|
法学院
|
|
□ 高洁 国瀚文
中小微企业合规的首要问题是其合规基础薄弱,表现为缺乏人力物力,缺乏制度基础,无法针对其相应票据、税务、人力资源等各个模块进行针对性合规建设,更无数字化手段对企业运行增速提效。因此,传统合规模式下,检察系统即使提出了相关合规建议,企业也难以落实整改并长期维持运行。 引入大数据法律监督模型,将需要进行人工审核的环节由从法律规范中抽象出的算法替代(由法条中假定、处理和制裁三要素进行排列组合),并由检察机关协同相关部门通过合规整改部署到企业中,由企业在其经营活动中使用,同时由检察机关进行监督,实现企业层面的降本增效。 引入简式监督模型,使数据处理贯穿合规始终,有效提升合规质效。采用自然算法等来保证数据过程的客观性,且输出结果为客观数据。同时,通过设计有效性评价指标,以量化为主,自由裁量为辅,避免产生因检察人员知识和精力的相对有限性而导致的“纸面合规”情形出现。更进一步,会对检察工作的亲和力与公信力造成影响。 模型设计研究 解决合规问题新策略 在明晰模型功能的基础上,以具体的模型设计路径,实现理论与实践的结合,从而指导具体检察合规工作。模型由数据来源、数字要素、运算规则和监督依据四部分组成,通过具体案件实践,完成从思路到应用的转变。 在数据来源方面,模型采用平台式架构,搭建企业合规数据搜集平台,解决数据源问题。平台不仅集成企业内部系统数据,还对接外部合规数据源,如公安机关执法办案系统、检察机关统一业务应用系统、人民法院案例库、行政机关台账等,确保数据的全面性和准确性。并需要确定关键指标和数据需求、信息采集与整理、数据标准化和格式转换以及数据加工与可视化等步骤,以此辅助检察机关进行事后合规审查,并实现实时发现和解决企业合规问题的事前效果。 以合规程序中的关键词作为数据要素,比如立案、涉案企业名称、统一社会信用代码、法定代表人、案由确认等,通过涉案确定涉案程序(民事程序、刑事程序)。再进一步,为避免关键词疏漏,设置备案程序,以程序节点对涉案中小微企业提交的经营状况数据进行统计分析,找出所上传数据中出现频率较高的词汇类型,以此作为企业简式合规数据关键词的候选项;再结合企业所涉案情特征及经营领域的行业特点,分析该行业合规领域的热点关键词,为确定简式合规数据关键词提供辅助。 以运算规则及监督依据的设计为算法模型,以办案经验和宪法、法律、行政法规部门规章为算法训练的物料,进而实现通过算法运算进行全面分析的效果。模型以法律条文为最终的运算规则,可保障输出结果的证据效力。这种设计思路既兼顾了模型输出结果的效力问题,又解决了“算法黑箱”的问题。 模型应用研究 打开合规协作新局面 监督模型将会对内推动四大检察融合,对外实现数据互联互通。监督模型的应用模块,对应检察机关的四大核心业务——刑事、民事、行政和公益诉讼,使检察业务之间紧密协作。监督模型不仅提升了检察业务的效率,也可以使模型持续地进行算法演练,通过深度学习更具效用。对于民事纠纷,可以评估是否支持起诉;发现行政监管漏洞时,可以建立协作机制;涉及国土国财流失的,可即时开启公益诉讼程序。一个模型,四个抓手,以模型为核心开展的检察业务融合,可以成为创新检察工作机制,推进社会治理成效的新方式。检察机关和其他政府部门通过共享信息,能更好地行使监督权,从而打破信息孤岛,推动部门间相互配合、相互协同。 模型指导研究 数字赋能检务提升 以“监督模型”驱动数字检察业务整体提质增效。通过中小微企业简式监督模型,融合检察业务数据、检察业务程序、检察业务治理等多项业务,实现“以点带面”“个案办理”到“类案治理”的转变。实践中,由于中小微企业合规涉及主体复杂,需要设计多种监督手段,以中小微企业简式合规监督模型对监督手段进行检测评估,并以配套的立法或者司法解释来保证采取算法模型的方式对社会生活进行监督,从而在科技轨道和法治轨道的交汇处实现“数字中国”。 此种合规模式能够调和刚性标准与自由裁量:一是模型输出的数据本身具有不可更改性,由企业经营情况的原始数据通过运算过程而来,能够使得检察人员在分析企业是否能够适用简式合规有可供参考的客观依据;并且,在平台长期运行中构建增补、调整关键词的反馈和优化机制,依据平台运行简式合规的实际质效和运行中出现的各类问题及时调整简式合规的关键词,提升关键词检索分析的精准度。二是模型在算法设计时可以兼顾法理与情理。 在数字检察的新时代,运用大数据和智能技术,使检察业务更精确、治理更精准。通过数字思维和智能技术,从个案中挖掘共性,实现类案监督。同时,将大数据法律监督业务纳入考评,提升检察人员数字能力,使数字办案成为新常态。中小微企业简式合规工作将成为改革先锋,以科技助力司法进步,实现“小”模型推动“大”转变。
![](****处理标记:[Article]时, 字段 [SnapUrl] 在数据源中没有找到! ****)
|
|
中小微企业简式合规监督模型研究
|
|
|
|
( 2024-07-17 ) 稿件来源: 法治日报法学院 |
|
□ 高洁 国瀚文
中小微企业合规的首要问题是其合规基础薄弱,表现为缺乏人力物力,缺乏制度基础,无法针对其相应票据、税务、人力资源等各个模块进行针对性合规建设,更无数字化手段对企业运行增速提效。因此,传统合规模式下,检察系统即使提出了相关合规建议,企业也难以落实整改并长期维持运行。 引入大数据法律监督模型,将需要进行人工审核的环节由从法律规范中抽象出的算法替代(由法条中假定、处理和制裁三要素进行排列组合),并由检察机关协同相关部门通过合规整改部署到企业中,由企业在其经营活动中使用,同时由检察机关进行监督,实现企业层面的降本增效。 引入简式监督模型,使数据处理贯穿合规始终,有效提升合规质效。采用自然算法等来保证数据过程的客观性,且输出结果为客观数据。同时,通过设计有效性评价指标,以量化为主,自由裁量为辅,避免产生因检察人员知识和精力的相对有限性而导致的“纸面合规”情形出现。更进一步,会对检察工作的亲和力与公信力造成影响。 模型设计研究 解决合规问题新策略 在明晰模型功能的基础上,以具体的模型设计路径,实现理论与实践的结合,从而指导具体检察合规工作。模型由数据来源、数字要素、运算规则和监督依据四部分组成,通过具体案件实践,完成从思路到应用的转变。 在数据来源方面,模型采用平台式架构,搭建企业合规数据搜集平台,解决数据源问题。平台不仅集成企业内部系统数据,还对接外部合规数据源,如公安机关执法办案系统、检察机关统一业务应用系统、人民法院案例库、行政机关台账等,确保数据的全面性和准确性。并需要确定关键指标和数据需求、信息采集与整理、数据标准化和格式转换以及数据加工与可视化等步骤,以此辅助检察机关进行事后合规审查,并实现实时发现和解决企业合规问题的事前效果。 以合规程序中的关键词作为数据要素,比如立案、涉案企业名称、统一社会信用代码、法定代表人、案由确认等,通过涉案确定涉案程序(民事程序、刑事程序)。再进一步,为避免关键词疏漏,设置备案程序,以程序节点对涉案中小微企业提交的经营状况数据进行统计分析,找出所上传数据中出现频率较高的词汇类型,以此作为企业简式合规数据关键词的候选项;再结合企业所涉案情特征及经营领域的行业特点,分析该行业合规领域的热点关键词,为确定简式合规数据关键词提供辅助。 以运算规则及监督依据的设计为算法模型,以办案经验和宪法、法律、行政法规部门规章为算法训练的物料,进而实现通过算法运算进行全面分析的效果。模型以法律条文为最终的运算规则,可保障输出结果的证据效力。这种设计思路既兼顾了模型输出结果的效力问题,又解决了“算法黑箱”的问题。 模型应用研究 打开合规协作新局面 监督模型将会对内推动四大检察融合,对外实现数据互联互通。监督模型的应用模块,对应检察机关的四大核心业务——刑事、民事、行政和公益诉讼,使检察业务之间紧密协作。监督模型不仅提升了检察业务的效率,也可以使模型持续地进行算法演练,通过深度学习更具效用。对于民事纠纷,可以评估是否支持起诉;发现行政监管漏洞时,可以建立协作机制;涉及国土国财流失的,可即时开启公益诉讼程序。一个模型,四个抓手,以模型为核心开展的检察业务融合,可以成为创新检察工作机制,推进社会治理成效的新方式。检察机关和其他政府部门通过共享信息,能更好地行使监督权,从而打破信息孤岛,推动部门间相互配合、相互协同。 模型指导研究 数字赋能检务提升 以“监督模型”驱动数字检察业务整体提质增效。通过中小微企业简式监督模型,融合检察业务数据、检察业务程序、检察业务治理等多项业务,实现“以点带面”“个案办理”到“类案治理”的转变。实践中,由于中小微企业合规涉及主体复杂,需要设计多种监督手段,以中小微企业简式合规监督模型对监督手段进行检测评估,并以配套的立法或者司法解释来保证采取算法模型的方式对社会生活进行监督,从而在科技轨道和法治轨道的交汇处实现“数字中国”。 此种合规模式能够调和刚性标准与自由裁量:一是模型输出的数据本身具有不可更改性,由企业经营情况的原始数据通过运算过程而来,能够使得检察人员在分析企业是否能够适用简式合规有可供参考的客观依据;并且,在平台长期运行中构建增补、调整关键词的反馈和优化机制,依据平台运行简式合规的实际质效和运行中出现的各类问题及时调整简式合规的关键词,提升关键词检索分析的精准度。二是模型在算法设计时可以兼顾法理与情理。 在数字检察的新时代,运用大数据和智能技术,使检察业务更精确、治理更精准。通过数字思维和智能技术,从个案中挖掘共性,实现类案监督。同时,将大数据法律监督业务纳入考评,提升检察人员数字能力,使数字办案成为新常态。中小微企业简式合规工作将成为改革先锋,以科技助力司法进步,实现“小”模型推动“大”转变。
![](****处理标记:[Article]时, 字段 [SnapUrl] 在数据源中没有找到! ****)
|
|
|