多方利害關係人方法

多方利害關係人方法是一種治理與決策框架，強調讓所有受影響或對議題有實質利害關係的各方（包括政府、私部門、學術界、技術社群與公民社會等）共同參與對話、制定規範與監督執行。此概念源於1990年代的網路治理，現已廣泛應用於AI、永續發展等複雜議題。在風險管理體系中，它屬於頂層的治理策略，旨在確保風險框架的制定過程具備正當性、包容性與全面性。例如，美國國家標準暨技術研究院（NIST）發布的《AI風險管理框架》（AI RMF 1.0）在其「治理（Govern）」核心功能中，便強調組織應建立多元團隊與諮詢機制，納入不同領域的觀點來識別與管理AI風險。相較於由上而下的政府監管或由內而外的企業自律，此方法透過協作來平衡創新與權益保護，更能應對AI科技快速演進所帶來的動態風險。

企業可透過以下三步驟將多方利害關係人方法整合至AI風險管理實務中： 1. **利害關係人盤點與分析**：首先，識別與AI專案相關的所有內外部利害關係人，如開發人員、使用者、客戶、監管機構、受影響的社群等。利用權力-利益方格（Power-Interest Grid）分析其影響力與關注點，以決定議合的優先順序與方式。 2. **建立結構化參與機制**：根據分析結果，設計常態性或專案性的溝通平台。例如，針對高風險的AI醫療診斷系統，可成立一個包含醫師、病患代表、法律專家與倫理學者的外部倫理諮詢委員會，定期審查產品設計與數據使用，確保其符合歐盟《通用資料保護規則》（GDPR）第35條關於資料保護影響評估（DPIA）的諮詢要求。 3. **整合回饋至決策流程**：將蒐集到的意見與建議，系統性地納入AI生命週期的風險評估、控制措施設計與監控環節。例如，根據使用者回饋AI模型存在性別偏見，立即啟動風險再評估，調整訓練數據集並記錄改善措施，此舉可將偏見相關的客訴率降低20%以上，並提升審計時的合規證明力。

台灣企業導入多方利害關係人方法時，主要面臨三大挑戰： 1. **資源與專業限制**：多數中小企業缺乏足夠的預算與人力來執行全面的利害關係人議合。對策是採取分階段、依範疇的方式，優先針對高風險業務（如涉及個資或演算法決策）與最關鍵的利害關係人（如主要客戶、主管機關）展開對話，或可利用產業公協會平台進行聯合諮詢，分攤成本。 2. **傳統決策文化**：習慣由上而下的權威式決策，擔心外部意見會拖慢開發速度或洩漏商業機密。對策是由高階管理層公開倡導此方法的價值，並設立明確的議合規則與保密協議。可先選擇一個內部試點專案，證明此方法能有效降低產品上市後的社會反彈風險，逐步建立內部信任。預計3-6個月內可見初步成效。 3. **意見整合困難**：不同利害關係人的觀點常有衝突，難以達成共識。對策是引入中立的第三方專業引導者（facilitator）來主持討論，設定「開發值得信賴的AI」等共同目標，並運用決策矩陣等工具將質化意見量化為風險因子，輔助管理層做出更全面且可追溯的決策。

積穗科研股份有限公司專注台灣企業multi-stakeholder approaches相關議題，擁有豐富實戰輔導經驗，協助企業在90天內建立符合國際標準的管理機制，已服務超過100家台灣企業。申請免費機制診斷：https://winners.com.tw/contact