陆涵之 | 论自动化行政的裁量构造

作者简介：陆涵之，中国人民大学法学院宪法学与行政法学博士研究生。文章来源：《湖湘法学评论》2026年第1期，转自湖湘法学评论公号。注释及参考文献已略，引用请以原文为准。

摘要

由法规范向算法编程的转译解读内置了由“法规范—一般裁量—个案裁量”的裁量逻辑演绎可能，是自动化行政裁量的适法基点，也是回应诸如自动化行政是否与裁量存在龃龉甚至互不兼容等质疑的关键所在。在“五级划分法”下，各级自动化行政的裁量作用领域与功能主义层面的行使主体均有区别。“人的裁量”可以作为“人为裁量”以及“自动化行政裁量”的上位概念，消除自动化行政裁量属人性背离之忧虑。自动化行政算法两端的基本裁量构造即为算法构建前的“一般裁量”与自动化行政运行过程中的“参数裁量”，这也是构造自动化行政裁量结构的方法论基础。以行政过程论视角研究行政决策作出过程中自动化行政运行的各阶段，可以发现在事实选取、要件裁量、效果裁量诸过程中均有与行政裁量的互动与交织，通过构建适当的人力介入审核之裁量义务矩阵，可以实现由“算法结果”至“裁量决定”的性质上升路径。

一、引言

《法治政府建设实施纲要（2021—2025年）》将“全面建设数字法治政府”单列为一节，开启了全面提升法治政府建设数字化水平的新征程。《国务院关于加强数字政府建设的指导意见》（国发〔2022〕14号）提出，至2025年完成政府履职数字化、智能化水平显著提升的目标，至2035年基本建成整体协同、敏捷高效、智能精准、开放透明、公平普惠的数字政府。由此，推动“人工智能＋政务服务”的顶层设计势在必行，数字决策的深度应用已成为数字政府建设的内在驱动力。数字行政在提升传统行政效率、革新行政范式的同时，也面临着传统行政法学知识体系在数字技术语境下的解释空档。而随着人工智能赋能数字政府时代的来临，算法、人工智能、大数据等数字技术深刻地影响并形塑着现实社会中的行政裁量，与其说数字技术的应用是对传统行政法学界裁量研究的冲击，毋宁将之视为裁量研究的一个新增长点，或对目前已经步入理性对话阶段的裁量论争提供一个新的视角与领域。对此，唯有剖析自动化行政过程中的裁量问题，才能避免以“算法黑箱”等技术化倾向遮蔽自动化行政中裁量逾越、裁量滥用、裁量怠惰等问题，进而避免自动化行政违法现象陷入“责任逃逸”的窘境。

自“自动化行政”概念提出伊始，与之相伴相生的核心质疑便是，自动化行政有可能背离裁量的本质属性、剥夺本来属于人为决策范围内的个案判断。由此，如何在裁量存在的范畴内，不泯灭裁量属人性的同时，将自动化行政这一方式或手段规范化，以期在满足现代行政效率需求的同时，也能用裁量理论界定边界、更好地保护相对人权益，便成了自动化行政裁量研究亟须解决的理论问题。自动化行政是否还有裁量的适用余地？自动化行政是否减损甚或泯灭了行政裁量？自动化行政给行政裁量带来的究竟是裁量怠惰的风险还是优化裁量的可能？在行政过程论视角下，自动化行政与要件裁量、效果裁量又是如何交织的？对这些问题的解答既是规范自动化行政的基础所在，也是提出具有可行性的自动化行政裁量合法性规制建议的前提。探究自动化行政裁量的体系构成的前提问题即为裁量悖论，意指消解人的裁量性、摒除人的主观偏好和偏私，进而发展机器的深度学习能力，使得机器拥有裁量能力的一种逻辑困境。对裁量悖论的理解与认知直接影响自动化行政裁量的内涵与外延，甚至会动摇自动化行政裁量这一概念的命题真伪。

二、自动化行政裁量的类型化

自动化行政裁量与传统的人为裁量本质上满足的是同一需求、完成的是同一任务。传统的“人为裁量”有其弊端，耗时耗力且难以避免主观偏向。而自动化行政裁量对于人力、时间的节省并未背离传统的裁量语境，且更便捷的裁量并不会颠覆传统意义上人的判断。主观偏向是自动化行政下的裁量悖论需要重点阐述的问题。如果自动化行政裁量使得人类减损或者丧失了掌握裁量的能力与权力，那便是对传统概念下裁量的冲击甚至颠覆，进而会陷入裁量悖论困境。由此，需要对不同类型的自动化行政设备是否具有裁量功能及裁量所处的步骤进行分类，以细致地研究各级别自动化行政设备是否能实现裁量效果，进而回应有关裁量悖论的质疑。

自动化行政概念纷争的焦点在于自动化的程度与其在整个决策作出过程中的定位，这也是研究行政裁量在自动化行政过程中是否存在以及如何嵌入的前提与基础。而对于目前行政活动中层出不穷的自动化行政新现象、新方式，就其自动化行政的不同程度以及自动化程序所在的步骤为依据进行的分类，是深入分析其裁量有无以及性质的基本前提。毕竟，统一且简明的话语体系是分析所有新兴问题的根本与基础。笔者以相关研究对于自动化行政在部分行政行为或行政环节中的区分为基础，根据裁量在不同阶段、不同层级的自动化行政中的作用进行如下分级（见表1）。

1．零至 二级 自动化行政的裁量样态

零级自动化行政对应无自动化行政，即传统的人工行政，没有自动化行政的作用空间，自然不必过多论述。而一级自动化行政对应的自动化辅助行政与二级自动化行政对应的部分自动化行政在各阶段的运行主体与裁量适用领域没有区别，对两者分类的标准为自动化程序或设备是否能够单独承担某一流程或步骤的运行，即部分自动化行政可以由自动化系统单独完成某一部分的行政程序，故若进一步研究对二级自动化行政裁量的规制问题，则需要与一级自动化行政进行区分，对此，可能需要引入针对某一步骤的事后审查。

在当前阶段，行政主体运用自动化行政的行为多属第一层级的自动化辅助行政和第二层级的部分自动化行政。在第二层级中，如果自动化行政仅仅涉及识别与输入、输出与实现两个模块，即在这两个模块或者其一中实现了自动化行政，而分析与决定依旧由人来完成，此时自动化行政过程中的裁量只可能涉及对数据的筛选，并不会涉及效果裁量阶段。而倘若在分析与决定阶段自动化行政也有所作用，则此时的裁量已经包含要件裁量与效果裁量。

2．第三级自动化行政的裁量机理

第三级自动化行政，即无学习能力的自动化行政，在决策作出之时，因羁束行为与裁量行为的区分，运行主体分别为人类以及自动化系统。诸如全自动化审批这类行政行为，其在分析与决定环节也实现了自动化，由此具备了向第三层级乃至第四层级跃进的可能。最明显的表现即人工智能介入行政活动的部分不仅仅局限于证据的获取、固定或者单纯的数据计算，还介入了最终的决定或者决策阶段，例如无人审批等行政实践。第三层级的自动化行政系统在行政实践中多应用于行政审批、社会信用体系建设等情形。但是，在此阶段的人工智能运用暴露出部分“人工智障”的问题，从而引发有关裁量怠惰的讨论与质疑。目前，机器的自我学习能力运用场景较为稀少，更多的自动化行政裁量停留在零级至三级，在此类情况下，自动化行政裁量的运作由人力设定程序、人为监控运行，在结果的阈值范围内选取并作出裁量决定，若裁量结果只有唯一解，则推定唯一的裁量结果为裁量决定。在此情况下，自动化行政裁量是一种人为裁量的形式进阶，并未突破人力掌控范围，依旧是人为进行的裁量。即便承认此种状态下的自动化行政裁量属于传统裁量的一种新型模式，也并未突破人为裁量的能力范畴。但还是应当注意到，自动化程序的介入会给传统裁量的运作过程、逻辑机理带来冲突和挑战，并会引发例如信息壁垒、违背正当程序等一系列隐患，故不能绕开对这些情况下裁量的运作问题与解决路径的深入研究。

而无论是算法前端设计编程层面将法语言转换为算法语言，抑或是出现问题诉求之后对各方责任的界定与划归，现实中应当将算法运作中的裁量过程前置、后移至算法两端，将事实层面的算法运行涵摄划归入逻辑层面的裁量理论，方能实现从算法两端规制自动化行政裁量的需求。与此同时，也存在部分需要裁量运作的空间不能归入算法两端的情况，例如算法运行过程中的残差调整。残差调整虽然是在算法的整体运行过程中完成的，不似算法运行过程中的其他步骤一样排斥人为因素，但是，依然可以将残差调整纳入裁量的理论框架。不同于算法前端一般裁量的实现，也不同于算法后端出现问题后的责任划分证明义务，残差调整是在算法运行过程中发生的，无法在逻辑层面拟制为算法两端的裁量运作空间。细致地剖析残差调整可以发现，面向优化算法程序的残差调整旨在完善由法语言向算法语言转译的过程，其必然包含在一般裁量的逻辑框架之中；而面向个案的阈值区间的残差调整则是一种一般裁量的具体形态。具言之，此种状态下对于残差区间内各结果的衡量与选择，是一种一般裁量，是无法脱离人为主观判断的人为裁量，故也不会引发裁量悖论问题。

3．第四级自动化行政对人为裁量的拟合效果

第三级自动化行政与第四级自动化行政可合称为完全自动化行政，但因不同设备具有学习能力有无之差异而须对其作出区分。第三级自动化行政的裁量表现形态仅为由法规范向算法语言转译的法律效果拟制以及要件裁量，而第四级自动化行政的裁量运用过程则会出现在效果裁量阶段。第四层级完全自动化行政系统由人工智能构成，并能够进行完全的自动化决策，借由学习能力不断调整裁量基准的参数并提高运行适配性。学界对此类别的自动化行政的争论最为激烈，有学者提出，可以将具有裁量能力的自动化行政视为辅助裁量，以避免其陷入裁量怠惰之境地。

目前，第四级的自动化行政裁量为裁量悖论的主要争议领域，许多学者认为，完全的自动化行政执法有“信息专制”之虞，有可能剥夺原本属于人为裁量范畴的个案裁量空间。但是，剥夺“人工裁量”空间，同时也意味着机器承担了“人为裁量”的功能。此层级下的人工智能已经可以依托海量数据与关联，依照人为构建的框架与模型进行深度学习，自我充实和细化裁量能力。具言之，从事实选取到要件裁量，第四级自动化行政裁量可以将事实要素与法律要件之间的联系算法化，根据传统人为的“等置涵摄”过程，拟制出事实与法律要件之间的吻合与否判断；在效果裁量阶段，第四级自动化行政裁量可以生成细致的“行为—结果—效果”图表，在对人工输入的海量案件学习之后，形成规律曲线，进而对新的需要机器给出裁量结果的案件，生成拟制人为的裁量结果。至于这种状态下的自动化行政裁量是否超出了人的裁量能力范畴，从事实选取到要件裁量的过程来看，人工智能不过是在根据输入的人为裁量案件不断学习等置涵摄技能，并不断贴近人为的判断结果。而在效果裁量过程中，机器虽然能够得出远超人脑计算限度的效果曲线，但其产生的真正效果也不过是在新的案件输入后，能够借由曲线与函数得出人脑个案判断的结果。所以在这样的情形下，看似人工智能创造出了人力不可能实现的裁量过程，但其本质依然是拟制和模仿“人为裁量”的过程，并将结果尽可能与“人为裁量”拟合。

所以，此种情景下的自动化行政裁量并不会陷入裁量悖论，机器的裁量能力依旧只是尽可能贴合人的裁量能力，在任何案件中，人的裁量总是优先于机器裁量。换言之，机器裁量得出的结果可以经由人为判断予以舍弃或者变更，而不会遭到任何质疑与反对，因为机器裁量本就是根据“人为裁量”的原理与模式得以建构，其目的也不过是无限贴近于“人为裁量”。

而在何种情境下，会有机器裁量替代甚至消除人为裁量的忧虑呢？唯有当人工智能的裁量能力超越“人为裁量”，或者人工智能的裁量位序与“人为裁量”持平且难以衡量时，才需通过规则与制度安排，使人工智能与“人为裁量”能够并行不悖。在此情形下，人工智能的裁量能力才能得到真正的认可，其裁量结果也会被推定为裁量决定，如此才会产生裁量悖论以及裁量属人性脱离的问题。但这种情景发生的前提为人工智能能够突破人为程序创设新的规则，进行新的价值续造，即突破了人的价值预设。

接下来需要面对的问题是，人若能预设人工智能能够脱离人的价值预设，那价值预设便形同虚设了。换言之，是否存在一些原则、一些认知，必须包含在人的价值预设之内？如此推演导致的结果为，人把价值创造的权利让渡给人工智能，并在既有规则体系内允许这样的结果发生，机器的裁量才会突破人的裁量预设，危及人的裁量能力与裁量权利。但在如此预设的情境下，此种突破便不可称之为“危及”了，是人希望或者放任发生的裁量替代结果。

所以，在零级至第三级自动化行政裁量中，并无机器突破人的裁量能力之忧虑；在第四级自动化行政裁量中，无论是要件裁量还是效果裁量，均是对人为裁量的模仿，形式上虽有延伸之感，但在功能上依旧局限于人为裁量的能力范畴，而人预设人工智能能够脱离人的价值预设更是无法存在的伪命题，且在此情形下，人的主体性地位不会实现也不能实现。职是之故，目前笔者所能够预见且可能发生的自动化行政裁量不会陷于裁量悖论问题。

4．“人的裁量”与“人为裁量”

无论是何种层级的自动化行政，一旦自动化决策涉及人为裁量的步骤与空间，便有探讨在此种自动化行政下之裁量问题的必要。而在传统由人力完成的要件裁量与效果裁量层面均有自动化行政的作用空间，甚至在现实生活中此种自动化行政裁量已经初见端倪。例如健康码和排污行政处罚，在要件裁量与结果裁量阶段已经交由机器完成最后的结果输出，此种完全自动化行政中传统的人为裁量过程似乎被压缩到算法程序设计之初的“一般裁量”阶段。职是之故，对这种情况下自动化行政裁量的运用与边界的研究，自然是传统的“人为裁量”所不能替代的。

由人工智能进行行政裁量，最初并不是为了超越“人为裁量”的能力范围，其最本质的初衷与目的仅仅在于尽可能替代每个具体案件的“人为裁量”。但是不可否认，自动化行政裁量运用的结果在一定程度上的确可能超越“人为裁量”的能力空间，这并非指自动化行政裁量的批量快速处理能力，而是在个案层面的效果比较。换言之，自动化行政裁量在个案上的确能够消除人为裁量的固有弊端，例如人情考量、人为疏漏等等，所以在此语境下讨论的自动化行政裁量除了被迫为之，即由于现实批量处理需求之外，尚有其自身带来的原生性特质的讨论余地。

关于自动化行政裁量与“人为裁量”的区别，归根结底从可供裁量的内容即裁量客体层面分析，两者客体范围必然一致，这是因为现实中能够予以裁量并且需要裁量方能进行的步骤或者得出的结果是固定的。但是，自动化行政裁量不仅改变了原有“人为裁量”的形态，由此带来的最为关键的新问题是，其与“人为裁量”的关系如何界定。这里并非指在裁量运行过程中两种手段的区别与联系，而是在逻辑层面，两者所指究竟为何，是否存在将两者对立考虑的前提？颇具辩证意义的一点是，人工智能所进行的裁量与所谓的“人为裁量”真的是处于对立面的两个语词吗？

职是之故，有必要辨析“人的裁量”与“人为裁量”这两个语词。传统语境下“人为裁量”与“人的裁量”似乎指向同一对象，均指人在行政行为与行政决策中的主观能动作用，但是，引入人工智能之后，能够统摄在人的裁量能力之下的自动化行政裁量与人的能动作用关系为何？所以，“人的裁量”这一概念应当受到更多重视。“人的裁量”意指裁量的权力依旧由人予以掌控，而机器或者人力都是裁量的不同形式，由此，应当对传统语境下“人的裁量”予以扩大解释，即“人的裁量”包括“人为裁量”与“自动化行政裁量”，即人工智能的裁量过程。

值得延伸思考的是，由人的主观偏私以及现实批量快速处理需求应运而生的机器裁量是否真的可以称之为“裁量”？虽然在裁量悖论的语境探讨中，机器完成了传统“人为裁量”的一部分程序，构成了“人的裁量”的局部。但是，机器本身具有裁量能力吗？一样的系统、一样的参数、一样的样本、一样的神经网络系统，机器能够得出的最终结果是唯一的。这与在无数个可能解中进行主观选择的“裁量”本身之语义相悖。由此可见，对于机器而言，所谓的“裁量能力”只能从功能主义视角加以分析解读，否则便会陷入伪命题的逻辑怪圈。

三、算法两端的裁量构造

自动化设备的核心是算法，算法的建构以及运行决定了自动化设备的功能及效果。由此，论证自动化行政是否能够实现裁量效果的前提是对算法是否具有裁量功能进行分析。对此，可以从算法建构以及算法运行两端分别探究。

1．算法具有裁量功能

算法行政面临着合理性的诘难，有部分学者基于算法的“黑箱”特征与不透明性，对于是否可以检视自动化行政中裁量的运用过程表示怀疑，认为自动化无法在裁量行政行为领域得以适用，也即裁量行为不能够通过自动化的形式作出。在一定程度上，行政自动化运用程序前的裁量前置替代了本来应当在程序中进行的裁量过程，即将原本的个案裁量空间无限压缩甚至摒弃。但是同时可以发现，此种观点依然承认了裁量存在的空间，即在程序设计之前对于算法、参数、模型的设计即为裁量的运用领域。此外，只有将梳理好的行政裁量标准嵌入固定的程序，而后人工智能机器人方能作出初步处理决定，此种情形下传统的裁量并未被消解，自动化行政构成了裁量形式过程的一个程序、一个步骤。

将自动化行政中的“裁量”与“裁量行政”中的“裁量”进行区分，并指出二者并非同一概念，也是学界的一种观点，其目的在于试图规避算法是否具备裁量能力这一问题。具言之，自动化行政过程中的“裁量”与传统行政法中的“裁量行政”并非指向同一个语义，而是存在一定区别。裁量行政是指立法未作更加详细的规定，而留给行政主体予以选择并决策的空间，是立法权出于现实考量与权力分配对行政的尊让，行政主体可以在这一空间中设定更为细化的裁量基准，补足立法上的空白空间，以消解其中的不确定性。而自动化行政中的裁量的含义更为广泛且具象，从语义层面指的是一种选择的空间，即在多种结果中选择最终效果上为唯一解的过程，但从功能主义角度却比裁量行政更为具象，指的是作为人的裁量的一种形式或者一部分过程的行政活动，具体因自动化行政所属的层级不同而有不同地位。

笔者认为算法中亦有裁量行为，且以裁量视角检视算法的逻辑与运行实有必要。换言之，数字化并不完全排斥裁量行为。首先，在数据的输入阶段，行政主体需要考虑裁量的条件，即需要确定把何种参数、何种算法设计入人工智能程序。其次，在处理阶段，运用数学算法进行计算看似没有裁量的直接运用空间，但这一部分恰恰是检验并调试自动化行政裁量程序的关键一步，在法效果上应当纳入裁量范畴予以研究。最后，在输出阶段，经过法律拟制的个案裁量之后，可以将算法结果上升为裁量决定。由此，自动化行政中的裁量在实践过程中主要分为两部分，可通过对算法建构以及算法运行这两部分中裁量运行与作用的分别检视，透视自动化行政裁量结果生成以及行政主体裁量决定作出的过程与逻辑。

2．算法建构的一般裁量

在目前的自动化行政实践中，部分地区对于闯红灯者的人脸识别曝光这一行政行为已经实现了完全自动化，以此为例，对于这一自动化行政行为合法性与合理性的探讨其实是对算法建构时一般裁量的研究。在算法确定以后，之后输入系统的所有闯红灯者的行为均被分解为代码，由此，有学者认为，在算法确定后，自动化行政系统作出的行政行为实为羁束行政行为，不存在裁量空间。但是，对于某一具体的行政处罚，不应当人为地仅凭算法的确定与实施两个步骤而将其割裂，换言之，即便认为算法实施过程为羁束行为，也能由此推导出算法构建的裁量行为应当受到约束且为唯一可能的约束对象，由此实际上承认了算法构建的一般裁量。申言之，上述定性上的划分并不恰当，不应当割裂看待算法的前端与中端行为。但不可否认，这种观点的确可以在一定程度上佐证算法建构中一般裁量的存在事实与存在必要，即在实际操作层面，此种一般裁量不可避免，且在依法行政原理之下，也有必要规范算法建构前的一般裁量。总之，从裁量的两阶段理论角度检视算法的形成过程可以发现，在算法程序或模型建构之时，即存在将裁量基准翻译为代码语言的这一行为，此为一般裁量，应纳入自动化行政裁量的讨论范畴。

德国学界认为，自动化与裁量通过法律拟制其实互相交织。具体而言，算法的决定程序可以在法律上拟制为裁量基准的实施，而算法程序的设定即为一种裁量行为。但是，德国的立法实践却将完全自动化行政行为限于羁束行政行为。修改后的德国《联邦行政程序法》完全而彻底地排除了全自动行政行为在不确定法律概念与裁量适用中的可能性。换言之，全自动行政行为仅仅可以在羁束行政行为中得以适用。或许，该立法存有的空间在于，若在其他步骤介入人工，即并非完全自动化行政行为，或许该法也承认在算法建构时的裁量可能，这在一定程度上其实也变相承认了自动处理程序设定过程中裁量空间的存在可能。

3．算法运行的参数裁量

进一步对算法建构与运行进行微观分析后可以发现，算法本身的运行过程也并非全然不可检视，对参数的调整即为具体裁量的运用空间。可以用数学模型拆分if-then专家模式下算法的运行过程：第一步是算式程序的准备，在此过程中，算式的设计者需要确定算式运行的条件以及运行过程中会用到的各个变量，即参数；第二步是算式的建立，简言之，即将各个变量之间的数学关系运用公式予以解析，以期达到运用数学结构可以较为准确地得出恰当结果的目的，后续工作人员可以对算式中的参数进行调整以改变最终的算法结果；第三步是算式的求解过程，也就是将行政处罚等案件材料细化为具体的数据信息，从而确定算式的各环节输出参数，在这一步得出的结果即为算法程序的最终结果，算法程序本身到此结束；但在算法运行过程中有一步与各流程互相交织，即算式分析，这是对算法的检视与完善，通过对算法运行得出的结果进行数学分析以不断调试算法运行过程中的参数，所以无法将这一环节定位为第四步，其在算法运行过程中的各环节均有体现；最后一步是算式检验，也即结合实际情况衡量算法结果的妥当与否，这一步与第四步看似过程相似，但其区别在于第四步面向的是既往案例结果的比对，也即为了完善算法程序，而这一步是在个案裁量中判断算法裁量的结果是否妥当，是具体裁量的运作过程。由此可见，在整个对算法进行优化的过程中不可避免地存在裁量空间。

通过对第四级自动化行政中人工智能深度学习过程的算法基础进行细致分解，可以发现回归分析中对参数的调整也是裁量的运用范畴。回归分析能够预测数据的发展趋势，即回归方程y=a+bx描述了自变量x和因变量y的关系，公式中的y是根据既往数据形成的算法运行过后，算法基于整体代码运算之后给出的对于某个自变量x的结果值，而这个估计值y与实际的数值，即既往案例的最终数据结果之间的差就是残差。具体办案的工作人员根据主观的判断与衡量进行调整，即计算多个自变量x下因变量y的范围，即为个案中的参数裁量空间，放诸整个大数据分析的算法过程，即为样本分析至数据库之间“学习训练”中的参数调整空间（见图1）。

但是，正如部分学者所担忧的，在纯粹基于学习既往案例数据的算法框架中，是否果真有针对个案的裁量空间的存在呢？在传统“人为裁量”的运作过程中，人的意识认知是针对个案进行判断的，而算法只是通过对既往数据的持续学习和比对，使结果无限趋近于人类分析之后的个案判断结果。在if-then的专家模型算法编程下，如果工作人员没有人工介入以调整参数，算法必然得出唯一结果，进而能够存储入数据库。质言之，基于此数据库之下的个案输入只可能导致唯一结果，似有背离裁量之义，甚至会落入裁量怠惰之境。消除此种忧虑的路径主要有两种。其一为扩大残差，即得出区间值，供行政机关工作人员进一步选择，但也同时否定了具有裁量能力的完全自动化行政。其二为再次检视人为裁量作出的过程，将机器作出的唯一结果拟制为经过海量比对之后的个案裁量。

由此，通过对算法两端的裁量构建，可以借由算法建构以及运行的两个环节论证出自动化行政的裁量基础，但在自动化设备具体运行的过程中，行政裁量又是如何发挥作用的呢？

四、自动化行政过程中裁量的实现机制

论证自动化行政具有裁量功能以及可以实现裁量的方法论之后，可以借由行政过程论视角，从自动化行政具体历经的步骤角度对裁量的实现机制予以分析，从而更细致地构建自动化行政中裁量的基本结构。

域外国家和地区对自动化决策过程的可视化已有诸多要求。不同于以“算法黑箱”遮蔽对自动化行政裁量的讨论，从行政过程论视角可以发现，在事实选取、法律要件的判定、法律效果的决定与选择等多方面，行政裁量均发挥了要件裁量、效果裁量等各种功能，也体现了羁束裁量、自由裁量的不同价值。当然，在此的事实选取、要件裁量以及效果裁量的划分主要依照行政行为的作出过程所可能经历的步骤。具体而言，裁量行为包括法规裁量行为以及便宜裁量行为，且都会经历如下三个程序，即便未在形式上体现，也可在法律效果层面拟制。而对于诸如三级自动化行政行为等羁束自动化行政行为，则一般最多经历事实选取、要件裁量两个步骤。

1．事实选取

案件事实的认定过程中是否存在裁量余地？关于这个问题，学界讨论相对较少，而是直接把焦点置于对法律要件的解释上。自动化行政通过对事实的摘选让我们意识到，在证据调查与事实确定中也有裁量存在的空间。对于具体案件，纳入裁量运行程序的逻辑前提是行政主体对行为主体的确定，简言之，就是判定是谁做了这件事情。从现实发生学的角度看，某一行为的主体以及案件的事实本身既然已经发生，就必然是客观确定的。但从案件事实到法律事实中间不可避免地存在认识论上的鸿沟，换言之，可以被认定为最终定案根据的“事实”需要经过调查取证环节方可认定。故此处的“事实”其实为“法律事实”，区别于“现实事实”，是可以纳入法律评价，即法规范适用过程的事实。法律事实是现实事实的择取与精简，筛除了无关法评价的部分事实，这便是裁量的运用余地。

现实中，某一案件的事实纷繁复杂，除了何人、何时、何地、做何事，还有许多没有必要纳入法评价流程的事实，诸如当事人的身高、表情，周边的环境，等等，而此处的“没有必要”也是案件事实认定中裁量空间的展现。可是行政主体是如何确定只调取某些证据就可以达到证明案件事实的目的的呢？实际上，在案件进入裁量系统之前，行政主体早已有大致判断，已经基本明晰案件的争议点以及与此相关的基本事实。以现实中最常见也是最简单的闯红灯抓拍为例，选取何种事实片段，为什么选取前轮压线、车身过线、后轮过线三张照片便可以认定该车辆存在闯红灯行为，抓拍的时间点又该如何确定，都是在涉及程序之初便要考虑的问题。当然，抓拍时间点的确定涉及一般裁量过程中的要件裁量阶段下对法律效果的思考与衡量，即应当对机动车驾驶人员施加何种的注意义务。

明晰争议焦点之后，行政主体方能选择相关的法规范，进而对法律要件进行解释。而此种裁量应为要件裁量还是效果裁量呢？这也涉及要件裁量与效果裁量究竟是裁量阶段的二分，还是诸多裁量中最重要形态的定性问题。质言之，要件裁量与效果裁量在行政过程论视角下是对裁量的完全归纳，还是重要裁量形态的不完全列举？这涉及对要件裁量以及效果裁量之京都学派与东京学派的经典之争，在此不再赘述。

简言之，事实选取，也即事实认定的方式中有裁量空间，此处的裁量可能是广义上的选择之意，但是不可否认人在面对现实情况时，将何种信息纳入考量本身就经历了选择，而这种选择，在自动化行政的语境下，更是在程序设置之初便由算法设计者进行了裁量与判断，不应以“算法黑箱”予以遮蔽，而应通过行政裁量理论予以分析与规制。

在“五级划分法”下，各个层级的自动化行政行为与人工智能的算法运用过程在信息与数据的收集、处理环节均有交织，考虑到自动化行政所生发的现实基础，对于证据的捕获与固定几乎是各个层级的自动化行政都需要具备的流程。具言之，行政主体在具体的执法过程中，首先通过人工智能设备自动化地获取信息，进而由设计好的算法程序在视频音像或者输入的案件数据中拆分、截取具体的违法行为，评估行为的违法情节，判定其违法程度，这便是自动化行政中的事实选取过程。不可忽略的是，在传统“人为裁量”中看似不需要解读的过程，在自动化行政裁量研究中却必须给予更多关注，以免背离合法裁量的应有之意。在事实选取结束之后，人工智能会触发响应并与其他数字系统进行通信，一般情况下，下一步案件信息就会进入立案系统。至此，自动化行政便完成了传统上依靠人力治安巡逻来采集信息的执法过程。

由人工智能完成的事实选取优势颇多，全天候监控下违法行为的发现率、捕获率呈现越级增长，且证据的固定更加规范、有迹可循。执法过程中可能出现的信息盲点、不必要的争论和质疑也将大大减少。同时，在第四级自动化行政中，由于具有自我学习能力，机器对证据的分析与固化不但具有流程上输出结果的单向度能力，同时也可以在自我学习的过程中通过数据比对，发现证据中可能存在的瑕疵以及不同证据之间的瑕疵与矛盾，并及时告知行政工作人员。但同时应当注意到，系统的智能化程度越高，算法垄断与隔阂便会越严重，即相对人从外部监督分析算法运行更难以实现，由此产生的信息不对称甚至权利救济问题也不容小觑。

2．要件裁量

首先要明确，此处应用“要件裁量”无意介入与不确定法律概念相关的学术争议，也并非意指东京学派效果裁量说与京都学派要件裁量说的对应观点，而仅仅对应行政活动过程中将事实的小前提与法律要件的大前提相对应的步骤，从而分析其中裁量的作用空间。对于自动化行政是否具有对事实要件进行个案权衡的能力，学界争论较大，其实也展现了部分学者尚不支持“具有裁量能力的完全自动化行政”这一概念的观点。否定论者普遍认为，要件裁量不能逃避对于不确定法律概念的解读，自动化系统的个案权衡能力十分薄弱，即便可能通过人工干预实现对一些特殊情况的判断，但这并非常态，不能由此证明自动化行政具有不确定法律概念的解释能力。还有学者进一步指出，从法律到算法需要经过人工智能系统的单转译过程，此过程必然具有模糊的特征。

对此种观点作出回应的基础是深刻检视自动化行政完成“人为裁量”功能下要件裁量步骤的过程。鉴于第一级至第四级自动化行政均能实现要件裁量的拟制效果，按照“举重以明轻”的逻辑，应聚焦于第四级自动化行政设备中的要件裁量功能展开论述。对于第四级自动化行政设备而言，人工智能的深度学习可以作出类似人类对不确定法律概念的判断，即便人工智能无法回答为什么如此解释，其也可以通过海量数据给出可能的结果。此过程可经由法律语言向算法编程的转换予以完成，并通过大量试验予以完善。当然，不可否认若通过试错予以完善算法，必然会存在发生要素选取错误的可能，但同时应当承认自动化行政要件裁量的优势。自动化行政系统周密的逻辑推演可以排除人为主观因素导致的要素选取与分析解读层面的疏漏。

在域外不乏这样的实例，如澳大利亚具有司法权与行政权严格分立的背景，故司法只能结论性地解释成文法的法律含义以及参照授权的成文法判断行政行为的有效性，即自动化系统中的法律规则必须按照司法批准的授权法规的结构进行编码和应用。由此，在法律效果拟制层面实现了传统零级自动化行政中要件裁量的作用效果。

与此同时，承认自动化行政的要件裁量可能，并不会滑向对裁量属人性的背离。机器不会自动产生程序，而只能借由人工编写的算法选取事实片段中的要素，纳入流程进行处理并导出结果。要件裁量必须经专业人员从法规范语言翻译成为算法编程，其中必须经由法学专家的解释与说明，这一过程类似于将法规范细化为裁量基准的一般裁量，只是将裁量基准予以算法语言化。当然，从宏观角度观之，算法语言只能无比近似于裁量基准，其过程量值也只能拟合为裁量基准的过程要素；但是，从微观角度而言，算法的回归设计、梯度空间与残值范围能够给予更为细化的裁量基准，这也是自动化行政对于裁量运行过程的可能裨益。

3．效果裁量

对于自动化行政是否会贬损效果裁量，抑或是否可以成为效果裁量的组成部分，学界两派观点同样针锋相对。否定论者认为，在自动化行政的过程中，行政主体依靠算法的决策来完成行政行为，从而背离了行政主体对行政决定种类以及效果的选择，无法行使行政裁量权，也没有裁量空间，更遑论对行政决定与行为的限度的选择。在行政处罚中，这一点表现为对行政处罚种类以及档次的选择被消解。

笔者首先承认自动化行政中存在裁量的适用空间，但同时认为应当将自动化行政的输出结果视为“人的裁量”中效果裁量的一个考量因素。换言之，虽然承认自动化行政在个案中所得出的算法结果具有效果裁量功能，但基于对自动化行政的合法性控制，仍需要行政主体将算法结果“上升”为裁量决定，否则便可能落入裁量怠惰之境地。当然，此处的“上升”过程并非指在事实层面对每一个案件都进行审查。毕竟，若苛求行政主体对每个案件都履行具体审查义务，自动化行政的核心优势，即高效性，将几近丧失。此处的“上升”仅指法律效果层面的拟制，即受个案对裁量义务的程度要求、相对人的人工处理请求权等多方面因素的影响，对不同层级裁量义务进行不同程度的人工介入选择。由此，可构建适当的算法流程末端行政机关工作人员对算法结果进行事实层面审核之裁量义务矩阵，如表2所示。

人工智能系统依靠其深度学习的能力，分析并关联大量的违法情节与决定结果，同时考量动机、有责性等主观层面因素，对主观因素以及客观因素都有衡量，并由此建立算法模型，对具体输入的个案进行选择衡量并完成判断，可通过前文已论述的运行过程中的参数裁量方式得以实现。自动化行政的效果裁量也并非个案的各自为战，其依据剔除偏见数据的案例库，给出不同于传统“人为裁量”下仅依靠个案工作人员主观判断得出的结果，无论是需要经过事实审查的算法结果还是可以被直接推定为裁量决定的算法结果，都对同案同判、避免工作人员个人因素影响裁断有着极大裨益，也能够避免基层行政人员在政策执行过程中对决策者意图的曲解，并由此实现参数裁量的具体功能。职是之故，我们不能因噎废食般地因为建构的复杂性而放弃更具理性的评估。当然，通过上述人工介入分级机制，我们也能在最大程度上保证算法结果不会影响行政机关工作人员的效果裁量判断。

具体而言，在零级、一级、二级自动化行政中，机器仅需依照算法既定的程序与步骤运行，依照在算法前端输入的分级裁量基准，做简单的选择或者线性运算。换言之，机器并不独立完成效果裁量，而是仅仅依照违法因素的选择程序进行裁量结果的简单导出，即便需要计算，也仅仅是初步的线性叠加，从而得出简单的裁量结果，并不会涉及对不同效果裁量幅度的选择难题。在线性叠加的过程中，诸如“一事不二罚”等原则也可直接作为编程程序写入算法。最后的裁量决定有赖于行政主体依照机器给出的裁量结果予以作出。零级、一级、二级自动化行政在现实中往往适用于违法因素较简单也较容易类型化的领域，如治安管理、交通违法等。

而在三级自动化行政中，机器可以根据算法运行得出裁量结果。不同于零级、一级、二级的自动化行政，部分自动化行政的裁量结果在事实层面已经可以等同于裁量决定。换言之，若经由行政主体完成最终决断的正当程序，即可依据该裁量结果对外作出决定。此处需要额外注意事实上的等同与法效果上的等同，事实上的裁量结果与裁量决定的等同并不能剥夺裁量决定或者裁量结果单独存在的意义，即便在正当程序原则之下，行政主体在事实层面并未分析某个裁量结果是否可以直接等同为裁量决定，依然必须承认在法效果上此步骤的不可省略性。此种自动化行政多用于环境治理等专业性较强的行政执法领域，如根据各裁量因子得出“情节轻微”的结果。

在第四级自动化行政中，机器不仅可以完成效果裁量，还可以通过海量数据的学习自我纠偏，从而不断完善、充实裁量规则，寻求最优的裁量结果。第四级自动化行政准确性高且“拥有人类并不具备的实施有效监督的能力”。但目前的实践运用中还未有第四级自动化行政裁量的实例，第四级自动化行政裁量的难题依旧棘手。在技术难题之外，可能更大的问题是伦理难题与法律难题，甚至这两个难题才是技术无法真正落地的根本原因。

结语

自动化行政一方面满足了现代社会对于数字政府高效便捷行政的期待，另一方面却使得相对人因信息与技术鸿沟而不得不让渡一部分程序权利甚至实体利益。算法构建前的“一般裁量”与自动化行政运行过程中的“参数裁量”可以回应对于“算法黑箱”的疑虑。面对纯粹类案判断不存在裁量的质疑，扩大残差与辅助裁量的裁量结果之定位可以对裁量的属人性背离加以限制。在行政过程论视角下，事实选取、要件裁量、效果裁量各阶段均有自动化行政的适用余地，可构建适当的人力介入审核之裁量义务矩阵，以完成从“算法结果”向“裁量决定”上升的法效拟制回环。探析自动化行政的裁量构造是对自动化行政裁量进行合法性规制的前提，在此基础上，执法密度失衡对裁量基准的冲击以及如何确定司法审查标准以规制裁量逾越、滥用、怠惰等问题，在当前时代下仍需要呼吁行政法学者给予更多学术观照。