引言

随着生成式人工智能（Generative AI）技术的迅猛发展，以大语言模型为代表的新一代人工智能系统正在深刻重塑公共行政的运行模式。从税务自动核定、社会福利资格审查到行政处罚的智能辅助决策，人工智能嵌入行政活动的深度和广度均在持续扩展，已经呈现出从“辅助工具”向“自主决策者”演进的趋势。赵宏指出，算法作为“更好的决策者”虽能大大提升行政效能，但其内含的去人性化特质也会带来人主体性的丧失，在算法决策应用上始终存在政府效能与权利保障之间的深层张力。查云飞则较早系统研究了全自动具体行政行为这一概念，指出其核心特征在于行政决定的作出全程无需人工介入。这些研究为理解自动化行政的法律属性奠定了重要基础。

然而，现有研究主要聚焦于传统规则引擎型算法，即“如果……那么……”式的确定性程序。这类算法的特点在于输出的可预期性和可复现性，其法律合规性可通过验证“转译过程”的准确性加以保障。王宾在研究中将行政算法区分为“转译型”与“自我学习型”，生成式AI恰恰代表了自我学习型算法的最新且最具颠覆性的形态。它基于概率分布的输出机制、难以复现的推理路径以及广受关注的“幻觉”（hallucination）现象，使得传统的合法性控制框架面临前所未有的根本性挑战。其不确定性已远超既有的算法类型划分所能涵盖的范围。

由此产生的核心问题是：生成式AI能否嵌入全自动具体行政行为？如果可以，其法律边界究竟应当如何划定？这既是一个技术可行性问题，更是一个行政法治的规范性问题。本文试图在比较法的视野下，结合我国行政法治的基本要求，系统论证生成式AI嵌入全自动具体行政行为的规范框架，提出“三层边界”与“分级嵌入”的制度方案，以期为未来的立法实践与学术讨论提供参考。

一、生成式AI与全自动具体行政行为的理论交汇

（一）全自动具体行政行为的概念界定

全自动具体行政行为（vollautomatisiert erlassener Verwaltungsakt）这一概念源自德国行政法学，指行政决定的作出完全由信息技术系统自动完成，全程无需人工介入的行政行为。2017年德国《联邦行政程序法》修订后新增第三十五a条，首次在实定法层面确立了全自动化行政行为的合法性基础，同时也对其施加了严格的限制条件，要求必须有法律规范的明确授权方可实施。查云飞在其研究中指出，全自动具体行政行为的核心特征包括三个面向：行政决定全程由机器作出、不存在人工审查环节、产生与人工作出的行政行为相同的法律效果。这三个特征共同构成了区分全自动行政行为与一般辅助性AI应用的判断标准。

在我国实践中，虽然尚无统一的法律概念对这一新型行政行为加以界定，但全自动行政行为已在多个领域广泛存在。交通违章自动抓拍处罚系统能够在无人参与的情况下完成从违法事实采集到处罚决定生成的完整流程；税务系统自动核定则依据纳税人申报数据和预设规则自动计算税额并作出核定决定；社会保障领域的资格自动审查同样能够独立完成申请材料的形式审核与实质判断。这些场景的共同特征在于，行政决定的事实认定、法律适用和效果确定均由算法系统独立完成，行政工作人员并不参与决策过程本身。正是这种“全程无人”的特质，使其在法律性质和合法性控制上区别于传统的人工辅助型行政活动。

（二）生成式AI的技术特征与行政法挑战

生成式AI与传统规则引擎型算法之间存在本质性差异（见表1）。丁晓东在其对算法法律规制的系统研究中虽已关注到算法的多元形态，但当时的分析框架尚未充分覆盖生成式AI带来的独特挑战。传统的规则引擎型算法遵循确定性的逻辑结构，相同的输入必然产生相同的输出，其决策路径可以通过规则链进行完整回溯。然而，生成式AI基于深度神经网络的概率分布来生成输出，其推理过程具有高度的不透明性和不可复现性，即便是完全相同的输入，在不同的运算时刻也可能产生截然不同的结果。

这一技术特征对行政法治提出了深层挑战。行政行为的合法性建立在确定性和可预见性的基础之上，行政相对人有权期待相同的事实情况获得相同的法律处理。而生成式AI的概率性输出恰恰动摇了这一基础，使得行政决定的一致性难以保证。更为棘手的是，生成式AI存在所谓的“幻觉”现象，即模型可能生成看似合理但实际上缺乏事实依据的内容。如果这种幻觉出现在行政决策的事实认定或法律适用环节，将直接导致错误的行政决定，且由于其技术隐蔽性，行政相对人往往难以察觉和有效救济。

比较维度	规则引擎型算法	生成式AI算法
决策逻辑	确定性：If-Then规则	概率性：基于分布采样
输出可复现性	高：相同输入产生相同输出	低：存在随机性与“幻觉”
可解释性	高：规则链可追溯	低：黑箱特征显著
裁量空间	无：严格执行预设规则	有：可能超越规则输出
法律保留要求	一般法律保留	加重法律保留
适用场景	羁束行政、格式化审批	文书生成、辅助分析

二、生成式AI嵌入全自动行政行为的类型化分析

依据生成式AI在行政决策流程中的介入深度与功能定位，可以将其嵌入方式区分为辅助生成型、半自主决策型与全自主决策型三种类型。这一类型化区分并非纯粹的学理分类，而是直接关系到法律边界的划定方式和规制强度的差异化配置。

辅助生成型嵌入是介入程度最浅的一种形态。在此模式下，生成式AI仅承担行政文书草拟、法律条文检索、案情摘要生成等辅助性功能，最终决策仍然由行政工作人员作出。这种嵌入方式对行政法治的冲击相对较小，但也并非全无风险。值得警惕的是所谓的“锚定效应”（anchoring effect），即AI生成的草案可能对人工决策者产生不当的认知引导，使本应独立的人工判断在事实上沦为对AI输出结果的形式化确认。陈悦在2024年的研究中已敏锐地捕捉到了此种风险，指出“计算中立”模式虽然肯定了算法决策的应用价值，但不能完全信任和依赖算法决策，需要对人类监督的实质有效性保持清醒。

半自主决策型嵌入的介入程度更深一步。在此模式下，生成式AI承担事实认定或法律适用中的部分环节，但关键決策节点仍保留人工审核。例如，在行政许可程序中，AI自动完成申请材料的形式要件审查并生成初步意见，而关于是否符合实质条件的最终判断则由人工完成。此种模式对应欧盟《人工智能法》中针对“高风险AI系统”设定的监管要求，其核心在于如何确保人工审核环节具有实质意义，而非仅仅充当走过场的程序性摆设。

全自主决策型嵌入是介入程度最深，也是法律风险最高的形态。在此模式下，生成式AI独立完成从事实认定到法律适用再到决定生成的全部流程，不存在任何人工介入环节。此种嵌入方式构成最严格意义上的“全自动具体行政行为”，它把生成式AI的概率性输出、不可复现性和黑箱特征等全部技术风险都直接转化为行政相对人的权益风险，因而面临最严峻的合法性挑战。本文的核心论证即围绕此种类型展开（图1）。

三、法律边界的多维建构：“三层边界”框架

（一）加重法律保留原则作为准入门槛

法律保留原则是约束全自动行政行为最基础的制度工具。赵宏的研究系统梳理了算法适用于公共决策时的法律保留要求，揭示出德国法将全自动化行政行为的允许前提设定为必须有法律规范的明确授权。而且，这种授权并非一般意义上的法律保留，而是构成所谓的“加重法律保留”（qualifizierter Gesetzesvorbehalt），即不仅需要法律依据，还须满足特定的前提要件并追求特定目的。这种制度设计的深层逻辑在于，全自动化行政行为彻底排除了人工介入的可能性，使行政决定的作出完全脱离了人类的判断，因此需要更高强度的民主正当性加以支撑。

对于生成式AI的嵌入而言，法律保留的要求理应得到进一步的强化。这种强化的必要性源于生成式AI与传统规则引擎型算法之间的质的差异。生成式AI的概率性输出使行政决定的可预见性大幅降低，公民在面对行政权力时所依赖的信赖利益保护，需要更高层级的法律授权来提供制度保障。同时，生成式AI的“幻觉”风险意味着错误决定的发生具有系统性和隐蔽性。这类错误并非像传统算法错误那样源于规则编写的疏漏，而是根植于模型本身的概率机制之中，单纯的事后救济不足以充分保障权利，需要事前的法律“准入控制”来筑起防线。此外，生成式AI的模型参数可能因训练数据更新而发生变化，导致行政决定的实质标准在立法者不知情的情况下悄然发生偏移，这种“标准漂移”现象使得立法控制的有效性受到侵蚀。

反观我国现行法律体系，虽然尚无类似德国第三十五a条的统一规范，但《个人信息保护法》第二十四条第三款赋予个人“拒绝仅通过自动化决策方式作出决定”的权利，可以被视为制度衔接的重要起点。笔者主张，在未来的行政程序立法中，应当明确要求行政机关采用生成式AI作出全自动具体行政行为时，须具有法律、行政法规层面的明确授权，并在授权规范中明确AI系统的适用范围、技术标准和人工干预条件。唯有如此，方能在释放技术效能的同时守住法治的底线。

（二）技术性正当程序作为过程约束

正当程序是行政法治的核心要求之一。传统行政程序法所构建的告知、听取意见、说明理由等制度，均建立在决策由人工作出这一基本预设之上。一旦决策权转移至算法系统，这些程序制度的运作逻辑便需要重新审视。赵鹏与张硕在2024年的研究中提出了自动化行政决定的“双层说明义务”架构，将说明义务区分为面向公众的事前系统性说明与针对相对人的事中个案说明两个层次。这一理论创新为理解全自动行政行为的程序合法性提供了有益的分析框架。然而，生成式AI的“黑箱”特征使这一义务的履行面临相当的技术困难。张凌寒曾指出算法自动化决策与行政正当程序制度之间存在深层冲突，而在生成式AI语境下，这种冲突进一步加剧：传统规则引擎的决策逻辑可以通过规则链进行回溯和解释，生成式AI基于深度神经网络的推理过程却在技术上难以完全“翻译”为人类可理解的语言。

为回应这一挑战，本文提出“技术性正当程序”的概念，作为传统正当程序原则在智能行政领域的延伸和具体化。在其核心内容上，事前公开义务要求行政机关在部署生成式AI系统之前，向社会公开系统的功能描述、训练数据来源、性能评估结果及已知局限性，使公众能够对系统的能力和风险形成基本认知。过程记录义务则要求系统在运行过程中完整记录每一次决策的输入数据、模型版本及输出结果，形成可追溯的“数字决策档案”，为事后审查和问责提供必要的信息基础。个案说明义务要求行政机关在行政相对人提出请求时，以通俗易懂的方式说明影响其权益的主要因素。考虑到生成式AI的完全可解释性在当前技术条件下尚难实现，个案说明可以采取“近似解释”的策略，即通过标识对决策结果影响最大的输入变量和特征权重，为相对人提供理解决策逻辑的基本线索。

（三）行政裁量的算法禁区作为实体限制

行政裁量权能否委托给生成式AI，是划定法律边界时最具争议性的核心问题。赵宏在比较法分析中明确指出，“价值判断和裁量”是算法决策不应涉足的禁区。其理由在于，机器无法以数学模型收集所有与裁量相关的信息，在冲突目标的选择和权益分配上面临巨大困难。不过，她也同时指出，裁量并非一律不能适用算法。如果将裁量行使区分为两个阶段来看，把“普遍抽象的裁量”（如通过制定行政规则来确立裁量基准）交由算法在技术上是可行的，但“具体特定的裁量”因需要在不完全信息下对不确定法律概念予以具体化，则必须有人工介入，否则将引发严重的权利保障危险。

本文在此分析基础上进一步论证，生成式AI的嵌入应严格遵循“分级嵌入”的逻辑。在羁束行政领域，即法律对行政决定的构成要件和法律效果均作出明确规定、行政机关不享有裁量空间的情形下，生成式AI的嵌入在满足前两层边界要求的前提下应当被允许。因为此类行政活动的决策逻辑本质上是规则执行，生成式AI只需准确地将法律规范转化为可计算的操作指令即可，其概率性特征可以通过严格的输出校验机制加以控制。在裁量基准的执行层面，即裁量标准已经通过行政规则予以细化、算法只需执行而非创设标准的领域，可以允许有限嵌入，但必须同时保留人工复核通道，确保在系统输出出现异常时能够及时切换至人工决策模式。至于涉及个案裁量与不确定法律概念具体化的领域，则应当严格禁止生成式AI的嵌入，因为此类决策攸关价值判断和人的主体性，涉及对相互冲突的利益进行权衡和取舍，这种内在的规范性评价活动不应委托给概率性的机器输出（图2）。

四、制度回应与规范路径

（一）“人在回路”监督机制的有效性重构

陈悦在2024年的研究中系统引介了“人在回路”（Human-in-the-Loop）治理模式，指出该模式通过在算法回路中引入有意义的人类监督，力图在公共行政中寻回人的自主性。然而，实践反复表明，当生成式AI的输出质量持续维持在较高水平时，人工审查者极易产生所谓的“自动化偏见”（automation bias），即过度信任AI输出而在不知不觉中放弃独立判断。在此种情形下，“人在回路”名义上存在人工审核环节，实质上却退化为对机器决策的橡皮图章式确认，完全丧失了制度设计的初衷。

为克服这一困境，“人在回路”机制需要在多个层面进行有针对性的重构。在组织层面，行政机关应设立专门的算法审查岗位，配备同时具有法律素养和技术背景的复合型专业人员，使其能够从法律合规与技术可靠两个维度对AI输出进行实质性审查。在程序层面，对于涉及重大权益的全自动行政决定，应设定强制性的“人工断点”（human checkpoint），即使系统已生成完整决定，仍须经过人工实质审查方可生效，而非仅仅在流程末端附加一个形式性的确认按钮。在技术层面，应开发配套的“异常检测”模块，当系统输出偏离历史决策分布或触发预设的风险阈值时，自动暂停决策流程并转入人工处理通道，从而在技术架构层面为人类监督的实质性介入创造条件。

（二）算法说明义务的双轨保障

基于赵鹏提出的“双层说明义务”理论，本文进一步提出生成式AI语境下的算法说明义务应采取“双轨”模式。所谓“系统级说明”，是指行政机关应当定期向社会公众发布AI系统的运行报告，涵盖决策总量、错误率、申诉处理情况等关键统计数据，使公众能够在宏观层面了解系统的运行状况和可靠程度。所谓“个案级说明”，则是指当行政相对人提出请求或对决定提起行政复议、行政诉讼时，行政机关有义务提供针对该个案的具体影响因素分析。鉴于生成式AI的完全可解释性在当前技术条件下尚难实现，个案说明可以采取“反事实解释”方法，即告知相对人“如果某项输入条件发生改变，决定结果是否会有所不同”，以这种间接但可操作的方式实现实质性的理由说明，从而在技术可行性与程序正义之间寻求平衡。

（三）司法审查标准的调适

全自动具体行政行为进入行政诉讼之后，法院面临着一系列特殊的审查困难。传统的合法性审查依赖于对事实认定、法律适用和程序合法性的逐一检验，而生成式AI的“黑箱”特征使法院难以直接审查算法的推理过程。在此情况下，照搬传统的审查方法显然已不能满足实际需求，需要探索新的审查路径和标准。

为此，本文建议引入若干制度创新以回应这一挑战。建立“算法审计”前置程序具有重要的实践意义，即由经过认证的第三方技术机构对AI系统进行独立的合规评估，审计报告可以作为司法审查过程中的重要参考依据。在举证责任的分配上，当行政相对人对全自动行政决定提出合理质疑时，考虑到其在技术能力和信息获取方面的天然劣势，应将证明决定合法性的举证责任转移至行政机关一方，由行政机关承担证明其AI系统符合法律要求的责任。此外，法院在审查此类案件时还可以借助专家辅助人制度，邀请人工智能领域的技术专家参与庭审，协助法官分析算法系统的可靠性、判断特定决定是否存在明显的技术偏差，从而弥补法官在技术知识上的不足。

生成式人工智能嵌入全自动具体行政行为，是行政法治在智能时代面临的前沿课题。本文的核心贡献在于提出了“三层边界”框架，以加重法律保留为准入门槛、以技术性正当程序为过程约束、以行政裁量禁区为实体限制，并在此框架下论证了“分级嵌入”的方案。这一框架的价值在于，它既没有因技术恐惧而一概排斥生成式AI进入行政决策领域，也没有因效率诱惑而放弃行政法治对确定性、可预见性和人的主体性的基本坚守，而是试图在二者之间探索一条审慎而务实的中间道路。

当然，本文的分析框架仍属初步建构，尚有诸多值得深入探讨的问题有待后续研究。随着生成式AI技术的持续迭代，算法的可解释性有望在未来获得实质性的改善，法律边界也应当相应地作出动态调整。在我国推进人工智能立法的关键窗口期，如何在行政程序法或专门的人工智能法中妥善回应全自动行政行为的合法性问题，需要立法者与学界保持持续的对话与协同探索。技术在发展，法治也需要与时俱进，唯有建立起动态适应的制度框架，才能在保障行政效能的同时守护公民权利，实现行政法治与技术创新的良性互动。

参考文献：

1. [1] 赵宏.公共决策适用算法技术的规范分析与实体边界[J].比较法研究,2023(02):1-18.
2. [2] 查云飞.人工智能时代全自动具体行政行为研究[J].比较法研究,2018(05):167-179.
3. [3] 赵鹏,张硕.论自动化行政决定的说明义务[J].山西大学学报(哲学社会科学版),2024(02):100-112.
4. [4] 陈悦.论自动化行政中算法决策风险的“人在回路”治理模式[J].行政法学研究,2024(04):78-90.
5. [5] 王宾.自动化行政中算法的法律控制[J].财经法学,2023(01):61-75.
6. [6] 张凌寒.算法自动化决策与行政正当程序制度的冲突与调和[J].东方法学,2020(06):48-62.
7. [7] 丁晓东.论算法的法律规制[J].中国社会科学,2020(12):138-159.