通用人工智慧模型

通用人工智慧模型（General Purpose AI Models）是指能夠在多種不同任務中展現能力的AI系統，其核心特徵是「多功能性」而非「單一用途」。根據歐盟AI Act（EU AI Act）第21條及ISO 42001人工智慧管理系統標準的定義，這些模型在訓練後可被下游應用程式以不同方式部署，因此其風險評估必須涵蓋多層次場景。與特定用途AI（如只負責翻譯的翻譯模型）不同，通用AI模型（如GPT系列）的風險是動態擴散的——其風險程度取決於最終用戶的部署方式。在風險管理框架中，通用AI模型被視為「基礎模型（Foundation Models）」，其風險評估需包含訓練數據的版權合規性、輸出內容的偏見控制、以及對關鍵基礎設施的潛在衝擊，是企業AI治理的最高優先級項目。台灣企業應關注AI基本法草案中對AI系統分類的趨勢，確保通用AI的部署符合本地法規要求。

企業導入通用AI模型需採取系統性風險管理方法，建議採取以下三步驟：第一步，建立AI使用分類清單，依ISO 42001要求將AI應用分為低風險、高風險及禁止類別，並對通用AI模型進行「用途適當性」評估。第二步，建立AI輸出驗證機制，針對文本、程式碼、圖像等不同輸出類型設定審核門檻，特別是涉及個人資料處理的場景需符合GDPR第22條及台灣個資法第19條規定。第三步，建立持續監控與應變機制，當模型輸出出現幻覺（Hallucination）或歧視性結果時，需有即時人工介入的SOP。實務案例：某台灣電信業者導入通用AI客服助手後，透過設定「高風險場景紅線」，將客戶投訴率降低40%，同時AI治理合規率在一年內提升至95%，有效避免了因AI錯誤決策導致的品牌聲譽損失。

台灣企業導入通用AI模型面臨三大挑戰：首先是「法規不確定性」，台灣AI基本法草案尚未定案，企業難以預判合規邊界。建議採取「超前部署」策略，以ISO 42001作為國際接軌的基礎框架。其次是「資料治理能力不足」，通用AI模型依賴大量訓練資料，企業需建立嚴格的資料清洗與來源追溯機制，確保不侵犯第三方著作權。第三是「AI人才稀缺」，AI治理需要跨法務、技術、業務的複合型人才。建議採取「分階段導入」策略：第一階段（0-6個月）建立AI使用政策與風險分級；第二階段（6-12個月）導入ISO 42001認證；第三階段（12個月後）建立AI風險量化監控體系。透過結構化導入，企業可在12個月內完成從零到合規的轉型。