新时期青少年法治教育系列之三

罪错未成年人AI分级干预与动态矫治

体系的实证研究

——创新“数智未检”实践的深度调研

孙祥  任振兴

在未成年人犯罪治理领域，传统的“人工矫治”模式长期受困于信息碎片化、评估主观化、帮教同质化等难题。随着大数据与人工智能技术的司法渗透，以“智能画像”为核心的分级干预体系正在重塑罪错未成年人的处遇逻辑。基于检察机关的“数智未检”创新实践，深入调研如何利用AI大模型对未成年人罪错行为数据进行多源采集、要素识别与动态风险评级，进而构建“数字画像—风险评级—精准帮教—闭环处置”的全流程智能干预体系。研究认为，AI技术的介入不仅实现了从“经验主义”到“数据主义”的范式转换，更通过司法资源的科学配置，有效解决了传统矫治中“一刀切”的痛点，为未成年人司法保护与社会治理的现代化提供了“数智样本”。

一、传统罪错未成年人矫治模式的困境与转型契机

（一）“一刀切”式矫治的现实痛点

长期以来，我国对罪错未成年人的干预主要依赖于检察官、社工或心理咨询师的个人经验。这种“人工矫治”模式存在三大先天缺陷：

一是信息孤岛效应。未成年人的罪错行为往往涉及家庭背景、在校表现、网络社交等多维度信息。但在传统模式下，这些信息分散于公安、检察、法院、教育、民政、网信等不同部门，形成一个又一个“数据烟囱”。检察官在做出附条件不起诉决定或制定帮教方案时，往往只能看到片面的“案卷画像”，难以窥见全貌。

二是评估主观性与静态化。对未成年人的人身危险性、再犯风险的评估，多依赖于量表测试和办案人员的直觉判断。这种评估是静态的、截面的，无法捕捉到帮教期间未成年人心理与行为的动态变化，导致风险评级往往“一次定终身”。

三是帮教措施的同质化。由于缺乏精准的个体画像，传统的帮教措施往往陷入“千人一面”的尴尬。无论是盗窃还是斗殴，无论是初犯还是屡教不改，接受的可能是同样内容的法治讲座或社区劳动。这种“大水漫灌”式的矫治，既浪费了有限的司法资源，也难以触及罪错行为的深层根源。

（二）数智时代的技术赋能契机

随着《未成年人保护法》和《预防未成年人犯罪法》的修订，分级干预理念被正式确立为未成年人司法的基本原则。然而，理念的落地需要技术的支撑。检察机关率先探索的“数智未检”实践，恰好回应了这一时代需求。通过引入AI大模型与大数据分析技术，我们第一次有可能将抽象的“分级干预”转化为可量化、可追踪、可预测的“智能画像”。

二、AI如何为罪错未成年人“画像”

（一）打破壁垒的多维数据采集

构建智能画像的第一步，是建立全面、客观的数据底座。在检察实践中，依托政法协同办案平台，并打通与教育、卫健、民政等部门的数据接口，实现了对涉罪未成年人数据的“一网捕取”。

1.静态数据层：包括户籍信息、学籍信息、家庭成员构成、既往病史等基础背景数据。

2.动态行为层：通过电子手环、手机APP使用痕迹、社交账号内容分析等（在授权与合规前提下），采集其在附条件不起诉考察期内的活动轨迹、网络舆情、社交圈子变化。

3.案事件数据层：包括涉案细节（如作案手段的残忍程度、是否预谋）、以往劣迹记录、被害人陈述等。

（二）AI大模型的要素识别与风险评级

AI大模型的核心能力在于“模式识别”。通过对海量历史案例进行深度学习，模型能够自动提取出与再犯风险高度相关的关键要素。

1.要素识别：如模型发现“长期辍学+夜不归宿+在社交群组中接触暴力亚文化”这一组合特征，与暴力型再犯的关联度极高。它不再像传统人工那样仅关注“偷了多少钱”，而是关注“为什么偷”、“在什么情境下偷”、“偷完之后的态度”。

2.五级风险分级模型：基于上述要素，系统将罪错未成年人动态划分为五个等级：

    一级（轻微风险）：偶发过失，家庭监护良好，认罪悔罪态度积极。

    二级（低度风险）：初次违法，但存在一定的环境诱因（如交友不慎）。

    三级（中度风险）：多次劣迹，存在心理行为偏差，家庭监护缺位。

    四级（高度风险）：涉嫌严重犯罪，具有暴力倾向或团伙犯罪特征。

    五级（红色预警）：在帮教期间出现严重违反规定、行为轨迹异常、有重新犯罪征兆。

（三）闭环处置：从精准画像到动态干预

AI生成的风险评级并非为了给未成年人“贴标签”，而是为了匹配差异化的干预资源。

1.精准匹配帮教方案。针对不同风险等级，系统自动推送个性化的帮教建议。如对因家庭监护缺失导致的低风险未成年人，推送“强制亲职教育”课程；对存在认知偏差的中风险未成年人，推送AI虚拟检察官进行定期的法治问答与心理疏导；对高风险未成年人，则触发司法机关、公安机关的联合管控机制。

2.动态调整机制。画像不是一成不变的。系统根据帮教期间的数据回流，实时更新风险评分。如果一名三级风险未成年人在连续三个月的帮教中表现良好、按时打卡学习，其风险等级可能自动下调，干预强度也随之减弱，实现了真正的“动态矫治”。

三、实证分析“数智未检”的实践样本

（一）模式技术落地场景

检察机关作为探索先行者，在查处和预防未成年人违法犯罪工作中，核心创新在于构建了“未成年人综合司法保护数字平台”。

1.AI辅助办案。检察官在受理提请批准逮捕或审查起诉的未成年人案件时，系统会自动抓取卷宗数据，生成一份《未成年人风险评估报告》，其中包含再犯概率预测、心理状态雷达图、建议采取强制措施等级等。这一报告成为检察官做出附条件不起诉决定的重要参考。

2.智能帮教APP。针对处于附条件不起诉考验期内的未成年人，检察机关推广使用专门的帮教APP。未成年人需定期进行人脸识别打卡、上传思想汇报、在线学习法治课程。APP后台通过分析其打卡的准时性、学习时长的完整性、心理测评问卷的波动，对帮教效果进行量化评分。

（二）从“大水漫灌”到“精准滴灌”的成效

通过对比检察机关实施“数智未检”前后的数据，可以发现显著变化：

1.评估效率提升。过去完成一份全面的社会调查报告需要走访多个部门，耗时两周以上；现在系统生成初评报告仅需几分钟，人力得以从繁琐的数据收集工作中解放出来，专注于“人对人”的情感疏导与交流。

2.再犯率初步下降。据2023-2024年的内部数据显示，纳入AI动态管控体系的涉罪未成年人，在考察期内的再犯违规率为零，相较于传统帮教模式，风险干预的“时度效”明显增强。特别是对于三级以上中高风险群体，系统通过提前预警，成功干预了多起潜在的聚众斗殴事件。

3.资源配置优化。过去，一名检察官需要同时跟进十余名帮教对象，精力分散，效果参差不齐。现在，低风险对象主要由AI系统自动跟踪，社工辅助；检察官则集中精力负责高风险对象的“一对一”精准矫治。司法社工的资源投放从“平均用力”转向“按需分配”。

四、技术理性如何破解司法难题

（一）从“经验主义”到“数据主义”的范式转换

传统未成年人司法高度依赖检察官的个人经验与直觉。这种“自由裁量权”虽然体现了司法的温度，但也潜藏着不确定性。AI分级干预体系的引入，实质上是将部分司法决策的依据，从模糊的经验转化为可追溯的数据链条。它通过“数据说话”，让风险评估变得更加客观、透明，减少了人为因素的干扰，有助于统一区域内同案不同处理的尺度，提升司法公信力。

（二）实现“预防就是保护”的治理哲学

“预防就是保护”是未成年人司法最核心的理念。传统模式下的预防往往是“亡羊补牢”式的，直到出了事才去管。而AI动态矫治体系的核心在于“预测性”。

实现提前预警，当系统监测到一名曾被训诫的未成年人，近期频繁在深夜出现在治安监控的敏感区域，并与其有犯罪前科的同伴产生高频联系时，系统会触发“黄色预警”。检察官随即联系其家长或社区民警，进行一次预防性的谈话。这种将干预的关口从事后追责前移至事发之前的做法，是技术对未成年人最大保护的体现。

（三）破解“司法资源的有限性”与“社会需求的无限性”之间的矛盾

我国的司法社工资源相对匮乏，无法满足对所有罪错未成年人进行深度帮教的需求。AI系统承担了“守门人”和“分流器”的角色：

1.低端自动化。将常规的打卡、学习、提醒等大量重复性劳动交给AI完成。

2.资源倾斜化。确保最专业的司法社工力量，能够精准投放到风险最高、需求最复杂的未成年人身上。这种“让AI处理规模，让人处理例外”的模式，是司法领域实现可持续发展的必然路径。

五、算法介入未成年人司法的伦理规制

在肯定技术价值的同时，调研也必须清醒地认识到AI介入可能带来的风险与挑战。

（一）“数字画像”是否等于“数字烙印”？

未成年人司法强调“教育为主、惩罚为辅”，核心在于给予犯错的孩子回归社会的机会。然而，AI生成的“高风险”画像如果被滥用或泄露，可能会演变为伴随其一生的“数字烙印”。如当这份画像数据被学校或未来雇主获取，可能导致该未成年人被歧视、被排斥。因此，必须建立严格的数据分级使用与销毁机制，明确规定帮教结束后，非涉罪数据应及时脱敏或封存。

（二）算法歧视与“黑箱”风险

AI大模型的训练依赖于历史数据。如果历史数据本身就带有偏见（如过去对流动人口的执法力度更严，导致相关数据被标注为高风险），那么算法学到的将是这种偏见，进而形成“算法歧视”。此外，复杂的深度学习模型往往存在“黑箱”特性，即检察官只知道系统给出了“高风险”的结论，却难以完全理解其推理过程。这在一定程度上削弱了司法决定的解释力。因此，必须引入“可解释性AI”，确保每一个风险评估结论都能回溯到具体的、可被检察官理解的关键要素。

（三）冰冷的算法与温暖的司法

司法不仅是逻辑的推演，更是情感的交流。AI可以评估风险，但无法替代检察官与涉罪未成年人之间面对面的谈话，无法传递那种“拉一把”的温情。在矫治过程中，技术应始终定位为辅助工具，而非决策主体。最终的司法决定，特别是涉及剥夺人身自由的决定，必须由人做出。

六、构建人机协同的未成年人司法保护新生态

基于对三穗样本的深度剖析，为进一步推广和完善AI分级干预体系，提出以下建议：

（一）制度先行，出台分级干预的数据标准与算法备案制度

建议最高人民检察院联合相关部门，制定《未成年人司法保护大数据应用指引》。明确数据采集的边界、风险等级的划分标准、算法的备案与审计流程。对用于评估未成年人再犯风险的AI模型，应实行强制备案和定期公平性检测，防止算法歧视。

（二）技术向善，强化隐私计算与可解释性技术应用

在技术上，大力推广联邦学习、多方安全计算等“隐私计算”技术，实现“数据不出门，信息能共享”，解决数据采集与隐私保护的矛盾。同时，要求AI系统在输出风险结论时，必须附带要素贡献度分析，让检察官清晰看到是哪些因素主导了风险评级，增强人机互信。

（三）人机协同，重塑未检检察官的核心素养

未检检察官，不仅要懂法律，还要懂数据。应加强对基层检察官的数字素养培训，使其具备解读AI报告、发现数据异常、与算法进行对话的能力。要明确人机分工：AI负责“监控风险”，人负责“救赎灵魂”。机器处理数据，人心温暖人心。

（四）社会支持，构建多元共治的帮教闭环

AI系统应进一步向社会支持体系开放端口。将专业的心理咨询机构、职业教育机构、公益组织纳入平台。当系统识别出某未成年人存在严重的厌学情绪和职业技能缺失时，不仅能预警，还能自动链接周边的职业培训资源，实现从“风险管控”到“发展支持”的跨越。

从检察机关“数智未检”实践可以看出，从“人工矫治”到“智能画像”的转型，并非简单的技术叠加，而是一场深刻的司法治理革命。它以AI大模型为引擎，将碎片化的信息整合为立体的画像，将滞后的处置前移至精准的预警，将同质的帮教转化为动态的滴灌。这一模式精准回应了传统矫治中“一刀切”的痛点，为“教育、感化、挽救”的方针插上了科技的翅膀。

当然，技术只是手段，保护才是目的。在推进数智化转型的过程中，我们必须时刻警惕算法的风险，坚守未成年人利益最大化的底线，最终构建起一套既有科技硬度、又有人文温度的未成年人司法保护新体系。这既是新时代对未检工作提出的考题，也是我们交出的一份具有现实意义的“数智答卷”。

数字编辑：孙    祥

数字审核：光    明

数字谏议：修    予

数字议事：懋    源

数字责编：唐 起 春

数字统建：任 振 兴

数字格鉴：李 建 阳

安全应急信息网版权及免责声明：

凡本网来源注明“安全应急信息网”所有信息稿件和图片作品，版权均属于安全应急信息网，未经本网授权，任何单位及个人不得转载、摘编或以其它方式使用上述作品。已经本网授权使用信息稿件和图片作品的，应在授权范围内使用，并注明“来源：安全应急信息网”。违反上述声明者，本网将追究其相关法律责任。

安全应急信息网 邮箱：aqyjxxw@163.com