AI Catalogue vocabulary

AI Catalogue vocabulary（AICat）是一套使用RDF（資源描述框架）和RTO（聯合參考對象）技術建立的AI系統元數據語彙集。其核心目標是解決AI系統資訊在不同組織間無法互通的問題。根據EU AI Act第49條對高風險AI系統文件化的要求，AI系統的技術文件必須包含系統功能、風險評估及風險緩解措施等資訊。AICat透過語義化定義這些資訊，使機器可自動解讀AI系統的風險類別（如：生物辨識、關鍵基礎設施管理）。相較於傳統靜態文件，AICat提供可機器讀取的「活文件」，與ISO 42001 AI管理系統標準及NIST AI RTO框架形成互補，確保AI治理資訊的互操作性（Interoperability）。

實務導入通常分為三個階段：第一階段為「語義建模」，將企業現有AI系統的技術文件轉換為AICat格式的RDF圖資料；第二階段為「自動合規檢查」，利用SPARQL查詢語句對照EU AI Act條文（如第6條風險分類規則）自動判定AI系統的風險等級（不可接受風險、高風險、有限風險、最低風險）；第三階段為「動態註冊」，將AI系統的風險指紋上傳至監管機構指定的資料庫。以一家導入此機制的台灣電信企業為例，其AI客服系統在部署前透過AICat自動識別為「有限風險」，僅需符合透明度義務（第50條），避免了誤判為高風險所產生的額外合規成本，使合規審查效率提升40%。

台灣企業導入AICat主要面臨三大挑戰：第一，人才缺口，語義網技術（RDF/SPARQL）在台灣AI工程領域普及率低，建議透過跨域培訓與外部顧問合作解決；第二，現有文件格式碎片化，多數企業使用Word或PDF記錄AI風險，需建立ETL（擷取、轉換、載入）管線將非結構化文件轉為結構化語義資料；第三，法規不確定性，台灣AI基本法尚未立法，建議優先對標EU AI Act及ISO 42001進行設計，以確保未來台灣AI法規出台時具備前瞻性。建議企業採取「先分類、後自動化」策略，首年聚焦高風險AI應用（如HR篩選、信用評分），逐步擴展至全企業AI資產清冊管理。