1.1979—2000年的七厅制模式1979年的《中华人民共和国人民检察院组织法》（以下简称《人民检察院组织法》）始设人民检察院的机构设置和人员的任免专章，该章第二十条明确规定：最高人民检察院设置刑事、法纪、监所、经济等检察厅，并且可以按照需要，设立其他业务机构。
司法权的行使需要较高的专业技能，加上审级限制，司法权属于绝对不能转授的权力。例如，《食品安全法》第27条规定：食品安全国家标准由国务院卫生行政部门会同国务院食品安全监督管理部门制定、公布，国务院标准化行政部门提供国家标准编号。
农业农村部发布的《关于长江流域重点水域禁捕范围和时间的通告》一方面划定了自2021年1月1日0时起为期10年的禁捕期，另一方面又授权有条件的地方在此之前实施禁捕。[56]这些立法权转授不仅有规避税收法定原则之嫌，也给税收领域的法制统一带来了难题。[38]在日本法上，则有三种不同的理论观点：一是作为通说的否定说，即只要授权法事先没有承认转授权，那么转授权无效。如果扩大适用《立法法》第12条的禁止立法权转授原则，税收行政立法中大量根据立法权转授制定的地方政府规章和规章以下的规范性文件都将面临合法性危机。第二，立法权转授主要通过法律、法规、规章和其他规范性文件完成，但有时立法权转授也可通过决定、命令、批准、批复等方式实现。
具体办法由国务院关税税则委员会会同有关部门制定。再如，《个人所得税法》授权国务院可以规定其他减税情形。此处仍有根据事项的复杂性和确定性予以区分处理的必要：如审批事项有确定清晰的程序步骤以及可预见的决策结论，适用更精准和高效的算法决策显然是适宜的。
（1）算法类型目前广泛适用于行政审批、交通执法、信用评估、税务稽查和风险防控等公共场景的算法，大致可划归为算法审批、算法辅助和算法预测等类型。而《个人信息保护法》第24条的问题还在于，其主要以算法技术适用于私人生活和商业领域为基础构建，并未考虑算法技术适用于私人领域与公共领域的区别。但上述规定在多大程度上构成对公共机构适用算法决策的拘束，这种拘束又存在何种欠缺，仍需对条文进行细致分析。公权机关适用数字技术履职无需征得当事人同意，同样隐含在除《个人信息保护法》以外的其他规范中。
其三，决策是基于数据主体的明确同意作出的。造成这一缺漏的原因主要有二：一是常规算法规制路径的影响。
对个人权益的影响及安全风险。尤其是既有讨论很多都将对算法权力的规制引向算法解释和正当程序，认为只要解决了算法的可理解性和程序控制问题，就能够有效破除算法黑箱所导致的算法偏误、算法歧视以及无法追责的难题。禁令说的支持理由在于，免受自动化决策约束权无法从根本上保护个人免受自动化决策的侵蚀和影响，因为算法黑箱使自动化决策行为极为隐蔽，个人很难察觉其数据是否被处理以及被谁以何种方式处理，而且事后的拒绝权不仅行权困难，其指向的一般也仅限于自动化决策本身，而无法触及最终的处理结果。德国法中的法律规范就不仅限于法律，还包括法规命令、自治规章等。
对于高度不确定的、需要更多依赖人类裁量才能完成的任务，不能交由算法处理，[45]这一点同样为德国《联邦行政程序法》所明确规定。这一点只要回溯传统法治的规范方式即可获知：如果不是在行政机关行使职权之前，就借助法律保留为其划定行为界限，而仅靠事中的程序控制或者以相对人的程序参与作为制衡，就无法防堵行政权力的滥用，也不能避免权利侵害的发生。[7]侵害隐私权和平等权的背后又是国家权力借助算法而对个人的操控。但是，即使是无法得出确定无疑的边界，借由域外经验大致确定考虑边界时应权衡的因素，仍旧是可行且有益的，它至少可为确定算法能否适用于公共决策提供评判标准和思考框架。
但这种秒审批方式是否可推广至所有行政审批事项却需要斟酌。[56]这些立法权转授不仅有规避税收法定原则之嫌，也给税收领域的法制统一带来了难题。
也因此，美国《算法问责法案》采取自我评估和政府评估的双轨制。（4）第2款中的三项豁免不适用于敏感数据的处理，除非获得数据主体的明确同意或者为了维护公共利益并且已采取合适手段保障数据主体权利。
其原因除了因为算法在数据质量、数量、算力等方面存在局限，以及算法可能继承了人类偏见，这些偏见又需要人为修正外，还在于解释和运用法条的工作本身蕴含着价值判断的要求，这个任务必须由有着同理心的人类法官完成，而不能纯粹诉诸技术理性，否则人的主体性地位就可能受到威胁。其中法律保留将关涉个人基本权利的事项交由民选产生的机构来处置，由此避免了个人权利沦为行政专断的对象。首先，《个人信息保护法》第55条仅列明个人信息处理者有义务在事前进行个人信息保护影响评估，并对处理情况进行记录。[26]但正如列举常规的政府权力正面和负面清单都基本不太可能，面对动态发展的算法技术以及隐秘性、扩散性的算法风险，要清晰划定算法技术适用于公共决策的边界就更为困难。法律保留决定着行政机关采取某种措施介入社会的容许性，其逻辑是将国家的基础决定都交由最具民主正当性的议会，由此使立法在保障基本权利、控制行政权上发挥核心作用。赫拉利曾在《未来简史》里警示众人：一旦权力从人类手中交给算法，人文主义的议题就可能惨遭淘汰。
因为算法结果过于倚重聚类数据，算法技术提供的也是标准化处理，这种处理方式既与法官的裁量权存在龃龉，同样会影响当事人获得个性化裁判的权利。[49]将价值判断和裁量作为算法决策的禁区，其实也符合人们对人工智能适用领域的核心设想：在高度复杂且无法预见的领域，即所谓VUCA[50]领域，应尽量排除机器的应用，因为攸关价值、目标、意愿、动机、兴趣、情绪等事项都与人类的理性有关，也与人之为人的主体性（Subjektivit#228;t）相关。
[16]王苑：《完全自动化决策拒绝权之正当性及其实现路径——以〈个人信息保护法〉第24条第3款为中心》，载《法学家》2022年第5期，第80页。而自动化决策虽然经常被应用于用户画像，所涉及的处理行为却更为广泛。
1.基本权利的保障法律保留的最初要义就是为了权利保障，其要求行政活动只要涉及个人的基本权利，就必须要有明确的行为法依据。由此，在适用算法后，个人不仅面临隐私暴露、被区别对待、权利克减等侵害风险，其作为人的主体性同样被剥夺和贬损。
GDPR对人脸识别技术采取原则上禁止的立场也是基于这一考虑。由此也拉开关于此规定是禁令还是权利的长久论战。对公民政治权利的剥夺、限制人身自由的强制措施和处罚。[45]陈锐、王文玉：《算法嵌入政府治理的权力异化风险及其规制方案》，载《理论探索》2022年第6期，第87页。
三级自动化决策对上述因素产生难以逆转的持续性影响。[16]类似的重大影响则是将影响认定标准予以实质性拓展。
《个人信息保护法》第33条规定，国家机关处理个人信息的活动，适用本法。但GDPR对自动化决策的立场，到底应理解为是对自动化决策的一般禁令还是对个人免受自动化决策的赋权，一直存有争议。
（一）法律保留作为形式合法性依据传统法治用以确定公共机构尤其是行政机关权力边界的首要原则是法律保留。要求决定必须是仅通过自动化决策的方式作出与GDPR第22条的规定一致，即免受自动化决策约束权仅适用于自动化决策过程完全由系统进行，无需任何人工干预，其决策结果也未受到任何人为因素影响的类型。
三、《个人信息保护法》中的算法决策规范与适用问题《个人信息保护法》对算法决策的规定仅有第24条、第55条和第73条三条。这里尤其要防御的是立法者以抽象公益，例如为维护公共安全、为应对突发公共卫生事件等事由不合比例地减损当事人的数据权利，立法者也必须在具体授权法中对概括和宽泛的抽象公益予以具体框定和说明。但权利说的支持者则认为自动化决策可以给社会整体带来客观利益，采用禁令模式虽可保护数据主体免受算法操控，却会阻断技术创新，也同样影响算法技术的良性发展与合理应用。（一）程序控制和主体赋权的缺陷算法规制的一般径路主要有算法公开、个人数据赋权与反算法歧视。
这就使对算法决策诉请复议和诉讼虽然在理论上和逻辑上能够获得证立，却无法找到切实的规范依据。[59]我国个人信息保护法以GDPR为蓝本，同样在第55条规定了类似的个人信息影响评估，需要评估的事项就包含利用个人信息进行自动化决策。
尤其在法律适用阶段，决定的得出很多情况下都倚赖语义确定与解释以及价值权衡，机器显然无法胜任此项工作，其在冲突目标的选择和权益分配上也会面临巨大困难，法律演绎推理（Justizsyllogismus）要转化为自动化的涵摄过程（Subsumtionsautomaten）尚有距离。但是，对照美国《算法问责法案》以及欧盟GDPR，我们仍会发现，《个人信息保护法》尽管规定了对自动化决策的影响评估，这种粗放的算法评估还存在明显缺漏。
例如算法公开和反算法歧视主要借助数据处理者在决策过程中的算法解释达成，个人数据赋权也是赋予个人在算法决策全过程中的知情、表达、提出异议以及要求人工干预等数据权利来确保算法的程序正义。唯有规范授权才能将行政行为的作出全部委托给机器，属于法律保留的经典表达。
