内容摘要：
　　数字技术改变了传统交易方式和市场信任的社会基础，信用领域中广泛的算法应用对个体权益、信用秩序及公序良俗等法益带来诸多风险，使依托传统路径建构的社会信用体系的局限性日益凸显，贸然立法只会形成一些没有可操作性的宣示性法规，无法解决深层次问题。通过剖析社会信用的内在机理、法理逻辑，并作出系统性反思，既体现数字经济时代数据和信用算法的驱动优势，又回应创新规制信用治理的社会信用体系。信用算法本质上就是基于数据的信用治理，是中国式现代化指引下的治理创新，在为信用治理赋能的同时也存在超出法律规制的边界和加剧主体性缺失等问题。因此，强化社会信用及信用治理的法治约束，落实信用领域的协同治理，通过加强信用算法治理和赋权信用主体等方式提高信用算法的透明度和可责性，规划和预判技术逻辑和伦理逻辑，在算法应用中兼顾社会价值、伦理道德，践行科技向善理念，从而实现更好的信用治理的现实路径。
　　关键词：信用评分 信用算法 信用治理 算法规制 信用权利 社会信用

　　一、问题的提出
　　党的二十大报告首次将社会信用与产权保护、市场准入、公平竞争并列作为市场经济基础制度，凸显了社会信用在推进中国式现代化中的重要功能和作用。在当前推进社会信用体系建设过程中，通过明晰信用信息边界、进行相关信用评价如信用评级或评分，开展目录和名单管理以及联合奖惩等手段解决经济和社会中的治理难题。由于金融、经济和社会活动的场景不断向数字空间迁移，交易模式的数字化特点更突出，信用信息的碎片化也日益明显，深刻影响着社会信用体系的运行基础。尤其是信用领域中算法应用对个体权益、信用秩序及公序良俗等法益造成风险，算法及其应用难以获得充分的社会信任。加之信用信息边界不清晰，信息过度采集侵犯信用主体的权利，数据不准确，潜在的偏见和歧视以及将信用评分工具用于针对弱势信用主体等问题都会使受算法影响的主体对算法的实现机理缺乏足够的理解和信任。数字社会对隐私的侵犯无需通过传统的窥探、采集等直接侵权方式，而是通过算法对多维信息处理计算出来，这对信用主体的权益侵害更加具有隐蔽性。
　　目前，学界关于社会信用治理的研究围绕信用主体的权利保护、征信体系的完善、公共信用信息共享和异议制度、失信的联合奖惩机制以及信用修复机制、社会信用立法的基本范畴等议题展开。学界也关注到信用治理的功能延伸至社会治理领域，并进行了信用治理法治化路径的探讨。也有学者从平台视角提出信用治理在技术驱动下被嵌入市场领域及公共管理中产生的价值难题。可以看出，已有大量文献探讨算法赋能社会信用治理，但是目前关于社会信用治理的研究专门性和针对性不足，概念也尚未厘清，还没有认清运作规律，没有解决问题的清晰思路和路径。处于这样的阶段，如启动立法，一般而言只能出台一些表明价值取向而缺乏可操作性的宣示性法规，算法赋能信用治理的机制亟待反思，内在机理亟待考察，法理基础亟待重塑，且需要在过往研究的基础上重构治理路径。
　　二、算法赋能社会信用治理的现状省思
　　当前，在以信用算法为核心的信用治理中，原始信息和算法决定治理品格，人格评价则被技术过滤。算法赋能社会信用治理存在数据控制者是否会借助数字人格等手段对信用主体进行权利义务控制的现实隐忧，这些都值得我们进行深入思考。
　　（一） 规制边界的逾越
　　当前社会信用制度实践采用的是守法与履约说，其含义过于宽泛，容易产生模糊法律与道德的界限以及混淆法定义务与约定义务的问题，也就是很多学者认为的信用泛化问题，即把社会公众在经济和社会活动中守法状态归入信用、公共信用或社会信用的现象，社会信用体系在一定程度上放大了法律范畴的适用范围。但不是所有的违法行为都应由信用法进行调整，如果将部分违法行为纳入信用法调整范围，就形成了民法、行政法等法律法规进行一次调整，信用法进行二次调整的格局。信用治理的义务约定性扩展了法治的行为涵摄范围，信用治理者可以通过评价社会个体的行为并通过评价的结果，实现一定的法治目标。
　　信息革命创造的变革进步超出了现有法律框架和范围，其既不是神性赋权，也不是法律赋权，而是技术赋权。社会信用体系引导社会成员跃过了限制自身行为的法律规范和软法如道德、风俗以及文化的疆界。信用不再是简单的关于个人行为或声誉的规范性评价，而是与事实相关的数据挖掘和概率统计，由此，法律保障信用的规范功能也就被边缘化。
　　（二） 主体性缺失的加剧
　　信用治理的算法化是否会导致一种新的社会秩序的形成，使法律主体在数字世界逐渐消失，以信用系统下的数字化镜像呈现？
　　首先，信用算法消解了主体性。在数字社会中，在传统人格的基础上形成了由个人信息组成的数字人格。数字人格既包括信用主体通过各类网络社交媒体主动展示的自我特征，也包括被各种网络数字足迹所记录的行为特征。因此，数字人格可能与自然人格一致，也可能不符，取决于算法对多维个人信息的计算和使用。信用体系中的大数据征信等信用评价行为，在利用数据支持评价行为的同时，信用评价的过程和结果却成为支配人的力量，个体借助网络平台进行网络行为就要进行一定的权利让渡。个体意志受“算法权威”影响，道德思考与行为特征都呈现出群体化的同质性特征，个体的思维和行为都潜移默化地被算法背后的伦理价值所规训。对此，有学者提出的风险社会理论中的“自反性”，其实质就是社会的发展并不单纯由技术自身的力量决定，也由对技术进行反思形成的反作用力塑造的深刻反思。
　　其次，社会信用的主体性立法表达存在困难。我国社会信用体系的规划纲要明确了“政府推动与社会共建”原则。但我国社会信用体系是以政府为核心建构的，社会共建的范围和广度存在一定局限性，个人的主体性未能得以实现，广泛的公共参与也没有得到充分体现。个人本应是社会信用体系建设的主体，却无形中被转化为信用治理中的客体。因此，社会信用体系建设中，对公民人格的评价行为如信用评级和评分等，是否会导致信用规制中的主体性缺失值得深思。还有学者担忧在格式化、标准化与计量化的数据模式和数据标签下，社会关系与服务会慢慢失去脉脉温情与人性关怀，产生主体与客体关系的错位风险。
　　（三） 算法规制的悖论
　　使用精确的算法预测来调整法律取得更好的效果称之为算法定律。数字算法的问题在于复杂、难以理解、容易产生偏见等。然而，通过对数字算法的现实评估，政府已经被更复杂和潜在滥用的算法所驱动，即人类决策中隐含的算法，并反映在立法、司法和行政程序中。在某些情况下，人类的决策比数字决策更有问题。由此引发的灵魂拷问是：人类算法和数字算法谁更有效？数字算法的问题不在于它们是否没有错误或偏差，而是数字算法是否可以比人类更好地执行特定任务。因为纠正有偏见的算法可能比从人类决策中消除根深蒂固的隐性或认知偏见更容易。但数字算法是完美的吗？答案是否定的。
　　算法公平和非歧视以及可解释性的挑战在于将公平和非歧视等模糊概念转化为代码的技术困境，如何以精确的方式将公平和非歧视等词语的含义清晰地向机器进行解释是需要解决的难题。由于算法的技术和社会定位过程会顽固地抵制这种透明度，因此提高透明度的可行性也值得商榷。美国学者科里亚尼斯和莱尔对算法透明的研究很有代表性，并提出了“鱼缸透明”和“合理透明”的原则，解释了两者如何受到算法治理的影响，但两者都不强迫任何接近完全透明的东西。尽管机器学习的黑匣子特征明显暗示了理性透明的概念，但对理性给出的法律要求可能通过解释算法的目的、设计和基本功能来满足。既然使用数字算法是不可逆转的趋势，那么如何通过算法自动决策对数据加以有效利用并且能够不损害相对人的利益就是亟待解决的关键问题。
　　三、算法赋能社会信用治理的机理考察
　　信用领域中的算法是对大量高维度化和非结构化的替代数据进行分析，预测其失信风险及等级的方法。这就需要对算法赋能信用治理的内在机理进行深入剖析，尤其是作用、本质和秩序层面的分析。
　　（一） 信用算法的评价服务功能
　　当前，我们生活的诸多领域和场景都被算法量化和排序，形成所谓的评分社会。传统信用评分是根据个人的信用历史资料，利用一定的技术模型，挖掘消费者的信用历史与其信用风险之间的相关性。我国《社会信用体系建设法（征求意见稿）》中信用评分是指基于系统的信用信息，并运用统计方法和模型的方式，对个人信用信息主体信用状况进行评议，并以分数等形式予以表现或展示的活动。作为信用体系的核心部分，征信体系应遵循市场化、法治化和科技化的发展方向。
　　平台企业是信用评价中算法应用的重要主体，以平台企业作为重要的媒介和载体，信用信息在传统金融经济领域和公共服务场景得以交换并完成跨越场景和类型的流动。在此基础上，平台企业成为信用治理的关键枢纽，以平台企业的个人信用分为例，其基础就是信用算法，被视为个体声誉在数字社会的重要延伸。
　　（二） 信用算法的数据治理本质
　　随着算法、自动驾驶汽车、机器人技术、区块链智能合约、自动在线争议解决和其他人工智能技术成为我们日常生活的一部分。由于算法的加入，并运用复杂的机器学习等技术来分析数据，既有传统的信用数据又有非信用的替代数据。替代数据包括但不限于信息主体的行为数据、消费数据、财务数据、社交数据、网络偏好及倾向数据等。替代数据的使用提高了信用算法模型的精度、效率与预测能力，有利于被边缘化的消费者获得信贷机会。4使用的算法越复杂，涉及的数据越多，信用算法模型的预测性和准确性就应该越高。但替代数据的出现，导致对信贷决策黑盒性质的担忧呈指数级增长，同时引发对其他一系列问题的担忧，如利用传统数据和替代数据计算信用评分时，如何对不同的价值取向或评价标准进行排序？如何通过比较、权衡以及取舍作出适当的价值判断？如何激励信用评分提供者从一开始就将公平贷款概念和流程设计到他们的模型中？这些无法解决的技术困境都需要我们进一步加以深入研究和有效避免。
　　基于平台企业为代表的数据控制者在技术、规模、资本和组织力量等方面拥有优势，拥有相当于公共权力属性的网络管理权力，体现为将源于社会关系的权力要素，经算法处理放大并扩展其适用空间，重塑了不同社会权力间的关系，并以量化的方式连接不同场域中的权力关系，形成具有理性化特点的规则形式和结构。就是被许多人称为“算法统治”的过程，这对整个法律体系和法治建设将产生重要影响。由此可见，信用算法本质上就是基于数据的信用治理，是数字信用共治的有效工具。在数字社会的“公权力—私权力—私权利”博弈结构中，信用算法治理是中国式现代化指引下的治理创新，弥补了传统自上而下式信用治理的缺憾。
　　（三） 社会信用治理的秩序基础
　　社会信用体系是国家治理现代化的重要基础，以追求良好的信用秩序为依归。信用治理不仅是若干制度的汇集与叠加，更要通过建立制度化的规范运行机制，推动社会成员履约守法，净化社会信用环境，降低制度性交易成本，从而建立良好的信用秩序和社会规范。
　　习近平总书记曾指出，社会治理模式正从单向监督管理发展为双向互动，从线下转为线上和线下融合，从单一的政府监管向注重社会协同治理转变。传统社会信用体系难以支撑当前数字经济时代的有效运转，需要运用新技术、新方法和新体系，构建新型社会信用体系。
　　四、算法赋能社会信用治理的法理重塑
　　算法赋能信用治理的核心动力是数据要素与数字技术。信用治理重构的逻辑是将数据要素融入信用治理的周期，通过信息技术和数字化反向促进信用治理的重塑。
　　（一） 信任模式转变
　　在现代社会，人格信任不断向制度信任和数字信任转型，数字经济为信用主体提供了信任跃迁的动力，大数据或分布式账本等新兴技术重构了人际关系，使公众的信任从对中心化的权威机构转向基于数据和算法的“分布式信任”。通过网络、市场和平台实现信任的传递，降低了建立信任的成本，提高了效率，为信用领域的算法自动化决策应用提供了合理性和正当性基础。以信用算法为核心的信用治理表面上是基于传统的价值体系来识别与纠正用户行为，实际则是数据控制者将信用约束标准转化为算法，利用算法的自动化决策产生评估结果，这是对传统信任机制和法治模式的颠覆与重构。数字经济时代社会的治理结构和秩序生成机制正在发生变化，谁掌握了数据和分析数据的技术，谁就能影响和控制人的行为。
　　（二） 参与社会共治
　　政府和司法机关为主导，以企业和个人信用信息数据库为依据，通过对信用信息的收集和分析评估以及披露使用，能够引导社会主体更关注自身的社会声誉，自觉遵守市场和社会规则。数字信用机制是多元主体参与社会共治的重要途径，除政府外，其他市场和社会主体都成了信用治理主体，由政府一元单向的管控，走向政府、市场、社会多元共治格局，营造诚实守信的良好社会氛围。
　　市场主体的诚实守信行为，不仅是理性计算的结果，更是个人行为习惯与制度环境的良性互动。在失信联合惩罚的基础上，更要构建守信履约奖励机制，形成以惩罚为辅、奖励引导公众提升道德为主的制度体系。为此，我国在完善以信用治理为主的社会信用体系中，需要体现以人为中心并打通政府、社会和市场的边界，以信用作为价值交换的手段，社会公共成本会显著降低，社会公共收益会得到有效提升。
　　（三） “声誉效应”机制
　　传统社会观念讲“情理法”，违法并不意味着失德。列入失信或者认定黑名单，本质上是对主体的声誉评价，以此建立道德感，从而实现德法统一。在互联网时代“声誉效应”的信任机制下，不利信息被公示后，惩戒效果会在原有基础上大大增强。加之信用把人与资源财富的关系和社会的行为准则、守法与守信融为一体，不守法会受到法律惩罚，不守信则要承受交易中的不利后果，人们的财富收益不仅包括财产收益还包括信用收益，信用收益就是对人的社会行为的约束。由此可见，信用治理是信用的社会性功能的重要体现，信用算法既是技术手段又发挥着私权力的作用，在社会信用体系中具有服务和治理的双重功能。
　　五、算法赋能社会信用治理的路径重构
　　未来我国针对社会信用治理应当进一步强化社会信用及信用治理的法治约束，加强信用算法治理，强化社会信用及算法领域的伦理规则。因为在社会信用领域中，各类市场和社会主体都受到信用评价约束，信用治理对所有主体的行为都会产生内在而深刻的影响，从而推动实现“向善”的交互性关系。
　　（一） 强化法治约束
　　未来我国社会信用立法应当采取自上而下与自下而上立法相结合、信用政策与信用立法相辅相成、从单项立法向综合性立法转变的法治策略。《社会信用体系建设法（征求意见稿）》是社会信用领域的综合性、基础性法律，推动社会信用体系建设纳入法治轨道意义重大，也标志着信用法律法规正在由零散向规范、由地方层面探索向国家层面推动。但信用领域立法融贯性不足，欠缺可操作性，无论在遏制公权和保护私益的平衡，还是在价值选择和技术规则确立方面都具有相当难度。对此，我国在信用立法过程中，应当顺应数字经济的发展趋势，从侧重规范信息到侧重规范信用，以“信用”为中心构建整个立法体系，从整体上完成从“社会规范”到“法学理念”再到“法律制度”的演进过程。
　　第一，增强信息采集和评估的客观性。信用信息的最本质特征是与信用要具有强相关性，清除与信用无关的因素，为信用评价提供有效比对的依据，也有利于防止信用的虚化和泛化。我国地方信用立法中，存在有意无意忽视与信用的关联性的现象。规范信用算法的合法性与科学性，除了市场化的优胜劣汰机制外，保证技术性的正当性也非常重要，实现信用报告的科学和透明还要强化对信用算法的参与和监督。同时，对于信用领域中算法应用带来的负面影响和风险给予充分重视。《征信业管理条例》《征信机构管理办法》对整个征信行业作出了纲领性的规定，标志着我国征信业务的发展逐渐规范化、体系化。
　　第二，加强信用领域的协同治理。我国信用体系以信用监管机制为主导，存在施行领域过宽、挤压信用自治空间、治理简单化等问题。有必要从信用监管转向信用治理，使各种信用机制在其适当领域发挥作用。为此，要适当厘定不同机制的相对边界和重心，并借鉴有益的监管理念引领信用监管发展方向。在我国诚信社会建设进入攻坚阶段的背景下，《“十四五”数字经济发展规划》中关于推进信用共享共治和加强信用监管等的安排和部署，为信用治理提供了重要的实践指南。基于数字技术的创新和信息流通的不断加速，政府与市场和社会之间的互动在加强，需要鼓励多元主体开展信息采集、信息利用共享与协同治理。与此同时，风险预防和保证交易安全两者并重，对信用惩戒措施加以理性化、规范化避免其滥用非常重要。
　　第三，扩充信用信息权利体系。现代社会中仅依靠信用手段或信用工具作用有限，通过法律增强信用机制的公信力和惩罚性就显得尤为重要。为回应大数据时代权力治理与权利冲突和自由保障平衡的新需求，探讨个人信用信息权利体系与社会信用信息权利体系的基本范畴和主要内容则是完善社会信用体系建设的基本问题。信息主体与个人信息处理者是以平等、自愿为基础的民事法律关系。在信用治理领域，可解释性可以让社会公众对数字算法充满信心、减少偏见、满足监管标准以及帮助改进数字算法本身。但不同的目标和受众意味着可解释性的要求也不同。对于开发人员而言，可解释性可能包括诸如发布算法或创建本质上可解释的系统，而不是创建难以理解的模型。信用治理场景中的算法解释应包括事前的告知性解释和事后的针对性解释，英国在《解释人工智能的决策》则提出了基于过程的解释和基于结果的解释。但对算法或人工智能系统进行解释非常复杂，我国现行立法也没有形成统一的规制路径，但通过赋予数据主体算法解释权，增强信用算法的透明度，可以实现提高算法可责性和尊重创新以及保护相对人的多重目的。算法解释权和个人信息的访问权、更正权和删除权等有利于确保数据处理的准确和公正。但数字经济时代对于个人信息权侵犯具有隐蔽性和延后性，个人进行维权保障难度较大，通过信息权利保护个人信用的困境在于行使权利的成本过高。除了个人信息领域的权利行使问题，信用信息修复权和异议权等能否成为信用领域的新型权利还亟待探讨和研究。
　　（二） 加强算法治理
　　我国目前的算法治理领域包括算法安全评估、算法备案、算法问责、算法审计等，可以说已初步形成了较为完整的算法治理制度。但对算法决策是否会带来更公平、准确或高效的决策的质疑却从未停止。
　　第一，完善信用算法规制的闭环。《个人信息保护法》规定了个人信息保护的影响评估制度，即个人信息处理者在利用个人信息进行自动化决策时，应进行个人信息保护的影响评估，确立的是自动化决策风险的事前评估制度。算法问责制的核心就是算法影响评估制度，即算法的设计者、开发者以及使用者从全数据周期对算法的技术架构、权利救济渠道以及算法透明实现机制等方面进行系统评估。算法影响评估制度发挥了事前规制和避免算法侵害的作用。如若产生算法侵害行为，责任追究则体现为事后规制，其共同构成了算法规制的闭环。
　　第二，实现算法与数据的治理协同。《通用数据保护条例》（GDPR）赋予数据主体的算法解释权是受到一定限制的，把算法的规制放在数据保护的法律框架内进行，这种做法值得我们借鉴。欧盟委员会认为，根据自然人的社会行为或人格特征对其进行信用评估，不同的社会语境会产生不同的算法偏见，算法偏见将直接对信用评估产生影响。这样的社会信用体系侵蚀社会公平公正的原则，因此需要被禁止。因此，在立法中将人工智能用于社会信用评分或个人信誉的犃犐系统归为高风险并采取更严格的监管手段。因此，针对信用领域中的算法应用的规制，应将算法治理与数据治理协同融合，因为技术领域的法律规制具有一定的特殊性，法律规范应将注意力放到数据、模型和系统这些指向更为清晰、作用更为关键的层面。同时将行业授权和自治与监管相结合。根据美国的经验，可解释人工智能应主要由行业主导而非强制监管，市场力量通过自愿机制和激励措施来驱动可解释人工智能更为有效。GDPR的二元治理体系即个人权利制度和协作治理也值得我们研究和借鉴。个人权利制度可以解决有关算法决策的重要和正当性问题，如发现算法中的错误、偏见和歧视等，但无法解决系统性问题。因此，有效做法是通过持续的、迭代的监控和合规系统来解决算法决策带来的监管挑战，而不是仅仅在具体、详细的法律规则中明确规定如何防止算法错误、偏见和歧视问题。
　　（三） 强化伦理规则
　　党的二十大报告为社会信用体系建设服务社会治理创新指明了方向。将诚实信用理念融入法律体系中，通过法律和道德与伦理等不同性质的规范共同构建信用治理的实践路径。
　　第一，将诚实信用作为行为准则。人无信不立，诚信不仅是道德问题，也是法律问题，诚信价值观理应成为法律价值内涵。社会信用体系的核心要素在于诚实信用原则法治化。社会诚信或社会信任不仅是“人无信不立”的理念和价值观范畴，更是基于可重复博弈过程和声誉机制下的理性选择。
　　第二，逐渐形成算法人文主义。有学者根据算法伦理提出了算法人文主义的理念，就是发挥算法的正向价值，在“以人为本”基础上，将人们的行为约束在信仰和道德伦理以及法律的价值体系中。由于技术的持续迭代和监管的滞后，要确保企业以可信和负责任的态度开展算法推荐服务和各类人工智能应用，就要加强企业的社会责任感，重点在算法和数据治理中融入伦理规范，持续推进伦理规范和制度落地并发挥更大价值。
　　结语
　　在信用算法及信誉机制成为数字经济时代重要信任机制的前提下，应深入分析我国未来社会信用立法的模式与趋势，采取专门立法的策略，积极运用技术治理、算法评估等更具柔性特点的治理手段，补齐法律治理的短板，防止因法律的强制性管控而丧失创新活力，并通过构建更加有效的社会共治格局，营造诚实守信的良好社会氛围。

　　（作者：赵园园，上海政法学院法律学院副教授，法学博士。）