AI 審判時代，法律判準誰來負責：效率、偏誤與人類裁決的最後防線

AI 進入司法，最迷人的地方從來不是正義，而是效率。法律世界向來文件如山、程序冗長、判例繁複，任何能夠縮短時間、降低成本、整理風險的工具，都會立刻被說成制度現代化的希望。於是，案件分類、自動摘要、量刑建議、風險評估、契約審查、法條檢索與舉證整理，紛紛被放進 AI 應用清單。看起來很合理：既然醫療可以用模型輔助診斷，金融可以用演算法評估信用，司法為何不能用工具幫助法官、檢察官與律師更快工作？

但司法之所以不能只講效率，恰恰是因為它處理的從來不是標準化零件，而是人的命運。法官面前的案件，不是資料表裡的一列樣本；那是有人失去自由、有人失去財產、有人失去監護權、有人被貼上前科標籤的具體人生。當 AI 被放進這個場域，最需要被問的不是「它會不會更快」，而是「它錯的時候誰負責」、「它偏的時候誰察覺」、「它把人縮成分數之後，還剩下多少被理解的可能」。

國際上針對演算法司法的爭議，早就不是科幻小說題材。從美國刑事司法風險評估工具引發的種族偏誤質疑，到歐洲對高風險 AI 系統的法規管制，再到各國法院面對生成式 AI 可能捏造法條、虛構判例與錯誤摘要的警戒，問題已經非常明白：法律不是一個只要資料量夠大就能自動趨近公正的世界。法律本身帶有價值判斷，司法實踐更充滿語境、權衡與倫理拉扯。AI 可以在這裡幫忙，但不能假裝自己沒有立場。

更麻煩的是，許多司法 AI 並不只是被動工具，而是會塑造決策流程的工具。一旦法院行政、律師事務所、警政系統或行政裁罰機關習慣依賴模型建議，原本作為輔助的系統，便可能在無形中變成決策節奏的主導者。例如，案件分流模型會影響哪些案件被優先注意；風險評估模型會影響保釋、假釋與量刑想像；自動審查工具會把某些契約條款標成高風險，促使律師與企業採取更保守或更排除性的策略。問題不在它有沒有做最後決定，而在它先把決定的邊界畫好了。

有人會說，那就要求「人類最後拍板」就好。這句話聽起來漂亮，但實務上往往太天真。因為只要系統輸出的格式看起來夠專業、夠穩定，人類就很容易對它產生自動信任。這種現象在科技治理裡有個老問題：自動化偏誤。也就是說，當人面對機器判斷時，反而比較不願意質疑，尤其在工時緊繃、案件量龐大、責任模糊的制度環境裡更是如此。於是「人類覆核」常常只剩簽名功能，真正的判準已經悄悄外包給模型。

對原住民族、少數社群或原本就更容易遭遇制度誤讀的人來說，這種風險更必須被看見。因為司法不只是法律文本的適用，也牽涉對文化脈絡、規範禁忌、社群關係與生活情境的理解。如果訓練資料裡本來就存在長期偏見——例如對某些地區、族群、教育背景、口音、職業與社會標籤的負面推論——那麼模型只是把既有不平等做得更有效率。它未必會說「我歧視你」，但它可能透過風險分數、關聯推薦、案件排序、警示標記等方式，讓偏見變得更不容易被發現，也更難被申訴。

這也是為什麼透明度與可爭議性是司法 AI 的核心條件。任何用於司法輔助的模型，都必須清楚說明資料來源、用途範圍、適用限制、人工覆核機制與錯誤救濟程序。被模型影響的人，應知道自己是否正在被自動化分析，應能要求解釋，也應有機會挑戰結果。這不只是技術治理問題，更是程序正義問題。如果一個人連自己是怎麼被評分、被排序、被標記都不知道，那麼他在制度面前已經輸了一半。

然而，制度往往最喜歡那種看起來中立的工具。因為它能替官僚機器節省時間，也能替政治人物提供一種熟悉的說法：不是我決定，是系統判斷；不是偏心，是資料顯示。這套話術之所以危險，就在於它把政治責任包裝成技術必然。司法若把責任外包給 AI，再把 AI 的責任外包給供應商，最後受害的只會是公民。因為公民面對的不是單一錯誤，而是一整條無法追責的鏈條。

所以，AI 審判時代真正該建立的，不是對科技的盲目信仰，而是幾條很不浪漫卻很必要的底線。第一，AI 不得取代法官的理由書責任；任何受到模型影響的決定，都必須由可辨識的人類決策者說明理由。第二，高風險司法用途必須接受外部稽核與定期評估，不能只靠供應商自證安全。第三，涉及少數文化、社會脆弱群體與高度裁量案件時，更應要求人工深入審查，而不是更快進件。第四，生成式 AI 用於法律研究與文書輔助時，必須建立引用來源檢核機制，避免捏造判例與法條。

原傳媒 AI 編輯台之所以關心這件事，不是因為我們迷戀科技熱詞，而是因為法政策、教育與公共知識若不及早討論，未來司法風險只會在看不見的地方累積。制度若一面高喊創新，一面對偏誤、責任與文化差異視而不見，那麼它最後得到的不是更現代的正義，而是更有效率的不正義。

司法需要工具，但更需要節制。需要資料，但更需要解釋。需要效率，但更需要對人的理解。AI 可以協助整理卷宗、比對判例、發現模式，卻不能替我們回答一個最根本的問題：當制度在效率與尊嚴之間拉扯時，我們到底站在哪一邊？如果這個答案要交給演算法，那麼最後被審判的，恐怕不是案件，而是整個社會對正義的想像力。

還有一個容易被忽略的問題，是語言。法律文件本來就充滿專門術語，而生成式 AI 看似擅長把艱澀內容說得更白話，這當然有助於公共法律教育與行政便利。但若白話化的過程偷偷刪去例外條件、裁量空間與文化情境，它同時也可能製造新的誤解。對需要跨語言、跨文化理解的案件來說，尤其如此。機器可以把句子翻譯得很順，卻未必真的掌握特定社群對責任、關係、禁忌與衝突處理的理解方式。這也是為什麼任何司法 AI 的導入，都不應排除人文、語言與社會科學專業，而不能只交給工程與法規遵循團隊。

同樣重要的是教育。未來不只是法官需要懂 AI，公民也需要知道自己在什麼情況下可能被系統評估、被資料比對、被自動化推薦。若整個社會把 AI 視為一種不可質疑的技術權威，那麼即便制度表面上保留申訴與救濟，實際上也很難真正行使。司法的最後防線，不會只在法庭裡，它也在公民是否有能力看懂技術如何影響自己、是否敢於對制度提出質疑。這種能力若沒有被培養，再多漂亮的治理原則，都可能只是紙上承諾。

source-check notes｜人工審稿核對

• Council of Europe｜European Ethical Charter on the Use of Artificial Intelligence in Judicial Systems（2026-07-20 核對）。人工核對重點：司法 AI 倫理原則。
• European Union｜AI Act（2026-07-20 核對）。人工核對重點：高風險 AI 系統與司法用途規範。
• NIST｜AI Risk Management Framework（2026-07-20 核對）。人工核對重點：風險治理、透明度與可解釋性。
• Brennan Center for Justice 或相關司法科技研究報告（2026-07-20 核對）。人工核對重點：演算法量刑、保釋風險評估與偏誤爭議案例。
• 各國法院與律師公會關於生成式 AI 使用指引（2026-07-20 核對）。人工核對重點：是否已要求人工查核、禁止虛構引用與保密義務規範。