基于现实基线的一般考察

《法官法》第41条规定：“对法官的考核内容包括：审判工作实绩、职业道德、专业水平、工作能力、审判作风。重点考核审判工作实绩。”而实践中，执法办案系法官的第一要务，体现工作实绩的案件质量就成了法官绩效考评体系的重中之重。在这方面，2008年《最高人民法院关于开展案件质量评估工作的指导意见（试行）》（以下简称《案件质量评估工作指导意见》）确立了案件质量评估体系，包括3个二级指标（审判公正指标、审判效率指标、审判效果指标），各二级指标下又具体化为11个三级指标，实践中各具体指标也已经实现了网上自动实时生成，但在智能化水平上还有待提升，这主要包括以下几个方面：

第一，对法官绩效考评的“颗粒度”挖掘不够。从总体上看，目前的绩效考评体系处于“一锅炖”状态，仅仅看到法官、合议庭、业务庭或法院等不同层面的结案数、结案率、调解率、撤诉率等具体数字，而看不到这些具体数字和具体案件的内在对应关系，特别是缺乏以某个案件或某类案件为视角的指标体系情况。从具体方面看，职业道德、专业水平、工作能力、审判作风等考评内容因缺乏可视化、可量化的手段机制等，而基本处于“你有、我有、全都有”的“大锅饭”状态。一些具体的案件质量评估指标，如审判效果指标下的公众满意度指标，尽管《案件质量评估工作指导意见》第18条第（2）项确定了可以由各级法院组织或者委托民间调查机构对人大代表、政协委员、廉政（形象）监督员和当事人及其代理（辩护）律师、社会公众进行问卷调查收集，但却未明确公众满意度的具体社会评价因素有哪些，且上述问卷调查收集实践并不多见、也未全面实现电子化网络化，故此项指标的落实尚处于被泛化或虚置的状态。

第二，对法官绩效考评的“关联度”挖掘不够。法官绩效考评一旦被固化为指标体系，则难免有其机械性，并容易使人陷入教条主义、片面主义的泥淖中。如结案数、结案率并不意味着“案结事了”，还必须将其与信访率、改判发回率、调解撤诉率、执行率等指标结合起来，进行统筹考量，而且这种考量要一一对应到具体的个案，不能只盯表面数据，而不看实体对应和各指标之间的内在关联。又如前文提到的，即使结案数相同，还要考虑到不同案件的办理难度，对不同的具体案由进行合理赋值，方能做到公平考核。这种关联度的深度挖掘正是司法人工智能的真正用武之地，它既能对相关数据指标进行实质意义的“穿透性审查”，发现某些案件办理当中可能存在的异常，也可以为以后的指标阈值的设置提供有益的参考。

第三，对法官绩效考评的“数据清洗”还不够。司法人工智能的应用最终要落实到数据层面，而数据的有效性就成了关键。因法官绩效考评涉及的内容种类纷繁复杂，数据来源也十分多元，如仅公众满意度的指标数据，就可能包括收受锦旗数、对外宣传情况、是否入选年度优秀案例，从而给开发应用者带来了“冗余信息”，需对其加以清洗方能进一步有效利用，而这方面的清洗技术也正处于探索实践阶段。