□杨宇 孙悦

　　2025年8月21日，国务院发布的《关于深入实施“人工智能+”行动的意见》指出，把人工智能融入教育教学全要素、全过程，推动育人从知识传授为重向能力提升为本转变，同时要求防范模型黑箱、幻觉等风险。这为人工智能赋能法治人才培养提供了方向指引，也提出了新的能力要求，人工智能时代更需要锻造大批法治人才的专业判断力。

　　近年来，人工智能正在深刻改变法律检索、案例归纳、材料整理和文字表达方式。过去需要较长时间完成的资料搜集，如今可以迅速得到初步结果;原本需要反复梳理的材料，也能够较快形成结构化文本。然而，人工智能在缩短信息处理时间、生成答案更快的同时，并不意味着专业判断可以同步成熟。法律工作不是对信息的简单汇总。一个法律结论能否成立，不仅取决于材料是否真实、规范是否有效，更取决于事实与规范之间的推理是否充分、责任主体是否明确。人工智能可以生成文本，却不能成为法律结论的责任主体。法治人才培养不能只看最终答案，还要检验答案形成过程，着力锻造贯通问题识别、事实核验、规范适用、理由说明和责任承担的专业判断力。

　　一、技术提效不能替代专业判断

　　人工智能可以帮助使用者定位可能相关的法律条文，汇集表述相近的案例，整理不同材料中的观点，也可以为研究选题、文稿写作和语言修改提供参考。这些功能有效减少了重复性信息整理工作，为法律学习、理论研究和实务工作带来了便利。但工具提供信息，并不等于信息真实可靠;生成内容结构完整、表达流畅，也不能证明其事实准确、依据有效、结论成立。

　　在法律检索中，模型幻觉可能表现为混淆法律规范版本、遗漏规则适用条件，甚至生成不存在的案例和出处。使用者如果把生成内容直接当作检索结论，查找原文、核对案号、确认效力等必要步骤就可能被省略。后续推理即使形式完整，也可能建立在未经核实的材料之上。人工智能越能生成“像答案的答案”，使用者越需要保持审慎，不能让文本的表面完整性遮蔽结论形成过程。

　　人民法院案例库收录的任某璐诉曹某、北京某国际旅行社有限公司与公司有关的纠纷案，具体反映了这一风险。该案诉讼代理人在书面代理意见中援引了两个由人工智能语言模型生成的案例。两个案例均标有具体案号，所述事实和争议问题与待决案件高度相似，看似具有较强参考价值。法院检索核对后发现，生成内容所述事实与相应案号对应的真实案件完全不符。诉讼代理人承认，相关内容来自其围绕案件事实和争议焦点向人工智能语言模型提问，未经核实便写入代理意见并提交法院。

　　法院指出，提交法院供参考的案例属于诉辩意见范畴，并不属于证据;但诉讼参与人仍应当遵循诚信原则，确保所提交案例和法律条文来源可靠、内容真实。未经核实提交虚假案例，违反诉讼诚信原则和律师职业道德，应当根据情节轻重承担相应法律后果。

　　这一案例的关键，不只是人工智能生成了虚假案例，更在于使用者省略了必要核验。机器提供了文字，选择、提交并据此提出法律主张的仍然是诉讼参与人，职业后果也必须由使用者承担。由此可以看到一条清晰的风险链：生成内容看似完整，使用者因而降低警惕;核验程序被省略，错误材料进入正式论证;一旦结论发生偏差，责任仍然落在法律职业人员身上。

　　这对法治人才培养具有直接启示。如果学习者长期习惯于先获得生成文本，再围绕既有答案补找事实和规范依据，得到训练的主要是文字修改能力，而不是从材料出发独立形成结论的能力。学习者或许能够提交形式完整的文章，却未必能够解释材料为何可信、规范为何适用、结论如何形成，也难以在受到追问时重新检查自己的判断。人才培养不仅要教会学习者怎样提高效率，更要使其知道答案如何成立、错误如何发现、责任由谁承担。

　　二、专业判断贵在贯通事实、规范与责任

　　专业判断不是某一个环节的单项能力，而是一条由问题识别起步，经过事实核验和规范适用，最终落实于理由说明和责任承担的完整判断链。任何一个环节被忽略，都可能使看似严密的法律结论失去可靠基础。

　　专业判断首先表现为准确识别问题。面对一组案件材料或者一个研究题目，真正需要解决的问题并不总是由材料直接给出。学习者需要判断哪些内容属于事实争议，哪些内容涉及规范选择，哪些分歧来自对理由和结论的不同认识。问题如果没有被准确提出，后续检索即使得到大量材料，也可能只是在错误方向上不断累积信息。人工智能能够根据提问生成回答，却不能代替法律人判断何种问题真正值得进入法律分析。问题识别决定检索范围，也决定哪些事实需要查明、哪些规范需要比较。

　　问题明确以后，判断必须从事实核验开始。同一事件经过不同主体转述，内容可能并不一致;裁判文书中的事实认定、新闻报道中的情况介绍和当事人的单方陈述，也具有不同的法律意义。学习者需要确认材料来自哪里、内容是否完整、彼此能否印证，防止把多次转述形成的概括或者生成工具拼接的叙述当作已经确认的事实。

　　事实核验还包括必要的取舍。面对数量众多的材料，法律人需要判断哪些事实与争议问题相关，哪些材料能够提供可靠支持，哪些矛盾仍需进一步查明。人工智能可以生成完整叙述，却不能免除使用者核查事实基础的责任。作出取舍的人还应当说明依据，使后续分析能够回到同一材料基础接受复核。

　　事实得到核验后，判断进入规范层面。法律检索不能停留在关键词相似。学习者需要确认规范的制定机关、效力层级和施行时间，核对具体条文是否现行有效，并判断条文设定的条件能否覆盖眼前问题。遇到规范修改、规则竞合或者不同理解时，更要回到权威文本，比较相关规范之间的关系。人工智能列出某项依据，只能说明它可能与问题有关，不能直接证明它足以支持结论。

　　规范判断还要求把一般规则落实到具体事实。看似相近的案件，可能因为关键事实不同而不能简单类比;表述相同的法律条文，也可能因适用条件、规范目的和制度背景不同而产生不同结论。通州区法院案例中的虚假案例之所以具有迷惑性，正是因为生成内容在表面上与待决案件高度契合。表面相似不能代替规范适用。法律人必须说明为什么选择这一规范、为什么认为适用条件已经具备，以及不同规范或者不同理解为什么不足以改变结论。

　　事实和规范得到确认后，还要说明二者如何共同支撑结论。法律理由既要交代采纳材料和选择规范的根据，也要呈现从已确认事实到法律结论的推理过程。理由越具体，同行越容易复核，分析中的错误也越容易被发现。只有结论而没有推理过程，就无法判断结论究竟来自稳定的专业能力，还是来自一次偶然生成。

　　理由说明同时使责任主体得以显现。使用者决定采用哪些材料、舍弃哪些观点、形成何种主张，就应当解释自己的选择并承担相应责任。人工智能可以参与资料搜集、初步归纳和辅助表达，但最终判断必须由法律人作出。只有事实来源能够追溯、规范依据能够核对、推理过程能够说明、责任主体能够明确，人工智能带来的效率提升才不会以专业判断能力弱化为代价。

　　三、以真实法治任务锻造专业判断力

　　专业判断力不能仅靠增加一门人工智能工具使用课程自然形成。人才培养需要从真实法治任务出发，把人工智能嵌入问题提出、材料核验、规范选择、理由形成和结果评价全过程，使工具使用本身成为专业判断训练的一部分。

　　以真实任务重构培养过程

　　使用人工智能前，学习者应当先独立提出问题，列出初步事实和可能适用的规范;使用人工智能后，再把生成内容与原始材料逐项对照，说明保留、修改或者删除的理由。事前提出问题，训练的是问题识别能力;逐项核验材料，训练的是事实与规范判断能力;说明取舍理由，则使判断能够接受复核并落实责任。

　　训练任务不必面面俱到，关键是材料能够查证、问题足够具体、判断过程可以复盘。学习者可以围绕一组公开裁判文书完成事实整理、规范检索、观点比较和结论论证，也可以把研究札记逐步修改为案例分析或者理论文章。不同任务形式虽然有所区别，但都应要求学习者从材料出发形成结论，防止把生成文本稍加修饰后直接作为最终成果。

　　以明确规则划定使用边界

　　人才培养还应当为人工智能使用设置清晰边界。非公开案件材料、个人信息和工作秘密不得输入公共人工智能工具;使用公开材料应当保留权威来源和访问时间;无法确认的案例、法条和数据不得直接采用;人工智能深度参与材料整理和文字生成的，应当根据任务要求如实说明。

　　这些要求不是专业判断之外的附加限制。材料能否输入、来源能否追溯、内容能否采用，本身就是法律人必须作出的专业判断。把使用边界写入任务说明，并在任务完成后逐项检查，才能避免合规要求停留在原则提醒层面，推动学习者形成安全、审慎、负责地使用人工智能的习惯。

　　以过程评价检验判断能力

　　培养任务发生变化，评价方式也应相应调整。文章是否流畅、答案是否完整，只能反映学习结果的一部分。评价法治人才专业能力，既要看最终成品，也要检查结论形成过程。

　　可以要求每项任务提交主要资料清单和关键修改说明，重点任务再通过答辩检查规范是否有效、事实与规范能否衔接、不同意见是否得到回应。主要资料清单只需列出实际支撑结论的权威原文，关键修改说明重点记录影响事实判断、规范选择或者结论形成的节点，无须机械保存全部操作记录。这样既能控制学习和评价负担，也能有效区分独立判断与简单改写。

　　答辩也不能只问结论是否正确，还应要求学习者指出分析中最可能出错的环节，说明如果关键事实或者规范依据发生变化，原有结论是否仍然成立。能够发现判断中的薄弱环节，并根据事实和规范变化及时修正结论，本身就是专业判断力的重要体现。

　　以协同育人强化实务反馈

　　真实任务从哪里来，是判断训练能否持续开展的现实问题。教育部、中央政法委有关意见提出强化法学实践教育、完善协同育人机制;最高人民检察院有关意见提出拓展多元检校合作模式，建立健全法学专业学生实习实训制度。这为院校与法律实务部门共同开展人工智能背景下的法治人才培养提供了制度基础。

　　但合作本身不等于培养成效。协同育人与专业判断力训练能否有效衔接，关键在于能否提供经过适当处理、能够查证的真实材料，能否围绕同一问题安排事实梳理、规范检索、文书论证和答辩，能否由实务人员对关键取舍进行追问和反馈。

　　法学院校可以侧重规范知识和研究方法训练，法院、检察院、行政执法机关、律师事务所等实务部门可以提供与法律职业要求相衔接的实践视角，双方共同检验学习者能否核验、取舍和说明生成内容。对于已经进入法律职业队伍的人员，教育培训也不能停留在工具功能介绍，而应通过案例研讨、文书论证和理论研究任务检查判断过程。

　　立足内蒙古实际，可以进一步发挥政法院校、法学院校、检察教育培训机构和法律实务部门的协同优势，围绕数字检察、基层治理、涉企执法司法等实践问题开发训练任务，把专业判断力培养融入法治人才教育培训全过程，为推进更高水平法治内蒙古建设提供坚实人才支撑。

　　真实任务提供需要判断的具体问题，过程记录保留形成判断的关键节点，答辩和反馈检验判断能否经受追问，明确边界保障人工智能依法合规使用。四者前后衔接，最终落到同一评价标准：既看结论，也看事实来源、规范依据、推理过程和责任主体。

　　人工智能可以缩短寻找材料和整理文字的时间，却不能替法律人确认事实、适用规范、说明理由并承担责任。法治人才既要善于运用智能工具，也要始终保有从问题到结论的独立判断和可核查过程。技术提高的是信息处理效率，专业判断决定这些信息能否转化为可靠的法律结论。人工智能越深入地进入法律学习和实务工作，专业判断力越不能退场，越需要在真实任务中反复锤炼、持续提升。

　　(杨宇：国家检察官学院内蒙古分院副教授、民事行政公益诉讼教研室主任，硕士研究生；孙悦：国家检察官学院内蒙古分院讲师、博士研究生)