責任賠償

Liability（賠償責任）源於侵權法（Tort Law）概念，指因違反法律義務（如注意義務）而對他人造成損害時，必須承擔的補償義務。在AI領域，這意味著當AI系統做出錯誤決策導致用戶財產或權利受損時，開發商、部署商與使用者之間的責任歸屬問題。根據ISO 42001 AI管理系統標準，企業需建立完整的風險評估與控制措施，以證明其已盡合理注意義務。臺灣民法第184條規定，製造物之缺陷，製造人應負賠償責任；若製造人無法證明其無製造物之缺陷，仍須賠賠償。GDPR第82條則明確規定數據主體因處理行為受損時，有權向控制者請求賠償。Liability的核心在於「因果關係」的認定——損害必須能直接追溯至AI系統的特定錯誤或設計缺陷。因此，AI系統的透明度與可解釋性（Explainability）不僅是技術問題，更是降低Liability風險的法律前提。企業應建立AI風險分級機制，針對高風險AI應用（如信用評分、醫療診斷）設定更嚴格的監控與存檔要求，以應對潛在的訴訟風險。

實務上，企業應採取「識別—控制—追溯」三步驟導入Liability管理。第一步，依ISO 42001要求進行AI風險分級，識別高風險場景（如自動化決策影響個人信用或就業）。第二步，建立技術與法律雙軌控制機制，包括資料治理（Data--centric controls）與演算法審查（Algorithmic Auditing）。第三步，建立完整文件鏈，記錄AI模型訓練數據、決策邏輯與人為介入點，以供訴訟時舉證。以臺灣製造業導入AI視覺檢測為例，若AI誤判導致產品缺陷流入市場，企業需能提供訓練數據版本、模型版本與測試報告，方能主張已盡合理注意義務。導入後，企業可量化KPI包括：AI相關賠償索賠減少率（目標年降20%）、AI風險控制措施覆蓋率（目標100%）、技術文件完整度（目標95%）。這些指標能有效向董事會與保險公司證明風險控制的有效性，降低保費支出。

臺灣企業導入AI Liability管理主要面臨三個挑戰。第一，法規不確定性：臺灣AI基本法尚在立法過程中，企業難以預判具體合規邊界。對策是參考EU AI Act（歐盟人工智慧法案）作為短期合規基準，因其已成為全球事實標準。第二，技術文件缺失：許多中小企業AI應用缺乏系統性文件紀錄，導致訴訟時無法舉證。對策是依ISO 42001建立AI生命週期文件化管理，從需求定義到部署後監控均須留存紀錄。第三，責任歸屬模糊：AI供應商與企業用戶之間的責任邊界不明。對策是透過商業合約明確約定賠償責任範圍（Indemnification Clauses），並要求供應商提供AI性能保證書。建議企業在導入AI專案前，先進行60天的AI風險評估期，完成風險分級與控制措施設計，再進行正式部署，以降低初期導入成本。