【编者按】
值“5•17”重要讲话发表十周年之际，上海社联联合澎湃新闻推出“潮头·先声”25位上海哲学社会科学学者访谈专题。专题以“研究真问题、真研究问题”为导向，聚焦知识创新、理论创新和方法创新，探索立足中国发展实践构建中国自主知识体系的路径。学者在服务国家战略，研究国家重大现实课题中，也在努力回答中国之问、世界之问、人民之问、时代之问。
在司法领域，人工智能适合处理占比约70%的标准化问题。2022年最高人民法院发布的《关于规范和加强人工智能司法应用的意见》，是全球较早系统确立AI司法应用边界与运行原则的国家级司法规范性文件，其核心表述被后续国际规则借鉴。
4月8日，上海交通大学特聘教授、智慧司法研究院常务副院长杨力接受澎湃新闻记者专访时表示，从国际比较看，中国在数字司法领域较有优势，在数据汇总能力、业务覆盖范围及透明度等方面都较为领先。
杨力研长期专注于司法原理、智慧司法、商业合规研究。他提出“信息建构型法学理论”，将人工智能技术与法学研究深度融合，重新定义法律的权力结构、资源配置和规则重塑，为智慧司法建设提供了理论基础。同时，他倡导“文工交叉”研究范式，使法学与计算机科学、数据科学等学科交叉融合，推动构建具有中国特色的智慧司法知识体系。
未来，法学与人工智能应如何相互融合发展？杨力认为，当前需形成人工智能与责任主体相结合的机制，即由人工智能提供辅助支持，而由人类承担最终判断与责任。从未来发展看，人工智能从大模型走向智能体，将对司法体系产生系统性影响，进而重塑司法生产力，带来生产力的显著提升。随着技术能力的持续增强，司法体系部分标准化工作可能被替代，对人力规模的需求可能会下降，而对高质量人才的需求则进一步提升。
因此，未来的法律人不仅是规则的使用者，更应成为知识体系的重构者。未来需要培养的法律人才，不仅需要具备表达与分析能力，还需要具备一定的动手能力，利用人工智能工具解决实际问题。只有通过掌握人工智能思维方式，理解技术如何处理问题，才能将其应用于法律知识体系的分析与重构。
为何法学要拥抱人工智能
澎湃新闻：从历史发展历程看，法学与人工智能之间如何逐步实现交叉融合？
杨力：法律与人工智能的结合并非近年来的新现象，早在10年前就已出现。其最初被称为智慧司法，主要围绕司法体系的信息化建设展开，体现在智慧诉讼服务、智慧审判、智慧执行以及智慧审判管理等方面。
大约5年前，法律与人工智能的结合进入数字司法阶段，开始构建数据层面的支撑体系，相当于为既有结构“搭建大脑”。其核心是数据中台的建设，将分散在不同部门、不同系统中的数据，进行整合与治理。随后，逐步发展出“智慧大脑”，通过叠加复杂神经网络，从早期基于形式化规则的系统，演进到如今的大模型体系。这一阶段的人工智能，本质上仍然是以人为主导，法律专业人员与数学、计算机等领域的技术人员共同发挥了关键作用，推动算法体系在司法领域的初步落地。
发展到当前，人工智能在司法领域进入深度应用阶段。大模型技术的发展，使得司法领域的相关能力快速整合和重构，并不断迭代升级。例如，在法律应用场景中，一些国际领先科技公司推出的云端大模型，能够快速生成答案并支持多种插件化功能，对传统法律服务模式形成了冲击。不过，尽管人工智能在信息处理和答案生成方面效率较高，但在涉及法律判断和责任承担的场景中，用户仍然更倾向于依赖具体的责任主体。因为大模型即使能够提供看似准确的分析，也难以直接成为最终决策的承担者。尤其是在复杂法律问题中，最终判断仍需由人来完成。
因此，当前更为合理的发展模式，是形成人工智能与责任主体相结合的机制，即由人工智能提供辅助支持，而由人类承担最终判断与责任。这种模式既发挥了技术优势，又保留了法律体系中对责任与判断的基本要求，也构成了人工智能与法学深度融合的现实路径。
澎湃新闻：人工智能在法学领域的应用边界在哪？如何在法律职业范围内进行合理分工？
杨力：在法学实践领域，判决文书的格式化要素，如结构、基本信息、标准表达等，属于高度标准化内容，人工智能可以通过学习迅速掌握并不断优化，这类内容适合交由技术处理。然而，真正困难的在于裁判文书中的说理环节。说理并非简单的逻辑推导，而是在法律规则、具体事实与社会情理之间进行综合权衡。这一过程，往往涉及目的解释、价值判断以及具体情境的细致分析。
例如，在涉及家庭责任的法律规范中，同样是“子女”概念，在不同语境下可能具有不同含义。在赡养义务中，子女通常指具备独立生活能力的成年人；而在抚养义务中，则指未成年人。这种差异并非简单的字面推导，需要结合制度目的与现实语境加以理解。再如，在消费者权益保护领域，对于“知假买假”行为是否适用惩罚性赔偿，取决于价值取向与制度目标，并不存在唯一标准答案。有观点认为，此类行为属于投机甚至扰乱市场秩序，不应鼓励；还有观点则认为，这种行为在客观上促进了市场规范，有助于提升营商环境质量，应予以支持。
正是在这些涉及价值、情感与责任的环节，当前人工智能仍难以胜任。基于现有技术路径，其推理能力依赖于上下文和既有数据，缺乏稳定的认知结构与严格的法律概念界定。在复杂推理过程中，人工智能容易出现“幻觉”问题，生成看似合理但实际存在偏差的结论，从而影响结果的可靠性，也难以建立稳固的信任机制。因此，在法律实践中，最终的判断权仍然必须由人来行使。人工智能可以提供多种可能答案，但如何在这些答案中做出选择，仍然依赖人的判断与责任承担。
总体看，人工智能更适合处理司法领域占比约70%的标准化问题，而对于占比约30%更为关键的复杂问题，人的作用仍然不可替代。这也重新定义了法律职业内部的分工。大量标准化程度较高的案件，例如金融领域的批量纠纷、信用卡欠款、物业费争议或电商平台中的常见侵权问题，具有事实清晰、规则明确的特点。在这些场景中，人工智能能够显著提升效率，实现降本增效。但在复杂案件领域，例如在法律存在空白、不同规范之间发生冲突、同一规则存在多重解释，或者严格适用法律会导致明显不合理结果时，案件处理就不再是简单的规则适用，而需要深入的法律解释与价值衡量。在这些情况下，人工智能能力仍然有限，难以独立完成决策。
法律人应成为知识体系重构者
澎湃新闻：在人工智能与法学融合中，上海交通大学智慧司法研究院进行了哪些研究探索？
杨力：从研究方法上看，相关探索实践强调问题导向与价值导向。一方面，研究需要回应真实需求，解决实际问题；另一方面，也要强调成果的可转化性，使其能够在现实中产生持续价值。这种兼顾基础研究与应用落地的路径，是推动人工智能与司法深度融合的重要方向。
一是，围绕“执行难”这一长期存在的司法痛点展开技术探索。通过在执行环节中引入自动化机制，例如执行卷宗的自动生成、执行决策过程与文书的自动生成、查封冻结扣划流程的自动处理，以及终本案件的自动审查等，形成了多项自动化应用。这些技术手段在全国范围内得到推广应用，为提升执行效率提供了有力支撑。
二是，在审判环节开展针对标准化案件的智能辅助探索。例如，围绕交通事故赔偿、保险理赔等典型场景，构建了覆盖上百类案由的要素化模型。这类案件由于事实结构清晰、规则明确，适合通过要素拆解与规则匹配来实现辅助决策，从而在裁判文书生成、决策参考等方面提供支持，并在一定程度上提升了处理效率。
三是庭审全流程的智能化，即庭审大模型的构建。具体来说，系统将当事人的诉求表达转化为结构化的诉状内容，并在信息不完整时进行提示，引导补充关键要素。此外，系统可以自动生成诉状并提交。进入调解或审理阶段后，相关提纲、流程组织以及部分文书生成，也可以通过系统辅助完成。庭审结束后，裁判文书的生成与送达，以及判后答疑等环节，同样可以实现较高程度的自动化，而法官则主要承担最终审核与把关的职责。
这一更具探索性的方向，试图围绕当事人、法官，从立案到裁判提供贯穿全流程的智能辅助。其意义在于通过流程自动化，显著降低人工参与的重复性工作，从而提高整体效率。在庭审相关应用中，针对审判文书生成与判后答疑等关键环节，已经取得阶段性进展，并逐步进入实际应用场景。
澎湃新闻：在人工智能与法学融合中，如何培养未来的法学人才？
杨力：在目标定位上，我们希望未来培养的法律人才，一方面能对法律保持基本的尊重与敬畏，另一方面又能运用人工智能的思维方式，对既有法律知识体系进行重新解构与重建。这意味着，未来的法律人不仅是规则的使用者，更应成为知识体系的重构者。
因此，人才培养重点不应放在重复性知识的积累上，而应转向高质量的问题解决能力，包括对问题本质的把握、对规则的解释能力，以及对程序设计的理解。这些能力，将决定未来法律人在人工智能环境中的竞争力，也构成其驾驭技术发展的基础。
同时，应根据不同人才类型，进行相应能力培养。高层次人才侧重于方法论与体系重构，而在更具体的应用层面，则需根据实际场景培养其专业能力。例如，随着企业出海进程加快，对涉外法治人才的需求日益增加。这对人才提出了更高要求，除了基本的语言能力，其还需要具备实践经验，包括对当地法律环境、商业规则及社会文化的深入理解。
通过人工智能技术，可以构建服务于企业出海的智能辅助系统。从企业设立、资源环境评估，到与当地政府沟通，再到与专业法律服务机构的合作，这一系列过程都可以通过系统化方式进行支持。但这类人工智能系统建设并非短期内可以完成，而是依赖长期实践中的知识积累，往往来源于具体项目经验。例如，企业在海外投资中解决某一关键法律问题后，将相关经验沉淀下来，并通过人工智能工具进行结构化与扩展，逐步形成可复用的知识体系。随着案例的不断积累，这一知识体系才能真正具备服务能力。
因此，人工智能并不是替代专业人才，而是放大其经验价值的工具。未来的法律人才，应当在实践中不断积累高质量经验，并借助技术手段将其转化为可复制、可扩展的知识资源，从而在更大范围内发挥作用。这种以实践为基础、以技术为工具的能力结构，将成为法学人才培养的重要方向。
澎湃新闻：面向人工智能时代，法学人才应具备怎样的核心竞争力？
杨力：面向人工智能时代，法律人才的核心竞争力，一方面，是自身在法律领域的专业能力与方法论；另一方面，是能够熟练运用人工智能工具放大自身能力。与传统法律人才相比，未来的人才不仅需要具备表达与分析能力，还需要具备一定的动手能力，即能够参与到具体技术应用中，利用人工智能工具解决实际问题。这种能力并不要求每个人都成为专业工程师，但至少需要具备理解技术逻辑并进行应用开发的能力。
在人工智能与法学的交叉过程中，一直以来确实存在一定学科壁垒。早期这一门槛较高，例如在人才选拔中，往往要求具备数学、计算机等理工科背景，再进入法学领域进行交叉研究。这种路径强调扎实的数理基础，以支撑复杂模型与算法的理解。但随着技术的发展，这一门槛正在明显降低。过去需要手动编写代码完成的工作，现在可以通过智能工具自动生成并部署。因此，纯法学背景的学生，也逐渐具备进入这一领域的可能性。
不过，这并不意味着人工智能与法学交叉人才可以完全脱离技术要求。关键在于，即便没有系统的计算机训练，相关人才也需要掌握人工智能思维方式，能够理解技术如何处理问题，并将其应用于法律知识体系的分析与重构。因此，在人才培养路径上，一方面，我们继续吸纳具备理工背景的复合型人才；另一方面，也开始向纯法学背景的学生开放，但前提是其在学习过程中，需要主动参与人工智能相关项目，在实践中理解技术逻辑，形成跨学科能力。通过这种方式，可以在团队研究中显著提升协作效率，也有助于形成更具应用价值的研究成果。
法治建设要抓前端，从源头上减少诉讼增量
澎湃新闻：如何发挥人工智能优势，推动社会治理模式向更加前端化、智能化的方向发展？
杨力：在社会治理层面，司法体系正在发生重要转变。“十四五”期间提出，法治建设既要抓末端、治已病，更要抓前端、治未病，要坚持和发展新时代“枫桥经验”，把非诉讼纠纷解决机制挺在前面，从源头上减少诉讼增量。这一变化在于通过制度与技术手段，将大量原本进入法院的案件，尽可能在前端实现化解。
基于这一理念，当前正在推进的一项重要工作，是依托社会治安综合治理中心开展前端纠纷预防与化解。其目标在于，不再让当事人直接进入诉讼程序，而是在进入法院之前，通过多元机制解决问题。围绕这一方向，已经在部分地区探索建设数字化政法平台，并在其中嵌入人工智能能力，用于支持调解、咨询与流程管理等多个环节。
从功能上看，这类平台既承担普法作用，也更侧重于实际纠纷的化解。过去在面对矛盾时，社会上较为常见的做法是直接建议当事人通过诉讼解决。而当前希望逐步改变这一观念，优先通过调解等方式化解矛盾，减少诉讼发生。司法被视为最后一道防线，而非第一选择。通过构建多元化解机制，使社会治理体系在前端具备更强的吸纳与处理能力，从而提升整体运行效率。
当前，以综合治理中心为枢纽的治理模式逐步形成，并在全国范围内推进建设，实现从国家到基层的多级覆盖。在这一体系中，数字化平台成为核心基础设施，而人工智能则作为关键工具，嵌入具体业务场景中。具体来看，人工智能在这一体系中的应用主要体现在几个方面。
首先，在调解环节，通过对既有案例与规则的分析，为调解人员提供参考方案和调解提纲。在调解结束后，还可以基于对话内容自动生成结构化的调解协议，实现从沟通到文本生成的自动化支持。
其次，在风险评估方面，通过对历史数据的分析，对潜在诉讼结果进行预测。例如，在纠纷尚未进入法院之前，系统可以基于类似案件数据，对胜诉概率进行分析，从而帮助当事人理性评估是否进入诉讼程序，实现及时止损。
再次，在流程管理与协同治理方面发挥作用。各类案件来源复杂，可能来自热线平台、信访系统或司法机关。在进入综合治理平台后，需要在不同部门之间进行协同处理。例如环境噪声问题，可能涉及公安、生态环境等多个部门。系统可以对任务进行分派、跟踪与督办，防止推诿，提高处理效率，并通过全过程记录实现责任追溯与绩效评估。
最后，在宏观治理层面，平台还可以基于全量数据进行态势分析。例如，通过对某一地区投诉数据的变化进行分析，可以识别出施工扰民等问题的集中区域，从而提前预警并引导治理资源配置。这种基于数据的动态监测，使社会治理具备类似数字传感器的功能，实现对风险的提前感知与响应。
澎湃新闻：从大模型到智能体，未来人工智能将如何重塑司法权力、资源与规则，形成新质司法生产力？
杨力：从未来发展看，人工智能从大模型走向智能体的演进，将对司法体系产生系统性影响，进而重塑司法生产力。这种变化既带来了显著的生产力提升，也引发了对行业未来的重新思考。随着技术能力的持续增强，部分标准化工作可能被替代，从业人员规模也可能相应调整。
一是，在生产力层面，从文书自动生成、类案推荐到辅助决策，再到流程运行的优化，人工智能已经在多个环节显著提升效率。
二是，更深层次的变化，体现在权力结构上。传统司法体系中，法官与当事人之间存在明显的信息与能力差距，当事人往往处于相对弱势地位。而在人工智能赋能之后，这种结构正在发生变化。通过类案检索与数据分析，当事人可以快速了解类似案件的裁判倾向，并形成系统性认知，从而在与法官的互动中拥有更强的信息支撑。这种由数据与技术带来的能力提升，使个体不再仅仅依赖自身经验，而是可以借助更广泛的知识资源参与博弈。
在具体实践中，这种变化已经开始显现。例如，在庭审过程中，一些当事人或代理人借助技术工具，可以实时调取资料、组织论证，对对方观点进行快速回应。这种能力在一定程度上改变了原有的诉辩结构，使得原本专业性较强的一方优势被削弱，整体博弈更加均衡。这本质上是信息公开与智能分析共同作用下，对权力结构的重塑。
三是，资源配置方式也在发生显著变化。过去，司法系统需要投入大量人力资源，例如法官助理和书记员，用于处理文书、整理材料等辅助性工作。而在人工智能支持下，这类工作可以大规模自动化完成，从而显著降低对人力的依赖。这种变化意味着，未来司法体系对人力规模的需求可能会下降，而对高质量人才的需求则进一步提升。
四是，司法运行规律也在悄然改变。传统流程强调线下、逐环节推进，而随着远程技术与智能系统的发展，部分环节已经可以在线完成，流程的时空限制被打破。因此，司法活动的组织方式、运行节奏乃至制度设计，都可能随之发生调整。
澎湃新闻：如何在人工智能时代构建中国法学自主知识体系？其中什么问题值得关注？
杨力：中国在数字司法阶段发展中，一方面，在技术层面，较早推动了信息化与智能化在司法领域的应用，在实践中形成了一系列具有示范意义的经验，对世界司法文明产生了一定影响。另一方面，在规范层面，也同步思考和回应人工智能对司法体系带来的冲击，例如权力结构的调整、资源配置方式的变化以及规则运行机制的重塑。2022年最高人民法院发布的《关于规范和加强人工智能司法应用的意见》，是全球较早系统确立AI司法应用边界与运行原则的国家级司法规范性文件，其核心表述被后续国际规则借鉴。
从国际比较看，中国在数字司法领域较有优势，在数据汇总能力、业务覆盖范围及透明度等方面都较为领先。这种优势，很大程度上得益于制度层面的集中推进能力与较高的落地效率，使得相关技术与制度能够在较短时间内实现规模化应用。但长远看，这种发展模式也面临新挑战，即如何在保持制度优势的同时，引入市场机制，实现可持续发展。尽管单纯依赖公共投入，可以在短期内形成规模优势，但在长期运行中，可能面临效率与创新动力不足。
因此，需要思考如何将数字司法能力转化为市场化资源，使其在更广泛的应用场景中发挥价值。例如，司法体系中沉淀的大量数据资源，如果能够在合规前提下进行合理开发，就能为企业服务、公共治理等领域提供支持，从而形成新的价值创造路径。这种转化，并不意味着改变司法作为公共产品的属性，而是在其外围构建可持续发展的应用生态。
在这一过程中，引入资本力量是否会影响法律的公正性，也可能会引发一定担忧。但从现实经验来看，技术发展往往伴随着争议。例如，在信息技术快速发展阶段，个人隐私与数据安全问题也曾引发广泛关注，但并未因此停止技术应用，而是在发展过程中逐步建立规范体系。因此，更可行的路径，不是完全排斥市场机制，而是在发展中不断完善规则，通过制度设计来防范风险。
关键在于划定边界，即在涉及司法裁判等核心环节时，必须坚持其公共属性，避免受到资本影响；而在外围服务与延伸应用中，则可以引入市场机制，激发创新活力。这种区分也有助于推动法律服务从单纯的“成本中心”，向价值创造转变。例如，在企业决策过程中，法律不仅用于风险控制，还可以参与方案设计，提供优化路径，甚至通过数据分析对潜在风险进行量化评估，从而成为决策闭环中的重要组成部分。在具体应用中，这种价值不仅体现在降低人力成本，还体现在提升决策质量。例如，在并购、投资等复杂场景中，通过对法律风险的前置分析，可以为企业提供更具针对性的策略建议，包括风险分散路径、合作结构优化等。这类能力一旦成熟，将使法律服务从被动应对转向主动赋能。因此，未来中国在人工智能与法学融合路径上，仍需进一步引入市场化力量，增强持续创新能力。
热门跟贴