---
schemaVersion: 1
scope: "public-indexable-html"
renderScope: "server-rendered-main"
canonical: "https://isafwan.com/zh-CN/ideas/digital-service-exception-design/"
companion: "https://isafwan.com/agent/zh-CN/ideas/digital-service-exception-design/index.md"
locale: "zh-CN"
language: "zh-CN"
direction: "ltr"
title: "主人去世后，一个名字让手续停了下来 | Safwan AlModhayan"
description: "英国遗嘱认证数据揭示非标准案件为何久等。本文区分法律例外与服务制造的例外，并以选择性预测、程序正义和例外承接能力讨论数字服务设计。"
---
## Language versions
- [ar-SA](https://isafwan.com/ar/ideas/digital-service-exception-design/)
- [en](https://isafwan.com/en/ideas/digital-service-exception-design/)
- [ru](https://isafwan.com/ru/ideas/digital-service-exception-design/)
- [x-default](https://isafwan.com/ar/ideas/digital-service-exception-design/)
- [zh-CN](https://isafwan.com/zh-CN/ideas/digital-service-exception-design/)
[Safwan AlModhayan](https://isafwan.com/zh-CN/)[观点](https://isafwan.com/zh-CN/ideas/)
观点与分析 · 已发表
# 主人去世后，一个名字让手续停了下来
英国遗嘱认证数据揭示非标准案件为何久等。本文区分法律例外与服务制造的例外，并以选择性预测、程序正义和例外承接能力讨论数字服务设计。
[隐私](https://isafwan.com/zh-CN/privacy/)
_AI 生成的概念艺术：旧身份形状继续支配服务入口，新的真实情形无法穿过为过去案例设计的门。_
**编辑日期:** 2026年10月29日
**作者:** Safwan AlModhayan
在英国遗嘱认证记录中，一项申请可能因为逝者姓名在不同文件中写法不一而暂停。故事从一个姓名栏开始，最终指向更大的问题：当一个人的处境不同于系统预设的标准案例时，机构还有能力为他服务吗？
关键词 数字服务例外 · 遗嘱认证 · 程序正义 · 选择性预测 · 学习转交专家 · 自动化决策 · 姓名匹配 · 公共服务设计 · 长尾办理时间 · 例外承接能力
**本文目录**
1. [证据路径](https://isafwan.com/zh-CN/ideas/digital-service-exception-design/#article-evidence-path)
2. [下载 PDF](https://isafwan.com/zh-CN/ideas/digital-service-exception-design/#article-pdf-download)
3. [手续暂停时，真正暂停的是什么？](https://isafwan.com/zh-CN/ideas/digital-service-exception-design/#essay-section-01)
4. [一类申请两周，另一类十四周](https://isafwan.com/zh-CN/ideas/digital-service-exception-design/#essay-section-02)
5. [为什么姓名不同，会带来更长的工作？](https://isafwan.com/zh-CN/ideas/digital-service-exception-design/#essay-section-03)
6. [平均数并不住在任何人的家里](https://isafwan.com/zh-CN/ideas/digital-service-exception-design/#essay-section-04)
7. [机器何时应该说“不知道”？](https://isafwan.com/zh-CN/ideas/digital-service-exception-design/#essay-section-05)
8. [三种回答，胜过“接受”与“拒绝”](https://isafwan.com/zh-CN/ideas/digital-service-exception-design/#essay-section-06)
9. [公平有其程序形态](https://isafwan.com/zh-CN/ideas/digital-service-exception-design/#essay-section-07)
10. [数字化最有力的理由](https://isafwan.com/zh-CN/ideas/digital-service-exception-design/#essay-section-08)
11. [数据库里没有名字的例外](https://isafwan.com/zh-CN/ideas/digital-service-exception-design/#essay-section-09)
12. [建议指标：例外承接能力](https://isafwan.com/zh-CN/ideas/digital-service-exception-design/#essay-section-10)
13. [当案件值得走另一条路，谁会受益？](https://isafwan.com/zh-CN/ideas/digital-service-exception-design/#essay-section-11)
14. [同一个姓名，栏位的意义已经改变](https://isafwan.com/zh-CN/ideas/digital-service-exception-design/#essay-section-12)
15. [参考文献](https://isafwan.com/zh-CN/ideas/digital-service-exception-design/#article-references-title)
_证据路径**非标准案件的三条处理路径**_
1. [1自动核验常见案例](https://isafwan.com/zh-CN/ideas/digital-service-exception-design/#essay-section-01)
2. [2针对缺失信息提出具体补充要求](https://isafwan.com/zh-CN/ideas/digital-service-exception-design/#essay-section-05)
3. [3把需要判断的案件交给合适专家](https://isafwan.com/zh-CN/ideas/digital-service-exception-design/#essay-section-06)
4. [4保留解释、纠错与申诉路径](https://isafwan.com/zh-CN/ideas/digital-service-exception-design/#essay-section-09)
例外设计应分开数据清理、证据补全与判断权，而不是把所有差异压成同一个错误。
[下载 PDF下载文章 PDF9 页 · 大小: 2.1 MB](https://isafwan.com/media/publishing/77a21e31e43b3afcbb06c796e6c610115c6493f63fa82c1a740b768229cbbaef-digital-service-exception-design-zh-CN.pdf)
2026 年 3 月 26 日，英国司法部发布了英格兰和威尔士遗嘱认证服务的统计评估。在有关办理速度和受阻原因的表格中，出现了一个简短的行政标签：Deceased Name，即“逝者姓名”。它是部分申请被暂停处理的原因类别之一，其他类别还包括死亡证明问题和文件匹配问题。[1](https://assets.publishing.service.gov.uk/media/69c2b4c5bd142c66ffe44388/2026-03-24_-_Probate_REDS_-_for_publication.pdf)
这个标签背后，是一种很难被简化为拼写错误的现实。评估记录了这样的案例：遗嘱认证申请、遗嘱和死亡证明所载的逝者姓名形式并不一致；有时是某份文件使用了西式姓名顺序，有时是译文不符合手续要求。报告没有讲述某位具名当事人的故事，也没有证明每一种差异都应自动获准。但它说明，一个在屏幕上看似简单的问题，如何变成有关身份、证据与法律权利的问题。[1](https://assets.publishing.service.gov.uk/media/69c2b4c5bd142c66ffe44388/2026-03-24_-_Probate_REDS_-_for_publication.pdf)
逝者无法亲自纠正姓名。继承人也不需要一台电脑来认同他的悲伤；他需要的是一项能够理解差异的服务：姓名拼写不同，可能只是可通过文件解决的证明问题，也可能揭示一项必须核验的真实争议。无论哪种情况，“数据不匹配”都不够。
事实完全真实，表格里的栏位却未必容得下它。
这正是数字化转型庆典中常常缺席的考验。一项服务越能顺利处理数以千计的相似申请，那些非标准案例就越像从建筑图纸上未曾画出的门来到访的客人。进门晚的客人，并不都做错了事。
## 手续暂停时，真正暂停的是什么？
先看“暂停”这个词。在英国遗嘱认证服务的术语中，Stop 指工作人员遇到一项问题，必须先取得说明、文件或采取额外行动，才能继续处理。申请人可能需要证明资格，也可能需要提交文件原件。它不等同于最终拒绝，也不是认定申请人没有权利。[1](https://assets.publishing.service.gov.uk/media/69c2b4c5bd142c66ffe44388/2026-03-24_-_Probate_REDS_-_for_publication.pdf)
这一区分并非措辞细节。拒绝是在法律边界内对申请作出回答；暂停则是把回答悬置。涉及有争议的遗嘱时，暂停可能是必要保护；如果界面一开始没有询问姓名的其他写法，它也可能是服务自行制造的多余循环。
2026 年 7 月更新的政府指南揭示了另一面：线上系统 MyHMCTS 并不接受所有遗嘱认证申请。某些情况必须使用纸质申请，包括外国遗嘱、对同一遗产申请第二份授权，以及部分遗嘱更正申请或需要司法裁量的案件。官方原文直接说明：“MyHMCTS cannot accept probate grant applications in all cases。”[2](https://www.gov.uk/guidance/apply-for-probate-on-paper-as-a-practitioner)
由此，“非标准案例”之下其实存在两类完全不同的情况。
第一类是真正的法律例外：由于法律、文件性质或权利冲突的可能性，案件理应接受专门审查。以“让用户旅程更顺畅”为名消除它，可能连同程序原本要保护的权利一起消除。
第二类是服务制造的例外：事实本可借助合适方法轻易证明，却因为表格不允许填写曾用名、说明在提交后才出现，或系统强迫用户用不适用的选项描述真实文件而受阻。
两类例外之间的差别，决定资源应该花在哪里：既不应购买更多自动化来吞掉法律判断，也不必聘请司法专家去处理一个额外栏位就能解释的每一种差异。
## 一类申请两周，另一类十四周
2026 年 9 月 24 日发布的官方统计显示，当年第二季度已经作出授权决定的遗嘱认证申请，未曾暂停者平均约需两周，曾暂停者约需14 周。同期，92% 的遗嘱认证申请通过数字渠道提交，94% 的授权经数字渠道发出。[3](https://www.gov.uk/government/statistics/family-court-statistics-quarterly-april-to-june-2026/family-court-statistics-quarterly-april-to-june-2026)
两个均值相差的十二周，并不是对技术单独造成损害的估计。暂停案件本来就在复杂程度和文件完整性上有所不同，其中一些还包含合理争议。比较两个不同群体，不能证明“暂停”按钮制造了全部延迟；但它足以说明，服务体验并不存在一个统一时长。
2026 年 3 月的评估以 2019 年 7 月至 2025 年 6 月收到的申请为基础，发现 34% 的申请至少被暂停一次；数字申请为 32%，纸质申请为 38%；没有法律代理的申请人为 46%，有法律代理者为 26%。[1](https://assets.publishing.service.gov.uk/media/69c2b4c5bd142c66ffe44388/2026-03-24_-_Probate_REDS_-_for_publication.pdf)
这些数字不是社会中“罕见案件”的比例。有些暂停来自普通案件缺少文件，不同渠道中的申请人构成也不同。数字也不能证明纸质申请会导致问题，或聘请律师会因果性地减少问题。但它们阻止我们把暂停说成不值得进入服务设计的小小边角。
这在漂亮的演示文稿中显得反常：机构可以画出一条几乎笔直的数字流程，却在运营报告中发现，近三分之一的申请都曾暂时离开主路径。屏幕未必撒谎；它或许只是选择了一个舒服的拍摄角度。
## 为什么姓名不同，会带来更长的工作？
在差距上贴一个“偏差”标签，并不等于解释已经完成。英国评估还研究了自愿回答个人特征问题的申请人，其服务经历有何不同。
在回答族裔问题的人中，少数族裔申请有 56% 至少暂停一次，自我认定为白人的申请则为 44%。以 2025 年第一季度提交的申请为例，按报告所用方法，半数白人申请在 12 天内完成，少数族裔申请达到半数完成需要 25 天。[1](https://assets.publishing.service.gov.uk/media/69c2b4c5bd142c66ffe44388/2026-03-24_-_Probate_REDS_-_for_publication.pdf)
但这项比较有根本限制。个人特征问题只向没有法律代理的申请人提出，回答完全自愿；符合条件者的回答率约为 40%。披露族裔者中，96% 自我认定为白人，4% 为少数族裔。研究没有测量每个人的全部处境，这个样本也不能保证代表所有继承人。遗嘱类型、翻译、法律代理与遗产复杂性都会影响结果。因此，这些差异描述的是需要解释的相关性，单凭它们不能证明系统因族裔而对人作出不同处理。[1](https://assets.publishing.service.gov.uk/media/69c2b4c5bd142c66ffe44388/2026-03-24_-_Probate_REDS_-_for_publication.pdf)
重要的是，机构本身寻找了更贴近操作层面的机制。评估提到遗嘱状态、文件之间的逝者姓名、翻译以及境外原件等差异。2024 年 12 月，机构说明，自 2023 年 1 月起已经修改描述遗嘱状态的问题，并在重新设计收集逝者姓名及其不同形式的方式。它谨慎描述了初步改善迹象，同时表示还需更多案件完成，才能对结论更有把握。[4](https://www.gov.uk/government/publications/assessing-access-to-justice-in-hmcts-services/assessing-access-to-justice-in-hmcts-services-december-2024)
科学价值不在于给问题起一个宏大的名字，而在于识别：哪一部分可以通过更好的问题修复，哪一部分需要新的证据，哪一部分必须继续由专业人员判断。
## 平均数并不住在任何人的家里
设想一项服务：90 份申请在两天内办完，另外 10 份需要 60 天。平均办理时间是 7.8 天。如果前 90 份加速到一天，而后 10 份仍需 60 天，平均数会降到 6.9 天。图表更好看了，那 10 位申请人的等待却毫无变化。
这是一个完全虚构的算术示例，不是对英国数据的描述。它揭示我们看待质量时的一项缺陷：平均值改善，可以与困难案件承受的时长毫无变化同时发生。投资也许帮助了大多数人，却没有回答另一个伦理与管理问题：对于处境没有改善的人，我们做了什么？
在风险管理研究中，可以把每类情况发生的概率与其损害规模结合，表示预期损失。若以 $g$ 表示案例类型，以 $p_g$ 表示其概率，以 $c_g$ 表示平均社会成本，则近似为：
$\mathbb{E}[L]=\sum_g p_g\,c_g$
这里的 $c_g$ 不能被缩减为一名员工一小时的成本。根据服务类型和能够安全测量的内容，影响可能包括遗产财产无法处置、应得经济利益延迟、重复提交证据所耗时间，或原本可以避免的法律代理费用。这并不是说每种影响都有确定价格，而是说明为什么完成率不能独自代表所有人发言。
还可以考察更长的时段，例如解决时间的第 90 或第 95 百分位，前提是明确分母，并正确处理尚未结束的开放案件。但尾部指标只会显示延迟，不能单独判断延迟是否为了保护法律权利而必需。机构在这里需要知道的是等待的原因，而不仅是天数。
这一点对未结案件尤其重要：如果只测量已经完成的申请，画面可能显得更亮，因为最长的案件仍未进入“已办结”表格。遗嘱认证报告本身也提醒，近期季度中如果完成案件比例不足，时长数据会受到限制。[1](https://assets.publishing.service.gov.uk/media/69c2b4c5bd142c66ffe44388/2026-03-24_-_Probate_REDS_-_for_publication.pdf)
## 机器何时应该说“不知道”？
机器学习提供了一个比“自动化一切”更克制的答案：选择性预测（Selective Prediction）。系统不必对每个案例都作答；在满足其有把握的条件时预测，在错误风险升高时拒绝判断。Yonatan Geifman 与 Ran El-Yaniv 于 2019 年提出 SelectiveNet，让模型共同学习预测与拒答，而不是只在训练结束后外加一道置信度阈值。[5](https://proceedings.mlr.press/v97/geifman19a.html)
技术上，系统愿意回答的案例比例称为覆盖率（Coverage），其错误率在被覆盖案例内评估。如果系统只回答最容易的案件，降低错误率相对简单。但公共服务不能把其余人留在空白中。因此，“模型何时拒答”必须与另一个问题绑定：“模型拒答的那一刻，什么服务开始运行？”
2020 年，Hussein Mozannar 与 David Sontag 进一步研究了学习转交专家（Learning to Defer）：如何在模型自行决策，与把案例交给更擅长某一类问题的人之间作出选择。[6](https://proceedings.mlr.press/v119/mozannar20b.html) 实际结论不是人类永不犯错。有时员工和模型会同时犯错；专家也许更会解读一份非标准遗嘱，而系统可能更准确地发现标准字段缺失。
随后出现了有益的学术质疑。Rajeev Verma 与 Eric Nalisnick 在 2022 年发表的研究中指出，一种较早的转交学习表述，并不能像设计者可能以为的那样保证“专家判断正确概率”得到校准；他们提出了更严格的概率替代方案。[7](https://proceedings.mlr.press/v162/verma22c.html) 也就是说，在产品文档写上“有疑问时交给人”还远远不够。系统对自身置信度和审查者能力的估计，必须在独立数据和新案例上接受检验。
英国报告没有证据表明遗嘱认证系统使用了这些人工智能模型。有文件支持的事实是一项数字服务和人工程序；这里所述设计，是面向未来自动化应用的推论性建议。 这条边界至关重要，否则“人工智能”会沦为每一个让用户不满的输入框的统称。
## 三种回答，胜过“接受”与“拒绝”
设想一个虚构案例：某机构正在设计数字申请服务，两份文件中的姓名写法不同。它不能假设两个姓名一定指同一人，因为差异可能意义重大；也不能仅因文字不同，就假设它们指向两个人。
更好的服务应当具备三个清楚动作。
第一，自动核验常见案例。 系统检查文件、字段和无需法律裁量即可测试的条件是否完整。符合规则的案例获得处理，同时保留记录，说明系统实际核验过什么。
第二，在信息缺失时提出具体补充要求。 系统不应只说“文件不正确”，而应指出哪份文件中的姓名不同，允许申请人说明其他姓名并附上关系证明，同时告知下一次审查时间。隐私保护也许不允许展示部分匹配细节；此时应解释法律允许解释的内容，并提供安全的澄清渠道。
第三，把需要人工判断或特殊权限的决定交给合适的专业人员。 员工不应只是对一项自己不理解的建议点击“同意”；他应能看到证据、修改历史与尚未解决的问题。申请人也应获得法律允许范围内的解释，并有机会依适用制度补充信息或提出异议。
这不是新增三个按钮，而是区分三种责任：清理数据、补全证据、行使判断。混在一起，会让拼写问题看起来像法律争议，也会让法律争议看起来像文本格式问题。
## 公平有其程序形态
法律心理学家 Tom R. Tyler 在 1988 年发表的研究中探讨了程序正义（Procedural Justice）。研究访谈了 652 名近期接触过警察或法院的人。结果显示，人们对公平的判断不只取决于结果，还与能否陈述观点、决策质量、是否存在纠错路径等程序要素有关。[8](https://www.cambridge.org/core/journals/law-and-society-review/article/what-is-procedural-justice-criteria-used-by-citizens-to-assess-the-fairness-of-legal-procedures/19F34DE621005B70E75FF7E68E810554)
把一个年代较早的美国样本直接套用到今天所有沙特或英国用户身上，并不严谨。但这项研究提供了一项可检验的组织假设：即使无法给申请人想要的决定，说明暂停原因并允许他作出能够被理解的回应，也可能影响其公平感与信任。
行政监督机构则给这种含义提供了更实用的语言。澳大利亚联邦监察专员（Commonwealth Ombudsman）2025 年 3 月发布的自动化决策指南强调，申诉、解释与问责设计应与决定影响的严重程度相称。[9](https://www.ombudsman.gov.au/__data/assets/pdf_file/0025/317437/Automated-Decision-Making-Better-Practice-Guide-March-2025.pdf) 新南威尔士州监察专员（NSW Ombudsman）的指南则在当地法律背景下指出，法律授予的裁量权不能被简化为取消真实个案审查的自动批准；公平程序要求受影响者获得真正被听取的机会。[10](https://www.ombo.nsw.gov.au/guidance-for-organisations/improving-public-administration/automated-decision-making-systems/administrative-law-and-automated-decision-making)
这些文件不意味着各国拥有相同法律规则，也不意味着每项遗嘱认证申请都需要听证。它们只是给设计者提出一个比“手续是否到了最后一步”更重要的问题：当事人能否提交足以改变判断的证据？
尊重这项权利的数字表格，甚至可能比反复显示模糊错误的表格更高效。清楚说明可以减少没有新信息的往返；把公民送回申请起点的答复，则像一名工作人员要求你带来“问题的原件”。
## 数字化最有力的理由
读到这里，很容易得出一个结论：敏感手续应当回到堆满纸张的办公室。但这是一个薄弱结论，也忽略了数字服务真正帮助的人。
英国最新统计显示，绝大多数遗嘱认证申请都在线提交。按 2026 年第二季度数据，未暂停案件平均约两周即获得授权；对希望完成文件清楚的遗产安排者而言，这种速度具有真实价值。[3](https://www.gov.uk/government/statistics/family-court-statistics-quarterly-april-to-june-2026/family-court-statistics-quarterly-april-to-june-2026) 政府评估还记录，修改遗嘱状态问题与姓名形式记录方式，本身就是处理受阻问题的一部分。解决方案可能是更能理解差异的数字化，而不是退回数字化之前。[4](https://www.gov.uk/government/publications/assessing-access-to-justice-in-hmcts-services/assessing-access-to-justice-in-hmcts-services-december-2024)
关于延迟差异，还有一个必须认真对待的竞争性解释：更复杂的案件之所以更慢，是因为它们本来就复杂，与接收申请的界面无关。外国文件或真实争议需要审查，不能为了改善绩效曲线而删除。有些申请人依靠法律顾问，另一些则第一次接触程序。描述性比较无法隔离每个因素的影响。
但这项解释不会免除服务的责任。它只是把成功标准从“让所有案件同样快”，改成“让每一项额外步骤都可解释、确有必要，并与可用审查能力相匹配”。
现实还有另一项约束：专业人员本身也是有限资源。如果系统把每一种姓名差异都交给最高级专家，工作会在他那里堆积，自动拒答只会变成人工等待。因此，安全转交要求设计者清楚所需专业知识的种类、优先规则、各团队的案件负担，以及支持人员在案件到达专家之前能够补全什么。
2026 年 10 月，英格兰及威尔士特许会计师协会（ICAEW）在概述遗嘱认证服务用户小组与主管机构会议时转述，一些涉及遗嘱丢失或境外居住资格的案件需要专门指导，特定申请同时需要运营审查和登记官审查。[11](https://www.icaew.com/regulation/regulatory-news/regulatory-news-2026-10/hmcts-update-for-probate-firms-october-2026) 这是转述主管机构会议内容的专业来源，并非检验延迟原因的独立实验；但它说明，入口移到网上之后，专业知识并不会消失。
## 数据库里没有名字的例外
一个比许多理论讨论更新的悖论出现在 2026 年 9 月 9 日。英国司法部答复了一项有关专业案件的议会质询，说明主管机构并未在中央层面把遗嘱认证申请划分为“专业”和“非专业”，也没有足以精确说明某些案件接受专业审查时长的完整数据，例如部分遗嘱丢失或宣誓书案件。[12](https://questions-statements.parliament.uk/written-questions/detail/2026-09-01/26374)
这份答复不表示所有运营记录都不存在，也不表示机构无法处理案件。司法部还提到 2026 年开展了培训、增员和流程改进。但它揭示了一项知识边界：我们也许知道总等待时间，却不能按案件所需专业知识分离这段时间。
于是，问题在成为算法问题之前，先是一个定义问题。如果不能把复杂性类型与审查时间、审查结果关联起来，我们如何知道用人工智能分流例外是否成功？如果案例类别随界面版本变化，又如何检验修改姓名栏的影响？
需要的不是收集关于人的一切，而是一份用途受限的记录，保存暂停原因的类型、它是可补救缺失还是需要判断的问题、说明与回复及解决日期、所用渠道、审查结果。隐私应得到保护，访问应受到控制，敏感类别也不应在没有必要时成为运营团队随手传递的标签。
想象一家机构说：“我们测量每一次点击。”随后却承认，它无法告诉你一项申请要多久才能到达拥有正确权限的人手中。它精通了运动科学，却尚未定义旅程的目的地。
## 建议指标：例外承接能力
本文提出一个分析性标准，可称为例外承接能力（Exception Containment Capability）。这是本文为了管理分析提出的术语，并非已经确立的学术理论或政府标准。
所谓承接能力，是指服务能够识别非典型案例，确定其离开常规程序的原因，找到合适的人或证据，并在可理解的时限内作出有解释、可纠正的处理，不让案件在渠道之间丢失。
检验这项建议，不必把权利压缩成一个数字。可以先建立有记录的非典型案例类别，再同时追踪四项内容：
1. 分流正确性： 有多少案例第一次就被交给了正确类型的专业人员？这一点应通过独立案件样本复核。
2. 解决时长： 从发现受阻到解决的时长，其中位数和第 90 百分位是多少？尚未关闭的案件是否被正确计入？
3. 说明质量： 申请人是否理解缺少什么，能否通过自己可使用的渠道提交，法律规定的申诉权是否保留？
4. 结果正确性： 有多少决定在补充文件或独立复核后改变，导致改变的错误属于哪一类？
如果解决时间缩短，但有充分理由的申诉改判仍然很高，我们也许只是加速了错误路径。如果暂停数量下降，是因为员工不再记录暂停，我们就失去了观察能力。因此，“例外”分类也应在普通申请样本中接受检验；纸质转交的案件必须保留在分母中，不能只靠把最困难的案例移出屏幕来改善数字。
可证伪预测： 如果重新设计其他姓名的收集方式和文件指南，同时维持法定证明要求不变，那么因姓名匹配而发生的可避免暂停应当减少，相似案例的解决时间应当缩短，且日后发现的错误决定不能上升。可以比较相当的服务单元或时期，并针对案件类型与时间变化调整分析。如果结果没有改善，“栏位”假设可能不如“证据不足”或“案件复杂”这两种解释有力。
仅凭 2026 年 3 月的数据无法直接检验这项预测；那是一组跨越多年和多项运营变化的描述性数据。承认这一缺口，本身就是这个想法的一部分价值。
## 当案件值得走另一条路，谁会受益？
在沙特和海湾地区，这个想法可以作为建议，用于处理姓名存在多种写法、文件以不同语言签发，或权利跨司法辖区转移的服务；具体应用必须以每种情况当地有效规则为准。无需虚构一项现有政府计划，也能看见研究空间。
在金融机构中，核验继承人与已故客户账户之间的关系，或审查外国文件时，可能出现例外。仅做文本匹配不够，客户服务人员也不能因为姓名相似就推断处置权。例外设计的价值，是把证据送到有权审查的人那里，并准确告诉家属还需补充什么。
在保险公司中，事故发生本身也许很清楚，受益人身份或支持文件却不常见。自动决策可以检查部分数据是否完整并提示矛盾，法律或合同上的最终判断仍可能属于专业人员。受益人需要可预期的时间与看得懂的路径；机构则要防止不当支付，又不能把每项非标准申请都当作嫌疑。
董事会或监管机构在投资新的自动化服务前，可以先问三个问题：哪些案例系统有权最终决定？申请人如何获得补充足以改变结果的证据的机会？接收系统拒绝决定的案件的团队，实际容量是多少？
这些问题与英国政府服务标准相符：服务应当让每个人都能使用，包括为受数字技能或互联网接入限制的人提供支持；2026 年 9 月更新的指南也要求围绕用户需要与服务保护评估人工智能风险。[13](https://www.gov.uk/service-manual/service-standard/point-5-make-sure-everyone-can-use-the-service)[14](https://www.gov.uk/service-manual/service-assessments/how-to-apply-the-service-standard) 这些是服务设计参考，并不描述沙特的法定义务。
## 同一个姓名，栏位的意义已经改变
回到 2026 年 3 月表格中的“逝者姓名”。它看起来或许只是便于统计申请的内部代码，却暴露了一个更深的问题：同一个人可能留下字面并不一致但都真实有效的文件，也可能留下相互冲突、需要认真判断的文件。服务把二者当成同一种错误时，问题就开始恶化。
好的数字化转型不会承诺例外消失；有些例外必须保留，因为正义需要放慢速度。它承诺的是一件更精确、也更难证明的事：一个案例不会仅仅因为设计表格时无人想过它，就因其特殊而承受额外的时间惩罚。
检验标准不是有多少文件没有停顿地穿过屏幕，而是暂停的文件是否抵达正确位置，当事人是否知道发生了什么、为什么发生，以及当记录本身有误时，他是否有路可走去纠正它。
最终，栏位应当是服务中最小的东西，而不是权利人生活中最小的东西。
## 参考文献
1. 英国司法部 / HM Courts & Tribunals Service。 [Probate Reform Evaluation Data Summary](https://assets.publishing.service.gov.uk/media/69c2b4c5bd142c66ffe44388/2026-03-24_-_Probate_REDS_-_for_publication.pdf)，发布于 2026 年 3 月 26 日。82 页英国政府原始报告，分析 2019 年 7 月至 2025 年 6 月数据，是暂停比例、时长差异和受阻原因名称的主要来源。局限： 描述性研究；个人特征数据为自愿提供，且主要来自无法律代理者，不能证明因果关系。
2. HM Courts & Tribunals Service。 [Apply for probate on paper as a practitioner](https://www.gov.uk/guidance/apply-for-probate-on-paper-as-a-practitioner)，最初发布于 2020 年 10 月 29 日，更新于 2026 年 7 月 13 日。官方操作指南，列举 MyHMCTS 渠道以外的申请。局限： 适用范围为英格兰和威尔士，本文仅采用原文明确列举的例子。
3. 英国司法部。 [Family Court Statistics Quarterly: April to June 2026](https://www.gov.uk/government/statistics/family-court-statistics-quarterly-april-to-june-2026/family-court-statistics-quarterly-april-to-june-2026)，发布于 2026 年 9 月 24 日；官方统计，遗嘱认证服务部分。支持： 已发授权申请中两周与 14 周的均值，以及数字渠道比例。局限： 均值来自不同群体，行政数据库数据可被修订。
4. HM Courts & Tribunals Service。 [Assessing Access to Justice in HMCTS Services – December 2024](https://www.gov.uk/government/publications/assessing-access-to-justice-in-hmcts-services/assessing-access-to-justice-in-hmcts-services-december-2024)，2024 年 12 月；政府原始评估，“Probate”部分。支持： 自 2023 年 1 月起重新设计遗嘱状态问题，处理姓名形式差异，以及对改进成效保持谨慎。
5. Yonatan Geifman、Ran El-Yaniv。 [SelectiveNet: A Deep Neural Network with an Integrated Reject Option](https://proceedings.mlr.press/v97/geifman19a.html)，ICML 2019 同行评审会议论文。支持： 在同一训练中结合预测与拒答；不证明其在司法现场应用成功。
6. Hussein Mozannar、David Sontag。 [Consistent Estimators for Learning to Defer to an Expert](https://proceedings.mlr.press/v119/mozannar20b.html)，ICML 2020 同行评审原创研究。支持： 模型作答与转交专家之间的权衡框架；理论和实证分析基于论文任务，不是遗嘱认证服务。
7. Rajeev Verma、Eric Nalisnick。 [Calibrated Learning to Defer with One-vs-All Classifiers](https://proceedings.mlr.press/v162/verma22c.html)，ICML 2022 同行评审研究，对较早表述的校准问题提出批评。支持： 应检验专家判断正确概率与置信度校准；不证明所有转交模型都失败。
8. Tom R. Tyler。 [What Is Procedural Justice? Criteria Used by Citizens to Assess the Fairness of Legal Procedures](https://www.cambridge.org/core/journals/law-and-society-review/article/what-is-procedural-justice-criteria-used-by-citizens-to-assess-the-fairness-of-legal-procedures/19F34DE621005B70E75FF7E68E810554)，《Law & Society Review》，1988 年；美国背景下 652 名参与者的实证研究。支持： 发声、纠错和中立对程序公平感知的价值；跨国家、跨服务推广有限。
9. 澳大利亚联邦监察专员。 [Automated Decision-Making – Better Practice Guide](https://www.ombudsman.gov.au/__data/assets/pdf_file/0025/317437/Automated-Decision-Making-Better-Practice-Guide-March-2025.pdf)，2025 年 3 月；61 页官方监督指南。支持： 自动化决策中的申诉、解释与问责设计；只在其澳大利亚语境内提供指导。
10. 澳大利亚新南威尔士州监察专员。 [Administrative law and automated decision-making](https://www.ombo.nsw.gov.au/guidance-for-organisations/improving-public-administration/automated-decision-making-systems/administrative-law-and-automated-decision-making)，官方行政法指南，查阅于 2026 年 10 月；本文未确认发布日期。支持： 在新南威尔士州范围内，自动化行使裁量权的边界，以及真实审查和听取当事人的必要性。
11. Institute of Chartered Accountants in England and Wales（ICAEW）。 [HMCTS update for probate firms: October 2026](https://www.icaew.com/regulation/regulatory-news/regulatory-news-2026-10/hmcts-update-for-probate-firms-october-2026)，2026 年 10 月 22 日；有关主管机构与用户小组会议的专业报道。支持： 复杂案件例子和登记官审查要求；这是转述机构陈述的二手来源，不是独立检验。
12. 英国司法部，议会书面答复。 [Written Question 26374](https://questions-statements.parliament.uk/written-questions/detail/2026-09-01/26374)，答复于 2026 年 9 月 9 日；官方一手记录。支持： 没有统一的中央专业案件分类，也没有部分案件时长的完整数据；不意味着所有工作记录都不存在。
13. UK Government Digital Service。 [Service Standard, Point 5: Make sure everyone can use the service](https://www.gov.uk/service-manual/service-standard/point-5-make-sure-everyone-can-use-the-service)，官方政府服务设计指南，本文于 2026 年 10 月复核。支持： 可访问性、不排斥，以及为缺少网络接入或数字技能者提供支持。
14. UK Government Digital Service。 [How to apply the Service Standard](https://www.gov.uk/service-manual/service-assessments/how-to-apply-the-service-standard)，最初发布于 2019 年 5 月 8 日，更新于 2026 年 9 月 7 日。支持： 使用人工智能时应了解其风险，并确保它服务于用户需要；这是英国指南，不是沙特规则。
## 来源
作者原稿与所链接的原始资料
[来源 ↗](https://isafwan.com/zh-CN/ideas/digital-service-exception-design/#article-references-title)
已发表
## 主题
[人工智能](https://isafwan.com/zh-CN/topics/#artificial-intelligence)[数据](https://isafwan.com/zh-CN/topics/#data)[真相与认知](https://isafwan.com/zh-CN/topics/#truth)
[阅读清单 ↗](https://isafwan.com/zh-CN/archive/)
## 相关内容
[观点 / 已发表错误消失了的学徒人工智能自动化入门任务，会不会同时拿走技能形成的机会？本文比较编程、飞行、医疗和数学教育证据，并提出练习预算与专业能力再生产赤字。](https://isafwan.com/zh-CN/ideas/apprentice-without-mistakes/)[观点 / 已发表停在办公室里的速度人工智能提升个人任务速度后，如何转化为客户真正收到的服务？本文结合现场实验、组织互补性与析因设计，分析工作交接、审查成本和流程重构。](https://isafwan.com/zh-CN/ideas/enterprise-ai-productivity-organizational-change/)[观点 / 已发表迟到的签名：机器作出的决定，究竟属于谁？机器执行的决定究竟属于谁？本文从英国考试成绩危机延伸到信贷模型和金融治理，分析决策权、实际权力、人工监督与可执行纠正权。](https://isafwan.com/zh-CN/ideas/executable-correction-authority/)
[返回](https://isafwan.com/zh-CN/ideas/)