温馨提示：这篇文章已超过594拥国内排名前三的搜索引擎市场，同时有着MAU超4亿的360浏览器
[13]（二）立法权转授的特征在我国，立法权往往以由XX机关规定的方式授出，这导致获得转授立法权的主体可能采用法规或规章的立法形式，也可能以其他规范性文件的形式立法。
因此，笔者曾建议在地域上向西、北部倾斜授权，甚至力度可以更大，通过立法授权的均衡化来纠正南重北轻的发展格局，如授权天津市制定滨海新区法规，进一步推动北方形成与浦东新区平行的立法引擎。前述1981年首次授权处于我国立法制度不断变革并向地方进行赋权的起始期。
2021年的两项新授权有助于强化不能废止经济特区法规制度的基本共识。[40]参见沈春耀：《关于〈中华人民共和国海南自由贸易港法（草案）〉的说明——2020年12月22日在第十三届全国人民代表大会常务委员会第二十四次会议上》，载《全国人民代表大会常务委员会公报》2021年5号，第971页。地方立法变通授权机制的完善更要举一反三，它是我国改革立法授权机制的组成部分之一，需要吸收其他两种授权机制的优点。[36]自贸港法规制定权是一种新型的立法权，而不是特区立法权的升级版，参见熊勇先：《论海南自由贸易港法规制定权及其行使》，载《暨南学报（哲学社会科学版）》2022年第8期，第57页。正式规定经济特区法规的2000年《立法法》第65条（2015年第74条），位于第四章第一节地方性法规、自治条例和单行条例。
有鉴于此，笔者近年来对立法变通及其授权机制的完善进行了初步思考，并曾以各种形式提出制度改革建议。地方改革试点授权必须是临时性的，并且在字面上限于行政管理等领域的特定事项。[7]参见陈国栋：《私法信用惩戒的法理及其启示》，载《暨南学报（哲学社会科学版）》2021年第11期，第150页。
三是风险预判与算法运作属于内部行政行为，无法受到正当程序规制。被包括我国刑法、公司法在内的诸多公法、私法所规定，且作为我国当下失信惩戒之主要类型的从业禁止就是其中典型。[21]林均跃：《论公共和市场两种不同类型的失信惩戒机制及其互补关系》，载《征信》2022年第1期，第25页。第一，如果不存在风险，或者风险已有其他手段予以限制而不再有发生的可能，就无需实施失信惩戒。
[11]这一进路被不少学者批评，认为其带来了法律的道德化。因为，当失信惩戒不得不依赖市场主体的声誉制裁才能产生制裁效果时，[17]就意味着其制裁性取决于私人而非国家。
[23]交易是相互的，市场主体在提高他人交易成本的同时，也在提高自己交易的成本，减少自己的交易机会，因为交易对方会取消交易或提高要价以弥补被提高的成本。基于这一逻辑，在大数据时代，在所有数据都是信用数据的理念指导与强大的数据收集、处理技术的加持下，信用信息的范围更是无远弗届，人们的购物地点、购物行为、在线社交媒体网络以及与信誉没有直观关联的其他因素都被囊括其中。[68]比如，美国传统信贷风险评级算法在帮助银行管控信贷风险的同时排斥了一些群体获得信贷的机会，而这样一个群体，经由另一种算法却被认为是可以获得银行贷款的。[90]Frank Pasquale, The Black Box Society: The Secret Algorithms That Control Money and Information 55(Harvard University Press 2015). [91]高秦伟：《个人信息的专责机关》，载《法学评论》2021年第6期，第106页。
[63]换言之，现存的法律框架难以胜任失信惩戒法治化的重任，需要为之设计全新的法治化架构。采取通报批评、公布违法事实等烈度居中的失信惩戒，则是通过广而告之的方式，提醒社会大众注意并预防交易风险。[88]除此之外，个人通过第三方救济机制要求行政机关消除错误信息、撤销错误评级、修复受损信用以及给予相应赔偿的权利也是必不可少的。而从制裁失信行为到管控交易风险，从规制失信惩戒行为到规制信用算法，失信惩戒法治化进路与中心的转变，既意味着大数据时代法律、法治的变革与发展，也意味着行政法摆脱危机、重新出发的进路。
道德化则有碍于此，因为其会提高交易成本，阻碍交易的发生，所以道德化的信用算法不仅得不到市场的配合与适用，反而会成为社会信用体系的短板，损害这一体系的稳定性与权威性。[47]参见陈国栋：《缔约资格排除类信用惩戒的法治化路径》，载《现代法学》2021年第1期，第112页。
其一，由公民基于个人信息权益规制信用算法与失信惩戒。[34] 这就意味着，信用在本源上不是对过往行为的道德定性，而是对将来交易的风险评级，服务于将来交易的安全需要。
[69]因此，必须超越后果审查式行为规制，将规制重心前置于算法运作环节，对失信惩戒实行釜底抽薪式规制。[73]顾敏康、谢勇、王伟、石新中：《我国诚信建设法治化核心命题笔谈》，载《求索》2020年第3期，第16页。后来一些经济学学者进一步探讨、界定了其风险管控而非法律制裁属性。一切资源配置主体都可以根据各自风险管控需求，各取所需信用信息，自行判断失信风险，进而决定是否实施失信惩戒，并基于相同需求形成特定交易领域的自发性社会联合惩戒。随着政府像平台公司一样平台化、数字化，失信惩戒必然迅速扩张于各个治理领域，取代过往以命令—制裁为核心的社会治理机制。算法以信息为前提，特定的算法需要特定的信息，特定的信息服务于特定的算法及相应的风险管控需要。
[61]正如传统的命令—制裁式社会治理机制不仅依靠国家垄断的暴力，更依靠公民的守法观念，因而国家要以各种方式提升公民的守法意识一样，以信用治理为核心的数字化治理机制也需要失信惩戒作为相应的规训机制提升公民的守信意识。域外即有论者指出，大数据监管的洞察力不必局限于针对犯罪活动，大数据预测分析的力量还可以用于识别警察的不当行为，新的监控技术为观察、监控甚至预测警察的不当行为提供了新的途径。
为此，当下信用立法不仅设置了相应的黑名单制度，还明确要求其他公共机关鼓励市场主体实施联合惩戒，尽管该失信者可能并未违反其他行政管理法规，并未侵犯其他市场主体私权。其在实质合法性上必然要经由道德法律化路径，在行为类型上必然与行政处罚混同，进而以过惩相当为原则，以公共机关垄断惩戒权。
但是，失信惩戒起源于经济交易领域，是市场主体在收集各种信用数据从而评估交易风险的基础上采取的风险规避措施，是一种通过对交易风险的管控、预防而非强制性制裁来治理失信的治理手段。[72]一方面，道德化意味着制裁。
[16][德]马克斯·韦伯：《经济与社会》，林荣远译，商务印书馆2004年版，第731页。另一方面，因为联合惩戒主体不明确，惩戒的明确性无法实现：有无制裁效果、制裁的程度无法由行政机关控制，而受制于种种社会因素。这一进路的实质是通过信用机制的事前预防机能去管控将来的交易风险、避免失信行为的产生，而不是通过事后的制裁去报复、威慑失信主体使其今后不敢再犯。[37]林均跃：《社会信用体系原理》，中国方正出版社2003年版，第73—80页。
[38]Mikella Hurley Julius Adebayo, Credit Scoring in the Era of Big Data,18 Yale Journal of Law and Technology 148,151(2016). [39]关于社会性制裁，参见[日]佐伯仁志：《制裁论》，丁胜明译，北京大学出版社2018年版，第6页。难以解释其他行政机关与市场主体参与联合惩戒的合法性、动力问题。
换言之，信用对于资源配置至关重要，讲信用才具有了道德规范层面的意义。这也是《纲要》将政府自身纳入其规范范围，使执法者本身也受到监督的应有之义。
[2]在修订行政处罚法的过程中，全国人大常委会部分委员也如此建议。故此，仅仅从客观效果出发将市场主体的失信惩戒理解为提高失信主体交易成本，无法解释市场主体参与失信惩戒的动力，进而难以作出针对性设计以促成联合惩戒机制。
[31]信用评分需要计算的是交易对方给特定商业交易带来的特定风险等级。二是何以将违法定性为失信进而施加公法制裁的难题。[58]拉里·卡塔·巴克尔（Larry Catá Backer）更是明确指出，随着新的数字技术日益弥漫、支配经济生产乃至相应的上层建筑，一种全新的数据驱动的治理机制会取代过往的法律机制：在这个新世界中，旧式的法律、国家和秩序可能会有一席之地，但它必然会让路给以测量、评估和激励为基本意识形态的制度体系。[17]如有学者认为，如果将违法行为人的相关信息在特定范围内予以公布，将其行为纳入社会诚信体系记录中，让了解相关信息的单位或者个体对该行为人的信誉产生质疑，那么该行为人必然会对这样的处罚有所畏惧。
[86]Alex Griffiths, The Practical Challenges of Implementing Algorithmic Regulation for Public Services, in Algorithmic Regulation 154-158(Karen Yeung Martin Lodge eds., Oxford University Press 2019). [87]Frederick Schauer, Transparency in Three Dimensions,4 University of Illinois Law Review 1339,1351(2011). [88]刘东亮：《新一代法律智能系统的逻辑推理和论证说理》，载《中国法学》2022年第3期，第161—162页。按照行政处罚的思路，加强监管措施、限制给付类措施与不面向社会公开的黑名单不属于行政处罚，而其他的失信惩戒措施都属于行政处罚。
算法行政不可避免，我们所要做的是建构更为科学的算法，而不是将算法拒之门外。面对基于数字化权力的失信惩戒，不仅需要建立个体信息权益制度，更需要国家建立强大的数字能力规制算法权力。
[70]参见《美国公平信用报告法》（FCAR）第1681条a款。这种按风险大小分配资源的基于风险的规制（risk-based regulation），可以让行政机关实施有的放矢松紧有度的干预，在最大化监管收益的同时最小化被监管方的负担，[57]精准实现执法资源配置的优化与治理的优化。
发表评论