高風險

高風險（High-Risk）是風險基礎方法（Risk-Based Approach）下的核心法律概念，尤其在2024年通過的歐盟《人工智慧法》（EU AI Act）中被明確定義。它並非指技術本身的複雜度，而是指AI系統因其「預期用途」對人類健康、安全或基本權利可能造成重大危害的風險等級。根據該法第6條及附件三（Annex III），高風險AI系統涵蓋八大領域，包括關鍵基礎設施、教育、就業、生物識別、執法及司法等。相較於「不可接受風險」（如社會評分，被完全禁止）與「有限風險」（如聊天機器人，僅需盡到告知義務），高風險AI系統雖被允許上市，但必須滿足最嚴格的法律要求，包括上市前的合格評定與持續的上市後監督，是企業AI治理與合規的重中之重。

企業應用高風險AI框架需遵循嚴謹的合規流程。第一步是「分類與界定」，根據歐盟AI法附件三的標準，準確判斷自家AI產品是否落入高風險範疇。第二步是「建立合規管理體系」，依據法規第9條建立風險管理系統，並依附件四要求備妥詳盡的技術文件，內容須涵蓋數據治理、演算法透明度、網路安全與人為監督機制。第三步是「執行合格評定與上市後監督」，在產品投放市場前，必須完成內部或第三方合格評定程序以取得CE標誌。上市後，需依第72條建立監控系統，持續收集系統表現數據，並在發生嚴重事件時通報主管機關。例如，一家開發醫療影像診斷AI的台灣公司，若要銷往歐洲，就必須完成上述流程，確保合規率達100%，否則將面臨高達3500萬歐元或全球年營業額7%的罰款。

台灣企業導入高風險AI合規框架主要面臨三大挑戰。首先是「法規認知落差」，歐盟AI法的域外效力對許多台灣企業而言相當陌生，不了解其適用範圍與具體要求。其次是「資源與技術門檻」，中小企業可能缺乏建立完整風險管理系統、撰寫數百頁技術文件、並持續進行上市後監控的財力與專業人才。最後是「數據品質與偏見問題」，要滿足法規第10條對訓練數據高品質、無偏見的要求，對以亞洲數據為主的模型是一大技術挑戰。對策上，企業應立即成立跨部門AI治理委員會，並尋求專業顧問協助進行法規差距分析（預計3個月內完成）。同時，應導入AI治理平台工具，自動化部分文件與監控流程，降低人力成本。在數據方面，應建立符合ISO/IEC 42001標準的數據治理流程，並在模型開發初期就導入偏見偵測與緩解技術，作為進入歐盟市場的優先行動項目。