随着生成式人工智能技术的颠覆式发展，人工智能在仲裁领域的应用得到了学者和仲裁从业人员的关注。仲裁需要凭借申请书和答辩书、证据材料、庭审记录以及相关法律法规等结构化程度高的法律数据作出裁决。此外，无论是仲裁程序性工作还是最终裁决都需要输出标准化、格式化文件，这些条件为仲裁“智能化”提供了可能性。本文首先分析生成式人工智能未来在仲裁工作中的典型应用场景。其次根据技术发展和仲裁场景特征，设定智能化仲裁的等级划分。最后分析生成式人工智能应用于仲裁中的机遇和挑战。在生成式人工智能大幅提高仲裁工作效率的同时，也要警惕其潜在威胁和风险。

生成式人工智能 仲裁 应用场景 智能化仲裁等级划分

根据2024年2月8日北京仲裁委员会发布的《北京仲裁委员会/北京国际仲裁中心2023年度工作报告》，2023年受案数量高达12,222件，同比增长45.14%，而仲裁员仅686人，平均审理用时从立案到结案高达188.56天。当前各主要仲裁机构案件数量均急剧增长，导致仲裁工作面临“案多人少”，仲裁员工作压力大，一些仲裁机构还面临业务水平参差不齐的挑战。因此，在保证仲裁工作质量的前提下提高仲裁处理效率成为一项艰巨的任务。

近年来，随着人工智能在语言处理、图像识别、自然语言理解等方面取得的显著成果，以ChatGPT、GPT-4为代表的生成式人工智能（Generative Artificial Intelligence）不再局限于利用现有知识去解决问题，而可以直接生成新的知识和创造性的内容文本。仲裁的程序性工作和仲裁裁决都需要依据特定案件信息输出标准化格式的特定内容文件。生成式人工智能凭借其强大的文本分析能力，通过自然语言处理和数据挖掘技术，不仅能够快速提取、分类和分析关键信息，把仲裁员和仲裁机构秘书等人员从“事务性、重复性”的工作中解脱出来，提高仲裁工作的效率。更重要的是，生成式人工智能依靠客观的数据训练模型，不掺杂非理性情感，针对案件特殊性可以为仲裁员提供有力的证据评估和决策支持，提升了仲裁裁决的公正性和可信度。相比传统的人工决策，生成式人工智能的决策过程可以被追溯和解释，在一定程度上可提升仲裁的裁决质量。

现有研究主要聚焦于以ChatGPT为代表的生成式人工智能技术在仲裁领域的可行性、应用场景及风险评估等。在可行性方面，吴维锭认为人工智能引入仲裁行业兼具效率性、经济性和公正性，而人工智能算法由“规则驱动型”向“数据驱动型”的范式转变则提供了技术上的可行性。姚梦莹认为人工智能是仲裁内卷的破局关键，人工智能辅助仲裁符合历史发展规律的社会历史观。在应用场景方面，Gulyamov总结了人工智能协助仲裁员履行其职责的应用功能，包括构建仲裁相关方规划网络以即时安排会议，分析事实证据以及预测结果辅助仲裁员决策三个功能。柯宇航借鉴智慧法院建设实践，阐述了劳动仲裁与司法审判在形式和本质上的类似性，分析了构建司法知识图谱、自动生成裁判文书、法条与类案推送、预测裁判结果和实现监督功能等应用于劳动仲裁的可能性。在风险评估方面，生成式人工智能应用于仲裁引发的风险集中于信息真实性、数据歧视与数据安全、算法偏差和不当利用风险、司法责任归责等。

现实中，人工智能技术已在逐步渗透司法及仲裁工作。在国内，深圳国际仲裁院研发出仲裁机器人“3i”，能够解答数以万计的仲裁问题。广州仲裁委员会开发AI仲裁秘书，具有庭前身份验证、庭中语音记录和庭后类案裁决咨询三大功能。香港国际仲裁中心于2021年10月推出了案件在线管理平台“HKIAC办案一站通”（HKIAC Case Connect），这一平台在文件存储、各方沟通、仲裁程序期限追踪等方面为当事人和仲裁机构提供了便捷安全的服务。北京仲裁委员会升级的远程立案系统能够根据不同当事人需求提供不同模式的立案服务端口，如根据当事人填写要素自动生成仲裁申请书的“引导式立案”，为类型化案件集中立案提供智能辅助的“批量式立案”等。国外已有借助生成式人工智能辅助判案的案例，在Loomis v. Wisconsin一案中，法院使用了COMPAS智能评估工具对Loomis的社会危险性进行评估，并参考该评估报告作了量刑裁判。2023年1月，美国哥伦比亚法官Juan Garcia借助ChatGPT作出了一份关于孤独症患者免于支付治疗费用而获得医疗服务的法庭裁决。许多法律技术公司已经将ChatGPT类生成式人工智能技术纳入其平台，包括Ironclad、Docket Alarm和Lexion在内的智能平台已经能够实现卷宗文档的要点摘要、法律合同的起草等功能。为了进一步规范人工智能技术的应用，2023年8月31日，美国硅谷仲裁与调解中心（Silicon Valley Arbitration and Mediation Centre, SVAMC）发布了《国际仲裁人工智能应用指南》草案。2024年1月30日，英国大律师公会发布了《英国大律师ChatGPT使用注意事项指南》。

在此背景下，本文将从当事人、仲裁员和仲裁机构三方的应用视角，分别分析生成式人工智能未来在仲裁中的典型应用场景，同时以仲裁智能化的最终实现为目标，根据该技术介入深度递进的角度划分生成式人工智能引入仲裁工作的等级，进而梳理生成式人工智能应用于仲裁工作所面临的实践焦点问题，并提出可能的解决方案。

仲裁程序主要包括申请和受理、组成仲裁庭、开庭和裁决三大步骤。仲裁的相关方包括以申请人和被申请人为主的当事人方，为最终裁决负责的仲裁员，以及提供仲裁服务的仲裁机构。在仲裁过程中，三方的诉求不同，当事人双方希望通过仲裁尽早解决争议，而仲裁员需要在查清案件事实的基础上，根据法律法规，最大程度上公正地作出裁决，仲裁机构则希望通过对案件的仲裁得到当事人对其服务和能力的认可，不断提高仲裁效率，更好地为当事人和仲裁员服务。本文以当事人、仲裁员和仲裁机构的三方视角，分别分析生成式人工智能在仲裁中的典型应用场景。

1. 构建仲裁员数据库，匹配仲裁员建议

生成式人工智能技术具备构建仲裁员数据库，并识别当事人偏好为其匹配合适仲裁员的潜力。在数据采集阶段，生成式人工智能可以从律师事务所、仲裁机构和相关法律数据库等可靠数据来源收集仲裁员数据，包括仲裁员的个人背景、资质认证、工作经验和过往仲裁案例等信息。利用数据标注和特征提取技术，构建仲裁员数据库。基于个性化筛选标准，该数据库可以实现智能比对仲裁员特征信息和案件需求，提高仲裁员匹配的精准度和满意度。此外，生成式人工智能还可以辅助识别当事人是否与仲裁员存在影响公正仲裁的情形，防范潜在利益冲突。

2. 制作“案件画像”，预测仲裁趋势

通过生成式人工智能技术，从收案来源、案由、案件管辖、重大敏感信息、是否重复立案、当事人关联案件等方面制作“案件画像”。依靠海量的案件数据，凭借案件智能检索分析技术，自动分析当事人所涉案件的复杂程度、预测审理周期及适用程序。通过案情相似性和裁决结果相似性进行案件匹配，从争议点的风险、时间、成本等多个维度进行量化分析，向当事人提供可能的仲裁趋势，引导其对案件走势进行理性评估以做好资料和庭审的工作准备。

3. 审核仲裁文件，培训仲裁流程

在仲裁过程中，部分当事人对仲裁流程和各类文书格式要求的了解不足，导致他们未能妥善准备仲裁所需的相关资料。甚至存在对申请书、答辩书的审核校对不仔细，出现低级错误的情况。这些人为因素不仅会降低仲裁效率，也会间接导致当事人权益遭到损害。当前生成式人工智能的文本分析能力和语义理解能力日益成熟，可以实现利用生成式人工智能技术，系统审核申请书、答辩书、证据材料等文件，智能提示语法、计算等错误，并将文书格式转化为标准格式。此外，该技术能够模拟仲裁流程，把当事人带入仲裁情景中，帮助当事人熟悉仲裁规则，提升当事人的整体表现。

1. 识别争议焦点，设计庭审大纲

生成式人工智能能够辅助仲裁员完成庭前的准备工作。凭借长距离理解上下文语义的能力，生成式人工智能能够识别案件基本情况和当事人特征，对案件和证据进行归纳总结，同时向仲裁员推送类案裁决结果统计。然后根据申请书、答辩书、双方的证据和书面的举证梳理出当事人的诉求，分析出当事人请求下的核心关键问题，即案件争议焦点。在此基础上，生成式人工智能能够自动设计出庭审大纲和程序，减少仲裁员庭审前准备时间，提高庭前工作效率。

2. 处理非结构化证据，生成“展示性证据”

生成式人工智能的多模态处理能力逐渐成熟，能够处理图片、音频、视频等非结构化证据材料，在仲裁工作中生成“展示性证据”。“展示性证据”是为解说原证据或者案件情况而出示的可视材料，以辅助仲裁员直观理解原证据。生成式人工智能技术能够处理不同类别的“展示性证据”，并运用在仲裁工作中：一是以生成文本的方式展示证据，即通过对证据的分析整合，形成特定形式的文本，并以此帮助仲裁员理解案件基本情况。二是以生成图形的方式展示证据，即生成式人工智能在现有图片证据的大数据集上进行训练，制作数据可视化图表、流程图、地图、关系图等，实现示意证据提升证明效果的作用。三是以生成音频、视频的方式展示证据，生成式人工智能可以结合语音合成等技术将证据转化为语音或视频输出，以便仲裁员听取证据。四是以生成模型的方式展示证据，根据其所收集的数据，生成式人工智能可以制作特定模型以便仲裁员直观地观察和理解证据。

对于当事人在仲裁过程中提供的音视频或者图片证据材料，生成式人工智能能够甄别证据中的内容，协助查验证据的种类、完整性、清晰度等工作，加快取证和质证进程，改变以往依靠人工进行审查的低效情况。

3. 推进类案类判，辅助仲裁裁决

仲裁具有“一裁终局”的特点，因此类案类判的公平性显得格外重要。利用生成式人工智能技术，从案件数据库中搜寻类似案件脱敏后推送给仲裁员。甚至利用大数据的自动提取和自我学习能力，构建案件的裁决模型，根据案件特征及类案相关性，自动对比此案件和过往类似案件的裁决结果，防止裁决出现重大偏离。

针对有大量判例可用、事实和法律场景具有可比性和高度重复性的案件，生成式人工智能甚至可直接生成裁决结果作为仲裁员的裁决参考。生成式人工智能在对法条进行检索、整理和分析后，快速梳理分析图片、文档等证据材料，结合案件事实及申请书、答辩书、鉴定意见、庭审记录、合同有关条款等文件信息，分析出当前案件的要点和难点，识别问题所在，进而精准匹配案件证据和法律法规，得出相应的裁决结果。这一过程利用生成式人工智能强大的数据处理和分析能力，为仲裁员提供了高效、准确的裁决支持。

1. 构建案件知识库，培训仲裁员

仲裁机构利用生成式人工智能技术构建案件知识库，持续更新高质量案件，为仲裁机构和从业人员提供丰富的案例参考和经验累积。依托该案件知识库，通过自然语义识别技术从海量文书中提取案件要素，对案件进行结构化与标签化处理，将具备相似要素的案件整合分类，形成不同维度之下的“类案”。当仲裁员对案件作出裁决时，可以从标签化的案件知识库中匹配符合案情的案件，作为决策参考。

除整合数据和匹配类案之外，案件知识库还可以用于设计仲裁裁判指引及帮助仲裁机构培训仲裁员。知识库中包含大量的案件信息，仲裁员能够利用该知识库学习不同类别案件的裁决推理过程，即使没有类似案件经验，也能够模拟裁决思维，提升专业知识。

2. 撰写程序性文书，审核仲裁文件

在仲裁程序中，仲裁机构承担起草、校对和编辑仲裁相关文件的文书工作，需确保文书的准确性和格式的规范性。此外，仲裁机构还负责审查法律文件、准备背景材料等工作。其工作内容细碎烦琐，且直接影响仲裁案件的裁决质量和效率。利用生成式人工智能撰写文书将有助于缩短文书撰写时间，降低出错概率，减少重复性工作。生成式人工智能通过海量的法律、判例等数据对其进行训练后，可具有法律语义认知能力，模拟法律思维逻辑组织语言文字，在输入相关信息后，根据程序性文书的形式要求，自动分析案情，检索相关法律条款，提出核稿意见，生成符合规范的高质量法律文书，一定程度上支持甚至代替仲裁机构撰写仲裁程序文件及审核仲裁裁决书。

上述的应用场景为仲裁智能化的设想。本文以实现仲裁理想应用场景为目标，根据生成式人工智能介入深度的递进和智能化程度的不同，划分仲裁智能化等级，为逐步实现智能仲裁提出分析路径。

为更好理解生成式人工智能辅助仲裁的实现路径，本文对仲裁智能化水平进行了等级划分，包括从第0级人工仲裁到第4级完全智能化仲裁。第0级向第1级的转变是从人工仲裁迈向初级智能化仲裁。第1级向第2级的转变体现了生成式人工智能技术具有辅助完成客观工作的能力，为其更加自主、更加广泛、更加准确的应用前景提供基础的技术支持。第2级向第3级的转变摆脱了以往算法模型“一专一能”的局面，实现了从“一专一能”到“多专多能”的跨越，提高了模型的泛化能力，使其能够应用于广泛的应用场景。第3级向第4级的转变表明了生成式人工智能有能力学习长期进化的社会主流价值观，能够对价值观因素现象化、客观化、逻辑化，并将其编入算法，最终实现对疑难案件的可靠裁决。

级别0：人工完成全过程仲裁工作

在仲裁工作中不使用人工智能技术，人工完成案件分类、文件审核、证据分析、仲裁裁决等仲裁程序中的所有工作。仲裁秘书人工审核当事人提交的文件、起草仲裁的程序性文书。仲裁员人工检索类案，识别争议焦点，凭借类案处理经验和相关法律法规作出裁决结果。这些工作重复且烦琐，带给仲裁秘书和仲裁员巨大的工作压力，仲裁效率低，成本高。

级别1：替代机械性、重复性仲裁工作

人工智能逐步替代人力完成法条检索、案例查询、案件分类、庭审录入等相对简单、重复性高的工作。级别1已在法院、仲裁机构和律师事务所得到广泛应用，例如很多法律类软件可以提供法条检索、法律释义推送、费用及赔偿计算、案例检索等服务。

级别2：自主分析，辅助决策的“智能助手”

生成式人工智能作为主力，完成法律咨询、文件审核、证据提取、程序性文书生成等任务。比如苏州法院正在开发的生成式人工智能辅助办案系统，能够在电子卷宗中较准确地识别、输出法官所需要的事实要素，并提供原始出处，还可以根据法官阅卷后固定的事实信息及庭审记录自动生成裁判文书。在级别2阶段，生成式人工智能不仅替代人力完成机械性、重复性工作，而且逐渐延伸到辅助决策、自主分析等深层次应用，成为仲裁员审理案件的“智能助手”。

级别3：多模态交叉处理，适应不同场景

仲裁工作的难点之一在于根据双方当事人提供的证据材料，厘清受理案件的“故事脉络”，明确案件经过及责任划分。在级别3阶段，生成式人工智能具备同时交叉处理和理解文本、图像、音频等不同类型证据的模态数据的能力。通过跨模态的统一表征和学习，能够以图生音、以音生图，实现对案件情节的跨模态理解和输出。在数据收集方面，利用多模态大模型能够挖掘出仲裁场景中海量的结构化和非结构化的数据。在深度语义理解方面，能够自动识别出案件时间、当事人、金额等有效信息，并对类案进行联想，构建综合性的知识结构。在场景匹配方面，通过强化生成式人工智能的知识推理能力，更精确地学习行业规则和专家知识，并能够将行业实务知识和案件情节相关联，使其具有规律发现、自主决策等能力，更准确地为当事人和仲裁机构提供仲裁服务。

级别4：深度学习社会主流价值，决策疑难案件

生成式人工智能能够深度学习社会主流价值，参与决策疑难案件。除具备级别3的功能，生成式人工智能还可以通过深度学习把社会主流价值标准转化为技术语言，并且对不同的价值标准进行功利性比较，把非理性的活动转换成理性的语言理解。在这一级别，生成式人工智能不再局限于常规仲裁案件，也可以处理具有复合专业、法律和伦理挑战的疑难案件，为决策者提供更全面、准确且专业化的决策支持。

引入生成式人工智能作为仲裁辅助工具，为仲裁从业人员提供信息分析和决策支持，可以推动仲裁效率提升和实现公正性。然而，在追求人工智能辅助仲裁的前进道路上，必须认识到当前技术的局限性以及法律和伦理的复杂性。生成式人工智能技术应用于仲裁领域面临如下限制和挑战。

生成式人工智能生成的内容为概率化的操作，具有一定不可预测性，也无法独立评估结果输出的准确性。实践表明，生成式人工智能大语言模型在缺乏对特定查询提供准确响应的信息时，会生成一些看似正确实则错误的误导性内容，也会就相同的问题给出不同的答案，即“幻觉”问题。例如，两名纽约律师提交了一份简报，引用了ChatGPT生成的不存在的判例法，结果误导了纽约法院，被罚款5000美元。仲裁裁决不是呈现法律条文，而是甄别哪些法律条文可用，判断当事人提交申请书和证据等的合法性和真实性，最终作出裁决。而当前生成式人工智能大语言模型倾向于混淆或发明信息以填补知识空白，它们也无法识别用于产生给定输出的真实逻辑或信息来源。错误或“幻觉”可以通过技术减少，如“提示工程”（即以更有可能产生更好响应的方式进行查询）和“检索增强生成”（即向模型提供相关源材料和查询），但很难完全消除。因此，目前不能轻信此类模型的输出结果，也不能相信其表面价值。

在生成式人工智能本身存在错误或产生“幻觉”的情况下，当事人可能会对仲裁员利用这种技术辅助仲裁工作，甚至依据其作出裁决的做法产生信任问题。他们不仅会质疑技术的可信度，还会进一步怀疑仲裁结果的可靠性。因此，在采用生成式人工智能辅助仲裁工作时，需要充分考虑其潜在的风险和不确定性。如果仲裁员使用生成式人工智能工具来协助分析论据或辅助裁决，就不能简单复制生成式人工智能的结论，应当采取必要程序核实其输出的结果，以确保仲裁结果的公正性和可信度，并对任何错误或不准确承担责任。

随着生成式人工智能技术的不断进步及趋于成熟，其生成的虚假音视频已经能够达到以假乱真的地步。这些虚假音视频在肉眼观察下极具说服力，有时甚至与真实版本几乎无法区分。这一技术显著降低了伪造证据的难度，造成了操纵证据的潜在风险。为确保证据的真实性，需要投入更高的成本并运用更为复杂的技术手段来进行验证或鉴定。

在任何情况下，当事人、律师和专家都不应使用人工智能工具伪造、篡改证据以损害仲裁程序的完整性和公平性。对此，《国际仲裁人工智能应用指南》草案第3条强调在仲裁机构认为明智且合理的情况下，仲裁机构可要求当事人、律师主动披露与使用人工智能工具有关的信息；同时第5条明确禁止使用人工智能伪造证据、损害证据的真实性或以其他方式误导仲裁机构和/或对方当事人。

利用人工智能辅助仲裁裁决需要建立数据库，包括法律法规和过往案件，同时需要对案件进行统计分析，不断训练模型，提高准确度。但是，仲裁一般不公开审理，具有保密性。而数据库有泄露和滥用的风险，内含的数据可能包含敏感信息、个人隐私、案件细节等内容，还会将当事人不经意提供的信息收集起来进行模型训练或程序改进，这有可能将当事人不想公开的个人信息和不想作为生产要素的数据置于公共领域。

仲裁的各参与方都应了解在仲裁中使用可获得的特定人工智能工具所带来的数据和保密风险。对此，《国际仲裁人工智能应用指南》草案在第2条中强调仲裁参与方有责任审查相关人工智能工具提供的数据使用和保留策略，确保其使用的人工智能工具符合其保护机密信息（包括特权、私人、秘密或其他受保护的数据）的义务，并且指出他们不应在未经适当审查和授权的情况下向任何人工智能工具提交机密信息。如果考虑在仲裁中使用第三方人工智能工具，应特别注意第三方关于记录、存储和使用提示、输出历史以及提供给人工智能工具的任何其他机密数据源的政策。

仲裁员通过法定证据，根据自己的法治信仰、价值判断、经验法则等对案件进行权衡考量和反复论证，这其中也包含对人道主义精神和宪法精神的理解，最终作出裁决。仲裁员裁决的过程是通过“人”传达社会倡导的价值取向，这是维护法理、情理平衡的体现。但是生成式人工智能存在情理局限，缺乏正义感和道德感，难以将人道主义精神和宪法精神等普遍适用的原则性规定转化为技术语言知晓运用。

此外，即使裁决系统越来越精密，机器可以“自我学习”利用现有数据库进行裁决，但机器不具有道德意识，难以从个人、社会整体的角度发展法律。鉴于人工智能缺乏法律推理能力，相较于需要高度依赖法律推理能力的案件，标准化、程序化、模板化的工作更有可能率先被人工智能取代。

从互动方式、组织架构到商业模式，人工智能将深刻影响仲裁行业。生成式人工智能技术引入仲裁，其愿景是利用其强大的文本分析能力和“自我学习”能力，促进仲裁实践的工作效率和公平裁决。本文以当事人、仲裁员和仲裁机构的三方应用视角，阐述了仲裁智能化的应用前景及现实困境，同时更要警惕创新仲裁实践的潜在风险。

1.生成式人工智能的衍生产品可以作为生产工具辅助当事人、仲裁员和仲裁机构实现文档整理、数据筛选、证据分析及决策支持等功能，有助于在当事人之间实现沟通可见和达成共识。但人工智能工具需要依赖统计数据做出可能出现结果的推断，对历史数据的依赖将限制其法律推理能力及决策的完整性。人工智能的应用虽然可以节省仲裁成本，提高仲裁效率，但短期难以取代仲裁员和仲裁机构的工作职能。特别是仲裁员的自由裁量权及最终决策职能，属于仲裁员个人，并且不可委托。任何时候，仲裁员都应对仲裁工作中人工智能工具的使用负责。

2.尽管人工智能技术发展飞速，但不可忽略当前所面临的技术、数据以及伦理上的困境。其中包括算法的缺陷和歧视、案件数据和法律数据低质少量以及隐私保护等问题，这些造成了难以规避的技术和数据瓶颈。此外，仲裁既要维护程序正义，确保公正、公平的决策过程，又要追求实质正义，即在具体案件中寻求公正的结果。如何平衡程序正义和实质正义，并确保人工智能辅助系统的决策和推理过程符合伦理标准，是一个需要认真思考和解决的问题。

3.他山之石，可以攻玉。仲裁智能化是渐进突变的过程。随着生成式人工智能技术的发展，当其能够将非理性的社会主流价值转化为理性的技术语言时，完全仲裁智能化将可能真正实现，但这将对仲裁行业的既有工作模式造成颠覆性冲击，甚至重构仲裁机构及仲裁员职能。届时，仲裁法和仲裁机构规则须顺势而为，适应行业变革，提供引入人工智能技术的规范框架。