行政决策是公权力运行的核心环节，传统行政法以 “人类理性” 为基石，确立 “人作为决策主体、裁量权由人行使、责任由人承担” 的基本范式。随着生成式 AI、大数据算法在行政许可、行政处罚、公共服务分配等领域的广泛应用，AI 从辅助工具向决策主导者演变，传统范式面临系统性冲击：AI 生成的行政决定是否具备法律上的 “人之意旨”？行政裁量的价值判断是否被算法的量化计算取代？以人类理性为审查基准的司法体系，能否识别算法偏见、黑箱等新型违法形态？

欧盟、德国、中国台湾地区及大陆均已启动 AI 行政规制立法，形成差异化的治理路径：欧盟以 GDPR 为数据基础、AI Act 为风险框架，构建 “权利本位” 的规制体系；德国通过《行政程序法》第 35 条明确完全自动化行政处分的适用边界；台湾地区《人工智能基本法》确立 “以人为本” 的核心原则；大陆则以《网络安全法》《数据安全法》《个人信息保护法》为基础，配套生成式 AI 管理规范，形成 “安全与发展并重” 的监管模式。本文结合上述法律规范，对 AI 时代行政决策的三大核心问题逐一解析，探索技术理性与法治价值的平衡路径。

行政决定的本质是行政机关基于独立意志作出的 “意思表示”，传统行政法要求决策必须体现 “人之判断”，即包含价值权衡、目的考量、个案裁量等人类特有的理性活动，这是行政决定具备法律效力的前提。AI 介入后，行政决定的生成路径从 “人类主导” 转向 “算法生成 + 人类审核” 甚至 “完全自动化”，其是否仍属于 “人之判断”，成为首要法律争议

1、德国《行政程序法》第 35 条：完全自动化处分的有限承认

德国是全球首个明确 “完全自动化行政处分” 法律效力的国家，2016 年修订的《行政程序法》第 35 条规定：“行政处分可由自动化设备完全作出，前提是法律明确授权，且行政机关无裁量空间或独立判断余地”。该条款清晰划定边界：完全自动化行政处分仅适用于羁束行政行为（如符合法定条件的证照发放、标准化费用征收），此类行为无价值判断空间，仅需机械适用法律，AI 可替代人类完成；而涉及裁量权行使、价值权衡的行政行为（如行政处罚幅度、公共资源分配），必须保留人类判断，禁止完全自动化。

2、欧盟 AI Act：高风险决策的 “人类主导” 强制要求

欧盟《人工智能法案》（2024/1689）将行政决策类 AI 系统纳入 “高风险 AI” 范畴，明确要求：高风险 AI 系统的决策必须以人类监督为核心，行政机关不得将涉及公民基本权利、具有裁量空间的决策完全交由 AI 作出；AI 仅能作为辅助工具，提供数据分析、方案建议，最终决定必须由具备法定权限的公职人员作出，并承担法律责任。同时，GDPR 第 22 条规定，个人有权不受仅基于自动化处理（包括画像）的影响其法律地位或重大利益的决定约束，除非该决定基于公共利益或个人明确同意，且提供适当的权利保障。该条款从数据权利角度，否定了无人类参与的自动化决策的绝对效力，强化了 “人之判断” 的核心地位。

3、台湾地区《人工智慧基本法》：以人为本的决策主体原则

台湾地区 2025 年施行的《人工智慧基本法》第 12 条明确 “AI 不得取代人类最终决策责任”，规定行政机关使用 AI 辅助决策时，必须确保 “人类具有最终决定权与修改权”，AI 生成的结果仅为参考，不具有当然法律效力。该法强调行政决策的 “人格性”，认为价值判断、公共利益权衡等活动是人类专属能力，AI 无法具备法律上的 “意思能力”，因此行政决定必须体现人类的独立意志。

4、大陆法律规范：人机协同，人类主导的基本定位

大陆尚未出台专门的 AI 行政决策法律，但《个人信息保护法》第 24 条（自动化决策条款）、《生成式人工智能服务管理暂行办法》等规范确立了核心立场：行政机关利用自动化决策（含 AI 决策）作出影响公民权益的决定时，应当保证决策的透明度和结果公平公正，不得完全依赖算法，必须保留人工复核与最终决定权。《网络安全法》（2025 修订）第 20 条明确 AI 应用需 “维护国家安全和社会公共利益，保护公民合法权益”，隐含了人类对 AI 决策的主导与控制义务。司法实践中，法院对完全由 AI 生成、无人工审核的行政决定，倾向于认定为 “程序违法”，因缺乏 “人之判断” 而不具备法律效力。

上述法律规范均强调 “人类主导”，但实践中 “AI 生成、人类形式审核” 的 “伪人类判断” 现象普遍存在，引发 “人之判断” 是否被虚化的争议。AI 大模型的 “黑箱特性” 导致人类难以理解决策逻辑，审核人员往往直接采纳 AI 结果，使 “人类判断” 沦为形式；同时，AI 的高效性易导致行政机关过度依赖算法，逐渐丧失独立判断能力，最终使行政决定的 “意思表示” 实质来源于算法，而非人类。

对此，法律规制的核心在于区分 “形式判断” 与 “实质判断”：人类审核必须是实质性的价值权衡与个案考量，而非简单的程序确认；行政机关需对 AI 决策的依据、逻辑、结果合理性进行独立审查，对不符合公共利益、显失公平的 AI 结果予以否决或修改。德国法上的 “裁量收缩理论”、欧盟 AI Act 的 “人类监督义务”，本质上均是通过法律强制力，防止 “人之判断” 被算法虚化，确保行政决定始终体现人类理性与价值取向。

行政裁量是行政权的核心，指行政机关在法律规定的范围内，基于公共利益、个案正义等价值考量，自主选择行为方式、幅度、内容的权力，其本质是价值判断与利益权衡，具有主观性、个案性、灵活性特征。AI 介入后，行政裁量的行使方式从 “人类价值判断” 转向 “数据量化分析 + 算法模型运算”，裁量的本质是否从 “人之价值选择” 异化为 “数据与模型的运算结果”，成为行政法的核心争议。

传统行政裁量依赖人类经验、直觉、价值观念，是 “模糊的、情境化的” 价值权衡；而 AI 算法裁量的逻辑是将裁量标准转化为可量化的数据指标，通过模型运算输出唯一或最优结果。例如，行政处罚裁量中，算法将违法情节、危害后果、当事人过往记录等转化为数值，输入预设模型，自动计算出处罚幅度；公共资源分配中，算法基于年龄、收入、贡献度等数据，通过权重赋值运算确定分配优先级。

算法裁量具有 “无噪声、精准化、标准化” 特征，能减少人类裁量的偏见与随意性，但同时也存在价值中立假象、数据偏见固化、个案正义缺失等问题。算法模型由开发者设计，权重赋值、指标选择隐含开发者的价值偏好；训练数据往往包含历史社会偏见（如地域、性别、身份歧视），算法会将偏见固化并放大，导致裁量结果看似 “客观公正”，实则存在结构性不公。更关键的是，算法裁量缺乏对个案特殊情境、人文情感、公共利益动态变化的考量能力，难以实现传统裁量所追求的 “个案正义”。

1、德国法：裁量领域禁止完全自动化，保留人类价值判断

德国《行政程序法》第 35 条明确，完全自动化行政处分仅适用于无裁量空间的羁束行为，凡涉及行政裁量（包括不确定法律概念的判断）的行为，绝对禁止完全自动化。德国行政法理论认为，裁量权的本质是 “法律赋予行政机关的价值判断空间”，属于人类专属的精神活动，AI 无法进行价值权衡，仅能处理事实认定与法律适用的机械性工作。因此，在裁量领域，AI 仅能提供数据参考与方案建议，最终的价值选择必须由人类作出，且需说明裁量理由，接受司法审查。

2、欧盟 GDPR 与 AI Act：算法裁量的透明化与反歧视要求

GDPR 第 22 条要求自动化决策（含算法裁量）必须具备透明度，个人有权要求行政机关说明算法决策的逻辑、依据及数据来源。欧盟 AI Act 进一步强化高风险算法裁量的规制：要求行政机关使用算法裁量时，必须公开算法模型的设计原理、指标权重、训练数据来源，进行算法偏见检测与风险评估，确保裁量结果公平公正；禁止使用基于歧视性数据、带有偏见的算法进行裁量。同时，赋予个人对算法裁量结果的异议权，行政机关需对异议进行人工复核，重新作出裁量决定。

3、大陆法律：算法裁量的合理性审查与个案平衡要求

大陆《个人信息保护法》第 24 条规定，行政机关利用自动化决策作出影响公民权益的决定时，不得实行不合理的差别待遇，应当同时提供不依赖算法的人工复核渠道。《生成式人工智能服务管理暂行办法》要求 AI 服务提供者（含行政机关）对算法模型进行合规评估、偏见检测、安全测试，确保算法裁量符合法律规定与公序良俗。司法层面，法院对算法裁量的审查从 “合法性审查” 延伸至 “合理性审查”，重点审查：算法模型是否存在偏见、数据来源是否合法、裁量结果是否显失公平、是否考虑个案特殊情境，对不合理的算法裁量结果予以撤销。

法律规范的核心共识是：行政裁量的本质仍是人类的价值判断，算法仅为辅助工具，不能取代人类裁量。实践中需构建 “算法量化分析 + 人类价值权衡” 的协同模式：算法负责事实数据的收集、整理、分析，提供裁量方案及量化依据；人类行政机关基于算法结果，结合个案特殊情境、公共利益、人文价值，进行最终的价值选择与裁量决定，并书面说明裁量理由（包括算法依据、人类考量因素）。

这种模式既发挥算法的高效、精准优势，减少人类裁量的随意性，又保留人类对价值判断的主导权，避免算法偏见与个案正义缺失，实现技术理性与法治价值的平衡。

司法审查是权利保护的最后防线，传统行政诉讼以 “人类行政行为” 为审查对象，法院通过审查行政行为的合法性、合理性，纠正违法行政，保护公民权利。AI 时代，行政决策的 “算法黑箱”“数据依赖”“技术专业性”，对传统司法审查体系构成挑战：法院能否理解算法决策逻辑？如何审查算法偏见、数据违法、裁量不合理等新型违法形态？司法审查是否仍能有效发挥权利保护功能，成为核心争议。

1、审查对象的黑箱化：算法逻辑难以穿透

AI 大模型（尤其是深度学习模型）具有 “黑箱特性”，决策逻辑复杂、不可解释，连开发者都难以完整说明其推理过程。法院作为非技术专业机构，缺乏理解算法逻辑、识别算法错误的技术能力，难以对 AI 决策的合法性、合理性进行实质审查，易陷入 “无法审查、不敢审查” 的困境。

2、审查标准的模糊化：新型违法形态缺乏审查依据

传统司法审查标准（如证据确凿、适用法律正确、程序合法、裁量合理）针对人类行政行为设计，难以适配 AI 行政决策的新型违法形态：数据违法（如数据来源非法、数据篡改、数据偏见）、算法违法（如算法歧视、算法黑箱、算法缺陷）、程序违法（如无人工审核、未说明算法理由）等，现有法律未明确审查标准，法院缺乏裁判依据。

3、举证责任的失衡化：公民维权难度加大

AI 行政决策中，行政机关掌控算法模型、数据、决策逻辑等核心信息，公民处于信息劣势地位。根据传统行政诉讼 “被告举证” 原则，行政机关需证明行政行为合法，但实践中，行政机关常以 “算法保密”“技术专有” 为由，拒绝公开算法逻辑与数据，导致公民无法举证算法存在偏见或错误，维权难度极大。

1、欧盟 GDPR 与 AI Act：强化透明度与举证责任倒置

GDPR 第 22 条、第 15 条赋予公民算法解释权与数据访问权，公民有权要求行政机关公开算法决策的逻辑、依据、数据来源，为司法审查提供基础。欧盟 AI Act 进一步规定：高风险 AI 决策引发诉讼时，举证责任倒置，行政机关需证明算法模型合规、数据合法、决策结果公平公正，否则需承担败诉责任；同时，法院可委托独立技术专家进行算法审计，协助审查算法合法性。

2、德国法：完全自动化处分的有限审查与裁量行为的实质审查

德国《行政程序法》第 35 条规定，完全自动化行政处分（羁束行为）的司法审查，仅审查法律依据是否合法、数据输入是否准确、程序是否合规，不审查裁量合理性（因无裁量空间）；而涉及裁量的 AI 辅助决策，法院需进行实质审查，重点审查：人类是否进行了实质性价值判断、裁量理由是否充分、是否考虑个案特殊情境、算法是否存在偏见，对违法裁量予以撤销。

3、大陆法律：确立算法解释义务、完善技术审查机制

大陆《个人信息保护法》第 24 条明确行政机关的算法解释义务，公民有权要求行政机关说明自动化决策的逻辑、依据及理由，为司法审查提供前提。《生成式人工智能服务管理暂行办法》要求行政机关留存算法决策日志、数据记录，以备司法审查。司法实践中，法院逐步探索适配 AI 的审查机制：引入技术专家辅助人制度，由技术专家协助审查算法逻辑与数据合法性；明确审查标准，将 “算法公平、数据合法、程序透明、人工复核” 纳入合法性审查范围；强化举证责任，要求行政机关公开算法核心信息，否则承担不利后果。

为确保司法审查有效发挥权利保护功能，需从三方面完善制度：

1、强化算法透明度，破解黑箱难题

通过法律强制要求行政机关公开 AI 决策的算法模型说明、数据来源、决策逻辑、裁量理由，除涉及国家安全、商业秘密外，不得拒绝公开；建立算法备案制度，高风险 AI 决策模型需提前向监管部门备案，接受技术审查。

2、推动司法审查实质化，覆盖新型违法形态

将司法审查从 “形式合法性审查” 延伸至 “实质合理性审查”，明确数据违法、算法歧视、程序不透明、无人工复核等为独立违法情形，细化审查标准；建立算法审计制度，法院可委托独立第三方技术机构对算法模型、数据进行审计，出具专业意见，作为裁判依据。

3、完善举证责任分配，降低公民维权难度

确立 AI 行政决策诉讼中的举证责任倒置规则，由行政机关证明算法合规、数据合法、决策结果公平；公民仅需证明 AI 决策对其权益造成损害，无需证明算法存在过错；同时，建立公益诉讼制度，允许检察机关、公益组织代表公众对违法 AI 决策提起诉讼，强化权利保护力度。