企業建立數位信任的核心：資料治理

隨著「人工智慧基本法」通過，台灣 AI 發展邁入法制化的重要里程碑，是台灣首度以法律位階明定 AI 治理原則、架構與責任分工，強調以 「以人為本」、「風險管理」、「透明問責」 等核心價值為方向。人工智慧科技基金會董事長暨台灣數位信任協會理事長詹婷怡表示，由於法規中明確提及資料治理機制以及風險分類框架與以風險為基礎的管理規範等相關制度安排，這意味著資料治理不僅是企業合規議題，更是公共治理與社會信任的核心。

從「合規」轉向「價值創造」

「人工智慧基本法」第四條確立了隱私保護、透明可解釋、公平不歧視及問責等與資料相關的核心原則，並特別責成政府完善資料治理機制，具體包括兩大措施：首先，建立資料開放、共享及再利用機制，提升AI使用資料之可利用性，並確保資料品質與數量；其次，在AI研發與應用過程中，避免不必要的個資蒐集，並將資料保護機制直接融入系統設計中。

對此，詹婷怡強調，資料治理已非技術或法規的邊緣議題，而是建構AI安全、公平與社會信任的基礎。

面對法規要求，產業觀點也正經歷一場典範轉移。根據《2026台灣資料治理發展洞見與趨勢報告》，資料治理已從後端的技術維運，轉變為「核心策略資產」，企業必須將其視為「成本中心」，轉型為能驅動商業價值的「獲利引擎」。此外，從網路大數據中發現，關於「數位信任」的討論量已突破 3,000 萬筆，這顯示在 AI 時代，缺乏高品質、可信任資料的企業恐將面臨被市場淘汰，也凸顯資料治理不能僅止於合規，唯有建立透明、負責與可追溯的數據使用模式，方能贏得信任，進而創造價值。

三大關鍵挑戰：制度、品質、信任

儘管「人工智慧基本法」已提供AI導入應用的法源基礎，但台灣在推動實務落地時，仍面臨法規配套不足、資料品質與互操作性低落，以及數位信任體系尚未健全等三大嚴峻挑戰。

詹婷怡解釋，基本法雖確立了AI治理的上位原則，但從「原則確立」到「細則落地」仍存在時間與執行上的落差。特別是在資料共享、跨機構協作及跨境流通等關鍵領域，目前的法律框架仍缺乏清晰的操作規範與責任界定。

此外，高品質且具備互操作性的資料是AI應用的基礎，然而，多數組織在資料治理架構、資料標準化與品質控管等方面仍有待加強，這使得資料資產難以充分發揮價值。

她進一步強調，資料治理不僅是技術或企業內控層次，更攸關公眾對政府與企業的信任度。因此，建立透明的使用政策、完善倫理治理機制，以及打造跨部門、跨產業的協作平台，將是未來治理必須攻克的核心課題。

接軌國際：治理即是創新

觀察歐盟、美國、日本、新加坡等國家以及OECD等國際組織發展的國際治理，可以發現幾項共同趨勢：首先，是以人權、透明及問責為核心的治理原則；其次，則是透過風險分類或分級搭配法規框架來落實管理；最後，則是強調國際標準與合作，以確保跨境資料流通與AI的可信度。

詹婷怡認為，對台灣而言，在「人工智慧基本法」通過後，我們不僅要面對本地制度與實務落地的挑戰，更應從這些國際案例與制度安排中尋找可參考標的，既要強化法制基礎與資料治理策略，又要把握國際合作與標準化趨勢，避免在全球資料經濟與 AI 競爭中落於人後。

站在 AI 基本法通過的新起點，台灣資料治理面臨的不僅是制度改革的壓力，更是創造信任與競爭力的契機。我們應超越「最低合規」的思維，轉而思考如何在尊重權利與建立公信力的基礎上，將資料治理轉化為推動組織創新與社會共好的核心驅動力。

詹婷怡強調，無論是致力於產業AI化的「人工智慧科技基金會」、或是旨在建構數位信任產業生態系的「台灣數位信任協會」，皆將資料治理視為關鍵議題，也期待透過多方利益關係人的跨界努力，從法律、政策、技術到實務應用，共同推動台灣資料治理邁向更成熟、更可信、且更具價值的嶄新里程。