穿透式监管：以非现场监管为分析视角

申来津 谭雅仁

摘      要：穿透式监管具备理念、空间这两重内涵，前者代表“实质重于形式”的理念，后者是穿透物理上空间的非现场监管，非现场监管几乎等同于自动化行政。非现场监管具备推动数字政府建设、推动放管服改革的价值内涵，但是在应用中可能存在技术、权力、责任这三重风险。相应地，可通过以下三点实现对非现场监管风险的控制：一是技术风险的控制，即细化保护个人信息的行政法规范、落实监管数据弄虚作假的法律责任、发布算法解释报告与构建算法伦理评估制度;二是进行成本收益分析与程序控制，即分析非现场监管的成本收益、完善非现场监管具体程序规则;三是对非现场监管进行分类归责，即参考自动化行政的研究采取分类归责思路。

关  键  词：穿透式监管;非现场监管;自动化行政

中图分类号：D922.17     文献标识码：A      文章编号：1007-8207（2024）06-0001-14

实施非现场监管是近年来党中央、国务院为深化“放管服”改革、优化营商环境作出的重要部署。中共中央、国务院发布的《法治政府建设实施纲要（2021—2025年）》要求“探索推行以远程监管、移动监管、预警防控为特征的非现场监管，解决人少事多的难题”。国务院办公厅发布的《国务院办公厅关于深入推进跨部门综合监管的指导意见》（国办发〔2023〕1号）也强调“加快大数据、人工智能、物联感知、区块链等技术应用，积极开展以部门协同远程监管、移动监管、预警防控等为特征的非现场监管”。政府监管部门运用视频监控、卫星遥感、无人机、走航车等设备进行穿透时间、空间的非现场监管，实现了对守法对象的无事不扰，对违法对象的利剑高悬。

目前学界仅将穿透式监管界定为理念层面上的“穿透”，基于“实质重于形式”理念的监管方式，要求监管主体看破形式事实，以法律实质作为根据做出或褒或贬的监管决策，尚未对空间层面的穿透式监管进行探究。笔者拟探讨空间层面上的穿透式监管，以穿透空间监管市场主体的非现场监管方式为视角，揭示非现场监管的价值意涵，讨论非现场监管可能面临的质疑，并尝试提出相应的解决方案。

一、何为穿透式监管

（一）穿透式监管是兼顾理念与空间层面的双重监管

穿透式监管包含理念与空间两个层面，前者是指“实质重于形式”的监管理念，后者是指对相对人支配的物理空间的侵入式监管、深度监管。“穿透”（Look through）的说法来自域外，也译为“看穿”，其应用起源于税法中的“透视原则”，最早是透过形式纳税主体、数额，防止非法避税的一种方式，如合伙企业纳税主体需穿透到每一个合伙人。[1]此外，“穿透”方法的应用包括管理学中的穿透分析法以及会计学中的“实质大于形式”[2]原则、公司法中的“刺破法人面纱”理论等。上述对“穿透”方法的适用都是将“穿透”理解为“穿透形式看破实质”的理念，即“一种发现事物本质的技术手段”[3]。

理念层面的穿透式监管被我国金融监管部门引入后，作为一个政策概念，开始正式与政府的金融监管活动挂钩，随后从金融领域扩展到其他领域，成为政府监管的新工具。在金融监管领域，穿透式监管也被描述为“看穿式监管”“穿透识别”“穿透核查”，强调基于“实质重于形式”的原则，穿透识别金融产品的业务实质，目的是为了统一同类金融业务的监管规则，避免同案不同罚。理念穿透式监管的应用还主要体现在医药监管、平台监管领域中。医药行业所实施的穿透式监管，是出于抑制虚高药价的目的，对医药企业的销售费用、成本、收入的真实性进行核查，以解析药价的形成机制。平台穿透式监管最直接的原因是平台利用自身掌握数据要素与信息技术等资源的优势进行无序地扩张，除去通过信息技术提高自身的生产力外，平台对生产要素的组织方式与传统企业相差无几，却享受了与传统企业迥异的放松监管优惠。[4]在此背景下，监管部门判定对平台的外部监管逻辑应当由包容审慎监管转变为严格的穿透式监管。

在空间层面上，穿透式监管意味着穿透物理上的时间与空间，以自动化设备作为载体，收集、固定并处理监管对象违法的事实与证据，据此采取相应监管措施的监管方式，在这个意义上，空间穿透式监管可以理解为非现场监管。参考《中华人民共和国银行业监督管理法》第二十三条规定可知，发端于银行业的非现场监管是指通过收集并分析金融机构个体或行业整体关于经营情况与风险状况的报表数据与内外部资料，对其做出评价并采取相应措施的监管方式。数字政府背景下的非现场监管被赋予了新的内涵，2019年至2023年间，党中央、国务院发布了一系列政策法规，以《优化营商环境条例》《法治政府建设实施纲要（2021—2025年）》《国务院办公厅关于深入推进跨部门综合监管的指导意见》等文件为代表，提出了“互联网+”视角下的一系列新型监管工具，非现场监管就是其中的典型代表。通过对遥感、无人机巡查、在线监控、视频监控、大数据分析等现代信息技术的应用，非现场监管突破时间和空间的限制，实现了对监管对象的部门协同远程监管、移动监管与预警防控。

对非现场监管的探讨涉及到近年来备受关注的自动化行政理论，两者均讨论的是行政领域人工智能化、大数据化的话题，需要明确两者涉及的范围具体有何区别。目前对自动化行政的探讨多数是将其定义为基于人工智能与大数据等技术展开的“行政活动”，如马颜昕指出：“自动化行政，就是人工智能在行政领域中的具体运用，是指行政程序中特定环节或所有环节由人工智能代为处理，而无需人工的个别介入，从而实现部分或全部无人化的行政活动。”[5]所谓的“行政活动”，在传统行政法学体系中可指代“行政行为”一词，行政活动法是传统行政法学三大板块之一。[6]使用“行政活动”一词，意味着自动化行政的涉略范围仅排除行政组织法与行政救济法领域。以智能程度为标准对自动化行政进行分类研究是多见且较合理的方法。相对地，目前对非现场监管（也称“非现场执法”）的学术探讨较少，且学者们并未揭示非现场监管与自动化行政的具体关系，也仅有个别学者考量了非现场监管的法律属性，将其定性为行政检查。[7]非现场监管是否仅仅代表行政检查行为，还是如同自动化行政一般，可以将其放大至“非现场行政活动”，非现场监管作为政府监管的一种“新型”工具，要想探究其含义，应当先明确政府监管的含义。我国学者习惯将“监管”等同于国外的“规制”（英文为“regulation”），国外所实施的“regulation”指代的是独立规制机构所实施的规制行为，此种独立规制机构因为同时行使立法、司法、行政三权，而被称之为“第四种权力”[8]。但实际上，我国各类监管机构所实施的“监管”多数为行政强制、行政处罚等行政行为，基于此，我国的政府监管可以基本排除行政立法与行政司法行为。同时，在“政府监管”的语境下，应当排除非国家公共组织的监管活动。进一步，基于我国于近年间实施的行政审批制度改革、强化事中事后监管的相关文件，如《国务院关于加强和规范事中事后监管的指导意见》，可将政府监管分为事前、事中、事后三个阶段，事前监管典型手段包括行政审批与行政许可，事中事后监管典型手段有行政检查、行政处罚、行政强制等行政行为。因此，非现场监管不仅仅指行政检查行为，而是可以囊括前述的事前事中事后监管阶段的各类具体行政行为。从实践层面来看，审批、监督检查与执法办案、实施处罚等环节都能使用大数据、人工智能等技术，不存在将其中任何一个环节剔除出非现场监管范围的合理性。非现场监管几乎可以等同于自动化行政，自动化行政的分类分级研究方法，也可以运用于非现场监管的研究过程，二者最大的区别或许仅在于前者是规制理论谱系下的用语，后者是以行政行为为中心的教义行政法学理论体系下的用语。

（二）空间层面穿透式监管的价值阐释

理念层面的穿透式监管已经具备大量研究成果，学界主要结合金融监管实践进行理念穿透的相关研究。目前对空间层面穿透式监管的研究还比较匮乏，多数学者仅对银行业非现场监管进行研究，并未探讨其他领域的非现场监管，为了填补此项空白，笔者于下文中对非现场监管的价值、风险与控制方案进行论述。非现场监管具备两重价值，包括推动数字政府建设，实现数字治理格局;推动“放管服”改革，优化营商环境。

非现场监管深度结合大数据、人工智能等现代信息技术，与数字政府建设的理念相契合，是实现数字治理格局的新监管工具。在党的十九届四中全会报告中提到要“推进数字政府建设，加强数据有序共享，依法保护个人信息”[9]。可见数字政府已经是数字中国战略部署的重要部分，推动非现场监管的实施，则是推进数字政府建设的重要环节。数字治理格局的实现需要通过数字赋能国家治理体系与治理能力，运用数字技术助推国家各个治理领域的现代化。非现场监管通过数字技术创新了政府治理的理念，再造了行政流程，是从政府监管领域塑造数字治理格局的关键手段。

非现场监管回应了“放管服”改革，加强事中事后监管、优化营商环境的改革取向。我国“放管服”改革已经进入深水区，不仅要关注行政审批事项的清理、下放，还需要注意“放管结合”是否实施到位。目前有些地方政府对“放管服”改革的具体要求仍把握不到位，“有的部门‘重事前审批，轻事中事后监管，将审批作为职权行使的关键，缺乏全程监管和风险控制意识，导致不规范的市场行为屡屡发生”[10]。非现场监管可以通过新型传感技术、卫星遥感监测、无人机、大数据等信息技术，自动推送违法线索，帮助执法人员识别违法行为，做出监管决策，后续衔接的现场检查能够进一步固定证据，在有效缓解基层政府事多人少难题的同时，实现了对违法企业的精准打击，加强了事中事后监管的力度。同时，非现场监管还助力于优化营商环境。习近平总书记在中央全面依法治国委员会第二次会议的发言中强调“法治是最好的营商环境”“要把平等贯彻到执法环节”，又在党的二十大报告中提出“营造市场化、法治化、国际化一流营商环境”[11]。要营造法治化营商环境，对政府监管方式的优化是必不可少的，通过更新政府监管的工具箱，一方面高效打击各类市场违法行为，为各类市场主体经营活动提供可靠的法治保障;另一方面也避免了监管冗余对市场主体经营活动的干扰。非现场监管正是新型的监管工具，它与信用监管、“双随机、一公开”监管等方式进行结合，实现了对风险高、信用差的企业的严格监管，对风险低、守法意识强、信用良好企业的无事不扰。

二、空间穿透式监管之反思：技术、权力、责任的三重风险

空间穿透式非现场监管本身作为新型的监管工具，存在被滥用的风险。比起理念层面的穿透，空间穿透意味着物理层面的侵入式监管，相对人直面监管自动化设备，容易产生更大的心理压力。“工具理性强调技术的‘真，试图通过一切可获得的手段和方式，实现技术客体功效的最大化”[12]，在数据主义者的眼中，非现场监管对大数据的运用容易被视作价值的本身，其结果就是落入工具崇拜。但片面强调工具理性，只会导致非现场监管被使用者当成万能的工具，对其进行无限制地扩张。“人的实践活动是有目的的，没有一定的目的性，不会引发人们在实践中对相应工具的需求。片面强调与追求工具理性，只能在特定的社会环境中导致人格畸变，或整个社会的病态发展”[13]，因此适用非现场监管可能存在一定的风险，具体可从技术、权力、责任三个方面展开。

（一）技术迷思：对新兴技术的怀疑

非现场监管信息的获取强调对互联网、云计算、大数据、人工智能等技术的应用，然而新兴技术本身就内含技术风险，需要保持对其的适度怀疑。

其一，大数据存在隐私保护、数据欺骗[14]的问题。数据是智能时代重要的生产要素，为了实现网络强国战略，近年来我国颁布了大量维护数据安全、支撑数据经济建设的专门性法律，如《中华人民共和国个人信息保护法》《中华人民共和国数据安全法》《中华人民共和国网络安全法》等。但在实践中，人们仍然面临数据泄露带来的隐私暴露的危险，即使对数据进行匿名化处理，也无法完全达到保护隐私的目的。这警示非现场监管的使用者，要对收集的数据采取相应的保护措施，在采集、分析、传输等过程中都需要警惕系统失误、黑客入侵等情形，并不能仅作单纯的匿名化处理，谨防非现场监管导致的相对人隐私泄露问题。再者，由于大数据具有大规模、多样化的特点，人们很难对虚假数据进行辨别，容易出现人被数据欺骗的状况，也就是会出现“数据欺骗”。以环境非现场监管为例，2023年9月12日遂宁市生态环境局在一次非现场监管活动中，通过对当地某工业废水处理公司外排废水自动监测数据和在线监控视频的分析研判，发现该公司涉嫌对“ZSC智能水样采样器”自动采集的水样进行稀释，将稀释过的水样供给在线监测设备进行分析，伪造自动监测数据，这就是经典的数据欺骗现象。[15]类似的案例不胜枚举，生态环境部于2022年6月9日发布了第四批生态环境执法典型案例，针对排污单位与第三方检测机构的数据造假进行了行政处罚，未来数据造假将会是非现场监管中需要密切关注的一环。

其二，非现场监管实践中涉及对人工智能技术的应用，通过机器学习对传感设备进行数据校准就是其示例。人工智能的运作受多重因素影响，核心因素包括算法、数据与算力，但算法技术存在“算法黑箱”“算法歧视”[16]等风险。算法技术的发展意味着人们选择用数学模型代替人做决策，这就使得算法风险可能通过各项决策在社会各领域间传导，非现场监管的应用也需要对其进行防范。尤其是“算法黑箱”与“算法歧视”，可能形成对“平等”与“正义”的法理价值的侵蚀。“黑箱”一般指代的是内部构造难以观测的系统，“算法黑箱”意味着算法的运作过程难以解释。“算法的运作过程通常包括构建一个基于历史数据的模式;编码的形成;搜集并提供算法输入的相关数据;适用既定的算法程序;基于数据分析链条预测结果及建议，基于这些步骤，代码、程序等过程都会形成一个‘黑箱”[17]，面对复杂的算法建构与学习过程，多数监管人员与公众是难以理解其形成机理的，这就导致使用算法技术获取信息的过程是封闭的，这显然是对程序正义的违反。当代政府监管的活动依赖于实施一系列的行政行为实现，而各项行政行为的实施过程受到行政程序的规范，其中“告知与说明理由”是保障相对人权利的一项必经程序。算法的黑箱性质使得监管者难以对其获取监管信息的过程进行解释，难以履行“告知与说明理由”这一步骤，这无疑是对程序正当原则的违背，且这种程序违反的法律风险会通过信息共享机制在政府机关之间传播。“算法歧视”是指“那些可以造成不公平、不合理结果的系统性可重复出现的错误，其最常见的是对不同人有不同的结果，或者是给两个相同或相似条件的人不同结果”[18]，这种偏见可能根源于用于算法训练的数据本身，也可能产生于算法的特征选择与后天自我学习的过程中，当算法所使用的数据存在不全面、不准确、质量低的问题时，算法导出的结果很可能存在歧视问题。非现场监管的运用必然具备限度，在使用的过程中就面临该如何确定监管广度与强度的问题，在非现场监管中嵌入算法技术，在提高监管效率的同时，也会导致算法偏见接入监管过程，形成“监管偏见”，这无疑是对平等价值的违背，也可能导致监管抵触现象。

（二）权力扩张：对公权力的防范

非现场监管的适用过程往往伴随私主体信息的收集与披露，如市场监督管理局对餐饮服务单位采用的“互联网+明厨亮灶”监管模式，需要通过安装在企业内部的设备实现对后厨环境、服务人员的卫生健康状况等的非现场监管。这种侵入性的监管富有“命令-控制”型规制模式的色彩，因而适用非现场监管可能引起对公权力的防范。

其一，非现场监管对私主体的经营空间的介入会给企业带来心理压力。尽管非现场监管的本意是通过“不见面监管”的方式，实现对企业的少打扰、不打扰，以实现“放管服”改革、优化营商环境的目的，但其对空间的侵入性仍然会给企业造成无形中的心理压力，上文中提到的数据造假案例就是基于这种心理压力所激发出的监管抵触行为。同时，非现场监管目前的宣传力度仍然不够，且只有部分城市正式出台了相应的非现场监管政策法规，私主体未必能够体会到此种“不见面监管”给自身带来的便利，甚至非现场监管设备全天候的运转会给监管对象带来一种比传统监管模式更加严格的感觉。

其二，非现场监管中存在部分行政程序被缩减与调整的难题，还可能出现监管密度过高的情形。2021年新修订的《中华人民共和国行政处罚法》第四十一条规定了行政机关利用电子技术监控进行非现场监管的具体要求，包括对电子技术监控设备进行法制与技术审核、公布设备设置地点、人工审核被记录内容是否符合证据特性（认定证据）、及时告知相对人并保证其陈述与申辩权利等规则。其中法制与技术审核可以对标重大执法决定法制审核制度，公布设备设置地点与及时告知相对人属于告知规则，人工审核被记录内容属于证据认定规则，再加上陈述与申辩规则，初步构成了非现场监管的简要程序规则。这套规则虽然形式上符合程序正当性要求，但部分规则在实践中存在可行性难题，以及基于逐利执法等原因被监管部门忽视的可能性。如前文已经论述“告知与说明理由规则”会受到算法黑箱的影响，这就导致此规则的适用存在障碍。相对人的陈述、申辩权利也很可能被压缩，典型例子是“行人闯红灯抓拍”装置将其抓拍结果在路口LED显示屏上同步曝光。[19]此种情形实际上已经构成对相对人的“声誉罚”，但完全剥夺了相对人陈述与申辩的权利。发生于2021年的广东佛山“天量罚单”事件①更是激发了人们对“电子警察”设置不合理、设置地点未明确公布、法制与技术审核不到位等情况的质疑情绪，以及对监管部门是否存在逐利执法情形的诘问。并且，非现场监管中部分行政程序的实施与传统行政程序存在差异，如《道路交通安全违法行为处理程序规定》第十六条、第十七条中对固定式交通技术监控设备的设置与公布设定了特殊的规则，要求通过公布设置地点、一同设置测速警告标志等方式一次性事先完成对相对人的“告知”环节，这与传统行政处罚中“一案一告知”的模式存在差异，这难免会引发是否告知到位的质疑。实际上，非现场监管的确客观上提高了监管的效率，并且减少了监管的人力成本，但同时也提高了监管的密度，在非现场监管收集监管信息与实施行政决策相分离的前提下，相对人有可能还未来得及被告知上一次的违法事实，就再度实施违法行为，导致反复受罚。所以，非现场监管会导致在部分领域的过度监管与处罚，尤其是在轻微违法的领域（如在“电子警察”的监控下违法），高密度监管容易引发行政权谦抑性的担忧。行政权的谦抑性内含包容性特征，意味着“对轻微或偶然出现的违法或无秩序现象不必大惊小怪，不要把行政相对人预设为潜在违法者，动辄施加处罚”[20]，非现场监管的出现可能违背了包容性的要求，甚至营造出人人自危的社会氛围。

（三）责任界定：对行政问责的困惑

责任问题是现代行政法中无法回避的重点，然而非现场监管的适用会带来行政问责上的难题，就如同人们困惑人工智能创作的作品著作权如何归属一般，人们同样对人工智能介入行政后产生的行政责任归属具有疑问。行政责任指的是行政主体及其工作人员因违法作为、不作为等行为而产生的法律责任。非现场监管情境下的行政责任归属存在多主体间责任难以界定的难题，其发生机制有二：一是非现场监管利用的大数据、人工智能等技术的复杂性滋生的监管部门责任逃逸问题;二是不同监管部门间基于体制改革产生的责任混同问题。

其一，鉴于非现场监管所利用技术的复杂性，实践中非现场监管的算法开发、平台建构、设备生产等前期准备与后期运营维护工作主要依靠政府购买服务实现。政府购买公共服务存在委托代理风险，即“公共服务的买卖双方由于信息不对称导致了合同签订之前的逆向选择和合同签订之后的道德风险”[21]，这一方面意味着政府难以完全信任服务生产者，另一方面则暗含了政府以服务生产者的过错为借口实现责任逃逸的可能。更何况，算法技术本身的复杂性使得人们根本无法分辨侵权的根源到底是政府的决策失误，是算法承包商的设计责任，还是算法自身在进化后产生的算法歧视问题，当多重主体出现共同责任的时候，对其进行责任判定更是一件极其困难的事情。最极端的情况下，监管部门甚至有可能将责任推卸给算法系统本身，“公共部门在宣传时往往声称一些诸如Excel表格等简单的统计型算法是复杂算法，夸大算法在该领域中的作用，弱化人在决策中扮演的关键角色，从而最大限度减轻人的责任”[22]。

其二，近年来推行的综合行政执法体制改革一方面破除了条块组织对监管效能的制约，另一方面则是产生了不同监管部门间的责任混同问题。综合行政执法在具体行政权力上，或者说具体行政行为的视角上，划转的是行政处罚权，以及与之相关的行政检查权与行政强制权。[23]而行政审批、日常监管等权力仍然留存在行业主管部门手中，在此基础上，为了避免罚管分离导致的监管真空，需要建立综合行政执法机构行业主管部门之间的协调工作机制。当前实践中两者间缺乏有效的协调工作机制。行业主管部门与综合行政执法机构沟通协调不畅会导致案件办理迟延、危害后果放大，也可能因为信息失衡产生不合法、不合理的监管措施。出于部门利益与个人晋升压力的考量，很难相信监管部门会主动承担责任。在非现场监管的背景下，大数据、算法技术本身难以解释的特性更是成为了监管部门间推卸责任的挡箭牌，而站在相对人的视角，将无法分辨侵权结果的责任归属问题，在后端的司法判定过程中，前述算法的黑箱性质又将会增加对行政责任区分的技术难题。

三、空间穿透式监管风险的控制

（一）数据规制与算法评估：对非现场监管的技术治理

保护个人信息的行政法规范存在两个层面的内容，一方面行政主体针对其他法律主体侵犯个人信息的行为予以监督、处罚的规范，另一方面防止行政主体及其工作人员泄露或不当使用个人信息的规范。前者不涉及本文讨论的主题，暂且按下不表，后者在当前呈现零散化、原则化的特征，且几乎不存在结合非现场监管、自动化行政情境的个人信息保护规范，这可能导致行政主体在利用算法技术侵犯个人信息后实现责任逃逸。2021年8月20日通过的《中华人民共和国个人信息保护法》（以下简称《个人信息保护法》）设立专节对国家机关处理个人信息作出了特别规定，从行政主体的角度来看，寥寥数条规定明确了行政主体在处理个人信息时需要遵循行政合法性原则、比例原则、行政效能原则，且需要经过告知程序，向境外提供个人信息的情况下需实施安全评估程序。这些规定一定程度上弥补了前述非现场监管、自动化行政情境下个人信息保护的规范空白，但仍然存在原则化的问题，需要进行进一步细化，具体细化思路是进一步放大比例原则与行政效能原则的指导作用。“行政手段效益最大化有时会同比例原则的最小侵害要求和均衡要求是一致的”[24]，两者均存在禁止“杀鸡用牛刀”的行为，也就是在行政目标端的收益确定的情况下，不允许在众多方案中选择对行政相对人权益侵害更大的方案。基于这个要求，在动用自动化设备处理相对人的个人信息的整个流程中，需要衡量行政带来的收益与处理个人信息面临的风险孰高孰低。

非现场监管背景下的数据造假以生态环境领域为典型，近年来，多省发布了生态环境监测数据弄虚作假行为判定和处理的规范性文件。以《上海市生态环境监测弄虚作假行为调查处理办法》（以下简称《办法》）为例，该《办法》对生态环境监测机构与排污单位的弄虚作假行为方式进行了详细的列举，同时对查处弄虚作假行为的责任机构、调查处理程序、通报移送违法犯罪线索、向社会公开违法信息、社会监督等内容进行了较为详细的规定。参考多省制定的与《办法》类似的规范性文件，可以将对数据造假的市场主体进行规制的手段总结为行政处罚、失信联合惩戒与通报移送等措施。行政处罚是落实数据造假法律责任的第一环节，将依法查处的违法对象的信用信息录入信用中国、企业信用信息公示系统是实施联合惩戒的前提，涉嫌犯罪情形的通报移送则关涉行刑衔接的问题，通过三种规制措施的有机联动，能够充分落实监管数据弄虚作假的法律责任。具体而言，其一，需要将非现场监管与现场检查结合起来。监管部门要开展常态化的网络核查，精准发现违法犯罪线索并落地核查，通过衔接现场检查的方式及时固定证据，以便于后续实施行政处罚。其二，要及时通报、公开市场主体数据造假行为，推进联合惩戒，实现一处违法、处处受限。其三，要加强行政主体与司法部门的行刑衔接，及时将涉嫌犯罪的案件移交给公安部门进行进一步查处。

算法具备黑箱与歧视（偏见）的问题，在前文已有论述，要解决黑箱与歧视问题，一个理所当然的思路是增加算法的透明度、对算法进行伦理审查。一是增加算法的透明度存在可行性的问题。算法本身具备高度的技术性与专业性，除了算法研发人员以外，哪怕监管部门也无法明白算法的设计理念与运作过程，这意味着就算向公众公开算法的形成机理，也难以确保实现公众的知情权。基于前述原因，要保障非现场监管场景下的算法具备透明度，或可考虑由监管部门代替公众完成对算法可解释性的建构与审查。具体而言，监管部门可以效仿企业的做法，发布人工智能可解释性报告，在不具备专业性的前提下，监管部门可以要求算法服务供应商提供可解释性报告，由监管部门组织专家对该报告进行评估、归纳要点，向公众公开简化、可视化的解释报告。腾讯公司于2022年发布的《可解释AI发展报告2022——打开算法黑箱的理念与实践》就是企业提升人工智能透明度的尝试，监管部门可以从中汲取人工智能可解释性制度的构建要点，以提高自身的监管效能。二是对算法的伦理审查与评估需要植入算法开发、运行的全过程中。有学者提出一个以改良后的反分类歧视理论、反从属歧视理论作为实质判断标准，以全流程动态评估作为审查机制，以第三方机构、专家、公众参与作为审查主体的审查模型，具体划分为三个制度，包括在算法模型的训练与设计前清洗用于训练的数据、在投入使用前实施算法歧视影响评估、在运行过程中进行算法歧视动态审查。[25]在此基础上，应当结合算法可解释性的要求，在发布的简化版解释报告中强调伦理审查的部分，并加强对可能受算法决策影响的相对人公开、宣传的力度。

（二）成本收益分析与程序控制：对非现场监管的权力规制

一如前述，非现场监管具备全天候、不接触、远程监管的特性，在衔接现场检查的流程前，容易给相对人造成一定的心理压力。与监管部门“无事不扰”的美好愿景相矛盾的是当事人面对24小时监控、监测的抵触心理，数据造假就是抵触心理的体现。为了适度消解当事人的抵触情绪，一个可行性方案是针对非现场监管与现场检查进行成本收益分析，并向社会公布分析结果，以说明实施非现场监管的制度效益。以成本收益分析方法分析政府决策是行政公开原则的要求，通过公开成本收益分析结果，实现阳光政府、透明政府，才是消解相对人监管抵触心理的最佳方案。以环境领域非现场监管为例，生态环境部于2021年发布的《关于优化生态环境保护执法方式提高执法效能的指导意见》提出建立常态化监督执法正面清单管理制度，对清单内的企业原则上只开展非现场监管，在一定时期内免除现场检查。在这种情况下，监管部门应当对实施非现场监管与实施现场检查的成本收益进行分析，向相对人说明开展非现场监管对企业正常生产的打扰更少，效益更高。此外，解决相对人监管抵触的方案还包括完善非现场监管的法定程序，避免监管部门不当削减自身程序性义务，进而由于程序缺陷进一步放大相对人的抵触心理，对这个问题的探究详见下文。

非现场监管场景下程序的缩减是缘于立法的空白，此处的“立法”不仅指狭义上的法律，也指地方立法中的空白，相应的解决思路是完善法律层面、地方立法层面的非现场监管程序规则。2021年新修改的《行政处罚法》仅在第四十一条简要规定了电子证据的取证与认定规则，并未对非现场监管与现场检查的衔接流程作出规定，也并未明确不同领域非现场监管的差异性规则，以及当非现场监管与现场检查证据不一致时的取舍问题，需要在下一次修订时进一步细化。在2021年新修订《行政处罚法》后，地方立法中也缺少对非现场监管的细化规范。笔者以“非现场”“非现场监管”“非现场执法”等作为关键词，在“北大法宝”“法信”“威科先行”等平台经法律检索后发现，地方立法中甚少有专门对非现场监管作出程序性规定的情况。具体而言，仅上海市在地方性法规层面作出规定，出台了《上海市浦东新区城市管理领域非现场执法规定》，在地方政府规章层面仅邯郸市、南京市出台了专门的办法，其他省市仅针对非现场监管发布了规范性法律文件，且这些文件仅针对个别执法领域，不具备通用性。如海南省生态环境厅、海南省公安厅于2023年发布的《关于做好黑烟车电子抓拍非现场执法工作的通知》，具体规定了非现场监管的执法依据、执法方式、取证要求、执法流程、投诉处理等规则，已经初具非现场监管完整流程的雏形，但碍于立法层级太低，且限定了特定的执法对象，导致无法规制其他领域的非现场监管。为了贯彻新《行政处罚法》的立法精神，对其第四十一条规定进行细化，需要在地方立法中提高非现场监管程序规则的立法层级、扩宽其适用领域。

对非现场监管中行政程序调整、执法密度升高的质疑都源自于对行政权扩张的防御心理，也主要出现在行政处罚、行政强制等负担行政领域，为了缓解相对人的这种恐慌心态，需要从适度收缩行政权的角度探寻解决方案。有学者提出“建立处罚标准动态调整机制……即法律法规在设定行政处罚额度时，不必再局限于条件、行为、情节、结果等固定指标，还应该加入处罚概率、经济发展情况等可变指标……必要时可以通过裁量基准来对可变指标进行确定，然后定期对裁量基准进行更新”[26]。从限权的角度来说，这种方案存在正当性，因为采取赋予裁量基准的方式来控制监管部门对处罚概率、经济指标的认定，一定程度上可以收缩监管部门的权力空间，预防监管部门的任性执法的问题，但这种方案存在操作上的困难。从行政处罚案件数量的增加可以直观地得出处罚概率升高的结论，但难以认定是否应将处罚概率的升高全归咎于非现场监管技术的运用，就算排除其他干扰因素，也很难根据升高的处罚概率与降低的处罚力度建立一个合适的模型。立法机关不可能简单地得出处罚概率升高15%，处罚力度就降低15%的结论。笔者认为，执法密度升高的质疑主要出现在轻微违法领域，因为严重违法的情形下，监管部门不会轻率地认定违法，反而会通过人工审核的方式谨慎决策。因此，在轻微违法领域的非现场监管中可以加大对轻微违法不予处罚、首违不罚制度的运用，由中央层面出台专门的规范性法律文件强调轻微违法不予处罚、首违不罚制度在非现场监管中的应用，此种方案具备法律规范基础，且更具备实操性。

（三）分类归责与责任厘定：对非现场监管的责任确定

前文已经论述过，非现场监管可以理解为政府监管领域的自动化行政，目前的自动化行政通过对智能化程度的分类分级来进行研究，相应地，非现场监管也应当采取分类分级的研究思路。依据是否有人的因素介入，可以将非现场监管区分为半自动化与全自动化非现场监管，前者需要依靠执法人员去分析、应用监管信息，后者则依靠人工智能完成事前事中事后监管。

半自动化非现场监管不存在责任归属的难题，在这种情形下非现场监管仅提供部分监管信息。前述《行政处罚法》第四十一条中的电子证据固定规则即属于半自动化非现场监管，在这种情况下，不仅此部分监管信息是否能作为证据使用都具有争议，需要经过人工审核，且“孤证无法定案”也是执法领域的通识，如生态环境部在《关于自动在线监控数据应用于环境行政执法有关问题的复函》中规定“污染源自动在线监控数据与其他有关证据共同构成证据链，可以应用于环境行政执法”，由此可见非现场监管所得的信息是孤证无法定案的。因此，半自动化非现场监管本质上只是对证据收集环节的自动化，认定证据以及真正做出行政决策的仍然是执法人员自身，将其结果的行政归责与特定的执法人员挂钩是无可厚非的，此种情况下不涉及对算法供应商责任的考量。在不同监管部门之间责任混同的情形下，如果难以区分具体的过错方，基于保护相对人利益的考量，应当采取《中华人民共和国国家赔偿法》第七条第二款的观点，认定共同行使职权的监管部门为共同赔偿义务机关。

全自动化非现场监管过程中不涉及人的因素，根据是否涉及行政裁量权的运用，可以区分为羁束型全自动化非现场监管（下文简称羁束型）、裁量型全自动化非现场监管（下文简称裁量型）。裁量型在实践中还未存在先例，也不具备技术可行性，有学者结合推动行政处罚结果公开的时间节点与浙江省实际公开行政处罚结果的数量与质量推测行政机关建设处罚数据库的情形不容乐观。[27]大数据是人工智能运算的基础，数据库质量低意味着全自动化人工智能技术还不存在技术可行性，因此本文中暂不考虑裁量型的归责问题。羁束型在实践中已经存在先例，深圳推行的“秒批”程序即是羁束型，“秒批”在实际应用中排除了不确定性法律概念。[28]也就是说，“秒批”实际上不涉及行政裁量权的应用。羁束型的存在意味着算法系统自身存在独立决策的可能，而全自动化非现场监管与传统人工监管中的个案决策不同，其一以贯之的算法逻辑一旦内含了侵害相对人权益的架构，就会引发集体性的、普遍性的问题，在此种情形下，无论是政府一方还是算法承包商一方的任意脱责，都会引发更大范围的不满与质疑。对羁束型的责任厘定原则上应当运用行政与民事责任区分原则。

在羁束型场景下，监管部门的脱责方式包括将责任归咎于算法本身、归咎于算法供应商、归咎于执法协作的其他监管部门。归咎于算法的思路并不是意图将责任彻底消解，目前的通说仍然是算法本身不能独立承担法律责任，“公共部门将错误归咎于算法，背后隐藏的逻辑是将错误归咎于开发和维护算法系统的科技公司和技术人员”[29]。

辨明羁束型具体责任主体的过程，原则上是为归责于监管部门而证成，无论监管部门如何论证政府购买公共服务中的委托代理风险，都难以改变行政法律关系的本质，申言之，一般而言，能对相对人承担法律责任的只能是监管部门。针对实践中监管部门将非现场监管决策失误卸责于算法、算法供应商的行为，有学者提出“在决策闭环过程中加大人为干预的因素”[30]。这种思路相当于借鉴了《行政处罚法》第四十一条的规则，强调在羁束型的决策结果自动导出后，再增添一道人工审核的程序，实际上就是通过增加人为介入因素的方式来避免监管部门卸责。如果以传统行政法律关系的理论作为前提，也就是坚持“民与官”的法律关系架构，那么这种解决方式就是排他的。通常的理解方式是对监管部门进行行政问责，再由监管部门追究算法供应商的民事责任。不过还有学者认为，“行政法上的连带责任还应当包括行政主体在行使职权过程中与行政相对人共同侵权而应当承担的行政民事连带责任”[31]。也就是说，可以试着建构行政主体之行政责任与行政相对人之民事责任的连带关系，其规范基础是《最高人民法院关于审理行政许可案件若干问题的规定》第十三条的规定。虽然依据这种思路可以实现对监管部门与算法供应商一同追责，更具实用主义色彩，但这种观点缺乏正式的法律依据，且形成了对传统行政法律关系理论的巨大挑战，因此还具有商榷的空间。

目前，多个监管部门通过协调共同做出羁束型决策的实践先例仅存在于行政审批领域。以深圳的“人才引进秒批”实践为例，所谓的“秒批”，即“对人才引进需审核的学历学位信息、犯罪记录信息、技术职业资格信息、社保信息、体检信息等，全部由系统自动调取相关政府部门和机构数据库的数据自动比对，即报即批、即批即得”[32]。在这个例子中，“秒批”决策的做出以算法系统对多重数据的对比为前提，如果相关部门提供的数据有误，就会导致最终的算法决策出现错误，极端情况下可能出现多部门提供错误数据的责任竞合情形。在这种情况下，应当采取与前述半自动化非现场监管中多部门责任混同相同的归责方式，即认定提供错误数据的部门为共同赔偿义务机关。

【参考文献】

[1][2]袁达松，刘华春.论穿透式金融监管[J].证券法律评论，2017（0）：38-48.

[3]叶林，吴烨.金融市场的“穿透式”监管论纲[J].法学，2017（12）：12-21.

[4]张凌寒.平台“穿透式监管”的理据及限度[J].法律科学（西北政法大学学报），2022（1）：106-114.

[5]马颜昕.自动化行政的分级与法律控制变革[J].行政法学研究，2019（1）：80-92.

[6]沈岿.行政任务、效能原则与行政组织法治[J].行政法学研究，2023（6）：3-18.

[7]何盼盼.非现场监管的行政法建构[J].华中科技大学学报（社会科学版），2023（3）：103-112.

[8]姜明安.行政法[M].北京：法律出版社，2022：473.

[9]中共中央关于坚持和完善中国特色社会主义制度 推进国家治理体系和治理能力现代化若干重大问题的决定

[N].人民日报，2019-11-06（01）.

[10]马怀德.行政法前沿问题研究[M].北京：中国政法大学出版社，2018：79.

[11]习近平.高举中国特色社会主义伟大旗帜 为全面建设社会主义现代化国家而团结奋斗——在中国共产党第二十次全国代表大会上的报告[N].人民日报，2022-10-17（02）.

[12]曾海燕，张今杰.公共卫生事件中数据技术的伦理考量[J].湘潭大学学报（哲学社会科学版），2021（2）：37-42.

[13]魏小兰.论价值理性与工具理性[J].江西行政学院学报，2004（2）：63-67.

[14]冯登国，张敏，李昊.大数据安全与隐私保护[J].计算机学报，2014（1）：246-258.

[15]大练兵动态/遂宁某工业废水处理公司伪造自动监测数据案[EB/OL].四川省生态环境厅网站，https：//sthjt.sc.gov.cn/sthjt/zfdlb2021/2023/10/31/ff3cf60899b14d51bd2bd8937135301c.shtml.

[16]丁晓东.论算法的法律规制[J].中国社会科学，2020（12）：138-159+203.

[17]胡敏洁.自动化行政的法律控制[J].行政法学研究，2019（2）：56-66.

[18]刘友华.算法偏见及其规制路径研究[J].法学杂志，2019（6）：55-66.

[19]谢明睿，余凌云. 技术赋能交警非现场执法对行政程序的挑战及完善[J].法学杂志，2021（3）：48-58.

[20]王春业.论行政权谦抑性品格[J].广东行政学院学报，2015（1）：49-55.

[21]叶托，薛琬烨. 政府购买公共服务的责任风险与问责模式[J].地方财政研究，2018（4）：17-22.

[22]高童非.论自动化行政中的“算法卸责”[J].电子政务，2023（2）：115-128.

[23]程琥.综合行政执法体制改革的价值冲突与整合[J].行政法学研究，2021（2）：85-98.

[24]沈岿.论行政法上的效能原则[J].清华法学，2019（4）：5-25.

[25]张恩典.反算法歧视：理论反思与制度建构[J].华中科技大学学报（社会科学版），2020（5）：60-71.

[26]马颜昕.自动化行政方式下的行政处罚：挑战与回应[J].政治与法律，2020（4）：139-148.

[27][28]查云飞.行政裁量自动化的学理基础与功能定位[J].行政法学研究，2021（3）：114-124.

[29][30]高童非.论自动化行政中的“算法卸责”[J].电子政务，2023（2）：115-128.

[31]肖泽晟，黄丽华.论行政法上的连带责任[J].行政法学研究，2012（1）：32-38.

[32]深圳市在职人才引进和落户“秒批”工作方案[EB/OL].深圳市罗湖区人民政府网站，https：//www.szlh.gov.cn/zwgk/zcjd/2019/jdszszhrcyjhlhmbgzfa/zcyw/content/post_5189578.html.

Look-through Supervision：

Analyzing Off-site Supervision as A Perspective

Shen Laijin， Tan Yaren

Abstract：
Look-through supervision has two connotations， namely， the concept of “substance over form” and the non-physical space supervision. Off-site supervision is almost equivalent to automated administration. Off-site supervision has the value implications of promoting the construction of digital government and promoting the reform of administrative services. However， there may be three risks in its application， namely， technological risk， power risk， and responsibility risk. Correspondingly， the following three points can be used to control the risk of off-site supervision：
first， controlling technological risk by refining the administrative law regulations for the protection of personal information， implementing the legal responsibility for supervision data fabrication， and issuing algorithm explanation reports and building algorithm ethical evaluation system; second， conducting cost-benefit analysis and procedure control by analyzing the cost and benefit of off-site supervision and improving the specific procedural rules of off-site supervision; and third， classifying and allocating responsibilities for off-site supervision by referring to the research on automated administration.

Key words：
look-through supervision; off-site supervision; automated administration

（责任编辑：王正桥）

猜你喜欢 行政监管算法 行政学人行政论坛(2022年5期)2022-10-25基于MapReduce的改进Eclat算法成都信息工程大学学报(2019年4期)2019-11-04Travellng thg World Full—time for Rree阅读与作文（英语初中版）(2019年8期)2019-08-27行政调解的实践与探索人民调解(2019年5期)2019-03-17进位加法的两种算法小学生学习指导(低年级)(2018年11期)2018-12-03一种改进的整周模糊度去相关算法现代防御技术(2016年1期)2016-06-01监管知识经济·中国直销(2016年11期)2016-02-27监管和扶持并行中国卫生(2015年7期)2015-11-08行政为先 GMC SAVANA车迷(2015年12期)2015-08-23加快行政审批体制改革全球化(2015年2期)2015-02-28