新創, AI治理, 資服業, 產業案例, 觀點 智能演繹推出 TrustAI， 為企業AI風險加上安全鎖 企業對 AI 資安與治理的需求日益提升，市場上卻缺乏能協助管理的工具。因此，他著手打造 TrustAI，讓企業能在兼顧資料安全、合規治理與營運效率的前提下，將生成式 AI 轉化為可執行、可管理、可擴充的商業應用。
AI治理, 蔡博探路, 觀點 《AI 趨勢-蔡博探路》從 AI 到 SI：代理走進日常，管控追得上嗎？ AI 該怎麼管，各方爭議還沒有定論，但是名稱倒是先換了，從Artificial Intelligence改成Superintelligence？！AI 公司們和白宮簽署協議，自願接受外部監管，協議名稱裡已經看不到「AI」，取而代之的是「超級智慧」。這個名稱的更換，只是修辭上的選擇，還是一種預告？除此之外，最近AI界又有哪些變化呢？
AI治理, 蔡博探路, 觀點 《AI 趨勢-蔡博探路》科技巨頭集體喊慢，背後各有盤算 最近 AI 圈出現一個耐人尋味的現象：前沿 AI 業內人士開始公開呼籲放慢發展腳步。先是Anthropic 研究員在社群上發表辭職聲明，直指各大實驗室是在「gambling with our lives」；隨後，Anthropic 執行長 Dario Amodei 發表〈We Must Pace the Frontier〉，呼籲產業放慢前沿模型的能力提升速度。對此，NVIDIA 執行長黃仁勳的回應也相當直接：如果真覺得自家 AI 快要失控，那就自己先停下來。
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。
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。
AI治理, 策略觀點, 觀點 企業AI治理只是一場秀？三個問題見真章 每家公司都說自己在「治理 AI」，如果你問企業的高階主管:「貴公司有在治理 AI 嗎?」幾乎每一位都會給你肯定的答案。但當某個 AI 模型做出不該做的事，誰有權力叫它停下來？這不是「誰會被通知」，也不是「誰負責寫事故報告」。而是誰擁有足夠的組織地位、授權範圍，乃至於「不怕丟工作」，能夠走進會議室說出：「我們現在就把這個系統關掉。」
主權AI, AI治理, AI City, 趨勢, 人工智慧 資料孤島、法規滯後與 SI 能力缺口，AI City三大核心挑戰 人工智慧科技基金會於月初召開專家會議，邀集產官學研各界領袖，針對當前台灣推動轉型時的核心痛點，包括資料開放、算力分配及跨局處協作等轉型痛點，試圖在數位轉型的下半場，為台灣勾勒出更具競爭力的生態系藍圖。
AI治理, 策略觀點, 觀點 減法思維：讓民眾有感的 AI 治理 這個問題之所以重要，是因為政府與企業面對的是截然不同的任務性質。企業可以聚焦最有價值的客群、以效率與獲利作為優化方向，轉型成果最終反映在財務數字上。
