大数据检察监督，是指以大数据及相关科技为支撑力，以类案监督为着力点，以促进国家治理现代化为大目标的检察机关法律监督。党的二十大报告提出：“加强检察机关法律监督工作。”《中共中央关于加强新时代检察机关法律监督工作的意见》指出，加强检察机关信息化、智能化建设，运用大数据、区块链等技术推进公安机关、检察机关、审判机关、司法行政机关等跨部门大数据协同办案。这为大数据检察监督的发展指明了方向。 　　 　　目前，大数据已深度嵌入检察监督，形成“个案办理—类案监督—系统治理”实践，且引发了监督范式、监督逻辑、人机关系三方面深刻变革，这有助于检察机关全面建设“智慧法治”，充分履行法律监督职责。但实践中，大数据检察监督也存在数据供给不足、算法“黑箱”、监督主体滞后等问题，亟须系统优化路径，进而深化司法体制改革，推进国家治理体系和治理能力现代化。 　　 　　大数据检察监督的发展变化 　　 　　“场域化”到“场景化”的监督范式嬗变。受制封闭的物理时空影响，传统检察监督以“场域”为基点开展工作，以独立个案为监督对象，以被动的事后监督为主要形式，带有特定性、片段性、分离性、层级性的特征。检察机关无法主动介入大量执法司法案件，因此，办案效能主要集中于特定化的个体正义，四大检察之间也难以有效衔接配合。大数据赋能下，检察监督的全事项、全过程均可被解构、量化、整合为精细、集约的电子数据。这使得检察机关迈入了虚实同构的物理网络双层空间，可以监督数据形式嵌入具体监督案件，从而实现“场景化”监督的范式嬗变。检察机关通过监督海量个案数据，可主动介入具体案件场景挖掘异常案件线索，并在大数据要素筛查功能下提取共有特征、规律，开展“一案一场景”的类型化专项监督，进而提升基于类案处理的社会治理效能。 　　 　　业务数据化到数据业务化的监督逻辑转变。随着人工智能技术的迅速发展，大量检察监督业务以数据形式呈现，转为线上运行，例如证据云储存、办案信息网上流转、案卷电子化共享，这由此形成了业务数据化的监督逻辑。检察机关可以通过在巨量冗杂数据中提炼具有司法价值的检察监督业务数据，从而实现数据业务化的监督逻辑转变。数据业务化的监督逻辑以“四大检察、十大业务”为基础，通过算法构建、大数据检察监督模型应用，从而实现数字正义。在这个过程中，检察机关要发挥监督能动性，提取、归纳海量个案的数据共性，将“沉睡”数据从单纯的事实要素转译为附随检察监督业务的规范要素，并通过构建类型化、要件化、价值化的监督算法规则，应用大数据检察监督模型。 　　 　　人类主导到人机交互的关系演变。因智能性、成熟度等方面的缺陷，机器在传统检察监督中的应用仅限于简单重复的程序性、辅助性事项，无法介入检察官主导的实体性事项。这种人类主导的人机关系，在检察监督中难以真正解决“人少案多”矛盾。大数据使机器在数据分析、决策支持及预测预警等方面取得了长足进步，具备处理更复杂的实体性事项的智能。检察官与机器在检察监督中的涵摄领域呈现出互补模式：检察官向大数据要检力、战斗力，充分释放机器性能，可取得最大的检察监督成效；机器借助检察官的价值判断，可弥补固有的规范缺陷以避免监督僵化。检察官与机器交互式的人机关系得以生成，在前期调查与最终决策层面都可以实现人机优势互补下的检察监督高效履职。 　　 　　大数据检察监督面临的问题 　　 　　数据供给不足影响场景化监督质效。由于大数据检察监督线索往往隐藏于海量数据中，因此其质效的充分实现常取决于大数据供给样本的多少。实践中，大数据检察监督供给样本既存在来源封闭问题，又存在孤立分割状态。一方面，数据来源有限。仅凭来自政法机关内部的数据，检察机关难以察觉、获取一般性犯罪活动的有效监督线索。另一方面，数据共享壁垒。现阶段大数据检察监督数据共享存在数据格式不统一、数据质量瑕疵等问题。这使得检察机关在民刑、民行等业务交叉型类案监督中，难以精准发现类案背后的社会治理风险与监督线索，无法形成有效的社会治理合力。数据供给不足，使得大数据检察监督不能获取足量、有效的监督线索，无法得出理想的监督结果。 　　 　　算法“黑箱”影响数据业务化的实现。算法固有“黑箱”的不透明、不可解释特征，使得检察机关在构建、运用大数据监督模型时无法真正管理算法，甚至有可能被构筑的虚拟正义异化，从而影响数据业务化的实现。首先，来自人类社会的隐性偏见，经算法输出后可能形成看似客观化的歧视，反而阻碍检察机关法律监督价值的实现。其次，算法在“黑箱”下将司法规则解构为既定数字代码，无需也不可能为其自动化决策提供任何解释或正当性理由，这可能消解监督正当程序。最后，数据业务化的监督逻辑以算法模型作为决策媒介，而非由检察机关作为直接责任主体，易陷入“算法是否可以负责，如果不可以负责，由哪些主体负责，具体责任如何分配”的问答困境。 　　 　　监督主体滞后影响人机关系。大数据检察监督的机理是以构建算法模型为核心，以“机器判断+人工确认”为双重标准来运作，这虽能大幅提高检察监督效率，但从客观方面看，检察官数字素养能力不高易减损主体地位；从主观方面看，检察官数字观念落后易限制主观能动性发挥。因此，大数据检察监督的运行过程若只体现大数据对证据制度、法律条文的机械适用，就有趋于扁平化、单一化、流水线化的危险，不利于自由裁量权的行使。 　　 　　大数据检察监督的优化路径 　　 　　建立能动检察数据激活模式。检察机关应在依法能动履职的基本语境与融入社会治理大格局实践中，实现数据的多量获取、高效利用与多元共享。首先，扩展社会数据来源。应进一步跨地域、跨应用、跨层级挖掘数据来源富矿，扩宽社会面数据来源，在社会领域，尤其是公共利益领域落实检察监督的大数据治理。其次，完善大数据检察监督平台。作为大数据检察监督的运行支撑，大数据检察监督平台既是数据平台、技术平台，又是办案平台和监督平台，更是治理平台。这要求必须做到两点：一是在具备数据的即时收集、数据的统一整合、数据的预筛选功能基础上构建功能模块接口体系。二是在分层构建硬件、应用、服务的基础上实现检察机关收集、管理、使用数据的常态化、制度化和规范化。最后，确立检察大数据共享常态化机制。为满足《中共中央 国务院关于构建数据基础制度更好发挥数据要素作用的意见》针对数据共享安全的要求，应充分运用分布式学习技术，达成“原始数据不出域、数据可用不可见”的目标，分别在微观、宏观层面建立检察机关内设部门间的数据共享机制和检察机关与外部机关间的数据共享规则，进而建成“管辖者提供，使用者管理”的集成化数据共享系统。 　　 　　构建算法“黑箱”的规制体系。如前所述，算法“黑箱”影响大数据检察监督数据业务化实现。为此，应以权利义务一致性理念为先导，对算法的外在运行实行规制。一是实现算法权力的自我制衡。一方面，检察官应尽到算法监督的注意义务与监管义务；另一方面，大数据检察监督的对象应实际参与，并赋予其算法解释请求权，从而避免算法决策错误成本的弥散。二是建立大数据检察监督的算法归责制度。检察机关应当对算法决策错误承担过错推定责任。三是第三方开发者需承担因未尽到算法伦理设计义务与审查义务导致算法设计缺陷的间接责任，敦促其及时确立算法的行为准则。 　　 　　不断完善人机协同的检察监督新模式。一方面，需对大数据进行合理应用限定。首先，实现检察官与大数据的合理分工，即检察官与大数据各司其职，在具备机器效率的同时兼顾人类的理性与良心。其次，建立大数据模型的准入机制以进行事前评估，只有安全性与性能两方面均符合标准方可进入正式使用阶段。最后，设定检察官绝对保留事项。在最终监督决策层面只能经检察官的价值判断、政策考量后独立自主作出。拒绝大数据的事前介入、干预，保证检察监督主体能动性的绝对覆盖。另一方面，提升检察官的主客观数字能力素养。客观方面，保证检察官具备最低限度的技术力，设置专门化的技术部门，引领检察机关实现客观技术素养的整体升级，同时可考虑引入第三方社会力量，如高校、研究机构提供高端智力支持。主观方面，检察官要破除思维定式，以新思维实现“要我变革”到“我要变革”转变。可选取少量成熟、可控的大数据检察监督模型应用于常态化办案环境中，使检察官有与大数据接触、磨合、熟悉、融合的递进过程。 　　 　　（作者单位：东北林业大学文法学院）伊志律师事务所位于北京市朝阳区朝外大街乙6号朝外SOHO-C座1209，优越的地理位置，便利的交通条件，安静、专业的办公环境为需求提供方便。 电话：010-84493343 微信：18401228075 电话：18401228075