【关键词】人工智能；不良资产；区块链；元宇宙

引言

在过往文章中，笔者探讨了AI和大数据技术在不良资产处置领域的应用场景，重点介绍了AI法官、AI税务和AI评估的实践意义和积极作用。概括来看，上述创新科技属于不良资产处置领域的新质生产力，但其实施、推广将面临较为复杂和系统的技术性障碍。笔者认为有必要通过开发元宇宙来拟合及构建AI与自然人相交互的新型生产关系，全链条适应新质生产力在不良资产处置领域的开发和应用。

一、在不良资产处置领域引入AI的困难和挑战

（一）AI法官面临法理伦理挑战

AI法官在标准化案件（如批量债权确认）中提升诉讼效率的效果显著，在减少诉累和审查证据环节也具有积极的促进作用，有利于缩短司法处置周期。但在较为复杂的司法处置案件中（如破产重整程序涉及的债权确认之诉），相关诉讼和异议程序面临各诉讼主体的复杂博弈，牵涉多角度的法律解释、价值取向和道德尺度判断，需要人类法官在诉讼程序中行使裁量权，既维护道德底线和公序良俗，又适度平衡诉讼权利人面对诉讼判决结果的利害得失。在上述复杂案件中，由于二审、再审的情况十分普遍，AI法官在一审环节做出的判决可能流于形式，其在效率和透明度上的优势不得不让位于人类法官主导的审判节奏，最终导致AI法官的应用场景大幅缩水。因此，在复杂的司法诉讼案件中，降低AI法官履职的争议，树立其公信力和权威性，并最终赋予裁量权是具有挑战性的技术课题。攻克该难题，既要妥善解决AI法官在训练过程中的算法偏见和黑箱问题（具有可解释性并接受公开监督），又要充分考虑AI法官在价值观引导和公序良俗的尺度把握（如心证培养）方面的局限性。

（二）数据质量和数据孤岛影响AI算法模型的可靠性

AI算法模型的不断完善以及在司法、税务和评估领域的应用场景高度依赖于基础数据的质量和标准。若底层数据质量不达标，在实践中AI只能起到职能工具作用（如生成格式文书等），无法充分发挥智能科技应用价值。当前，在上述相关领域应用AI将面临以下五个方面的数据问题：一是法院、税务部门、不动产登记部门以及银行、资产管理公司的数据标准不一（如债权分类编码差异），难以直接整合；二是区块链跨链的操作性存在技术难题，不同机构使用的区块链协议难以互通，形成数据孤岛；三是区块链在物权登记中的应用需解决链上链下数据映射问题，并增强预言机安全性，以确保数据的真实性和一致性；四是不良资产处置涉及的司法诉讼个案之间差异较大，小样本数据可能导致AI模型误差率波动；五是隐私保护悖论，即区块链的不可篡改性（公开账本特性）与个人信息保护法规中的最小必要原则[1]存在冲突，即便引入零知识证明等隐私技术，也难以消除该数据应用障碍。例如，在司法异议程序中，AI法官对涉嫌虚构的债权债务关系进行实质审查时，需对债权债务相关合同、银行流水信息、纳税信息和公安系统备案的印章印件信息等进行贯穿式分析，但面临数据质量和数据标准不稳定的情况，加上个人信息保护的限制，AI法官或难以得出客观准确且令人信服的结论，最终无法达到减轻诉累之目的。

（三）权力与监督

在AI的实际应用中，一旦在司法和行政领域赋予其裁量权和公信力，就必然涉及建立配套的监督机制。该监督机制应有别于当下对自然人岗位的监督程序，其出发点需着眼于对AI模型（算法）和数据应用的修正和纠偏，同时对自然人调整、修改AI工作权限（和工作结果）时须履行的程序和承担的责任进行界定。落实上述AI监督机制，需解决以下几方面问题：一是缺乏算法备案监督制度，需建立和完善诸如《算法推荐管理规定》等配套制度，将AI法官的算法和决策逻辑纳入司法监管框架，并据此界定AI法官一审司法判决文书与自然人法官判决（改判）文书之间的制约关系；二是针对司法和行政领域运行AI的审计机制尚未建立，尤其是针对模型和算法可解释性达到监管阈值的审计监督体系；三是跨境数据流动限制，若涉及境外债权人（或资产），区块链节点部署需符合各国数据主权要求；四是主权区块链数据本地化储存与管理尚待建立和完善。