可申诉性与申诉

三项不同的权利，惯常被压成一项。

团队会去建"一套申诉流程"，然后很晚才发现：这些义务是可分的，来自不同的法律文件，落在不同的当事方头上。

• 获得人工介入的权利——GDPR 第 22 条第 3 款，适用于"仅基于自动化处理"、且产生法律效果或类似重大影响的决定。数据主体可以要求人工介入、表达自己的观点、并对该决定提出异议。注意触发条件里的仅：一个只会盖章的人不会把你移出第 22 条；一个真有权限和信息的人才会。
• 获得对个体决定之解释的权利——欧盟《人工智能法案》第 86 条，由部署方（而非提供方）向受决定影响的人承担；该决定须基于附件三所列高风险系统（第 2 项除外）作出，并对其产生法律效果或类似重大不利影响。它是被动的、按需触发的：就该 AI 系统在决策程序中所起的作用以及所作决定的主要要素，给出清晰而有意义的解释。
• 提出异议并要求重新审议的权利——这是实体性的那一项，也是唯一能改变结果的那一项。前两项是它的输入。

它们是叠加的，不是二选一；而你本就身处其中的行业规则——信贷、保险、雇佣、社会给付、医疗——通常还会在上面追加自己的时限与告知内容。按决定类型把它们梳理一遍，记下哪一条适用于哪里；这份对照表应当放在智能体清册旁边，而不是放在一份幻灯片里。

你的保留策略就是你的申诉策略。

一个智能体式的决定不是表里的一行；它是一条流水线的输出，而这条流水线的每一个部件都在漂移。要把原始决定摆到复核者面前，你必须在它发生的那一刻把整套都钉住，因为事后没有一样是找得回来的。

# Pin at decision time. None of these can be reconstructed later.

decision_id        # the join key for everything below
subject_ref        # who it was about, and under which case
model_id + version # the exact deployed build, not "gpt-5-ish"
prompt_version     # hash of system prompt + tool definitions
policy_version     # the rules doc as it read that day
retrieved_docs     # ids AND content hashes — the index gets rebuilt
tool_calls         # arguments and results, not just names
inputs_as_supplied # the applicant's data before any normalisation
outcome + reasons  # the decision, and the grounds given to the subject
human_step         # who reviewed, what they saw, what they could change

# Retention: the longest of the appeal window, the limitation
# period, and the sector rule. Usually years, not the 30 days
# your trace backend defaults to.

其中有两行是系统真正翻车的地方。检索内容的哈希：一次重建索引或一次文档编辑，会静默地改变"同一个查询"返回什么，而拿今天的语料去比对的复核者，看不到模型当时看到的东西——这正是重建索引与嵌入迁移里的那个迁移风险。以及保留时长：追踪工具的定价与配置是为调试服务的，带采样、窗口很短；而申诉窗口以月计，诉讼时效以年计。被采样的追踪对可观测性而言够用，对可申诉性而言是致命的：被申诉的那个决定，按定义就不是你随机留下的那一个。

所以要为有法律效果的决定单独辟一条不采样、长保留的通路；并注意它如今与保留期与法务保全是双向互动的——你既要留得够久以便作答，也要在案子转为争讼时能对它下保全。

重跑一遍模型不是复核。

诱人的实现，是一个用原始输入重新执行整条流水线、并报告结果有没有变的按钮。它便宜、能产出一份文档，而且近乎一文不值——因为第二次运行与第一次并不独立。它共用同一个模型、同一份提示词、同一套检索语料和同一种框定，于是只要错误出自其中任何一样，它就会把原来的错误重现一遍——而多数时候正是如此。

当"人在回路"做得不好时，情况更糟。先把模型的决定和它自陈的置信度摆到复核者眼前，你就造出了一台批量制造赞同的机器：谄媚把模型复核者拉向桌面上已有的东西，自动化偏见把人类复核者拉向同一个方向。两种情形下，第二意见都与第一意见相关，而相关的意见不会互相抵消——这正是生成-核验落差论证过的那一点。

• 给复核者一个不同的信息基础，而不是一次重跑。申请人新提交的证据、源文件本身而非模型对它的摘要、政策原文。如果唯一的新输入是"又问了模型一遍"，那就没有任何东西被复核过。
• 在复核者形成自己的判断之前，扣住模型的置信度，并且考虑连它的建议一起扣住。锚定就是自动化偏见的全部机制，而调整呈现顺序不花一分钱。
• 复核者必须能在不请示的情况下推翻。第 22 条第 3 款不会因为有一个只能往上报的人而被满足。权限、领域胜任力与时间，是让复核有分量的三样东西，而第三样正是被一个队列考核指标悄悄拿走的。
• 把推翻率当作一项控制指标看，而不是一项成绩。接近零意味着复核只是仪式；接近一半意味着一线决策已经坏了。两者都不值得庆祝，而前者正是常被当成成功报上去的那一个。

把告知书设计好，因为它决定了有没有人申诉得起来。

多数申诉通道在进入队列之前就已经失败了，失败在那份决定告知书上。一个看不出这个决定取决于什么的人，无法对它提出异议；而一项要求当事人去猜理由的权利，只是名义上的权利。

• 说明有自动化系统参与，以及它做了什么。《人工智能法案》要的是该系统在程序中所起的作用——筛选、打分、建议、还是决定——用一个非专业人士读一遍就懂的措辞。
• 给出这个决定所取决于的主要要素，而不是一张特征重要性图。"您申报的 3 至 5 月收入与所提供的工资单无法匹配"是可以被异议的。"风险分 0.83"不是。
• 写明途径、期限，以及什么证据有用。告诉对方"什么会改变这个答案"，是整份告知书里杠杆最高的一句话，它能把很大一部分申诉转化成一次上传文件，而不是一个案子。
• 别让申诉比申请更难。如果这个决定是通过一个 App、在九秒内作出的，而申诉却要邮寄一份纸质表格，那你造的是一道筛子，监管方也会照筛子来读它。
• 把你实际发出去的那份告知书记录下来，带版本。当事人被告知了什么，本身就是证据，而"我们本来会说"不构成抗辩。

当决定是由智能体以对话方式送达时，披露与理由必须在对话里存活下来——那份转写就是告知书，需要与一封信件同等的版本管理。这件事的交互设计一侧是透明性与可解释性。

推翻是一个副作用问题，不是一次状态变更。

在申诉悬而未决的这段时间里，那个决定并没有原地不动。一条智能体式流水线依着它行动过：发了信、停了一笔给付、开了一个催收案子、给第三方去过函、更新了一个被另一个模型消费的分数。把一个标志位从 declined 改成 approved，逆转的是一行记录，而不是上面这些。

• 按决定类型事先把下游影响列全，并与决定记录一同存下。你无法为一个列不出来的动作做补偿，而这份清单短到只需写一次——这正是修复智能体的副作用所围绕的那本台账。
• 通知你曾告知过的第三方。一家征信机构、一个合作方、另一个部门。只逆转而不撤回，会让原来的决定继续在外流通，而在若干监管体系下这本身就是一次违规。
• 在时间上、而不只是结果上让当事人复原。把权益追溯生效、退回费用、免掉争议期间产生的利息。一次拖了十一周、除了状态什么都没恢复的申诉，处理的是记录，不是损害。
• 把被推翻的决定从记忆与训练路径里清掉。一个被推翻的结果如果继续留在记忆库、一份缓存摘要或一份微调语料里，它会被重演一次——而第二次它看起来还很"一致"。

申诉队列是你能拿到的质量最高的评测数据。

在别的任何地方你都得花钱买标注。而在这里，有动机的人替你指认系统的错误、补上缺失的证据，再由一位够格的复核者作出裁断——免费、结构化地排在队列里、而且持续不断。把申诉纯粹当成合规成本的团队，把这些扔掉了，然后再立一个标注项目去把它重建出来。

• 给每一次推翻按原因编码，用一套固定的分类：输入数据有误、当事人手里有而系统没拿到的证据、政策读错、检索漏召、模型出错、政策从未涵盖的边缘情形。这个分布会告诉你该修什么，而它正是你本来要开一场工作坊才编得出来的那份失败分类法。
• 把被推翻的案例升格进回归测试集，以正确结果作为标签。这是整栋楼里最干净的一份评测集，而且它自己会长大。
• 按人群分组对申诉率与推翻率设告警。某一个群体上的抬头同时是一个公平性信号和一个漂移信号，而且它通常比任何聚合质量指标早动几周——一个有名有姓的生产反馈信号。
• 把处理时长当作服务水平来报。申诉是会衰减的：证据会过期、损害会累积，而一项迟了十一周才被行使的权利已经部分失效。这个数字才告诉你这条通道是不是真的。

延伸：审计留痕讲这一切所挂靠的那条主线，面向智能体的欧盟 AI 法案讲第 86 条在部署方义务里的位置，问责与角色讲由谁在推翻上签字，公共给付经办智能体讲一个这页上每一行都已是法定要求的领域。