自動行政答復的合法性偏離及其優化進路

《法治政府建設實施綱要（2021-2025年）》提出，要“健全法治政府建設科技保障體系，全面建設數字法治政府”。關于數字法治政府的現有法學研究，主要集中于使用人工智能作為執法的輔助手段。例如，研究行政處罰、行政許可和行政命令等領域的人工智能應用，特別地，關注裁量自動化等問題。但人工智能在政務服務中的應用——自動行政答復，較少被研究關注。近年來，國家陸續發布政策推動發展自動行政答復。早在2017年，國務院辦公廳印發的《政府網站發展指引》（國辦發[2017]47號）就明確提出，“通過自然語言處理等相關技術，自動解答用戶咨詢，不能答復或答復無法滿足需求的可轉至人工服務”。2019年，國務院辦公廳秘書局印發《政府網站與政務新媒體檢查指標、監管工作年度考核指標》，將“實時智能問答”作為加分項，以鼓勵提供自動答復。

作為數字政府建設的一部分，自動行政答復因快速的特點，已然得到了國內外廣泛應用。早在2019年9月底，開通自動行政答復的國內政府門戶網站已400有余。不少國家也推行自動行政答復。美國公民和移民服務局的互動聊天機器人Emma，可通過它了解所需要的移民信息（入籍的形式、費用、說明和資格要求）；美國陸軍和陸軍后備隊的虛擬向導 Sergeant Star，可以回答關于軍隊的任何問題，例如是否符合年齡、身高、體重和其他要求。此外，澳大利亞稅務局所創的聊天機器人Alex，幫助納稅人解決稅務問題。新加坡政府推出聊天機器人，及時答復用戶的問題。？

然而，自動行政答復無法確保答案完全正確。這一合法性偏離的問題，引發了與傳統行政答復錯誤的救濟異同等問題。本文將圍繞自動化行政答復所引發的合法性偏離問題展開研究，以期實現自動行政答復的法治化。

一、法律屬性：無拘束力的自動行政答復

行政答復，有著不同的細分類型，并匹之以不同的法律拘束力。通過類型適配等分析，可知自動行政答復不具有法律拘束力。

（一）前提：行政答復的類型劃分

行政答復，可從問題屬性和答復效力兩個層次進行類型化構建。以問題屬性為標準，行政答復可分為事實問題和法律問題的答復。本文只研究關于法律問題的答復。以答復效力為標準，關于法律問題的行政答復，可分為行政解釋、事先裁定和狹義行政答復。三者的法律拘束力，呈逐級遞減趨勢。行政答復的類型化圖示見圖1。

首先，答復類行政解釋，指行政機關應法院、其他行政機關或公民等不同主體以咨詢、請示或詢問等形式發出的請求，以\"答復\"“復函\"等形式進行的相關法律規范解釋。例如《生態環境部辦公廳關于惡臭氣體超標排放法律適用有關問題的復函》（環辦法規函[2020]122號）對企業事業單位和其他生產經營者未采取措施防止排放惡臭氣體，導致惡臭氣體超標排放的行為進行了法律解釋。由于這一違法行為同時違反兩個以上法律條款，復函明確了具體適用的法條。又如，環境保護部辦公廳針對廣東省環境保護廳作出的《關于高污染燃料禁燃區管理中對直接燃用生物質等問題的復函》等。對行政機關在其執法權限范圍內作出的、內容合法的答復類行政解釋，雖然并無法源意義上的規范拘束力，但具有一定的說服力。換言之，答復類行政解釋，具有事實上的普遍法律拘束力。

其次，事先裁定，亦稱為\"行政事前答復”，作為因應法律不確定的制度化例外，僅具有約束行政兩造的拘束力。盡管法律越織越密，法律不確定性問題依然存在。因此，作為一種因應法律不確定性問題和提高合法預期的非正式手段，事先裁定類答復有著存有必然性。事先裁定是一種制度化的例外，僅在法律特別規定時存在適用。我國也有一定的制度化嘗試。例如，2000年修訂的《海關法》正式創建了海關行政裁定制度，2015年《稅收征收管理法修訂草案（征求意見稿）》也曾試圖創建稅收事先裁定制度。通常認為，事先裁定具有拘束特定當事人的法律效力，但不能拘束第三人。即，事先裁定不得被其他相對人或行政機關工作人員作為先例。

最后，狹義行政答復，指完全依照法律、法規、規章和規范性文件回答問題，并無摻雜自身的意思解釋。在此類行政答復中，“被答復\"之內容是明確的，沒有自我設立、取消和變更權利義務關系的機關意思表示。狹義行政答復，是關于認識表達的答復，沒有拘束力，僅為事實行為。此類行政答復的出現，源于解決法律條文難以查找的現實需要。截止2025年4月30日，我國現行有效法律有306部，遑論行政法規和規章的數量。隨著法律體系的日臻完善，公民越來越難以查找所需條文，更不必言及法律的理解和應用。長此以往，可能會造成公民權益保護的疏漏，以及法律實施的不暢。為了保護公民權益以及促進法律良好實施，行政機關會提供行政答復，幫助公民理解和應用法律。這一要求不僅源于規范層面，有時還被寫人法律文本。例如，《中小企業促進法》第2條規定，縣級以上人民政府及其有關部門應當通過政府網站、宣傳資料等形式，為創業人員免費提供工商等方面的法律政策咨詢。

（二）定位：無拘束力的自動行政答復

自動行政答復，指行政機關使用計算機科技來實現行政答復的自動化。自動行政答復，其技術依托為聊天機器人，也被稱為（自動）問答機器人、自動問答系統、專家問答系統和人機對話系統等。自動行政答復的技術原理，主要分為早期的檢索原理式和后期的大模型式。無論是基于何種技術原理，自動行政答復都不具有拘束力。

1.基于檢索原理的定位：無拘束力

基于檢索原理的自動行政答復，落人“狹義行政答復\"的類型，僅是法律、法規、規章和規范性文件的“復制”，不具有拘束力。

首先，聊天機器人的構建方式有多種。聊天機器人，可追溯到圖靈在20世紀50年代對智能機器的“圖靈測試\"設想。 年，世界上第一個聊天機器人ELIZA發布。從技術構建角度，聊天機器人可以分為基于人工模板、基于檢索和基于深度學習三種。人工模板式，根據輸入在模板庫中匹配問句模板，然后按照對應的應答模板生成答案，準確度高但擴展性較差。檢索式，在數據庫進行基于規則的模式匹配，或應用較為復雜的深度學習算法進行模式匹配，對數據庫要求高但回答質量高。深度學習式，基于深度神經網絡構建端到端的對話模型，來學習輸人與回復之間的對應模式，不斷更新升級知識庫，然后根據對話模型計算輸入語義向量生成新的回復內容，擴展性好但回復可能有語法錯誤。現有的自動行政答復，多數采用檢索原理，從已有知識庫中檢索相關答案。②

其次，自動行政答復的技術基礎在于，基于政府業務邏輯，構建知識圖譜形成完善的知識庫。就本質而言，知識圖譜是一張語義關系的數據網絡圖，是以圖的形式表現客觀世界中的概念和實體及其之間關系的知識庫，是智能問答等服務的基礎技術之一。完善的知識庫，是自動行政答復內容的水之源、木之本。具體而言，自動行政答復的關鍵支撐為，在對政府業務進行邏輯梳理的基礎上，通過對職能部門的政策法規、辦事指南、信息數據進行知識圖譜梳理，形成專門知識庫;此外，還需要綜合利用自然語言處理技術、多輪對話技術、標簽關聯技術和機器學習技術，準確理解用戶輸入語義。

最后，結合技術依托可知，自動行政答復只發揮\"復制\"功用，被定位于狹義行政答復。暫且不論自動系統對事實問題的答復，僅關注對法律問題的答復。通過將法律、法規、規章和規范性文件等信息梳理為知識庫，自動系統依據知識庫進行應答。在這一限域內，自動行政答復，僅是法律、法規、規章和規范性文件的“復制”，等同于狹義行政答復，不具有行政解釋和事先裁定的可能空間。從法律效力的角度，行政機關以電腦語音等方式自動答復民眾查詢時，因不具有法效意思及規制效力，性質上為行政機關之提供咨詢。“自動\"的添附，并未改變“狹義行政答復”的性質。

2.基于大模型的定位：消解的拘束力

基于大模型的自動行政答復，有著基于法律、裁判文書等的“自我解釋\"空間，可歸入“事先裁定”的類型，具有拘束力。但為規避可能的風險，行政機關可能會主動消解拘束力。

首先，隨著生成式人工智能的出現，聊天機器人也有了跨越式發展。2020年，人工智能開始從“小模型 + 判別式\"轉向為“大模型 + 生成式”。就應用而言，從人臉識別、語言翻譯、文本分類，拓展至文本生成、圖像生成和視頻生成等。生成式人工智能依靠大語言模型來實現其生成能力。就原理而言，大模型可分為預訓練、指令微調和價值對齊三個階段。預訓練，指給一個輸入，通過預測下一個單詞來訓練底座大模型，通過大量的訓練來提升精準度，最終實現問題-答案式對話。指令微調，指在底座大模型的基礎之上，通過由《指令，輸出》對組成的數據集進一步訓練。價值對齊，指實現大模型與人類價值觀的對齊，可通過人為設計和自動生成的獎勵函數進行強化學習加以實現。

就算法而言，生成式人工智能的底層算法主要分為循環神經網絡（RNN）、變換器（Transformer）和生成式對抗網絡（GAN）三種。循環神經網絡，屬于遞歸神經網絡，通過使用帶自反饋的神經元處理序列數據，使其可以利用之前的輸入信息影響當下輸出。變換器，是一種基于自注意力機制的深度學習模型，能夠從文本的上下文中找到需要注意的關鍵信息，處理長序列的能力更強。生成式對抗網絡，是一種基于對抗學習的生成模型，其包含生成模型和判別模型，二者相互對抗進而提高生成數據的能力。此外，生成式人工智能的語料體量巨大。以ChatGPT為例，其語料主要來源于可以公開訪問的互聯網數據。GPT-3的參數量達到了1750億，GPT-4訓練模型的參數量更是達到了1.8萬億，遠超傳統人工智能的語料體量。

基于算法的迭代和語料的擴充，生成式人工智能有了迥異于傳統人工智能的性能和應用。傳統的人工智能主要用于數據分析和預測，生成式人工智能可以使用原始數據創建新內容。生成式人工智能可以處理多領域任務，可以生成文本、圖像、音樂、代碼和視頻等。基于生成式人工智能技術，以ChatGPT為代表的聊天機器人實現了飛躍發展。

其次，行政機關趨向于基于大模型開發自動行政答復。2023年12月，安徽省發布《安徽省數字政府大模型場景應用清單（第一批）》，該清單列舉了18個場景應用。法律咨詢助手，作為場景應用之一，指運用大模型的知識問答、邏輯推理等能力，基于裁判文書、法律法規、法律知識問答庫等數據學習、訓練，打造法律咨詢助手。2023年，深圳市龍華區推出“龍知政\"GPT大模型，應用場景之一就是自動行政答復，基于知識庫學習，結合訴求自身和上下文的理解，實現信息服務的智能轉變。越來越多的行政機關，開始基于大模型開發自動行政答復。2023年，貴陽市政府利用大模型開發自動答復，提升智能問答服務水平。 ?₂₀₂₄ 年4月，寧夏發布了安全生產政策法規領域的大模型智能應用“安全生產政策法規咨詢AI助手”，該應用涵蓋了安全生產領域知識、政策法規、典型案例以及監管報告，旨在提供準確的法律法規及政策解答。

政務咨詢類大模型，旨在提供特定領域的問答服務，是生成式人工智能嵌合行政機關的應用場景之一。由規劃布局可知，基于大模型的自動行政答復，不同于基于知識庫的檢索，而是基于裁判文書、法律法規、法律知識問答庫等數據學習、訓練。因此，以大模型為技術支撐的自動行政答復，不再僅僅是法律、法規、規章和規范性文件的“復制”，而是有了自我創造、自我解釋的可能。根據這一技術特性，依循前文的學理分類，可知此類自動行政答復有著事先裁定的可能空間，應當被賦予一定的法律拘束力。

最后，為了規避可能出現的爭議，行政機關極有可能作出“無法律拘束力\"的聲明。當下，基于檢索原理的可知可控式自動行政答復，都進行了免責聲明。例如，商務部智能問答機器人提示到，“若回答與事實有所出入，最終解釋權歸商務部網站所有。機器人回復內容不代表商務部官方立場，任何截屏、轉發不具備法律效力，商務部不對此承擔任何責任。\"舉輕以明重，基于大模型的不可知、不可控的自動行政答復，極有可能突破現有法律規定進行無權法律解釋，則更應被賦予“無法律拘束力”免責聲明。換言之，行政機關會在使用時進行特定聲明，強調此類答復不具有法律拘束力，僅供參考。例如深圳市龍華區的智能答復系統，雖然并未明確表示答復無法律拘束力，其免責聲明表達了相似含義。

二、實然表現：合法性偏離

通過提供快速、準確的答案，自動行政答復減輕了公民的行政負擔。然而，自動行政答復并非無缺點。基于檢索原理的自動行政答復具有簡單性，不免與準確性角力。基于大模型的自動行政答復，具有復雜性，同樣會與準確性產生角力。與準確性的角力，意味著合法性偏離的可能。

（一）簡單性：基于檢索原理的合法性偏離

1.簡單性：法律的簡單解釋

何為簡單性？簡單性，指行政機關對法律進行簡單的解釋，但沒有強調法律的潛在復雜度，也沒有通過正式的修改程序來降低復雜度。換言之，簡單性是將復雜的事物簡化理解，并不是指事物本身是簡單的，也并未降低事物的復雜度。不可否認，簡單性有助于公眾理解法律。在一定的場域中，簡單性與準確性是相契而非相沖突的，這為法律的簡單性解釋提供了合理基礎。以完全民事行為能力人為例，其簡單性理解為

18周歲以上的成年人。

然而，簡單性會減損精度。法律中有許多但書和例外，是法律體系的精密構成。忽視這些但書和例外，會與準確性產生角力。仍以完全民事行為能力人為例，其存在兩種例外情形：第一，十六周歲以上的未成年人，以自已的勞動收人為主要生活來源的，視為完全民事行為能力人;第二，不能辨認自己行為的成年人為無民事行為能力人。忽略這兩種例外情形，則不能準確地理解、應用法律。

2.適用：基于檢索原理的簡單解釋

自動行政答復具有簡單性，原因在于其可能會對復雜的法律進行簡單解釋。具體而言，法律體系繁雜，知識圖譜的構建難免有疏漏之處。當自動行政答復未能構建完善的知識圖譜時，則具有了簡單性。或者即使構建了完善的知識圖譜，未能將但書和例外等細節之處及時呈現給用戶時，自動行政答復同樣具有著簡單性。用戶輸入方式是多樣的，當自動行政答復沒有準確掌握用戶輸入語義時，可能無法呈現細微之處。

3.導向：合法性的偏離

自動行政答復的簡單性，意味著法律精度的減損，進而導致合法性的偏離。美國稅務機關適用的互動式稅務助理ITA（\"Interactive Tax Asstant\"）可為例證。ITA向公民解釋稅務法律，雖然可以提供與法律相一致的答案，但是有時也提供偏離法律的答案。這些偏離可能是有利于公民的，也可能是不利于公民的。

其一，偏離合法性的答復可能是對相對人有利的。例如，一位模特意圖通過手術替換美觀人造牙齒，以期助益事業發展，在ITA系統中選擇了“我能否扣除我的醫療和牙科費用？\"通過一系列的問題確認后，ITA接著問道：“你問的是哪種類型的支出？”該模特選擇了“人造牙齒支出\"后，ITA的答復為“你的人造牙費用是合格的可扣除費用。”然而，ITA的答復與法律規定并不一致。ITA通過簡單詢問費用類型來獲取輸入信息，但沒有詢問法條中更加細化的條件，導致其提供了一個對納稅人有利的錯誤答案。

其二，偏離合法性的答復也可能是對公民不利的。例如，若一名因長期化療導致了牙齒變色的癌癥患者意圖美白牙齒，通過詢問ITA，在醫療和牙科費用問題類別下點擊“牙齒美白費用”，得到的回復為“牙齒美白費用不是可扣除費用。”然而，該答復與法律規定亦非一致。在2003-57的稅收裁定中，國稅局表示，如果牙齒美白費用不治療“因毀容疾病或治療引起的\"變色，則不可扣除醫療費用。換言之，如果手術是因為疾病或疾病治療，而非為了改善納稅人的外表，則屬于可扣除的醫療費用。然而，ITA未詢問過相關事實，導致其提供了一個對納稅人不利的錯誤答案。

綜上可知，自動行政答復這種簡單性信息供給，使公眾難以知悉法律的細微之處。失之毫厘，謬以千里。錯過法律的細微之處，可能會導致合法性的偏離。聊天機器人的錯誤答復并非臆想。當然，導致偏離答復的原因是多樣的。但不論原因為何，基于檢索原理的自動行政答復都有偏離合法性的可能。

（二）復雜性：基于大模型的合法性偏離

1.復雜性：法律的創造解釋

所謂復雜性，指對法律進行從無到有、從簡到繁的創造性解釋。法律有限而現實無窮，將抽象的規范適用于具體的現實離不開法律解釋。由于法律條文的模糊、疏漏或不一致，立法機關、行政機關和司法機關皆會進行創造性解釋。上述機關以文義解釋、體系解釋、目的解釋和歷史解釋等方式，對法律條文進行合法解釋。隨著模糊之明確、疏漏之補足、不一致之協調，法律體系的復雜度則進一步提升。

例如，《行政處罰法》第33條規定了首違不罰。即對于初次違法且危害后果輕微并及時改正的，可以不予行政處罰。為了解決“首違不罰”過于抽象的問題，各地各部門以出臺首違不罰事項清單等方式進行了明確，如《稅務行政處罰“首違不罰\"事項清單》。又如，《行政訴訟法》第15條第3項規定，中級人民法院管轄的第一審行政案件，包括本轄區內重大、復雜的案件。《最高人民法院關于適用lt;中華人民共和國行政訴訟法gt;的解釋》第5條對“本轄區內重大、復雜的案件\"進行了解釋。此類案件，可解釋為社會影響重大的共同訴訟案件;涉外或者涉及香港特別行政區、澳門特別行政區、臺灣地區的案件;以及其他重大、復雜案件。在行政答復領域，答復類行政解釋和事先裁定，皆為法律的創造解釋，增加了法律規范的復雜度。

2.適用：基于大模型的創造解釋

基于大模型的生成式人工智能具有涌現性，模型能夠生成原始訓練數據中沒有的新模式和特征。這一特性的原理，是當模型的訓練數據和參數不斷擴大，超過臨界值后，可能表現出一些未能預測的能力和特性。換言之，不存在于較小模型而存在于較大模型之中的能力，就是涌現能力。這一涌現性，等同于創造解釋，可能產生意外之喜，也可能會帶來意外之憂。

基于大模型的自動行政答復，歸屬于生成式人工智能，立足涌現性特征，可知其可進行創造解釋。基于裁判文書、法律法規、法律知識問答庫等語料的學習，特別是裁判文書的學習，決定了生成式人工智能可能進行創造解釋，增加法律規范的復雜度。

3.導向：合法性的偏離

自動行政答復的創造解釋，存在將“行政解釋”逕行“注人”自動答復系統的可能。這一行政解釋，可能是未經公開的和任意的，甚至是違法的。自動行政答復的創造解釋，不僅不具有內容合法性，還不具有主體合法性。

首先，自動行政答復所進行的創造解釋，不具有內容合法性。生成式人工智能會產生虛假內容，可被稱為模型幻覺（hallucination）。幻覺，分為事實性幻覺和忠實性幻覺。事實性幻覺，指生成式人工智能生成的文本在語言流暢性、語法結構上看似無可挑剔，但模型生成的內容具有事實錯誤。例如，谷歌推出的對話機器人Bard，它基于一個大型語言模型構建，在回答有關詹姆斯·韋伯太空望遠鏡的問題時出現了事實性錯誤。忠實性幻覺，指模型生成的內容與輸入指令和上下文不一致。

從生成式人工智能的技術原理剖析可知，其生成結果并非絕對正確。生成式人工智能，在沒有被標注的數據上進行自監督式學習訓練，進而生成與上下文相符的內容。產生模型幻覺的原因有三，數據源、訓練過程和推理。就數據源而言，當訓練語料存在缺陷時，生成式人工智能可能會出現事實錯誤和虛假陳述等;當訓練語料有限時，生成式人工智能的結果同樣可能會出現錯誤。就訓練過程而言，當預訓練階段存在架構缺陷和曝露偏差，以及對齊階段存在能力錯位和信念錯位時，大模型可能會產生幻覺。就推理而言，固有的抽樣隨機性和不完美的解碼表示，同樣會導致大模型幻覺。此外，當用戶提示詞過于模糊，又或者根據安全準則無法響應時，人工智能模型可能會自行填補空缺內容。

雖然可采取基于人類反饋的強化學習技術等改進文本生成的準確性，但是這一問題尚未被根本解決。當OpenAI推出其最新的大規模語言模型GPT-4時，該機構明確表示：盡管與之前的版本相比，GPT-4在減少知識幻覺現象方面取得了顯著進步，但該模型仍然不是絕對可信的，有時仍可能生成錯誤答案。

大模型的幻覺特性，意味著自動行政答復錯誤的可能。出現幻覺的主要原因之一，是訓練語料中包含了錯誤事實。以知假買假的過往裁判為例，因對相關法律和司法解釋的理解和適用尚不一致，導致類案不類判。在“類案非類判\"語料之中所習得的規則，即可能會違反法律體系和法律原則，以及誤用或濫用各類法律解釋方法。當法律法規修改廢止之時，還會帶來法律知識的更新迭代。關于相同法律問題，法律修訂后的答案可能與修改前相差甚多。例如，2024年修訂的《公司法》，將認繳制改為“自公司成立之日起五年內繳足”。

進一步而言，答復內容的錯誤意味著可能會對權利或義務進行增加或減損。此外，基于大模型的問答系統對相同問題可能有不同答復，意味著自動行政答復可能進行前后不一的創造解釋。

其次，除內容不合法外，這一創造解釋的主體亦不合法。法律解釋權天然屬于實施者。由此可知，從屬于行政執法權的答復類行政解釋權，其有權解釋主體是行政執法機關。在法定層面，就目前的法律而言，機器尚未能跳出\"主體一客體\"的二元區分，獲得法律主體的資格和地位。作為使用工具的自動行政答復系統，不具有行政法上的法律主體資格，不是行政執法機關。公務員既是自然人，也是國家工作人員。民法上的法律主體資格，是成為公務員的基礎。自動行政答復系統，不具有民法上的法律主體資格，即無法等同于作為國家工作人員的公務員。在理論層面，關于是否賦予人工智能體法律主體地位的問題，學界眾說紛繪，未能形成定論。反向論之，將自動行政答復當作有權解釋主體，不具有行政權運行的憲法正當性，還可能會導致行政權的隨意處分。由此可知，自動行政答復不是有權解釋主體。內容不合法和主體不合法的疊加，意味著自動行政答復之內容對合法性的偏離。

綜上可知，不論是基于檢索式的“簡單性”，還是基于大模型式的“復雜性”，都有導致合法性偏離的可能。合法性的偏離，分為對相對人不利的答復和有利的答復。無論答復是否有利，合法性的偏離都將相對人置于不利境地。對于不利答復，其直接減損了相對人的合法權益。對于有利答復，表面看似增加了相對人的權益，但后續可能是同樣將相對人置于不利地位的行政處罰。不具有拘束力的自動行政答復，卻可能導致合法性偏離，誘發相對人進行違法行為，將相對人推至不利境地。如何給相對人提供適宜保護，如何平衡“無拘束力\"和“合法性偏離”之間的張力，成為一個亟待解決的問題。為了解決合法性偏離問題，可從制度因應和技術改進兩個方面人手。前者是基于檢索原理和大模型的共性優化進路，后者是基于檢索原理和大模型的個性優化進路。

三、應然優化：基于共性的制度因應進路

若相對人遵循對其不利的錯誤答復，受有損失，能否得以救濟？如果能夠救濟，則又該如何救濟？若相對人遵循對其有利的錯誤答復，做出了違法行為，行政機關應不應該給予處罰？

（一）對相對人不利之答復

若相對人遵循對其不利的錯誤答復，做出了偏離合法性的行為，在糾正行為后，即可彌補相對人所受損失。關于不法行政行為的糾正，這一點并無爭議。正如上文提到的ITA，因沒有詢問相關事實，導致因長期化療而牙齒變色的癌癥患者無法享有原本應當享有的醫療費用扣除，相對人可在知悉扣除規定后，向行政機關申請糾正錯誤行為，進而彌補所受損失。

在糾正行為后，若其受有損失，仍有權請求賠償。問題聚焦于后者，即若相對人遵循對其有利的錯誤答復，做出了違法行為，行政機關是否應予處罰？

（二）對相對人有利之答復

以私法領域的合理準確性期待為鏡鑒，可以信賴保護之原則進路和《行政處罰法》之規則進路，解決對相對人有利答復所帶來的困境。經由信賴保護原則和《行政處罰法》的分析可得，相對人因遵循對其有利的錯誤答復而進行的違法行為，行政機關應該減輕或免除處罰。

1.鏡鑒：私法領域的合理準確性期待

基于檢索原理的自動商業答復，同樣有著合法性偏離的表現。在祖母去世當天，一位乘客立即在加拿大航空公司的官網上訂購了機票。由于該乘客不確定加拿大航空公司的喪親費率政策，于是通過官網上的聊天機器人進行問詢。這一案件發生于ChatGPT出現之前，該聊天機器人是基于傳統檢索原理的答復系統，并非是生成式屬性的。此外，加拿大航空公司并沒有在該聊天機器人中設置免責聲明。聊天機器人明確告訴該乘客可以在飛行后的90天內要求退款，但這一答復與加拿大航空公司的政策是不符的。加拿大航空公司的政策明確規定，在航班預訂后，該航空公司就不會為喪親旅提供退款。

加拿大民事仲裁庭認為，自動商業答復應當滿足合理準確性期待，支持了乘客的請求。具體而言，該乘客按照答復內容在飛行后申請退款，但遭到了航空公司的拒絕，隨后訴諸仲裁。雖然加拿大航空公司辯稱，其對聊天機器人提供的信息不承擔責任。但加拿大民事仲裁庭認為，作為網站的一部分，聊天機器人所提供的信息應與其他信息渠道滿足同等準確性要求。因此，裁決要求航空公司按照聊天機器人的\"幻覺”內容進行賠償。

對于自動商業答復的合理準確性期待，為自動行政答復的合法性偏離問題提供了有益之解決借鑒。私法之合理準確性期待，類似于公法之合理信賴保護，即信賴保護原則，亦類似于違法性認識錯誤不可避免。

2.原則進路：信賴保護原則

信賴保護原則，指行政機關所實施的行為導致一定法律狀態的產生，若私人因正當地信賴該法律狀態的存續而安排生產生活，國家對于這種信賴應提供一定形式和程度的保護。信賴保護原則，包括信賴基礎、信賴表現和信賴值得保護三個部分。所謂信賴基礎，指足以產生特定法律狀態的事實或行為。所謂信賴表現，指私人基于信賴進而對自己的生產生活進行了處分。所謂信賴值得保護，指信賴必須具有正當性。正當，指私人對法律狀態深信不疑，以及對信賴基礎的成立為善意且無過失。據此，可從信賴保護原則的適用條件層面，對有利偏離答復加以檢視。

首先，自動行政答復之內容，可成為信賴保護原則之信賴基礎。從公法角度，信賴基礎可以是國家作出的任何行為和意思表示。無論是基于檢索原理還是基于大模型的自動行政答復，本質都是現有法規范的定向呈現，是一種咨詢解答行為。自動行政答復，有著行政機關的公權力背書。對相對人而言，其對二者抱有合理的準確性期待，這種咨詢行為與人工進行咨詢解答無異。即使沒有法律拘束力，也產生了事實上的拘束效果，可成為信賴保護之信賴基礎。

此外，無論是有利還是不利的行政答復，都可成為信賴基礎。通說認為，信賴利益保護原則僅限于授益性行政行為。然而，作為信賴基礎的“授益性”，應當是相對而非絕對的。對于負擔行為而言，若其作出更不利于相對人的變更情況下，變更行為的實際效果等同于授益行為的撤銷或廢止。因此，對于錯誤答復所造成的有利偏離，若后續據此對相對人進行處罰，則將其置于更加不利的狀態。因更加不利狀態的推置，有利偏離之行政答復，能夠成為信賴基礎。若相對人基于信賴進而對自己的生產生活進行了處分，同時善意且無過失，則滿足信賴保護的條件。

其次，在保護方式的選擇方面，可通過不予處罰實現對有利偏離答復的信賴保護。信賴保護的方法，可分為存續保護和財產保護兩種。前者指保證信賴基礎的存續，后者指對相對人因信賴原法律秩序所受的損失予以補償。對有利偏離答復的信賴保護，顯然不宜也沒必要采取存續保護的方式。若采用存續保護方式，則自動行政答復的效力等同于事先裁定，具有了約束兩造的法律效力，不符合設定初衷。因此，只能采取財產保護的方式。在通常授益情形中，財產保護是對“減損授益\"進行補償。同理可知，在例外負擔情形中，財產保護是對\"加重負擔\"進行免除。不予處罰，可成為對有利偏離答復的信賴保護方法。

綜上可知，在滿足信賴基礎、信賴表現和信賴值得保護的要求后，可通過不予處罰的方式對獲致有利偏離答復的相對人加以信賴保護。

3.規則進路之一：首違可不罰

除了信賴保護這一原則進路外，還可通過《行政處罰法》的規則進路，進一步論證“不予處罰”的正當性。因信賴行政機關的答復而陷入違法性認識錯誤，可經由首違可不罰或主觀過錯條款，對相對人進行減輕或者免除處罰。

首先，刑法中違法性認識錯誤是責任阻卻的正當理據。在刑法中，自然犯和法定犯是兩個相對的概念。自然犯侵犯了憐憫和正直兩種人類最基本的道德情感。因此，行為人基于常理常情便可以認識其違法性。法定犯，又稱為行政犯。行政犯在倫理道德上通常是價值中立的，只是由于法律的專門規定而被視為非法行為，如非法經營罪等。不同于人身犯罪和財產犯罪等清晰易辨的“自然犯”，“法定犯”與特定時代和社會的需求相關，因而呈現較大的非自然性、立法規制性和變易性。對于“法定犯”，行為人很可能認識不到行為的違法性。在自然犯的語境推演下，誕生了“不知法者不免責”。在行政犯的語境沖突中，進化出“不知法者不為罪”的責任主義。

在\"不知法者不為罪”的責任主義與“不知法者不免責”的刑事政策的角力之中，違法性認識錯誤的可避免性判斷成為了調停者。所謂違法性認識錯誤，指行為人認識不到自身行為的違法性。刑法實踐中有不少案例，如老太擺射擊攤獲刑案、出售兩只鸚鵡獲刑案等。當違法性認識錯誤不可避免時，即行為人已盡力認識法律卻依舊陷入錯誤，或者有合理依據相信自身行為的合法性，則行為人可不承擔刑事責任。特別地，若相對人因信賴或咨詢行政機關的答復而陷入違法性認識錯誤，應當視作難以避免。當違法性認識可以避免之時，則導向“不知法者不免責”。

其次，違法性認識錯誤，為行政法中的責任阻卻提供了有益借鑒。違法性認識錯誤，既出現在刑法中的行政犯中，也出現在行政不法中。與刑法中的行政犯不同，行政不法出現違法性認識錯誤的概率會更加高。究其原因，在于除典型的秩序罰法外，不少行政法規范與社會倫理等關聯極弱，指向的行政不法行為也不具有強烈的道德可責性。實踐中，也有著諸多違法性認識錯誤的案例。例如，上海一市民修剪自己購買的香樟樹，被行政機關認定屬于砍伐行為，并對其作出了14.42萬元的行政處罰。行政機關對該市民進行處罰的依據為《上海市綠化條例》第43條第2款。該款規定：“違反本條例第二十九條第一款規定，擅自砍伐樹木的，由市或者區綠化管理部門處綠化補償標準五至十倍的罰款。”關于“砍伐\"的認定，來自上海市綠化和市容管理局制定的《上海市居住區常見樹木修剪指南》。暫且不論該市民的行為屬于修剪還是砍伐，修剪自己購買的樹木可能引發行政處罰，這一“法定犯\"實難為普通公眾所知悉。又如，有市民郵寄48條中華煙用作喜煙，構成“無證運輸煙草”，被處罰了10080元。郵寄48條煙的行為，違反了《國家煙草專賣局郵電部關于恢復煙草及其制品郵寄業務的通知》的規定，即\"郵寄卷煙、雪茄煙每件以二條（400 支）為限（二者合寄時亦限二條）”。再如，浙江臺州的一家農戶宰殺售賣了自家養的一頭豬，違反了《生豬屠宰管理條例》，被當地農業局罰款5萬元。《生豬屠宰管理條例》第2條規定，“國家實行生豬定點屠宰、集中檢疫制度。除農村地區個人自宰自食的不實行定點屠宰外，任何單位和個人未經定點不得從事生豬屠宰活動”。該條例第31條第1款規定了相應的責任，即“未經定點從事生豬屠宰活動的，由農業農村主管部門責令關閉，沒收生豬、生豬產品、屠宰工具和設備以及違法所得;貨值金額不足1萬元的，并處5萬元以上10萬元以下的罰款…”。諸如此類，不勝枚舉。隨著行政立法的日臻完善，行政違法此類“法定犯\"的立法激增，相對人更加難以全面知悉。

在\"不知法者不為罪”的責任主義與“不知法者不免責”的行政政策的角力之中，違法性認識錯誤的可避免性判斷同樣成為了調停者。當違法性認識錯誤不可避免時，相對人可以不承擔行政責任。

再次，我國《行政處罰法》雖然沒有納人獨立的違法性認識錯誤條款，但“首違可不罰\"等規范已經為其在行政處罰中提供棲身之所。換言之，《行政處罰法》第33條第1款所規定的“首違可不罰”同樣可提供免責支撐。首違可不罰”，即初次違法且危害后果輕微并及時改正的，可以不予行政處罰。相對人因有利答復而進行的違法行為，是對法律理解有誤，為\"初次違法”。若同時滿足“危害后果輕微”和\"及時改正”，則有不承擔行政處罰的可能。

最后，隨之而來的問題是，如何判斷違法性認識錯誤是否可避免。這一判斷，可轉化為行為人是否已經盡力去查明法律。當相對人通過咨詢行政機關這一有權機關了解法律時，表明其已努力去查明法律。即使被咨詢機關提供了后續被證明錯誤的法律說明，鑒于行政的公信力，也應認為行為人已經足夠努力去了解法律，進而可認為此項違法性認識錯誤是不可避免的。刑法也同樣吸收了這一認識。《關于辦理涉互聯網金融犯罪案件有關問題座談會紀要》規定，犯罪嫌疑人提出因信賴行政主管部門出具的相關意見而陷入錯誤認識，不應作為犯罪處理。對于不可避免的違法性認識錯誤，應當減輕或者免除處罰。行政機關的答復，頗似“得承諾的行為不違法”，成為了行政處罰的違法性阻卻事由。

4.規則進路之二：主觀過錯

《行政處罰法》主觀過錯條款，同樣可提供免責進路。《行政處罰法》第33條第2款規定，“當事人有證據足以證明沒有主觀過錯的，不予行政處罰。法律、行政法規另有規定的，從其規定。”違法性認識錯誤，是有責性要件而非構成要件，因此不宜定位于《行政處罰法》的主觀過錯條款。主觀的心理狀態判斷，轉化成了客觀的注意義務審查。相對人通過自動行政答復尋求法律指引，可認定為其盡到了注意義務。在法律法規沒有相反規定的前提下，答復內容可作為證明沒有主觀過錯的證據。

5.對比分析：進路選擇的境遇區分

無論是原則進路，還是規則進路，皆可將自動行政答復作為不予行政處罰的辯護依據。然而，并非所有的進路都同等適用。原則和規則進路根據境遇不同，共同構成了三階適用方法。

具體而言，在原則進路和規則進路的選擇之中，優先適用規則進路。從行政機關的角度出發，其會優先適用具體之規則而非抽象之原則。在規則進路的雙重選擇上，同樣有著境遇區分。首違可不罰，適用便捷，只需要查明相對人之前有無相同的違法記錄即可。但首違可不罰的適用，還需同時滿足“危害后果輕微\"和“及時改正”。若相對人的危害后果不屬于輕微，又或沒有達到及時改正，則首違可不罰的規則進路難以發揮功用。此外，首違可不罰之“可”，表明了其為裁量行為而非拘束行政。相對人依舊有著承擔行政處罰的風險。但主觀過錯的適用不需要滿足額外的條件，且屬于拘束行政而非裁量行政。然而，“足以證明”沒有主觀過錯的，科以相對人以舉證責任，增加了相對人的行政負擔，且依舊存有被行政處罰的風險。

綜合上述進路的優缺點可知，首違可不罰的規則進路優于主觀過錯的規則進路，但若不滿足前者的“危害后果輕微”和“及時改正”構成要件時，則宜適用主觀過錯條款。規則進路優于原則進路，但當相對人舉證困難等導致難以證明時，宜擇取原則進路。

四、應然優化：基于個性的技術改進方案

為了減輕相對人的舉證難度，以及減少合法性偏離的可能等，還需要在技術方面加以改進，包括但不限于獲取記錄的功能增設和轉譯準確度的提高等。

（一）獲取記錄的功能增設

為減輕相對人證明信賴基礎的存在或無主觀過錯的舉證難度，自動系統需要進行功能增設。不同于商業答復系統，自動行政答復系統多為清屏式而非長久記錄式。換言之，下一次進入系統時，上一次的溝通記錄都會被清理，如北京市政府官網的智能問答系統等。特別地，對于基于大模型的自動答復系統，先前的溝通樣式可能難以再現。由此可知，公民難以在事后獲取或重現溝通記錄，進而難以證明信賴值得保護或無主觀過錯。這一問題可通過增設系統功能加以解決：其一，在問答結束后，公民可提交個人身份信息，進而獲得有日期標記的溝通記錄；其二，自動系統從單次清屏式改為長久記錄式。換言之，過往的溝通記錄都能被長久保存。

這種改造還可確保自動行政答復的聊天記錄真實性。隨著深度偽造技術出現，截屏、錄屏等形式可能無法作為互動記錄的真實證明。深度偽造（Deepfake）為deep learning（深度學習）和fake（偽造）兩個詞的合成詞。“超逼真\"的深度偽造源自于人工智能的應用，它能夠通過技術手段創建新的圖片、視頻以及音頻等。通過上述改造，可確保聊天記錄的真實性，進而避免了深度偽造的可能。

值得注意的是，還需要給行政機關保留質疑相對人“善意且無過失\"或“沒有主觀過錯”的空間。具體而言，若有利偏離之自動行政答復成為信賴基礎或無過錯證明，進而免于后續處罰，則可能會招致別有用心者的反向設計。即，相對人可能故意在自動行政答復系統中操作，以獲得可以作為證明\"善意信賴”或“沒有主觀過錯”的證據。為規避相對人的反向“算計”，行政機關應保留質疑空間。

（二）轉譯準確度的提高

提高轉譯的準確度，有助于減少合法性偏離的可能。為了提高轉譯的準確度，行政機關需要投入各類人力資源。這些人力資源不僅包括代表各專業知識的外部資源，還包括代表行政機關專業知識的內部資源。

1.基于檢索原理的轉譯準確度提高

在技術設計方面，提高從法律轉譯至代碼的準確度。轉譯，指將法律規定轉化為計算機語言。轉譯不準確，指代碼內容未能與法律規定完全相一致。轉譯不準確，不僅體現于單一法條的轉譯，還體現于法律邏輯整體勾連的轉譯。具體而言，指程序員在轉譯時遺漏了細節之處，這一細節是載于其他法律文本的關聯條款。由于轉譯不準確，使得系統答復時未能將復雜的事實“涵攝”于正確的法律規范，出現合法性的偏離。由此可知，可通過更細致的轉譯，梳理系統化精細化的知識庫，使得系統內容與法律規定更為相契，減少系統合法性偏離的可能。

如果說陽光是最好的防腐劑，那么陽光也是最好的糾錯機制。良好的規則需要集眾人之智加以完善。更進一步，各機構應采用明確的程序來設計、維護和審查自動行政答復工具內嵌的內容，并應在其網站上公布這些程序。這些程序應包括定期的用戶測試和由內部和外部研究人員進行的其他形式的評估，以確保可訪問性和有效性。

2.基于大模型的轉譯準確度提高

提高大模型的轉譯準確度，指減少模型幻覺的出現。針對不同的幻覺原因，可從技術方面減少幻覺出現：針對數據相關的幻覺，可通過收集優質數據加以解決;針對訓練相關的幻覺，可對有缺陷的模型架構進行完善，例如，通過完善預訓練策略和確保豐富的上下文，以解決模型預訓練階段的模型缺陷等；針對推理相關的幻覺，可通過事實增強解碼和譯后編輯解碼等，以解決不完美解碼的問題。

特別地，對于基于大模型原理的自動行政答復，機構應該發布與如何開發以及如何維護和更新有關的信息。各機構應在其網站的適當位置發布這些信息。使用自動行政答復的機構應向用戶提供反饋或報告錯誤的能力，使錯誤能全面及時得以糾正。

3.人力資源的投入

行政機關還應投入多學科、多方面的人力資源。僅憑程序員的能力，提升轉譯準確度的邊際成本可能是巨大的。可在轉譯過程中加入法律專業的人力資源。通過加強法律與技術的聯動，提升法律至代碼的轉譯能力。在一般層面上，自動答復系統乃至其他算法系統的更好運行，都需要多種專業人才的共同推動。除了程序員和法律人士外，政府還需要其他人力資源來負責任地設計和評估算法系統。這種人力資源是多方面、多學科的，例如數據分析方面的專業人員、算法規制的體系思考者、促進公眾參與的專業人員和組織小規模測試的專業人員。

同時，行政機關還應當重視內部人力資源的建設。報告顯示，雖然美國許多行政機關依靠私人承包商來建立人工智能系統，但 53% 的系統都是行政機關內部努力的產物。行政機關內部建設人工智能系統，可能出于安全性、保密性的考量。但不可否認的是，內部的專業知識促進了人工智能工具更好地適應復雜的治理任務，更有可能以合法、符合政策和負責任的方式設計和實施。建設內部能力，而不是簡單地接受技術能力外包的默認做法，將是實現算法治理的承諾和避免其危險的關鍵。

五、結語

當下，行政機關被期望用越來越少的資源做越來越多的事情，對于復雜法律和規制計劃的有效管理而言，人工智能帶來了希望。自動行政答復，則為一束希望之光。然而，自動行政答復伴隨著合法性偏離的可能。本文嘗試從制度和技術兩個方面提出解決之道：在制度方面，通過不予處罰違法行為，以減輕合法性偏離的影響;在技術方面，通過增加獲取記錄的功能以減少相對人的舉證難度，以及通過提高轉譯的準確度以減少合法性偏離的可能。在尋求不予處罰的制度進路之中，自動行政答復與傳統行政答復的救濟邏輯并無過多的不同。換言之，方式載體的不同，并未改變行政答復錯誤的救濟方式。

此外，自動行政答復可能的無盡引問和答非所問，與便利相對人的初衷相悖。為應對這一問題，在自動行政答復無法準確回復問題或用戶使用系統遭遇困難時，應及時接入人工答復。從商業環境中得到的教訓是，自動答復服務不是一種\"一刀切\"的模式;開發混合模式是有好處的，它結合了人工智能“高科技”和人類\"高接觸\"的優點。隨著自動行政答復的技術迭代更新，如何進行更好的規制，還需要持續的觀察與進一步研究。

Abstract：Automatic administrative response refers to the use of computer technology byadministrative agencies to automate administrative responses.Whether based on retrieval principles or large model principles，automatic administrative responses are not legally binding.However，the simplexity based on retrieval principles and the complexity based on large model principles may lead to deviations in legitimacy.Specifically，deviations in legality that benefit the relative may lead to administrative penalties.To addressthis issue，optimization can be carried out from both institutional and technological perspectives.Optimization in the institutional aspect，with the goal of protecting the interests of the relevant party，focuses on scenarios where therelevant party commits illgal acts by following a mistaken response that is favorable to them.Through the principled approach of trust protection and the analytical approach based on the rules of the'Administrative Penalty Law'，it can be determined that administrative authorities may be exempted from or have their penalties mitigated.In terms of technological optimization，with the aimof enhancing thecapabilities of administrativeauthorities，it mainly includes adding functions to obtain records and improving the accuracy of translation.

Keywords：administrative response; artificial inteligence; simplexity; complexity; legality