2026年8月17日，美国政治新闻媒体POLITICO发布深度调查报道，揭示美国众议院立法顾问办公室（House Office of Legislative Counsel，简称OLC）正面临一场由生成式人工智能引发的系统性危机：越来越多的国会议员办公室及外部利益团体使用Claude、ChatGPT等大语言模型直接起草法案文本，导致大量充斥着错误、引用失准和措辞低劣的"AI糟粕"（AI slop）涌入立法管道，迫使OLC的职业律师花费比从零起草更多的时间来修正这些问题草案。报道基于对八位现任及前任相关官员的采访，揭示出AI技术正在以一种缺乏监管、几乎隐形的方式，渗透到美国法律体系的源头——立法起草环节，其影响可能远远超出华盛顿特区的范围，波及数百万美国人的切身权益。

一、立法质量防线正在崩溃

众议院立法顾问办公室是美国国会立法体系中最重要的质量控制机制之一。这个由数十名职业公务员组成的机构，承担着将议员政策意图转化为精确、可执行法律文本的核心职能。POPVOX基金会（政府现代化非营利组织）执行主任马西·哈里斯（Marci Harris）指出："当我们谈论国会的立法能力时，我们实际上谈论的就是这个办公室。"换言之，OLC是让国会"立法"这一宪法核心权力真正落地运转的制度性基础设施。

然而，这座质量防线正在被AI生成文本的洪流冲击。据POLITICO援引八位现任和前任官员的采访，AI快速生成海量文本的能力，正在迫使OLC的律师们花费显著更多的时间来审查和改写提案。一位曾就该技术向办公室工作人员提供建议的匿名人士直言不讳地指出：OLC花费"更多时间来修复AI起草的立法，比他们从头开始起草花费的时间还要多"。这一判断构成了理解整个危机的核心悖论：AI本应提升效率，却在立法这一高度专业的领域反而造成效率净损失。

工作量的激增并非抽象预测，而是已经体现在官方数据中。据POLITICO报道，上届国会期间，伯克领导下的61名律师和19名支持人员共起草了超过30,000份法案，几乎是实际提出法案数量的三倍。而在本届国会初期，该办公室收到了5,623份立法请求，较两年前同期增长了72%——这一数据来自伯克此前的国会证词。此外，在2026年3月的听证会上，伯克进一步指出："外部实体产生的文本，无论是人类还是计算机生成的，往往需要长得多的时间来审查和修订，以确保文本实现提案发起人的预期政策目标。"

更令人担忧的是一种恶性循环正在形成：由于OLC审查速度放缓，一些议员可能选择绕过这一质量控制环节，直接将AI生成的法案提交国会。一位与OLC有工作往来的人士向POLITICO表示，延迟可能促使议员"直接提出AI生成的法案，而不是与OLC合作起草"。这将形成一个危险的正反馈回路——工作量越大，审查越慢；审查越慢，绕过审查的动机越强，最终导致更多有缺陷的立法文本进入正式程序。

二、AI为什么写不好法律：三类典型错误

立法起草是一门对精确度要求极高的专业技艺，其中充满了足以绊倒人工智能代理的关键细节。多位受访专家从不同维度揭示了AI在立法写作中的系统性缺陷。

（一）政策工具选择的细微差异

前立法顾问办公室主任韦德·巴卢（Wade Ballou，2016-2024年任职）向POLITICO举了一个典型例子：某一笔资金应该是"税收抵免（tax credit）、税收扣除（tax deduction）、税收豁免（tax exclusion）还是拨款（grant）"——这四种形式在法律效果、预算影响和执行方式上截然不同，但AI很可能混淆这些细微差别。巴卢直言："AI会错过这些细微之处。"

（Wade Ballou,Jr.，美国众议院立法顾问，2024年10月28日星期一在福特众议院办公楼（Ford House Office Building）的办公室里。

对于非专业人士而言，这些术语差异可能看似琐碎，但在法律实践中，它们直接决定了资金的流向、受益人的资格以及政府的执行方式。一个用错的术语，可能导致政策意图与实际效果之间出现巨大偏差，甚至完全背道而驰。

（二）定义范围的隐性排斥

另一位与OLC合作的人士提供了另一个例子：如果法案将"州"（state）仅定义为50个州，那么华盛顿特区（D.C.）和部落民族（tribal nations）就可能被排除在联邦项目之外。这类定义问题在立法中极为常见，但又极其容易被忽视——尤其是对于没有经过专业训练的AI系统而言。

这一错误的严重性在于，它不仅仅是技术层面的疏漏，更可能造成实质性的权利侵害和资源分配不公。联邦项目涉及的资金规模往往以十亿、百亿美元计，一个定义偏差可能导致整座城市或整个族群失去应有的权益保障。

（三）法条引用的系统性幻觉

曾与OLC合作将技术工具整合到其工作流程中的律师兼技术专家阿里·赫绍维茨（Ari Hershowitz）指出，AI生成的草案还经常错误引用先前的成文法（statutes）。他将这种错误称为"向我们的法律系统引入数千个漏洞的必由之路"。

美国治理研究所（American Governance Institute）执行主任丹尼尔·舒曼（Daniel Schuman）也持相同看法，他认为市售AI工具不具备起草法案所需的对细节的关注和微妙的法律理解力。错误引用《美国法典》（U.S.Code）是AI生成文本中的常见错误——巴卢、舒曼和赫绍维茨三位专家都确认了这一点。

如果OLC的律师未能成功拦截这些错误，使其最终进入成文法，那么行政机构和法院可能无法理解这些模糊或错误的法律到底在指示什么。而国会后续可能需要花费更多时间来修复过去的错误——这本身就是一种巨大的制度成本。

舒曼的判断代表了专业界的基本共识："AI在很多方面都很有用，但它不具备起草你愿意将其制定为法律的立法文本的能力。"

三、隐性使用与能力退化：比错误更深层的危机

AI草案带来的问题远不止于技术错误，更深层次的危机在于：AI的使用正在隐性地削弱国会工作人员的立法能力，而整个体系对此几乎毫无觉察。

（一）禁忌式使用：无人公开谈论

POLITICO的调查揭示了一个值得警惕的现象：使用AI撰写立法的人往往不会公开这一事实。一位众议院工作人员表示："使用AI的工作人员往往不会谈论这件事"，使用AI"仍然感觉是一种禁忌"。这意味着，问题的真实规模可能远大于已经暴露的部分——没有人知道到底有多少AI生成的法案文本正在流经立法体系。

佛罗里达州共和党众议员安娜·保利娜·卢娜（Anna Paulina Luna）的案例受到了关注。2026年6月，她因提交一份由Claude生成的修正案摘要而受到批评，但她辩称修正案本身并非由AI撰写。卢娜在社交媒体帖文中表示："这没什么大惊小怪的，大多数工作人员都在用。"她随后告诉自己的工作人员"要确保进行双重检查，更加严谨"。

但卢娜的坦率恰恰反衬出大多数人的沉默。当一项有风险的实践成为"房间里的大象"——人人都在做，却无人讨论——制度性风险便会持续累积，直到以某种危机形式爆发。

（二）"自己不动手"导致的认知退化

一位与OLC合作的人士向POLITICO指出了一个更为深层的问题：随着AI使用的增加，越来越多的国会工作人员无法清晰表达他们希望法案实现什么目标。原因在于，如果工作人员不亲自起草文本，他们就不会被迫"深入学习议题"，而是将定义和措辞这些具有重大后果的选择留给AI代理去做。

这一观察触及了问题的本质——立法起草不仅仅是文字工作，更是一个深度思考政策意图、预判法律后果、权衡各方利益的认知过程。当这个过程被外包给AI时，工作人员失去了通过亲力亲为来建立专业判断力的机会。长此以往，国会的立法能力可能出现代际退化：新一代工作人员从未掌握真正的立法起草技艺，却被要求监督和修正AI的输出，其结果可想而知。

此外，AI生成的草案还有一个明显特征——文字变得更加冗长。一位与OLC合作的人士指出，OLC正在审查的草案已经变得越来越啰嗦，而这正是AI起草的"标志性特征"（hallmark of AI"s hand in drafting）。这不只是文风问题，更是法律文本质量下降的信号——法律语言追求精确和简洁，冗余的措辞往往意味着概念的模糊和逻辑的松弛。

（三）工具使用的不对称困境

另一个值得注意的现实是：议员和外部利益团体可以使用市售AI工具来生成法案，但OLC的专业律师们却不能使用同样的商业AI工具。为公共部门组织提供技术工具的Granicus公司战略增长总监夏洛特·李（Charlotte Lee）指出了这一"完全不对等"（complete incongruency）的局面："议员和利益团体可以用AI写东西，但立法顾问自己却不能使用（市售AI）。"

这种不对称意味着，AI正在加剧立法体系中"生产端"与"质控端"之间的能力失衡。提案生成的速度和数量因为AI而成倍增长，但质量控制的能力却没有得到相应提升——甚至因为安全考量而无法使用同类工具。其结果是，整个立法体系的质量防线正在被数量优势所稀释。

四、OLC的应对：专用AI工具与有限防御

面对AI带来的挑战，OLC并非完全被动。该办公室已经开始探索技术应对方案，但走的是一条与商业生成式AI截然不同的路径——强调确定性、可验证性和零幻觉。

（一）Comparative Print Suite：众议院第一个AI工具

OLC已经将多种技术工具整合到其工作系统中，其中最引人注目的是一个名为"比较打印套件"（Comparative Print Suite）的软件程序。该工具允许国会工作人员直观地查看某项法案将如何修改《美国法典》（U.S.Code）。许多法案包含对现行法律的修订指示——删除某些措辞，插入其他内容——而Comparative Print Suite使用自然语言处理（natural language processing，NLP）——人工智能的一种形式——来精确展示《美国法典》将如何被修改。

赫绍维茨将该软件描述为"众议院的第一个AI工具"。但与市售生成式AI不同，这个工具的核心设计理念是"不确定就报错"——当它无法确信修改应该发生在何处时，它会返回错误消息，而不是强行生成一个看似合理但可能错误的答案。赫绍维茨将这一设计原则概括为"没有幻觉"（no hallucinations），与典型生成式AI工具"在面对不确定性时会做出假设以完成任务"的行为模式形成鲜明对比。

该工具由赫绍维茨与OLC工作人员及其他贡献者共同开发。作为首席设计师之一的夏洛特·李通过与潜在使用者的访谈以及与OLC工作人员的每周会议，根据办公室需求量身定制了这一工具。李表示，这种个性化定制过程将减少错误，并使Comparative Print Suite在整个立法分支获得广泛采用。不过，舒曼指出，参议院的采用程度并不如众议院广泛，只有有限数量的工作人员能够使用该工具。

（二）有限的内部试点与资源困境

除了已有工具外，OLC还组建了一个工作组来探索如何利用AI"提高效率，例如改进法律研究"。

但从整体来看，OLC的技术准备与AI带来的工作量增长之间存在明显的不对等。众议院管理委员会（Committee on House Administration）的民主党首席议员乔·莫雷尔（Joe Morelle）在一份声明中表示："AI无法取代立法顾问办公室中那些协助众议院完成其最核心工作的、技艺精湛且敬业的专业人员。"该委员会的另一位民主党议员诺玛·托雷斯（Norma Torres）则指出："过度依赖AI生成的法案文本可能引入错误、造成意外的法律后果，或导致语言无法准确反映议员的政策意图。"她强调，提出立法的最终责任在于国会议员及其工作人员，"这一责任不能外包给聊天机器人"。

莫雷尔作为拨款委员会成员，表示他致力于为众议院OLC提供资源，"以继续其卓越的服务，确保所有立法保持深思熟虑的高质量成果"。然而，从当前趋势来看，资源增长的速度能否跟上AI驱动的工作量膨胀，仍是一个巨大的问号。

五、"失败之巅"的高风险：当AI糟粕进入法律

对于AI在立法领域的应用，专家们的担忧远不止于效率损失，而是指向一个更根本的问题：在法律体系的源头引入容易出错的技术，可能产生"失败之巅的最高风险"。

巴卢在接受POLITICO采访时给出了一个极具警示性的判断：将一种容易出错的技术应用于支撑美国法律的成文法语言，会制造"失败之巅的最高风险"（the highest risk at the apex of failure）。这一表述的分量在于，它指出了立法环节的特殊性——法律是整个社会运行的底层规则，源头处的一个错误，可能通过司法、执法、行政等多个层级层层放大，最终影响数以百万计的人。

赫绍维茨的判断同样严峻。他表示，即便不考虑错误因素，随着AI加速生成法案文本，OLC的工作量也将进一步恶化。他用一个简练的比喻概括了当前的困境："你原本有一个已经到了10级的问题。现在你把它乘以了100。"

这一"乘以100"的判断指向了一个结构性困境：AI以指数级速度生产文本，而人类审查能力的增长却是线性乃至停滞的。当生产能力与质控能力之间的差距持续扩大，质量崩溃将不是概率问题，而是时间问题。

截至目前，尚无经参众两院任一院投票通过的法案被证明完全由AI起草。这意味着，OLC作为质量防线至今仍在发挥作用——但这道防线正在承受前所未有的压力。国会山对此类技术的使用几乎没有监督机制，也没有任何工作人员因AI使用违反既有规则而受到正式处分的先例。ChatGPT、Claude等工具的使用在国会已变得司空见惯——从国会演讲到电子邮件再到法律草案，AI生成的内容正在渗透立法机构的方方面面。

结语

AI涌入美国国会立法体系，远不只是一个工作人员偷懒用AI的趣闻，而是一场关于制度能力与技术速度之间的深层博弈。它揭示了一个尚未被充分讨论的命题：当生成式AI渗透到社会规则的生产源头时，我们既有的质量控制机制是否还能守住底线？

从现有信息来看，答案不容乐观。OLC作为国会立法体系的质控守门人，正面临工作量激增、工具使用不对称的双重压力，而AI驱动的法案文本还在以更快的速度涌入。更令人担忧的是隐性使用的普遍性——当大多数人都在用却没有人承认，当工作人员因依赖AI而逐渐丧失亲自起草的能力，整个立法体系的专业根基正在被悄然侵蚀。

Comparative Print Suite等专用工具的出现提供了一条可能的出路：用确定性的、面向特定场景的AI工具来辅助专业人员，而非用通用生成式AI来替代他们。但这类工具的推广速度和覆盖范围是否足以应对AI"糟粕"的洪流，仍有待观察。

未来值得持续关注的问题包括：OLC是否会获得足够的资源和技术授权来应对AI挑战？国会是否会建立AI使用的披露和监督机制？美国参议院是否会跟上众议院的技术工具部署步伐？而最根本的问题或许是：当AI能够以前所未有的速度生产"看起来像法律"的文本时，我们是否还能确保法律本身的质量、严谨性和民主正当性？这些问题的答案，将不仅影响立法机关的运作效率，更将塑造未来法律体系的可信度与治理能力。

声明：本文来自清华大学智能法治研究院，版权归作者所有。文章内容仅代表作者独立观点，不代表安全内参立场，转载目的在于传递更多信息。如有侵权，请联系 anquanneican@163.com。