通用型人工智慧模型

通用型人工智慧模型（General-purpose AI models）是指具備多功能性，能執行多種不同任務的AI系統，而非為特定用途設計的專用AI。根據歐盟AI Act（Regulation (EU) 2024/1689）第2條，此類模型不限於特定應用場景，其能力可被重新配置於多種用途。ISO/IEC 42001人工智慧管理系統標準將此類模型納入AI系統生命週期管理範疇，要求企業在部署前評估其潛在危害。與專用AI（Narrow AI）不同，通用AI模型因其廣泛適用性，若未受控，可能在多個應用場域同時觸發不同法規義務，如GDPR個人資料保護與AI Act的風險分級要求，因此是企業AI治理的最高風險領域。臺灣AI基本法草案亦將AI系統的通用性納入監管考量，企業必須建立跨場景的風險識別機制，以符合臺灣AI基本法與國際趨勢的雙重要求。

企業導入通用AI模型需遵循系統性風險管理框架，建議採取以下三步驟：第一步，AI用途分類與風險分級，依據ISO/IEC 42001與EU AI Act要求，將AI應用分為不可接受風險、高風險、有限風險與最低風險四級，並對通用AI模型進行能力評估，確認其是否具備多用途潛力。第二步，建立AI治理委員會，包含法務、IT、業務與風險管理部門，針對不同業務場景（如HR招聘、客戶服務、程式開發）分別評估AI模型的輸出風險，確保符合臺灣個資法第19條及第20條的個資處理原則。第三步，建立持續監控機制，因為通用AI模型存在「漂移（Drift）」風險，模型行為隨時間演變，需定期檢核輸出一致性與偏見問題。實務上，臺灣製造業導入通用AI輔助設計時，需在90天內完成AI風險分級評估，預計可降低30%的合規違規風險，並提升AI治理成熟度達40%以上。

臺灣企業導入通用AI模型主要面臨三個挑戰：首先是法規不確定性，臺灣AI基本法尚未正式立法，企業難以精確對接國際合規標準，建議採用ISO/IEC 42001作為啟動基準，以國際標準為基礎建立AI管理系統，確保未來法規落地時具備可追溯的治理基礎。其次是AI人才與資源稀缺，通用AI模型的風險評估需要跨領域人才，建議採取「外部專家輔導+內部人才培育」雙軌模式，在6個月內建立AI治理團隊，預計可提升AI專案上線效率25%。第三是資料治理與隱私保護的衝突，通用AI模型訓練與推論涉及大量企業資料，違反臺灣個資法第19條者將面臨最高300萬元罰鍰，企業應建立資料脫敏（Data Masking）與聯邦學習（Federated Learning）機制，在不洩露原始資料的前提下利用AI模型，確保AI應用符合GDPR與臺灣個資法的雙重合規要求。

積穗科研股份有限公司（Winners Consulting Services Co., Ltd.）專注臺灣企業General-purpose AI models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AI管理機制，已服務超過100家臺灣企業，成功協助客戶通過ISO/IEC 42001認證，降低AI應用合規風險達50%以上，確保AI投資的商業價值與法規安全並重。申請免費機制診斷：https://winners.com.tw/contact