從數據孤島到實證決策，台灣 AI 時代的治理解方
在 AI 時代，資料被視為創新的引擎，但對台灣產官學界而言，落實資料治理仍是一場艱難的挑戰。儘管促進資料創新利用發展條例已提供法源框架，但在實務上，各部會仍深陷「數據孤島」與「風險不對稱」的困局。公部門長期存在的法規恐懼，導致高品質資料難以跨部會流動，不僅築起行政藩籬，更阻礙精準施政與數位轉型的進程。
為盤點上述實務困境，人工智慧科技基金會日前召開專家會議，匯集產官學界代表與法律專家的實戰經驗，深度剖析數據轉型背後的關鍵挑戰。
理想與現實的撞擊，地方資料治理的推動障礙
以部分地方政府的實務觀察為例，即便內部已建置「資料治理委員會」並完備相關規範，其核心關鍵仍在於建構「數位信任」。地方政府深知，唯有確保資料利用兼具安全性與公益性，並獲得市民的信賴，資料治理方能穩健推動。在此基礎上，市府也進一步將開放資料（Open Data）視為核心數位資產，期盼透過制度化的資源釋出，賦能民間產業更具效率地利用資料。
然而，這份願景在實務執行中卻遭逢嚴峻挑戰。首先是橫亙於中央與地方機關間的「資料壁壘」。地方政府掌握第一線治理需求，但受限於民政、警政等核心資料主權歸屬於中央，行政權限的灰色地帶與機關職能邊界的模糊，常讓基層在推動資料介接時，陷入反覆溝通卻最終被拒的行政困局。
除了體制僵化，「資料品質」的參差不齊也是沉重的轉型成本。實務操作中，各系統資料格式混雜，光是「年月日」格式在西元紀年與民國紀年之間的混用，就讓資料清洗與格式轉換耗費了驚人的行政與人力成本，使得資料治理難以跨出第一步。
更棘手的挑戰來自於法律環境的變動。隨著憲法判決對個資法採行更嚴格的認定標準，地方政府在風險規避的考量下，不得不對許多具備高度公共利益的資料計畫按下暫停鍵。這種對法律風險的敬畏，雖然守住了隱私底線，卻也在無形中阻礙了創新治理的進程。
建構責任防火牆，以第三方機制驅動現代化治理
在 AI 與大數據應用的複雜流程中，技術與法律環節環環相扣，一旦發生爭議，責任歸屬往往散落在多個細微節點。若要求公務機關獨自承擔所有研發與執行風險，並不符合現實，這也是導致當前行政端傾向保守畏縮、甚至卻步的主因。
要打破這層障礙，關鍵在於善用民間專業力量，建立「第三方治理」模式。無論是 AI 服務的公正評測，還是資料處理的合規驗證，獨立的第三方機構都能扮演專業中介的角色。這不僅能確保流程的透明化，更重要的是透過第三方中介機構的參與，能有效分擔政府在資料處理與技術判定上的責任歸屬，讓流程透明化，並減輕公務員的行政心理負擔。
此外，儘管跨部會的資料流通是數位轉型的核心，但單靠政府內部協調，已難以跟上科技更迭的速度。在治理架構中引入「第三方機制」，能作為部會間的緩衝與專業技術支撐，協助縮短決策路徑。面對數位浪潮，政府不應因畏懼風險而止步，而應透過更智慧的制度設計，在流程初期便釐清權責界限，讓技術創新與資料安全並行。
醫療資料治理與 AI 創新實務：從技術、法規到架構的全面轉型
這套治理思維在資料敏感度最高、法規最嚴謹的醫療領域，顯得尤為關鍵。 過去，醫療資料主要侷限於傳統的公共衛生行政，發揮統計與監測功能；但在 AI 醫療勃發的趨勢下，資料已轉化為具備高度商業潛力與提升診療效率的關鍵資產。
因此，驅動醫療數據成功的轉型，挑戰已不再僅限於技術層面，必須從法規調適與組織架構等深層維度切入。唯有重塑醫療資料治理的新典範，才能在確保病患隱私與促進產業創新之間，取得精準的動態平衡。
在技術層次的首要任務是推動統一的資料交換標準，藉由優化處理與串接環境，徹底解決跨院、跨機關間最基礎的技術相容性痼疾。實務經驗顯示，「合法」僅是資料利用的最低門檻。在醫療領域，必須深入理解利害關係人的訴求，透過透明的溝通與雙向獎勵機制，賦予資料釋出更強的正當性與誘因。
最後，引進公私合夥（PPP）模式並設計「數據委員會」，其核心目標在於補足法規無法涵蓋的社會信任。即便在私人出資的模式下，所有決策與流程仍需具備高度透明性，藉由持續累積社會信用與聲譽，確保每一筆資料的應用都能轉化為大眾對數位治理的實質信任。
本土語料庫與文化主權的實踐
另一方面，與醫療資料面臨的合規挑戰不同，本土語言語料庫的建置核心，在於打造開源的語音辨識與生成資源，其戰略目標是賦能民間產業進行廣泛應用。
儘管國內已有台杉、台科等頂尖團隊投入大型語言模型（LLM）的研發，但台灣若要在 AI 浪潮中站穩腳步，仍需持續深化開源模型在在地文化語料上的豐富度。透過長期的資源累積，我們才能確保台灣在 AI 時代下的數位文化主權，避免在地語言與文化在技術演進中邊緣化。以目前的客語語料庫計畫為例，透過系統性的採集與標註，現已累積約 2,000 小時的高品質語音資料，為本土 AI 應用提供了厚實的文化底蘊。
然而，要在數位轉型浪潮中釋放資料潛力，並建構具備台灣脈絡的數位競爭力，除了技術突破，法制的明朗化與專業術語的共識定義，更是決定成效的關鍵指標。且實務顯示，當個資法的執行邊界越趨清晰，各行政機關在處理「非個資利用」或資料加值應用時的阻力便會顯著降低。因此，各界對於「個人資料保護委員會籌備處」寄予厚望，期待其能儘速推動法制明朗化。
另一方面，在推動資料創新與法制化的過程中，另一個隱形的挑戰是基礎術語的爭議。最顯著的例子莫過於「資料（Data）」與「數據（Data）」在台灣語境下的定義分歧。目前兩者雖常混用，但不同專業背景對其內涵卻有截然不同的認知。
部分學者（特別是具備數學、統計背景者）傾向將「數據」理解為「結構化（Structured）」的數值資料，較偏向數字統計；資訊工程（CS）與社會科學背景的學者則認為「資料」的內涵更廣，應包含文本、影像、感測訊號等所有形式的資訊。
這種定義上的模糊不僅發生在 Data 一詞，甚至能延伸至網路安全與資通安全等安全性議題，以及醫療數據與健康資料等醫療健康領域。若未能事先對齊語意，後續針對監理標準與條文的討論將極易陷入僵局。
建立跨領域的共通語言，驅動精準決策
資料治理的核心在於「一致性」。雖然在日常口語中，「數據」與「資料」難以完全切分，但在法治與技術標準中，必須確立「資料」作為整體架構的主軸。建立這套跨領域的共通語言，不僅是打破部會隔閡的基礎，更是台灣達成精準決策、在全球 AI 競賽中突圍的第一步。
為了確保法制覆蓋範疇的完整性，在資料創新利用發展條例中應採取廣義的「資料」定義，將影像、病歷、文本等皆納入範疇，而非侷限於純量數值。同時，為了提升溝通效率，應在標準條文中括註原文，讓學界與產業界有統一的遵循基準，避免行政流程虛耗在語意爭論上。
除了語意的對齊，資料治理的討論不應長期卡在「個資與非個資」的二元辯證。在實務環境中，資料往往是混雜存在的。應轉而將「風險管理」視為一套標準化流程，透過彈性的制度認定與嚴謹的技術檢測，在確保安全的基礎上，讓資料應用能合法且流暢地往前推進。針對風險的討論，人工智慧基本法中有隱晦的風險三級分級，未來應進一步制定分類框架。
最後，在實務落地上，儘管中央政府目前優先針對大型語言模型（LLM）推動評測，但民間與地方政府已有大量多樣化的 AI 產品與服務（Product & Service）投入運作。建立具公信力的「第三方驗證機制」已成當務之急。藉由導入民間專業力量，不僅能補足官方評測量能的缺口，更能建立一套客觀的檢核標準，確保多元的 AI 創新應用能在安全的框架內穩定落地，最終實現資料驅動治理的宏大願景。