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？
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。
可信任AI, AI治理, AI治理框架, 觀點 詹婷怡：建構 AI 治理框架迫在眉睫，跨域對話平台為基礎 台灣面臨專業人才不足及缺乏有效的跨領域對話兩大挑戰，以致治理與產業推動間出現落差。AIF的角色正是要補足這些缺口，建立對話平台，推動產官學研之間的交流，並以前瞻思維協助台灣在 AI 治理與資料治理上形成清晰定位。
