从裁判文书到法律知识:中国法律AI发展的基础性困境

特邀评论员：涂永前（中国人民大学国家发展与战略研究院研究员）

随着人工智能、大数据和生成式AI技术的发展，法律人工智能正在成为法律研究和法律实践中的一个重要方向。越来越多的研究者开始利用裁判文书开展法律实证研究，越来越多的企业也开始建设所谓的“法律大数据”“法律大模型”，试图通过对海量裁判文书、法律法规以及规范性文件进行抓取、整理、检索和训练，使人工智能能够承担法律检索、法律分析、文书生成乃至法律推理等工作。从技术发展的角度看，这无疑是一个值得高度重视的趋势。但是，如果我们真正深入到中国法律数据的底层结构，就会发现一个非常值得警惕的问题：我们现在拥有大量法律文本，并不意味着我们已经拥有了高质量的法律数据；拥有了大量裁判文书，也并不意味着这些裁判文书已经具备了直接支撑法律实证研究和法律人工智能训练的标准化条件。

这实际上是目前中国法律AI发展中一个容易被忽视的基础性问题。很多研究者在进行法律实证研究时，通常会把裁判文书作为一种天然的数据资源，通过裁判文书网或者其他法律数据库获得大量案件材料，然后利用Python等技术工具进行关键词检索、文本提取、变量统计和案件分类。这种方法当然具有一定的研究价值，而且随着计算能力和自然语言处理技术的发展，其效率已经远远超过传统人工阅读。但是，必须认识到，能够从裁判文书中检索出文字，并不意味着我们已经准确识别出了其中的法律事实、法律关系和法律变量。裁判文书本质上首先是一种法律文本，而不是天然意义上的结构化数据库。即使裁判文书在形式上已经具有一定的规范化要求，包含案件类型、案由、审判程序以及其他分类信息，这些分类仍然主要解决的是文书管理和司法统计意义上的问题，并没有完全解决法律研究和人工智能意义上的数据标准化问题。特别是在具体案件中，同一案由可能包含完全不同的事实结构和法律争议，同一个法律概念也可能在不同案件中具有不同的事实指向和裁判意义，而不同的法律问题又经常相互交叉、相互嵌套。因此，如果研究者只是通过几个关键词或者简单的文本规则对案件进行机械分类，很容易把表面上相似、实质上完全不同的案件归为同一类型，也容易把一个复杂案件中的多个法律变量简化成一个简单标签。由此产生的数据，即使数量非常庞大，也未必是真正具有法律分析价值的数据。

从这个意义上说，中国法律AI面临的第一个基础性问题并不是模型，而是法律数据的标准化问题。所谓法律数据标准化，并不是简单地把裁判文书转换成电子文本，也不是把PDF、Word等文件转换成可以被计算机读取的数据，而是要进一步把自然语言所表达的法律事实、法律关系、争议焦点、证据结构、程序过程、法律规范、裁判理由和裁判结果进行结构化处理，使其成为具有明确法律含义、可以进行比较、统计、计算和机器学习的数据。真正困难的地方恰恰在这里。一个案件表面上可能只是“劳动争议”“合同纠纷”或者“侵权纠纷”，但进一步拆解以后，会发现其中可能涉及劳动关系认定、事实劳动关系、违法解除、经济补偿、竞业限制、加班工资、工伤待遇、劳务派遣、平台用工等完全不同的问题；同样，一个案件中所谓的“解除劳动合同”，其事实基础、解除主体、解除程序、证据形式、法律依据和最终裁判结果都可能存在巨大差异。如果这些差异不能被精确识别和标注，那么所谓的大数据实际上只是一堆未经充分加工的法律文本，而不是能够真正支撑法律推理的高质量法律数据。

因此，法律数据标注绝不是一般意义上的文字分类工作，而是一项高度专业化的法律知识工程。现实中一个比较普遍的误解是，只要一个人能够看懂中文、读懂法律条文和裁判文书，就可以承担法律数据标注工作。实际上，这远远不够。真正高质量的法律数据标注人员不仅需要理解法律语言和法律规范，更重要的是必须理解法律规范在司法实践中的实际运行机制。他必须能够判断一个案件事实究竟属于什么类型，某一事实在法律上具有什么意义，某一证据究竟证明什么，法院为什么采信或者不采信某项证据，案件争议焦点是如何形成的，相关法律规范在具体案件中是如何被解释和适用的，以及最终的裁判结果与案件事实、证据和法律规范之间究竟存在什么样的逻辑关系。换言之，法律数据标注不是“读懂文字”，而是要“读懂文字背后的法律结构”。

这也是为什么，未来真正高质量的法律AI数据团队不能仅仅由计算机专业人员组成，也不能仅仅依赖传统意义上的法律研究者。计算机人员擅长数据结构、算法和技术处理，但未必能够识别复杂案件中的法律变量；纯粹从事法律理论研究的人可能具有较强的规范分析能力，但未必充分了解案件在司法实践中的具体运行过程。真正适合承担这一工作的，应当是由法律研究者、法官、律师、检察官以及其他法律实务人员与数据工程师、人工智能技术人员共同组成的复合型团队。特别是长期从事法律实务的人，他们对于案件从立案、举证、质证、庭审到裁判的具体运行过程具有直接经验，更能够理解一个法律概念在真实司法场景中的具体含义。未来法律AI领域真正稀缺的人才，可能并不是简单意义上的“懂AI的人”或者“懂法律的人”，而是能够同时理解法律规范、司法实践、数据结构和人工智能技术的复合型专业人才。

进一步说，中国法律AI所面对的问题还不仅仅是裁判文书标准化程度不足，更重要的是，裁判文书本身并不能完整呈现一个案件真实的司法运行过程。我们今天所看到的裁判文书，是一个案件经过司法程序之后形成的结果性文本，它经过事实筛选、法律归纳和裁判逻辑的重构，最终把复杂的司法过程压缩成一份具有正式法律效力的文书。但真实的司法过程显然比裁判文书复杂得多。庭审中的举证和质证、律师之间的交锋、法官与当事人之间的互动、证据开示过程中出现的信息、案件审理过程中形成的各种判断和讨论，并不一定全部进入最终裁判文书。因此，裁判文书所呈现的是司法过程的一个“可见层”，而不是司法运行的全部内容。研究者如果直接把裁判文书中呈现出来的事实当作案件的全部事实，把裁判理由当作裁判结果形成的全部原因，就可能在研究方法上产生偏差。特别是在一些复杂案件、重大案件以及具有较强政策性或者社会影响力的案件中，案件实际运行过程中可能存在一些并不会完全呈现在公开裁判文书中的程序性、政策性和司法运行信息。由此形成的一个重要方法论问题就是：我们利用裁判文书进行法律实证研究时，究竟研究的是“法律本身的运行”，还是“裁判文书所呈现出来的法律运行”？这两个概念不能简单等同。

从比较法的角度看，这一问题也值得特别注意。美国等普通法国家的司法意见具有非常强的法律论证属性，判决书往往篇幅较长，对案件事实、争议焦点、法律规范以及裁判理由进行较为充分的论证。在一些案件中，不同法官的意见也可能分别呈现，少数意见或者不同意见本身就成为后续法律研究的重要资料。在陪审团制度下，事实问题和法律问题又存在较为明确的功能分工。因此，在这些司法体系中，司法判决本身不仅是案件处理的结果性文件，同时也是法律推理、法律论证和法律发展过程的重要组成部分。当然，中国与美国等国家在司法制度、诉讼程序和法律文化方面存在明显差异，不能简单进行制度上的优劣比较。但是这种差异至少提醒我们：不同国家的司法文书在法律信息承载能力方面存在结构性差异，因此不能想当然地认为，只要获得足够数量的裁判文书，就能够完整重构一个国家真实的法律运行机制。

这也直接关系到我们今天对于所谓“法律大模型”的理解。现在市场上有不少产品把法律检索、案例推荐、法律问答、合同生成和法律文书生成等功能统称为“法律大模型”。这些应用当然具有现实价值，而且生成式AI正在显著提高法律工作的效率。但是必须区分“AI辅助法律工作”和“真正意义上的法律人工智能”之间的区别。一个系统能够根据用户的问题找到相关法律条文，能够生成一份看起来比较专业的法律文书，甚至能够根据大量文本进行语言层面的法律问答，并不意味着它已经真正理解了法律。如果它所依赖的底层数据没有经过专业、系统、精确的法律标注，那么它本质上仍然主要是在进行法律语言的统计和生成，而不是在真正意义上进行法律知识的理解和法律逻辑的推理。

因此，我认为目前中国法律AI领域最值得投入的工作，恰恰不是继续简单追求更大的模型、更高的参数数量或者更多的宣传概念，而是回到最基础的数据工作。我们需要重新思考裁判文书如何进行法律意义上的分类，需要建立更加精细的案件事实分类体系、法律关系分类体系、争议焦点分类体系、证据分类体系、程序分类体系、法律规范适用体系以及裁判结果体系。更重要的是，需要建立统一而专业的数据标注规则，使不同研究机构、不同企业和不同数据库生产出来的数据具有基本的可比性、可验证性和可重复性。在这一过程中，人工智能可以帮助我们提高效率，但是不能简单地用机器替代法律专业判断。因为法律数据标注本身就是一种知识生产活动，其核心不是把文字贴上标签，而是把复杂的法律实践转化为具有明确结构和逻辑关系的知识体系。

在这个意义上，法律AI真正的竞争最终可能并不是模型参数的竞争，而是法律知识体系和高质量法律数据的竞争。一个企业如果拥有几百万份未经专业处理的裁判文书，其数据价值未必高于另一个拥有几万甚至一万份经过法官、律师、检察官以及专业法律研究人员精确标注的数据集。因为对于法律人工智能而言，数据的价值不仅取决于数量，更取决于数据的准确性、结构性、专业性和可解释性。特别是在劳动法、公司法、金融法、知识产权法等专业领域，只有经过领域专家长期积累形成的高质量数据，才能真正构成法律AI的核心资产。

因此，中国法律AI未来的发展，实际上需要完成一次从“法律文本数字化”向“法律知识数字化”的转变。过去我们解决的是把法律法规和裁判文书放到数据库里，让人能够搜索；下一阶段需要解决的是把这些文本中的法律事实、法律关系、法律规范和裁判逻辑真正转化为机器能够识别、比较、计算和推理的知识结构。前者主要解决的是信息获取问题，后者解决的才是真正的法律智能问题。

从这个角度来看，中国法律AI目前最大的机会，恰恰也可能是最大的基础性短板。我们拥有数量庞大的法律文本和裁判文书，也拥有越来越成熟的人工智能技术，但中间缺少一个非常关键的环节，那就是专业化、标准化、精细化的法律知识工程。如果这一基础工作没有完成，那么所谓“法律大模型”很可能只是一个能够生成法律语言的大语言模型，而不是一个真正能够理解中国法律规则、识别中国司法实践并解释中国法律运行逻辑的法律人工智能系统。

所以，未来中国法律AI真正需要回答的问题，不是“我们有没有大模型”，而是“我们有没有自己的法律数据标准，有没有高质量的法律数据集，有没有专业的法律数据标注体系，有没有能够把法律实务经验转化为机器知识的专业人才”。只有把这些最基础、最艰苦、最不容易被市场宣传的工作做好，才可能真正建立中国法律人工智能的技术底座。

从裁判文书到法律数据，从法律数据到法律知识，再从法律知识到机器可以理解和验证的法律推理体系，这可能才是中国法律AI真正需要走的一条道路。大模型可以快速迭代，但法律知识基础设施不可能一蹴而就。谁能够真正完成这一基础性工程，谁才可能在未来的法律人工智能竞争中建立真正具有长期价值的专业壁垒。