知勢 - 提供AI新知與觀點的媒體

主權AI, 可信任AI, 資料治理, AI治理, AI治理框架, 人工智慧, 趨勢

從中央指引到地方落地（一）：AI 治理的多重挑戰，情境與用途是關鍵

隨著《人工智慧基本法》今年1月正式施行，數位發展部已依法在7月公布《人工智慧風險分類框架》，資料治理相關指引則仍在研擬階段，台灣的AI治理架構正逐步成形。然而，當AI浪潮席捲公部門，地方政府與第一線實務單位在推動治理落地時，卻正經歷著轉型陣痛。從跨局處的資料盤點、AI與既有工作流程的整合，以及時程與預算壓力之外，更要面臨專業人力不足、權責劃分不清等現實考驗，政策落地的真正挑戰才正要開始。

產業案例, 人力資源, 數位轉型, 觀點

零售業AI轉型輕策略讓個人生產力成為組織競爭力

只要問對幾個關鍵問題，幾乎每個部門都能篩選出屬於自己的AI專案，無論是個人、部門或公司層級都適用。但真正的挑戰在於下一步：當個人成為成功的AI使用者後，主管該如何把這份能力，轉化為整個部門、乃至整間公司都能複製的組織能力？

產業案例, 數位轉型, 觀點

一年帶動來客數4倍成長：詠鑠生活的零售業 AI 轉型案例

面對市場上五花八門的AI神話，多數中小企業主心中浮現的第一個問題，往往不是「該不該做」，而是「我們有錢、有人、有時間做這件事嗎？」在資源有限的現實下，AI轉型聽起來像是大企業的專利。然而，一家不到20人、深耕餐飲原物料供應鏈的B2B企業，卻用一年時間證明了另一種可能：轉型不需要龐大預算，也不需要等到萬事俱備才出發。

生成式AI, 人力資源, 技術解析, 技術

下指令叫 AI 公平篩選履歷表？無效！

過去，企業導入人工智慧篩選履歷卻引發歧視爭議的事件仍歷歷在目。如今，在生成式 AI 盛行的時代，企業無不希望藉由大語言模型（LLM）與自動化決策演算法，實現從海量履歷篩選到跨國資源配置的高效管理。然而，大型語言模型除了可能讓企業的決策趨向一致外，也可能創造出更多偏見。

AI治理, 人工智慧, 趨勢

MIT公布五大AI風險，恐釀百萬人死亡級災難

麻省理工學院未來科技實驗室（MIT FutureTech）與昆士蘭大學（University of Queensland）共同發布《人工智慧風險優先排序》研究報告，報告指出，未來五年內最可能造成嚴重損害的五大風險依序為：危險能力、競爭壓力、武器與網路攻擊、權力集中，以及虛假資訊。報告也指出，資訊與金融產業對此尤為脆弱；而最容易受到這些風險衝擊的個人與組織，往往缺乏足夠的應對能力。