
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。