英国缓刑官用 AI 省的时间，是乘出来的

英国缓刑系统已经全员用上 AI 记录工具，但官方给出的省时数字是按每次面谈省 10 分钟乘出来的，还没有人实测过。

先说结论：这是一个值得认真读的公共部门落地案例，因为它有真实的机构、真实的规模和公开的预算；但它目前证明的是「一线愿意用、能铺开」，不是「省下了多少时间」。26.7 万小时这个数，读的时候要在后面加一个括号：估算。

做了什么

据英国国家审计署（NAO）10 月 14 日发布的案例全文，英国司法部的 AI 小组和监狱及缓刑局（HMPPS）把政府数字服务局已经在做的会议纪要工具改造成 Justice Transcribe，用在缓刑官与受监管人员的定期面谈上。流程是：面谈开始时录音，结束后工具生成转写和摘要，缓刑官审读、修改，再存进全国案件管理系统。以前，这一步靠手写笔记或者事后凭记忆补记。

推进的节奏很清楚：2025 年 5 月至 7 月，在肯特、萨里、苏塞克斯和威尔士找了 40 名缓刑官试点；10 月起扩大到这几个地区的全部相关人员，11 月加上伦敦，到 2026 年 2 月有 2,000 多名活跃用户；2026 年 2 月至 3 月，在部长批准后推广到约 11,000 名负责判后监管的缓刑官。审计署的发布稿把它称为公共部门提高生产率的范例，并说司法部在考虑把工具用到监狱、法院和警察。案例全文还写到，司法部 9 月 24 日已把它扩到移民与庇护仲裁庭的全体一审法官。

背景是人手：审计署写到，2026 年 6 月底，缓刑官岗位只填满了 74%；HMPPS 估计 4 月时缺口约 3,500 个全职岗位。每年约 370 万次面谈要留记录，这就是选这一步下手的理由。

效果

能核对的数字有三类，口径各不相同，不能放在一起比。

第一类是使用量。2025 年 10 月 7 日至 2026 年 9 月 14 日，工具用于 160 多万次面谈；截至 2026 年 6 月 2 日，应用内 63,000 条评价平均 4.7 星（满分 5 星）。这些是系统记录，相对可靠。

第二类是省时。HMPPS 估计这段时间省下约 266,667 小时，全面使用后每年约 45 万小时，相当于约 470 个全职岗位。案例全文写得很直白：45 万小时是假设每次面谈省 10 分钟、70% 的面谈使用工具推出来的；部门「没有实际省时数据」。分析推断：266,667 小时恰好等于 160 万次乘以 10 分钟，也就是说，这个「已经省下」的数并不是另一项测量，而是同一个假设套在使用次数上；依据是案例全文同时给出的 160 万次、266,667 小时和每次 10 分钟三项数字。

第三类是试点自评。40 名试点缓刑官中有 30 人完成了最后问卷，平均自报写记录的时间减少 73%，剩下的审改大约 5 分钟；30 人里 29 人认为记录质量和完整度更好，25 人认为面谈时更能专心和对方交流。这是自评，样本是自愿参与试点的人。

Slator 10 月 22 日的报道在标题里用了「每年省 45 万小时」，正文同样写明这是估算、HMPPS 还没有追踪实际省时。读二手报道时，这个限定很容易在转述中丢掉。

代价与踩坑

钱：工具由司法部 AI 小组出资，2025–26 至 2028–29 年预计花费 790 万英镑，其中人员 340 万（11 个全职岗位）、运行维护 350 万（云计算、AI 技术、软件与安全）、应急预留 100 万。

准确度：试点期间，HMPPS 的绩效与风险小组抽查最终存档记录，发现 20% 有错误，主要是人名和机构名拼错；还有把口音听错、把男女声弄混的情况。注意，这是缓刑官审改之后的最终记录，不是 AI 初稿。

复核：试点评估自己指出，缓刑官可能没有认真审读摘要，存在过度依赖的风险。应对办法是培训视频、应用内提示和一份告知受监管人员的标准话术。审计署的判断更进一步：目前没有任何质检机制核对原始转写的准确度，所以司法部既难以监测工具本身的技术质量，也难以发现缓刑官是否在不加核对地照单全收。

留存：案例全文写明，录音在转写和摘要生成后即删除，临时转写和 AI 摘要初稿 30 天后自动删除，只有缓刑官审改后的记录作为正式档案保留。分析推断：这对隐私是好事，但也意味着审计署建议的「定期抽查录音、转写、摘要和最终记录」只能在 30 天窗口内做，而且录音已不在，事后追查一条错误记录是机器听错还是人改错，会很难；依据是案例对删除时限的说明与它对抽检的建议并列出现。

哪些已证实、哪些只是宣称

已由审计署案例直接写明的事实：全员推广到约 11,000 人、160 多万次使用、790 万英镑预算、20% 最终记录有误、没有原始转写质检、没有实际省时数据。

部门的估算与自评：266,667 小时、每年 45 万小时、470 个全职岗位、73% 的时间减少、29/30 的质量评价。这些都来自 HMPPS 的模型或问卷。

还要看清审计署自己的边界：附录写明，审计署只看了汇总文件，没有检查模型、提示词、代码、测试方法和模型输出，也没有独立核实部门报给它的结果。所以这份案例是「审计机构整理的部门做法」，不是一次效果审计。

最强反方

最有力的反驳是：要求公共部门先拿出实测数据再推广，标准太高了。缓刑系统人手只填满 74%，每年 370 万次面谈的记录压力是实打实的；一线自己提出需求，试点有 40 人参与，6 万多条评价平均 4.7 星，用户用脚投了票。每次 10 分钟的假设也不算激进：按试点自评（写记录时间减少 73%、审改剩约 5 分钟）折算，每次节省在 13 分钟以上。在这种情况下等测量完美再推，代价可能是更多记录写不完、写不好。

我们部分同意：先铺开、后验证，在这个场景里可以接受，审计署也没有反对推广。我们不让步的地方在于表述。「省下 26.7 万小时」和「按假设估算可能省下 26.7 万小时」是两件事，前者容易被转述成生产率已经提高。更重要的是，分析推断：在没有原始转写抽检的情况下，省下的时间有一部分可能变成了没被发现的错误，依据是试点抽查的最终记录 20% 有误、而审计署指出原始转写无人核对；在缓刑记录里，这关系到风险评估和对公众的保护。

我们不知道什么

• 实际省时：司法部和 HMPPS 已在做全国评估，包括抽取转写、AI 摘要和最终记录做对比，但没有公布时间表。
• 全面推广后的错误率：20% 来自试点期的抽查，推广到 11,000 人之后是升是降，案例没有给出。
• 底层用的是哪家模型、合同条款如何，案例和报道都没有写；审计署只说自有工具可以在需要时更换底层模型。
• 省下的时间去了哪里：试点自评说用在复杂案件和面谈上，但没有数据说明有没有用来减少加班、提高面谈频次，或者被用来压缩编制需求。

接下来看什么

一是司法部全国评估的「关联案件抽查」结果，看人工复核到底改掉了多少机器错误；二是审计署建议的原始转写抽检会不会落地、由谁负责；三是推广到法院和警察时，记录是否进入证据链，那时复核和留存规则必须重写，责任也要重新划清。