以人為本的人工智慧

以人為本的人工智慧（HCAI）是源於「以使用者為中心設計」的進階理念，專注於應對AI的自主性與複雜性。其核心定義為：在AI系統的設計、開發、部署及監管全生命週期中，始終將人類的福祉、權利與價值觀置於首位，確保技術是用於增強而非取代人類能力。根據NIST AI風險管理框架（AI RMF），「以人為本」是可信賴AI的關鍵特徵之一，強調AI系統應具備公平、透明、可解釋與可究責性。在風險管理體系中，HCAI不僅是設計原則，更是關鍵的風險控制措施，用以預防演算法偏見、歧視與侵犯隱私等重大倫理與合規風險，其關注範圍從單一使用者擴展至所有受影響的利害關係人與整體社會。

企業可透過三步驟應用HCAI於風險管理：第一，執行「AI影響評估（AIIA）」，依據NIST AI RMF指引，系統性地識別與評估AI系統對個人與社會的潛在衝擊，特別是偏見與公平性風險。第二，建立「人類監督機制」，依循ISO/IEC 42001對人類監督的要求，在高風險決策場景（如金融授信）設計有效的「人在迴路中（Human-in-the-loop）」流程，確保最終決策權歸於人類。第三，落實「透明度與可解釋性」，採用XAI技術，確保演算法決策過程可被理解與審計，以符合GDPR對自動化決策的解釋權要求。例如，台灣某金融機構導入此框架後，其AI信貸模型的客訴率降低了15%，並順利通過年度內部稽核。

台灣企業導入HCAI主要面臨三大挑戰：一、法規環境不明確，缺乏如歐盟AI法案的具體指引，使合規目標模糊。二、跨領域人才稀缺，極度缺乏兼具AI技術、法律倫理與商業知識的專家。三、數據治理不成熟，訓練數據中潛藏的歷史偏見易導致AI決策不公，引發歧視風險。對策建議：針對法規挑戰，應主動採納NIST AI RMF與ISO/IEC 42001等國際標準，建立內部AI治理框架（預計6個月）。為解決人才問題，應成立跨部門的AI倫理委員會，並尋求外部專家協助，同步展開內部培訓（優先行動）。對於數據偏見，應立即導入數據偏見審計工具，對高風險應用進行系統性檢測與修正（優先行動）。