的内容可以在一定程度上决定算法的“智能”程度。比如，如果是含有歧视经验的数据库，所训练出的人工智能也是戴着有色眼镜的，并且会放大这种歧视。而算法歧视产生的原因可以被简单概括为两方面：一是用于训练的历史数据本身存在偏见；二是人为选择数据或进行人工数据标记时导致的歧视[45]。因此，行政机关应当在一定程度上确保自己所提供的历史上的执法监管数据是更加合法合理正当的，以防止人工智能算法被训练往错误的方向发展。
最后，该算法影响评估制度也可以与现有制度形成良好衔接。《法治政府建设实施纲要（2021—2025年）》关于“建立行政执法案例指导制度，国务院有关部门和省级政府要定期发布指导案例”和“建设建立全国行政执法数据库”的政策要求，正好可以为人工智能提供定期更新高质量的训练数据库。同时还可以依据这些案例库对人工智能执法的结果进行合法性与合理性层面的评估，以确保人工智能与人类的价值对齐，确保执法者对公共价值的捍卫[46]。
结 语
人工智能技术应用于行政执法将具备人类执法所欠缺的裁量基准更为统一、执法效率更高效、风险预警更精准等优势，故该应用也越发获得了各国政府的关注与认可。良好的人工智能执法可以有效助推我国法治政府建设，更好地实现数智时代下的依法行政。然而，由于现有行政法框架是依托传统人工执法所建立的，其制度设计难免与现有的人工智能执法实践产生冲突。为了解决这种潜在冲突，更好地发挥人工智能执法的优势所在，必须立足于人工智能技术的客观特征，重新理解和调适传统行政法理论与法律制度。为应对人工智能执法可能遭遇的因职权法定原则未被严格落实、最小必要原则难以具体实施、程序正当原则难被全面遵守、算法的不可解释性等方面形成的合法性风险，有必要基于我国现有的行政执法案例指导制度、行政执法数据库、采取应用重大行政决策程序、适当豁免最小必要原则、将程序权利内嵌入执法系统流程、引入算法影响评估制度及实施等措施，实现更优的行政执法。
