在美国学者看来，这一危机根源于经济发展模式的变化，根源于围绕着工业化时代的监管问题和监管能力而设计的行政法未能及时向信息化时代转向。
根据算法规制的场景化原则，[77]计算失信可能性及其危害程度的信用算法必须符合具体场景、具体领域下风险管控的需求，必须依托失信风险的类型与领域而类型化、具体化。默认甚至鼓励市场主体基于信誉逻辑实施声誉制裁，并将之作为行政黑名单与通报批评等声誉罚的有机组成部分，在实质上破坏了行政处罚权的国家垄断性。
[81]又如，为避免过度影响个人生计、抑制创新与发展的反效果，个人信息若是并未严重至须提示他人注意交易、交往风险的地步，是否进入信用档案，值得审慎考量。其是如何表征、赋值、呈现个人信息的。[59]在算法驱动下，法律的介入路径将由行为后转向行为前，即由聚焦如何修复和恢复社会转向如何规训和塑造社会，由裁断行为后果前移为塑造行为逻辑，也就是前移到对社会关系架构的建设上来。难以解决由此带来的过惩失当、救济无力问题。它们都应当被利用以决定信用奖励还是惩戒。
为何其采用的算法是最为优化、包容的算法。二、服务于资源配置风险之管控的失信惩戒 要避免上述困境，应当回归失信惩戒的本源，从管控、规避失信风险而不是制裁失信的角度来理解、建构失信惩戒。但基于失信惩戒的数据治理手段的本质、风险管控属性及其社会性，还是可以从信用算法而非失信惩戒行为入手，以信用算法为中心建构法治化失信惩戒的大致框架。
参见陈兴良：《本体刑法学》，商务印书馆2001年版，第850页。[61]参见虞青松：《算法行政：社会信用体系治理范式及其法治化》，载《法学论坛》2020年第2期，第36—37页。但是，由于信用信息服务于信用算法的运作，因此，对信用信息的规制可以纳入信用算法的规制。[10]参见彭錞：《失信联合惩戒制度的法治困境及出路——基于对41份中央级失信惩戒备忘录的分析》，载《法商研究》2021年第5期，第55页。
[28]一旦信用得以修复，失信惩戒措施就应该减少或降低烈度，但这一逻辑无法协调处罚化的失信惩戒。[45]因此，发达国家和地区通常并不特别详尽地规定信用联合激励和联合惩戒的具体法律规则，而更多地留给市场经济主体根据交易的情况去实施信用激励和信用惩戒。
[75]正如有论者指出的，一个人偿还贷款的相对能力可能取决于多种因素，而一个更细致的、能整合更广泛的数据的模型，至少可以解决包容性不足的问题。故此，仅仅从客观效果出发将市场主体的失信惩戒理解为提高失信主体交易成本，无法解释市场主体参与失信惩戒的动力，进而难以作出针对性设计以促成联合惩戒机制。在传统信用评估中，不独违法、违约信息，企业的品德（character）、资本（capital）、能力（capacity）、抵押（collateral）方面的信息，能够对企业偿付能力产生影响的社会经济发展趋势与特定发展和变动情况（condition）信息，个人身份、信贷与公共事业缴费信息、公共记录即遵纪守法信息、就业信息与消费信息，都属信用信息。比如，食药监督管理部门根据《关于实施餐饮服务食品安全监督量化分级管理工作的指导意见》（国食药监食〔2012〕5号），用大笑微笑和平脸三种卡通形象在餐饮服务单位显著位置显示餐饮服务食品安全等级，但消费者往往并不关注，实际效果很不理想。
[14]参见彭錞：《失信联合惩戒制度的法治困境及出路——基于对41份中央级失信惩戒备忘录的分析》，载《法商研究》2021年第5期，第56页。与之相应，信用评级不能跨风险区域而适用，不得具有跨区域效力。但问题不在于法律道德化，因为法律就是最低的道德，问题在于诚信这一美德难以法律化。一言以蔽之，只能在发展中解决失信惩戒的法治化问题。
（二）难以满足公民权利救济需要 《纲要》提出，要使失信者一处失信，处处受限。有些学者提出失信惩戒要奉行谦抑原则。
[70]参见《美国公平信用报告法》（FCAR）第1681条a款。[72]一方面，道德化意味着制裁。
这意味着，信用算法不能停留在一刀切式的有违法、违约行为就认定失信的层次，也不能驻足在首次违法不算失信这种简单处理的层次，更不能满足于传统的违法、违约风险计算模型。有学者考证指出，信用曾一度只适用于信贷领域，意指可以先获得贷款之后再还的能力。[52]也就是说，市场主体不仅通过失信惩戒规训参与资源配置的主体，使其不敢、不能失信，还会提供各种信用信息便于包括行政机关在内的资源配置主体实施惩戒。[23]参见梁馨：《餐馆分级形同虚设》，载《美食》2012年第7期，第49页。虽然该法旨在保障个人信息权益，但也可以用于规制失信惩戒，因为失信惩戒建基于对个人信用信息的收集与处理。[15]这一理由显然难以勾连失信与违法。
基于这一逻辑，社会信用体系无需区分守信、失信信息，只需将各种依法可供查询的信息归集到信用数据库即可。传统失信惩戒的规制路径就是审查信用信息的真实、准确与否，如《美国公平信用报告法》的主旨之一就是确保消费者免受不准确信息的影响。
[80]过度收集不仅于事无补，还会放大个人信息泄漏的风险，并为过度复杂的算法提供不透明、不负责的借口。这是因为行政机关所面临的风险虽然很多，但不同机关所面临风险不一样，同一机关的不同交易类型所面临的风险也不一样。
[93]换言之，被信用算法困住的，不能仅仅只是被算法评估的相对人，还必须包括算法适用者本身。一方面，信用算法不仅是国家治理社会、规训公民的新工具，也是监督政府与平台的工具。
这个矛盾已有学者指出，为此，其将违约行为剔除出失信行为阵营。不仅从业禁止、缔约资格排除等当下信用立法中的主流失信惩戒类型，被归为行政处罚中的资格罚，而且类似于黑名单的通报批评等声誉类惩戒，也被归为行政处罚中的名誉罚。[68]参见马长山：《数字时代的法律变革与权利保护》，法律出版社2021年版，第124页。[74]这就意味着信用算法必须更具包容性，以最大化保留交易自由、扩张交易机会为倾向，否则就可能导致系统性的歧视与不公平对待。
比如，一个交通违章的小店主未必是惯于以次充好的奸商，一个沉默寡言不善沟通的司机也可能是面冷心热的好汉。我国地方信用立法规定基础信息、良好信息、失信信息和其他信息，不只规定失信信息，[36]正是因为这些信息都有助于科学评判交易风险。
[38]Mikella Hurley Julius Adebayo, Credit Scoring in the Era of Big Data,18 Yale Journal of Law and Technology 148,151(2016). [39]关于社会性制裁，参见[日]佐伯仁志：《制裁论》，丁胜明译，北京大学出版社2018年版，第6页。一切资源配置主体都可以根据各自风险管控需求，各取所需信用信息，自行判断失信风险，进而决定是否实施失信惩戒，并基于相同需求形成特定交易领域的自发性社会联合惩戒。
[8]林均跃指出，失信惩戒是由数字驱动的机制，在社会信用体系的信用信息基础设施和信控服务业的共同支撑下运行。当然，规制信用信息也是规制信用算法的重要路径。
[50]参见美国《公平信用报告法》（FCAR）第1681条b款。默认甚至鼓励市场主体基于信誉逻辑实施声誉制裁，并将之作为行政黑名单与通报批评等声誉罚的有机组成部分，在实质上破坏了行政处罚权的国家垄断性。[65]总之，传统行政行为合法性机制对其无从下手、无法评判。信用算法 自2014年国务院出台《社会信用体系建设规划纲要（2014—2020年）》（国发〔2014〕21号）（以下简称《纲要》）以来，失信惩戒在社会治理领域迅速扩张。
对此，早有学者指出：单靠政府制定法律对严重不讲信用构成犯罪的予以打击，已被多年的实践证明并不十分有效，在中国的民法、合同法和反不正当竞争法中都有诚实守信的法律原则，刑法中更有对诈骗等不讲信用的犯罪科以重刑的规定，但都不足以消灭不讲信用的违法和犯罪活动。正因为如此，无论是2014年国务院颁布的《纲要》，还是2022年3月29日中共中央办公厅、国务院办公厅印发的《关于推进社会信用体系建设高质量发展促进形成新发展格局的意见》，都是从交易安全维度来理解信用的功能与意义的。
[17]如有学者认为，如果将违法行为人的相关信息在特定范围内予以公布，将其行为纳入社会诚信体系记录中，让了解相关信息的单位或者个体对该行为人的信誉产生质疑，那么该行为人必然会对这样的处罚有所畏惧。[46]王伟等：《企业信息公示与信用监管机制比较研究：域外经验与中国实践》，法律出版社2020年版，第21页。
[58]拉里·卡塔·巴克尔（Larry Catá Backer）更是明确指出，随着新的数字技术日益弥漫、支配经济生产乃至相应的上层建筑，一种全新的数据驱动的治理机制会取代过往的法律机制：在这个新世界中，旧式的法律、国家和秩序可能会有一席之地，但它必然会让路给以测量、评估和激励为基本意识形态的制度体系。[48][美]康芒斯：《资本主义的法律基础》，戴昕等译，华夏出版社2009年版，第5、87、77页。
