知勢 - 提供AI新知與觀點的媒體

歐盟 AI 法案第 50 條「透明度義務」正式生效，企業須標示 AI 內容全面上路

歐盟《人工智慧法案》(EU AI Act) 第 50 條「透明度義務」（Transparency Obligations）已於 2026 年 8 月 2 日正式上路。為提供與AI互動或生成合成內容的人工智慧系統提供者，以及部署者帶來新的合規義務。

可信任AI, 主權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的挑戰與突破（二）：AI 治理的多重挑戰，風險的分類與邊界該如何劃分？

當人工智慧從「輔助工具」進化為能自主判斷、執行任務的「代理人」，政府部門的治理難題也隨之升級。過去談 AI 治理，多半聚焦於資料該怎麼盤點、風險該如何分級；但當 AI 開始導入後，一個更根本、也更尖銳的問題浮上檯面：權限的邊界該畫在哪裡？一旦 AI 犯了錯，究竟該由誰負責？

生成式AI, 人物訪談, 觀點

AI 時代的「效率通膨」，如何重新定義工作價值？

AI 時代下，雖然生成式工具大幅降低了產出成本，大幅提高了工作效率，卻也導致普通工作價值的迅速稀釋。但是，企業若僅追求產出速度，將面臨隱性勞動增加、組織性耗竭以及人才培訓斷裂等三層核心危機。未來的競爭力將在於人類在判斷密度、脈絡理解與信任關係上的不可替代性。為了應對這一挑戰，企業應採取 BEGIN 策略，重新劃定人機協作邊界並將管理重點由單純的效率轉向實質的效能。最終，真正的生產力核心應是讓 AI 承擔規模化任務，進而釋放人類投入更具情感與策略價值的關鍵決策。

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。