高風險AI應用

「高風險AI應用」是源自歐盟《人工智慧法案》（AI Act）的核心概念，採取風險基礎方法進行監管。其定義為，當AI系統被用於特定目的或作為特定產品的安全組件時，其失效或不當運作可能對個人的健康、安全或基本權利構成重大威脅。該法案第6條與附件三（Annex III）明確列舉了八大高風險領域，包括：關鍵基礎設施、教育與職業培訓、就業與勞工管理、公共服務、執法、移民與邊境管理、司法等。在風險管理體系中，這類應用被置於最高監管層級，與「不可接受風險」（禁止類）及「有限風險」（需盡透明度義務）的AI系統有明確區隔。企業開發或部署高風險AI應用前，必須執行嚴格的符合性評鑑（Conformity Assessment），建立並維護符合ISO 31000精神的風險管理系統，確保資料品質、技術穩健性與使用者監督機制，並在歐盟資料庫進行註冊。

企業應將高風險AI應用的管理整合至現有風險管理框架中。第一步是「識別與分類」，建立完整的AI應用清冊，並依據歐盟《人工智慧法案》附件三的標準，系統性地篩選出所有高風險應用。第二步是「建置風險管理系統」，針對識別出的高風險應用，依據法案第9條要求，建立一個貫穿AI生命週期的持續性風險管理流程，此流程應參考ISO/IEC 23894:2023（AI風險管理）標準，涵蓋風險識別、評估、控制與監控。第三步是「文件化與治理」，備妥法案附件四要求的技術文件，建立高品質的資料治理框架，並指派專人負責合規監督。例如，一家台灣金融機構若使用AI進行信用評分並服務歐盟客戶，其模型即屬高風險應用，必須確保演算法的公平性與可解釋性，並通過符合性評鑑。導入此流程可將法規遵循率提升至99%以上，並將演算法偏見導致的客訴事件降低超過25%。

台灣企業導入高風險AI應用管理面臨三大挑戰。第一，「法規認知落差」：歐盟《人工智慧法案》具境外效力，但台灣尚無對應的AI基本法，導致企業對合規要求不熟悉。第二，「資源與人才限制」：中小企業普遍缺乏建立複雜風險管理系統所需的法律專家、AI倫理師與預算。第三，「資料品質與偏見」：取得高品質、無偏見且具代表性的訓練資料，是技術與治理上的一大難題。對策上，企業應成立跨部門的AI治理委員會，優先對標歐盟法規進行差距分析。其次，可尋求外部顧問的協助，導入自動化治理、風險與合規（GRC）工具，降低人力成本。最後，應建立基於ISO/IEC 25012（資料品質模型）的資料治理流程，並定期執行演算法偏見稽核。建議優先行動項目為完成AI應用清冊盤點與風險分類，預計時程為三個月內。