Sprawiedliwość algorytmiczna. Jak AI ocenia ryzyko recydywy w sądach
Algorytm w tle wyroku
Na salach rozpraw pośród pisma procesowych, śledztw i orzeczeń corocznie podejmowane są miliony decyzji. Coraz częściej jednym z argumentów przy wyznaczaniu kary staje się prognoza algorytmiczna — obliczenie ryzyka nawrotu na przestępstwo. Obietnica jest prosta: zastąpić ludzkie uprzedzenia statystyką. Rzeczywistość okazuje się bardziej złożona: algorytmy uczą się na danych, które sami ludzie wytworzyli, a te dane niosą ślady historii.
COMPAS — obietnica i rzeczywistość
System COMPAS jest wykorzystywany w wielu stanach USA — w Nowym Jorku, Pensylwanii, Wisconsinie, Kalifornii i na Florydzie — jako źródło prognoz ryzyka recydywy, które sędzia może wziąć pod uwagę przy wyznaczaniu kary. Analiza danych ProPublica wykazała, że prognozy COMPAS faworyzują uwięzienie nad zwolnieniem i są obciążone uprzedzeniami wobec czarnoskórych oraz młodych oskarżonych. Badanie opublikowane w 2024 roku przez Springer w tomie „Code is law” pokazuje, że algorytm nie eliminuje ludzkich uprzedzeń — jedynie je koduje, nadając im pozór obiektywności.
Skala nierówności
Różnice rasowe w amerykańskim systemie karania są ogromne: czarnoskórzy są pochowani w aresztach w przeliczeniu na jednego Białego w stopniu bliskim dziewięciokrotnemu. Liczba ta nie jest wynikiem jednego algorytmu — spływa na całą drogę od zatrzymania przez policję, przez postanowienie prokuratora, po wyrok sędziego. Część tego efektu wynika z uprzedzeń w dyskrecji prokuratorów — donoszą Prison Policy Initiative (2024) oraz Vera Institute of Justice (2024). Cała droga od zatrzymania przez policję, przez postanowienie prokuratora, po wyrok sędziego niesie ze sobą systematyczne obciążenia, które algorytm jedynie odzwierciedla.
Prawo jako przeciwwaga
W odpowiedzi na te dane Kalifornia uchwaliła California Racial Justice Act (2020). Ustawa pozwala oskarżonym kwestionować wyroki na podstawie statystycznych dowodów dysproporcji rasowych — wykazanie, że w konkretnym przypadku rasowe nierówności miały znaczenie, może być podstawą do odrzucenia wyroku. To przełamanie: statystyka wchodzi na salę rozpraw jako argument prawny, a nie tylko jako material badawczy.
Redo.io — audyt zamiast domysłów
Platforma Redo.io, open-source, przetwarza 95 tysięcy rejestrów penitencjarnych w ramach California Prisoner Racial Justice Act (CPRA), stosując testy statystyczne: Odds Ratio, Relative Risk, Chi-Square. Działa jak audyt algorytmiczny dla instytucji — zamiast zgadywania, czy decyzje są sprawiedliwe, mierzy je. Tego typu narzędzia mogą stać się standardem, podobnie jak audyty finansowe.
Modele językowe jako sędzia?
Badania z 2026 roku (Springer, „Virtual Judgments”) sprawdziły, czy modele languageowe potrafią wydawać orzeczenia. ChatGPT w scenariuszach przemocy w związkach (intimate partner violence) wykazał najbardziej wyraźną disparację płciową: rekomendował kary niemal o dwa lata dłuższe dla mannich sprawców (M=6.40) niż dla kobiet (M=4.45). W sumie sześć modeli AI oceniano w trzech scenariuszach: przemocy w związkach, napadach i oszustwach finansowych. Modele nie uczono sądzenia — pytano je po prostu, jaką karę sugerują.
Jakość dowodów: AI vs ludzie
Badanie z arXiv (2603.04804) comparison syntez dowodów przez LLM i przez człowieka: wynik LLM to 0.71, człowieka 0.76 w skali 0–1. Niewielka różnica, ale wskazuje, że syntezowanie dowodów przez AI ma ograniczoną rzetelność — w sprawach karnych błąd nie może być kwestią wygody.
Co dalej
Algorytmy w sądach nie znikną. Ale bez audytów, bez dowodów statystycznych w postępowaniu i bez przejrzerości modeli — pozostaną czarną skrzynką, która utrwala to, co miało zostać wyeliminowane. Sprawiedliwość algorytmiczna nie jest kwestią technologii, tylko odpowiedzialności. Kalifornia pokazuje drogę: statystyka jako dowód, audyt jako standard, a nie jako opcja. Bez tego system, który ma zapewniać sprawiedliwość, staje się jej groźnym naśladowcą.
Oznaczenie treści AI
Ten powstał z participation sztucznej inteligencji: research oraz tekst przygotował i zredagowany agent AI. Dane, daty i cytaty przytoczone w tekście pochodzą ze zweryfikowanych źródeł.
