2026-09-25 13:5【导语】美国议员直接粘贴AI生成文本递交法案，立法自动化正在击穿代议制民主的底层逻辑。当庄严的法律条文沦为算法的批量输出，当公共规则不再源于民意博弈，我们必须追问：属于"人民"的立法主权，正在被谁悄悄替代？

这不是危言耸听的假设。2023年1月，马萨诸塞州参议员巴里·芬戈尔德公开承认，他用ChatGPT起草了一份隐私法案并正式提交，成为最早将AI生成文本送入立法程序的美国议员之一。同年4月，阿拉斯加州众议员杰西·桑纳用微软Copilot起草了一份允许在渡轮上博彩的法案；8月，加州参议院通过了第17号共同决议——这是全美第一份由AI参与起草、经州议会正式通过的决议文件，内容是规范AI的负责任使用。联邦层面，众议员奥金克洛斯早在2023年1月就用ChatGPT撰写过自己在众议院的演说稿。

用AI参与立法本身并不新鲜，也不必然有罪。真正值得警惕的，是它正以多快的速度、在多么缺乏监督的情况下，从"辅助工具"变成"默认选项"。

一、自动立法的现实图景：效率狂欢下的真实落差

AI涌入议会，最直接的驱动力是真实存在的资源压力。据美国州议会理事会（NCSL）统计，全美共有7,386名州议员、约3万名议会工作人员，账面上人手不算少，但分布极不均衡——大量州实行兼职议员制度，议员本人年薪微薄、没有常设幕僚，遇到金融科技、区块链、人工智能这类新兴议题，专业缺口是实打实的。与此同时，议题本身在爆炸：2023年一个立法会期内，就有25个州连同波多黎各和华盛顿特区提出了AI相关法案。立法者需要用技术去监管技术，这是AI渗入立法流程的真实土壤。

效率的诱惑也确实巨大。英国政府的一次官方试点颇具代表性：AI帮助司法人员起草标准化公函，整体耗时减少五到七成；但在约250件样本中，AI草稿多次遗漏需要结合具体情境才能发现的细节，最终都要由人工修正补全。这几乎就是当前AI辅助立法的最准确画像——快，但不可靠；能用，但必须有人兜底。

而"兜底"恰恰是最薄弱的环节。斯坦福大学的团队2025年测试了Lexis+ AI和Westlaw AI等主流法律AI工具，发现即便厂商宣称"无幻觉"，这些系统的编造率仍高达17%到33%。美国律师协会2024年度调查则显示，使用AI的律师比例一年内从11%跃升至30%——使用率翻了近三倍，而配套的审核规范、责任规则远未跟上。当算法生成的文本充斥着精准却生硬的技术表述，连参与立法的工作人员都未必吃得透条款背后的含义与风险，"复制粘贴"就成了一场概率游戏。

二、权力悄然转移：层层让渡后，立法权归于算法

立法自动化催生了一套诡异的权力传导链条，彻底颠倒了传统代议制的权责逻辑。支持者的理由并非没有说服力：算法确实能填补人类的专业盲区，AI可以快速穷举技术层面的合规风险，效率优势实实在在。但必须看清，这套效率逻辑遮蔽了一个根本分野——

法律从来不是单纯的技术文本，而是一个社群的价值取舍与利益平衡。AI可以罗列所有潜在的侵权场景，却无法判断哪些权益值得优先保护、哪些行为需要适度包容、哪些规则适配本地民生。这些核心价值判断，本该来自公共讨论、民意博弈与民主协商。如今它们正被悄悄外包给基于互联网公开语料训练的模型——而多项针对大模型的实证研究已经表明，这些系统并非价值中立：罗扎多2024年发表于《公共科学图书馆·综合》的研究，以及更早针对ChatGPT政治倾向的一系列测试，均发现主流大模型存在系统性的倾向性偏差。把价值判断外包给算法，等于让训练语料里隐含的立场，替选民做选择。

一个耐人寻味的对照来自得克萨斯州。该州众议员卡普里廖内牵头起草全州性的AI监管法案时，选择的路径是征求三百多名行业专家与利益相关方的意见，逐条打磨出四十一页的草案。这位立法者有一句被反复引用的话："AI的威胁太严重，不能靠零敲碎打的方式拼凑解决方案。"这恰恰说明，严肃立法者自己心里清楚：越是复杂的规则，越不能图省事地交给机器。

三、民主的代码漏洞：被技术殖民的公共话语权

政治哲学家哈贝马斯提出的"系统对生活世界的殖民"，精准预言了当下的困境。现代社会的技术系统披着高效、精准、专业的外衣，用工具效率逻辑持续侵蚀公共领域的商谈逻辑。而立法，本应是全社会民意汇聚、价值博弈、共识凝聚的核心殿堂。

自动化立法构建了一个全新的多层"委托—代理"迷宫：选民把立法权交给议员，议员却把逐字审读的功夫省了下来；议员把文本起草权交给助理，助理则依赖模板与工具完成工作；助理再把实质起草与素材筛选交给AI——到了这一层，已经没有人能够完全理解条文背后的生成逻辑。每一层交接，都是一次民意的稀释、过滤与扭曲。多重转嫁之后，最终落地的法律可能早已脱离普通选民的真实诉求，成为算法逻辑的统计学产物。

比民意失真更难解的，是责任黑洞。法律系统对此已有过惨痛的预习：2023年，纽约南区联邦法院在Mata v. Avianca案中，对提交ChatGPT编造的六个假判例的律师开出五千美元罚单，这是全球首例因AI幻觉引发的司法处罚。三年过去，这类事件不降反升——有研究者持续追踪到全球约1,490份法庭文件出现过AI生成的虚假引用，仅美国律师因此被处罚的公开案例就有二十余起，最高单笔罚金已达11万美元。连有数百年职业规范约束、有法官当庭质询的司法系统尚且防不住AI幻觉，指望立法环节靠自觉把关，无异于缘木求鱼。一旦AI起草的法条出现漏洞、引发治理乱象，责任究竟在议员、助理、模型厂商还是数据平台？现有追责体系完全适配不了这种新型风险。

四、五年十字路口：可刹车的技术，不可逆的滑坡

未来五年，AI立法将站在关键的分叉路口，两种结局已然清晰。良性路径下，AI回归纯粹的工具属性——只负责法条梳理、文本校对、风险筛查，所有涉及价值取舍与公共导向的核心决策，完整地留在人类手中。而失控路径下，立法彻底沦为算法黑箱：条文由机器生成、无人完全读懂、无人有效负责，选民面对的是一套来源模糊、不受民意约束的规则体系，代议制民主彻底流于形式。

这正是技术哲学中经典的柯林格里奇困境：技术发展初期，负面影响尚未显现、调整成本极低、随时可以刹车；待技术深度嵌入制度、风险彻底暴露之时，却再也无法逆转修正。当下的AI立法，仍处于那个可以及时纠偏的窗口期——但窗口不会一直开着。

五、普通人的破局：拒绝做算法立法的旁观者

这场看似宏大的制度变革，与每个人的权益息息相关，个体并非无能为力。

其一，要求透明。我们可以督促本地民选议员公开AI在立法中的使用边界、应用场景与审核规范。制度层面已有雏形：美国参议院早在2023年底就发布了内部AI使用指南，加州则成为全球第一个以正式决议确立AI使用原则的地方议会——这些现成的模板，完全可以被更多议会复制。

其二，支持审计。推动参与公共立法的AI模型接受公开审查、溯源核验与风险评估，打破算法黑箱，杜绝隐性偏见植入公共规则。

其三，重返公共讨论。在算法接管规则之前，主动参与社区议事，厘清社会需要怎样的价值优先级、公共权益需要如何保护、公平正义如何定义——让民意先行于算法，让人民共识主导规则制定。

国会和州议会办公室的光标依旧在深夜闪烁，AI仍在源源不断地输出规整严谨的法律文本。只是当握着鼠标、签下名字的立法者，早已说不清笔下的规则源于何种民意、遵循何种价值时，我们习惯性交出去的不只是效率的代价，而是民主本身。

民主从来没有标准答案，它不是一道追求最优解的技术计算题，而是一场需要全民参与、持续博弈、不断校准的公共论述题。当立法的思考权、判断力与价值选择权被全部上交算法，我们失去的将不只是一套严谨的立法流程，而是民主制度最核心的主权根基。