以人工智能驅動檢察偵查工作高質量發展

習近平總書記指出:“推動大數據、人工智能等科技創新成果同司法工作深度融合。”最高人民檢察院應勇檢察長強調,數字檢察是數字中國的重要組成部分。在深化數字中國建設和數字檢察戰略深入推進雙重背景下,檢察機關要積極構建“數據驅動、人機協同、人才卓越”的“數智偵查”新范式,實現檢察偵查工作從“經驗依賴”到“數據智能”的轉變,讓人工智能與檢察偵查工作深度融合,推動檢察偵查工作高質量發展。

建構技術融合進路,打通“信息脈絡”。一是夯實數據底座。技術是賦能的基礎,其核心在于數據和算法。目前,公安機關、法院、檢察機關、司法行政機關建立了各自的辦案系統,海量的案件信息在線上流轉,案件信息數據化、數字化基本實現。同時,司法辦案通過政法協同一體化系統實現了從前端偵查到后端執行的線上流轉和貫通。檢察機關應以此為契機,在確保數據安全和保密的前提下,推動構建一體化法律監督數據中心,打破“數據孤島”,整合檢察機關內部業務數據以及公安機關、法院、司法行政機關外部數據,建立“內外協同、動態更新”的數據資源池,實現各司法機關分散的案件數據有序流通,為挖掘職務犯罪線索奠定基礎。二是深度融合“人工智能+檢察偵查”。引入生成式人工智能技術并嵌入檢察偵查各環節,深度賦能卷宗文本、圖片、音視頻等多維度證據融合分析,實現從線索發現、證據收集與審查、文書制作的全流程智能化,為精準篩查司法工作人員職務犯罪線索提供“智慧助攻”。例如,可以利用自然語言處理技術解析卷宗材料、提取關鍵信息,構建標準化案情數據庫;利用知識圖譜技術整理和分析各種證據材料,自動識別不同案件之間的潛在聯系,進而幫助偵查人員發現隱藏的犯罪線索。三是構建算法模型。針對司法工作人員瀆職犯罪的14個罪名,總結犯罪特征、趨勢和發案規律,研發具有針對性的算法模型。如在線索處置環節,構建集線索初審、上報、備案等功能于一體的線索研判算法模型,提升案件線索處置效率。在證據收集分析中,構建數字取證算法模型,輔助偵查人員快速識別、固定、留存和提取案件證據。在證據審查上,構建證據審查算法模型,自動化審查單個證據及證據鏈條。

建構人機協同進路,打造“智能引擎”。一是確立“AI初步審查、檢察官決策”模式。明確人工智能篩查在偵查工作中的輔助定位與應用邊界,構建清晰的責任認定機制,形成“技術篩查、專業研判、檢察官決策”的良性互動格局。落實“依法穩慎、務必搞準”總體要求,由人工智能負責完成初步的證據校驗、關系梳理、疑點提示等基礎性、可量化的工作,檢察官結合司法實務經驗進行專業分析研判是否屬于有效線索,進而決定是否進行立案偵查。二是確保算法透明、過程可控。圍繞“明確規則、過程監管”,根據檢察偵查工作需要,在算法設計階段嵌入基于檢察偵查實踐需要的合理規則要素,明確算法的目標邊界和運行規則,并通過技術手段實時監測算法運行數據,對推薦內容偏離初衷、決策準確率驟降的異常行為及時介入調整,防止出現算法歧視和“技術黑箱”。同時,建立人工智能輔助決策日志全程留痕與異議標注機制,優化人機交互界面,對閱卷審查實行分步式管控,確保全流程可視可控。三是人機互學共進。將優秀偵查人員的個人經驗轉化為可復用、可優化的算法模型,用優秀的偵查素材、成功案例等訓練算法模型,并將辦案實踐中的經驗教訓反饋至模型迭代過程,形成“應用—反饋—優化”的良性循環,推動算法模型不斷優化升級,為輔助檢察官辦案、決策提供高質量的參考意見。

建構復合型人才培養進路,培育“智慧檢力”。一是更新辦案理念。檢察偵查人員要樹立“數字賦能監督、監督促進治理”工作理念,主動對接和運用數字技術開展偵查活動,從眾多數據中發現職務犯罪線索、收集固定證據。同時,要確立精準化、前瞻性理念,依托數字技術把握涉案數據之間的客觀聯系,精準識別、分析和認定案件事實,把握數據規律,借助數字技術前瞻預測犯罪行為演變趨勢,明確偵查思路和方向。二是加強人才培養。人才是人工智能賦能檢察偵查工作的關鍵,要建立多層次的培訓體系,把數字中國、數字檢察有關內容作為檢察偵查人員的必修課,培養檢察官的數字化理念和人工智能應用功底。將人工智能基礎知識、操作技能等納入檢察人員常規培訓,開展以練促學、以學促練,通過開展學習會、培訓會等方式進行專業培訓,也可以通過數字檢察沙龍等活動鼓勵技術人員和業務人員進行交流互進,培養“法律+技術”復合型人才。打造既精通檢察業務又懂數據技術的“數字檢察官”隊伍。三是建立激勵機制。將算法模型研發、應用等情況納入檢察官年度績效考核,并作為職務職級晉升、考核獎勵的重要參考條件,鼓勵檢察人員學習和應用AI技術。同時,建立技術創新獎勵機制,激勵檢察官提出業務需求、參與模型研發,對優秀的大數據法律監督模型和應用案例進行表彰推廣。

(作者為西南政法大學2025級法律博士,重慶市長壽區人民檢察院黨組書記、檢察長)

[責任編輯：朱書慧]