與其不斷糾結於現有的工具或資格認證，更應該回到根本問題：企業或國家究竟要解決什麼問題、要創造什麼價值、願景（Vision）是什麼。若國家與產業未能釐清自身定位與優先順序，規劃就容易分散，最終流於「為了用而用」。因此，持續開放對話、凝聚共識，法規、制度與創新才能互補，才能建立可信任 AI 的穩固基礎。

在全球 AI 競爭加速之際，台灣雖然擁有半導體產業優勢，但這項技術並不足以直接轉化為 AI 發展能量。相較之下，台灣真正的關鍵資產其實是「信任」，從技術、應用、產品到治理所建立起來的共識基礎，不僅支撐社會運作，也為 AI 治理提供了獨特優勢。然而，信任若停留在理念層次，便無法成為治理推進的力量，唯有透過具體行動與跨部門對話機制，才能轉化為制度與實務成果。

在 2025 年台灣網路治理論壇（TWIGF）上，人工智慧科技基金會（AIF）邀請董事長詹婷怡、TWIGF 多方利害關係人指導小組（MSG）委員范菁文博士，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，聚焦於 AI 治理的制度挑戰與落地實務。

從「麥當勞理論」開啟對話並找到共識

李維斌以鴻海的經驗指出，企業在推動 AI 時，如何透過制度與組織架構定義並落實風險管理，是必須面對的難題。他特別指出，組織文化說來容易，但往往是在衝突中形成：委員會成立初期，由於AI規範牽涉許多不同專業知識，思維甚至使用語言都有差異，爭執時常發生。但隨著一次次磨合，彼此逐漸建立默契，會議效率顯著提升並容易形成共識。

「治理並非丟出一份文件就能解決，」他強調，這是一個需要時間、談判與責任劃分的過程。為了打破討論僵局，他甚至笑稱曾提出「麥當勞理論」——當沒有共識時，就先提出一個很普通的提議，因為總會有人反對、提出不同意見，就在這樣反覆的的討論中，新的意見與解決方法才會浮現。

但對許多中小企業而言，最大的焦慮仍在於台灣「人工智慧基本法」的立法進度。他們擔心沒有法律就無從依循；然而，即便立法完成，是否真能提供清晰的行動指引？這引出更核心的疑問：法律能否真正解決產業面臨的挑戰？立法的速度是否追得上技術變化？

法規不是全部：創新需要更靈活的治理

對此，詹婷怡提醒，AI 並非單純的技術問題，更牽涉到制度設計與社會價值。台灣對法律的態度本就矛盾：一方面抗拒對於創新的規範，另一方面又極度依賴法律指引。然而，立法過程漫長，新興科技的規範多半採取 light touch（輕觸式管制），避免過度壓抑創新。更何況，許多問題在現有架構下已有規範，例如資料使用與隱私權涉及的著作權與個人權益，或是 AI 語言模型的測試與驗證標準，都已能提供基本依循。換言之，企業並不需要等待專法通過才開始行動。

在治理方面同樣存在一個常見的誤解，以為聘請了AI 工程師就能解決所有問題。然而，AI 工程師的角色並不是為企業規劃方向，而是協助技術上的落地執行。若企業沒有先釐清「要解決什麼問題、要創造什麼價值」，即使擁有完整的技術團隊，也難以發揮效益。這裡也引伸出另一個問題：是否需要明確的標準來界定「AI 人才」？

范菁文提醒，與其不斷糾結於現有的工具或資格認證，更應該回到根本問題：企業或國家究竟要解決什麼問題、要創造什麼價值、願景（Vision）是什麼。若國家與產業未能釐清自身定位與優先順序，規劃就容易分散，最終流於「為了用而用」。因此，持續開放對話、凝聚共識，法規、制度與創新才能互補，才能建立可信任 AI 的穩固基礎。

至於「可信任 AI」的落地挑戰時，范菁文指出，標準制定過程本身極為關鍵，stakeholder 的參與不可或缺。然而，要在實務上推動並不容易，必須在三個方向上逐步實驗：確保 AI 朝公益發展、建立驗證機制、並在可控條件下推動創新。

結構困境：「會分工，不會合作」

李維斌進一步提醒，目前產業推動AI最大的難題之一，在於組織內部角色與責任（R&R）的釐清。長期以來習慣於代工製造業作業模式的台灣，雖強調「分工」，卻缺乏「合作」。許多跨部門議題往往推給單一部門處理，其他單位往往僅給意見便抽身，真正落實卻無人負責。跨部門協作也因績效考核侷限而難以推進，導致創新停滯。

由於曾經擔任地方政府首長，他以地方經驗為例，光是一個跨局處的案子，便常因「誰先同意」的程序就卡關，連進入實質討論的機會都沒有，更遑論落地執行與評估。無論公部門或民營企業，這些隱性結構問題若不被正視、提出解決，AI或數據治理就無法真正落地。

詹婷怡則借鏡歐盟經驗，強調「對話即治理的一部分」。歐盟在面對假訊息或 AI 議題時，會成立高層級小組，納入政府、法律、技術與人文專家共同參與，最終透過白皮書提出具體建議。反觀台灣，長期以來缺乏清楚的責任歸屬，部會之間習慣性推諉，導致治理框架難以推進。

她也呼籲，隨著 5G、6G 乃至未來的「AI 網路」發展，台灣必須積極關注 WTO、TRIPS 等既有國際架構，並逐漸在國內形成可持續的生態系。唯有建立實質對話機制，並擺脫對「標準答案」的依賴，台灣的 AI 治理才有可能真正向前。