导语：生成式人工智能正在进入政策研究、材料整理和法规起草等专业场景。它能在短时间内归纳背景、生成框架，却也把事实幻觉、条文误引和概念混淆带进立法流程。近期，AI辅助撰写的立法提案被曝错误频发，一些政府部门因此加强人工复核。这提醒我们：立法可以借助AI提速，但法律责任绝不能交给算法承担。⚖️
AI为何会在立法文本中频繁出错？
普通公文出现措辞问题，通常可以通过修改补救；立法文本中的一个定义、一处标点或一次引用错误，却可能改变适用对象、权利边界和执行方式。相关报道显示，AI辅助生成的提案可能出现法律条文引用错误、定义混乱、术语使用不当等问题，甚至让后续审查人员花费比人工起草更多的时间进行修订。[1]
首先，大模型生成的是基于语言规律的“可能答案”，并非经过法律数据库逐条验证的确定结论。当上下文不足、现行法规版本不明确，或者提示中缺少适用地区与生效时间时，模型可能组合出看似规范、实则不存在或已经失效的条款。
其次，法律语言强调概念一致和逻辑闭合。同一笔公共资金究竟属于补贴、拨款、税收抵免还是税收减免，法律效果可能完全不同；适用范围写成“各州”，也可能遗漏特别行政区域、地方辖区或特定群体。媒体梳理的案例表明，这类细节正是通用AI容易混淆的部分。相关报道
效率工具为何可能变成审查负担？
AI降低了文本生成门槛，也容易造成草案数量增加、篇幅膨胀和质量参差。一些使用者看到格式完整、语气正式的文本后，可能产生“内容应该可靠”的错觉，未经核验便进入流转环节。结果是前端节省了起草时间，后端却要投入更多法律人员进行查错、溯源和重写。🧐
立法工作的核心并不是快速生成文字，而是准确表达政策目标，并确保每一项权利、义务和程序都能与现行法律体系衔接。
更值得警惕的是责任模糊。如果无法记录谁使用了AI、采用了哪些资料、修改了哪些内容，一旦提案造成争议，就难以复盘错误来源。因此，强化人工复核不应只是增加一道签字程序，而应建立可追踪、可检查、可问责的工作链条。
人工复核机制应重点检查什么？
- 核对事实与来源：涉及机构名称、政策背景、时间节点和案例材料时，必须回到政府公报、现行法库及权威文件核验，不能把AI回答当作引用依据。
- 逐项验证法律引用：检查法规名称、条款编号、效力状态和上下位法关系，确认是否存在修订、废止或地域适用差异。
- 审查关键定义：对适用对象、主管部门、资金性质、处罚条件和例外情形建立术语清单，确保全文表述一致。
- 开展影响测试：模拟不同地区、行业和群体适用后的结果，排查范围遗漏、权利冲突及执行成本异常。
- 保留使用记录：标明AI参与的环节、输入资料、生成版本和人工修改内容，形成完整审计轨迹。✅
政府部门如何合理使用AI？
较稳妥的原则是“低风险环节多使用，高风险环节严把关”。AI可以协助整理公众意见、比较法规版本、提取重复表述、生成问题清单，但不宜独立决定政策目标、法律定义、权利义务和处罚规则。最终文本应由熟悉实体法、程序法及政策背景的专业人员共同审读。
在制度层面，可建立AI辅助立法操作规范，对允许使用的工具、可输入的数据和禁止自动生成的内容作出明确规定。涉及个人信息、国家秘密、内部决策材料或未公开政策时，应使用经过安全评估的系统，避免敏感内容进入不受控的平台。同时，可采用“双人复核加专业会签”模式，让业务人员检查政策意图，法务人员检查法律表达，技术人员评估模型风险。🔍
总结：让AI成为助手，而不是责任主体
AI进入立法流程并不意味着应当排斥技术，而是要求政府重新设计质量控制机制。真正有效的数字化，不是生成更多提案，而是在保证准确、透明和可追责的前提下减少重复劳动。只有坚持权威来源核验、关键条款人工审查、全过程留痕和最终责任到人，才能让AI发挥信息处理优势，同时守住立法质量与公共利益的底线。
