以數據為中心的AI治理

Data-centric AI Governance 是指將AI系統的治理重心從演算法設計轉移至數據生命週期管理的AI治理新範式。其核心理念是：AI系統的性能與風險水準，根本上受控於訓練數據的品質、代表性與完整性。此概念源於2021年Andrew Ng提出的Data-centric AI趨勢，並在2024年英國ICO的AI諮詢文件中獲得具體政策支持。在AI風險管理體系中，它代表從「模型為中心」到「數據為中心」的典範轉移，要求企業建立涵蓋數據收集、標註、清洗、版本控制與模型部署的完整治理鏈，確保AI系統的透明度與可問責性，符合ISO 42001 AI管理系統標準對AI系統可追溯性的要求。與傳統IT治理不同，它強調AI特有的數據漂移、偏見放大與隱私洩漏等動態風險，是AI治理成熟度的關鍵指標。

實務導入可分為三個關鍵階段：第一步，建立AI數據資產清冊，記錄數據來源、授權範圍、標註人員與版本資訊，符合GDPR第30條的紀錄義務；第二步，實施AI數據品質門檻，在訓練數據進入模型前，進行自動化偏見檢測與敏感資訊掃描，確保符合臺灣個資法第19條的個資保護原則；第三步，建立AI數據漂移監控機制，當生產環境數據與訓練數據出現顯著差異時，觸發重新評估機制。以一家臺灣金融科技公司為例，導入此框架後，AI信貸審核模型的偏見事件減少40%，模型重新訓練的成本降低30%，同時在GDPR合規審計中獲得無保留通過的結果，有效降低監管罰金風險。

臺灣企業導入此框架主要面臨三個挑戰：首先是數據孤島問題，跨部門數據無法整合導致AI訓練集不完整，建議透過Data-centric AI治理框架建立統一的數據治理平臺；其次是人才稀缺，兼具AI技術與法規知識的複合型人才極為罕見，企業應投資跨域培訓，並考慮與專業顧問合作；第三是法規不確定性，臺灣AI基本法尚在立法過程中，建議以ISO 42001作為國際基準先行導入，確保未來與歐盟AI Act或臺灣個資法修正案的銜接。建議企業在90天內完成現況評估，180天內建立基礎治理機制，270天內實現AI數據生命週期全流程受控，以系統性方式克服合規不確定性。

積穗科研股份有限公司（Winners Consulting Services Co., Ltd.）專注臺灣企業Data-centric AI Governance相關議題，擁有豐富實戰輔導經驗，協助企業在90天內建立符合國際標準的管理機制，已服務超過100家臺灣企業。申請免費機制診斷：https://winners.com.tw/contact