數位信任與 AI 治理雖相關，但關注範疇有本質差異。「數位信任」著重於如資料保護、系統可用性、網路協議與資安標準等技術治理層面範疇；而 AI 治理所需面對的，則是更複雜的社會與技術議題（socio-technical aspects）。

隨著人工智慧（AI）快速滲透至關鍵基礎設施與社會運作核心，如何在推動創新發展與有效風險治理之間取得平衡，早已是全球科技先進國家關注的議題，也是台灣當前必須面對的關鍵。特別是在各國紛紛提出 AI 治理框架的此刻，台灣如何結合在地實務與全球原則，構築具韌性且負責任的 AI 發展機制，將牽動台灣產業下一步發展，同時也是面對地緣政治風險、因應全球化環境劇變的重要任務。

在 2025 年台灣網路治理論壇（TWIGF）上，人工智慧科技基金會（AIF）董事長詹婷怡、TWIGF 多方利害關係人指導小組（MSG）委員范菁文、以及鴻海研究院執行長李維斌 對談，由 AIF執行長溫怡玲主持。論壇以「數位信任」與「系統韌性」為切入點，探討 AI 治理在全球數位治理體系中的角色，並從政策、社會科學與產業實務三個面向，剖析台灣在 AI 治理的挑戰與契機。

歷史視角：數位機制走向社會共識

范菁文首先回顧「數位信任」（Digital Trust）的發展脈絡，這個演進過程正好反映出數位治理思維的變化。

從1990年代中期到 2000 年初，全球網路安全機制如 PKI、SSL、TLS 等協議逐步建立，企業如微軟提出「信賴運算（Trustworthy Computing）」理念，將安全、隱私、可靠與完整性納入軟體設計核心。此後，網路安全的焦點從「防禦」轉向「韌性」，並發展出「零信任」架構，成為今日由 NIST（美國國家標準暨技術研究院）等機構標準化的主流策略。

她指出，這一趨勢最終演化為「數位信任」的概念。國際組織如世界經濟論壇（WEF）與 KPMG 提倡「生態系統層級的網路韌性」，ISACA 亦提出數位信任生態系統框架（DTEF），強調安全性、韌性與完整性並重。

然而，范菁文指出，數位信任與 AI 治理雖相關，但關注範疇有本質差異。「數位信任」著重於如資料保護、系統可用性、網路協議與資安標準等技術治理層面範疇；而 AI 治理所需面對的，則是更複雜的社會與技術議題（socio-technical aspects）。

「AI 治理不僅關乎演算法透明與可解釋，更涉及公平、問責、社會正義，以及 AI 是否加劇既有不平等。」她指出，傳統信任框架無法處理深度學習的「認知不透明性」（epistemic opacity），像是預測性警務中的偏見或醫療 AI 的錯誤分流，都是現有制度難以回應的挑戰。

企業視角：從規則信任到決策信任

李維斌則從企業實務角度指出，AI 的「信任問題」不同於傳統數位轉型。

「在數位化的年代，電腦只是依照人寫的規則執行；但在 AI 的年代，系統會自行學習、判斷、甚至做出決策，這時信任的本質就改變了。」他表示，AI 不再只是工具，而是具有主動行為的決策者，因此治理的關鍵也從「規範」轉向「互信」。

企業追求創新價值，但創新與規範之間的矛盾，需要透過制度化的治理機制加以調和。李維斌舉例，鴻海設立 AI Governance Committee（AI 治理委員會），正是為了在創新與標準之間取得平衡。

他回顧，委員會成立初期跨部門意見分歧，衝突頻繁，但也促成更深層的理解與合作。「資料與知識的流動，不是單靠流程（procedure）就能解決，」在這樣的過程中他發現，很多隱性知識存在於人的經驗與對話中，只有在可信任的環境裡，大家願意坐下來充分交流，這些知識才能被轉化與傳遞。

這種互信文化的建立，正是企業治理的關鍵。李維斌指出，治理問題不可能靠單一技術、單一流程或單一人員解決，一定需要不同背景的人共同參與。但跨領域溝通並不容易，因此標準（standard）是一種「共同語言」，透過明確定義術語與規範，讓各方能在同一個基礎上溝通，減少誤解與衝突。

AI 的導入同樣充滿不確定性。企業環境具有高度動態性，多數公司仍在摸索如何調整組織結構與文化。「AI 的導入需要大量溝通與磨合，不同企業不可能用同一套方法就成功。」李維斌坦言。

他進一步指出，AI 專案失敗的原因，往往不在技術，而在組織能力與文化落差（capability gap），「很多時候，信任的問題不是 AI 技術不好，而是組織內部的落差沒有被彌補。」

對台灣中小企業而言，這尤其是一項挑戰。中小企業數量龐大，但資源有限、結構鬆散，若無法選擇合適的技術與工具，就容易誤以為「AI 難導入」「AI 不實用」。實際上，問題並非出在技術，而是缺乏正確的導入策略與治理方法。

「AI 導入的每一環節都牽動信任，而信任的缺口最終會轉化為治理的挑戰。」李維斌總結，「唯有透過制度化的治理、跨部門的協作與文化上的信任重建，AI 才能真正成為企業創新的助力，而非風險的來源。」

治理視角：從標準答案走向對話機制

詹婷怡進一步回應，AI 治理需要跳脫「追求標準答案」的思維。

「在台灣，我們習慣凡事要有明確答案，但在多層級、跨領域的科技治理中，往往不存在單一、立即有效的解方。」她強調，治理並非尋求終點的標準答案，而是一個過程：透過制度化的程序、資訊共享與協商機制，讓不同利害關係人能共同界定問題、逐步形成共識。即使無法立即解決，也能在持續的對話中推動改善。

她指出，當前許多科技術語仍在發展中，例如國際間對「AI 安全（Safety）」與「資安（Security）」的界線即是典型例子。前者著重於「非蓄意風險」——如演算法錯誤與模型偏差；後者則聚焦於「蓄意攻擊或濫用」。這些概念的邊界並非一成不變，而需透過跨領域對話與實務驗證，在實踐中逐步釐清。

所以AI時代的治理，詹婷怡認為比較好的認知是，「一套制度化的程序與方法，更是一個持續解決問題的過程。」其價值不在於立即找到答案，而在於建立一個讓不同利害關係人能夠共同界定問題、交換資訊、協商討論的機制。

未來展望：以信任為核心的治理藍圖

詹婷怡表示，當前全球正處於數位轉型與 AI 浪潮的交織之中，同時面對地緣政治、氣候異常等帶來劇烈變化的風險。企業不僅需要重新定義營運模式與競爭策略，更需思考如何在新的生態環境中創造價值。

在生成式 AI 的時代，資訊的傳遞、利用與結果已全面改變，這背後牽動的不只是技術，更是 營運模式、社會信任與治理結構。AI 已不再只是工具，而是驅動產業鏈重組的力量。

這樣的環境下，風險管理與韌性建構成為核心議題。企業必須學會界定、衡量、承擔並分散系統性風險，特別是在安全（security）與隱私（privacy）領域，若無法制度化治理，便無法建構 Responsible AI 與 Trustworthy AI。

同時，數位攻擊與法規遵循雖常被視為「成本」，卻能反過來成為提升效率、增強安全與支援決策的契機。換言之，風險不僅是挑戰，也是價值創造的來源。

詹婷怡強調，唯有透過制度框架、跨界協作與文化信任，才能建構台灣的 AI 治理藍圖。數位信任不是單純的技術語彙，而是一種理念與宗旨，最終將轉化為標準、法規與國家治理模式。