多層次治理

多層次治理（Multilevel Governance）源於政治學，原指在歐盟等多層級政治體系中，跨越國家、區域與地方層級的權力分享與共同決策過程。近年此概念被應用於AI等複雜科技的治理。其核心定義為：一個涉及政府（國際、國家、地方）、私部門（企業、產業公會）與公民社會（非政府組織、學術界、個人）等多個層級利害關係人，透過持續互動、協商與共同行動，以管理風險、建立規範的動態治理框架。 在風險管理體系中，它扮演著整合內外部規範的橋樑角色。不同於由上而下的單向監管，或企業單純的內部自律，多層次治理強調利害關係人之間的協作。此框架的實踐，有助於企業落實NIST AI風險管理框架（AI RMF 1.0）中對「多元觀點」與「持續監控」的要求，並與ISO/IEC 42001人工智慧管理系統標準所倡導的「利害關係人議合」精神相符。對台灣企業而言，這意味著除了遵守《個人資料保護法》等國內法規，還需主動與主管機關、供應鏈及使用者社群溝通，共同形塑負責任的AI生態系。

企業可透過以下三步驟，將多層次治理應用於AI風險管理實務中： 1. **利害關係人盤點與溝通機制建立：**首先，企業需繪製其AI產品或服務的利害關係人地圖，識別所有相關層級的參與者，例如台灣的主管機關（數位發展部、金管會）、產業公協會、技術供應商、下游客戶及終端使用者代表。接著，針對不同群體建立常態性的溝通管道，如定期舉行法規說明會、使用者回饋問卷或產業標準工作坊。 2. **整合性治理架構設計：**依據NIST AI RMF的「治理（Govern）」功能，在企業內部成立跨部門的「AI倫理與風險委員會」，成員應包含法務、技術、產品、行銷等部門代表。此委員會負責將外部法規要求（如歐盟AI法案）、產業標準與公眾期望，轉化為具體的內部政策、開發準則與控制措施，確保全公司遵循一致的風險管理標準。 3. **透明度報告與回饋循環：**建立對外的透明度報告機制，定期揭露AI系統的風險評估結果、關鍵決策邏輯、偏誤緩解措施及對社會的影響。例如，某國內金融機構為其AI信貸審核系統發布年度倫理報告，並設立申訴管道。導入此框架後，該系統的申訴案件在一年內減少了20%，並成功通過主管機關的金融科技專案審查，合規率提升至100%。

台灣企業導入AI多層次治理時，主要面臨三大挑戰： 1. **法規破碎化與變動性高：**台灣AI核心法規（如AI基本法草案）仍在研議階段，且相關規範散見於不同主管機關（如數位發展部、金管會、國科會），缺乏統一標準，導致企業合規成本高且方向不明確。 2. **中小企業資源與人才匱乏：**建立專責的AI治理團隊、導入NIST或ISO等國際框架，需要大量的資金與具備跨領域知識（法律、技術、倫理）的專業人才，這對佔台灣企業絕大多數的中小企業構成高度進入障礙。 3. **社會信任基礎薄弱：**跨層級協作仰賴政府、企業與公眾間的互信。然而，台灣社會對企業如何蒐集與運用個人資料普遍存在疑慮，加上演算法「黑盒子」問題，使得建立有效的公眾參與和資料共享機制充滿挑戰。 **對策：** 企業應採取階段性策略。初期可先成立跨部門的虛擬任務小組，不必立即設立正式部門。優先採用如ISO/IEC 42001等提供具體指導的管理系統框架，作為內部治理的起點。同時，積極參與產業公協會，透過集體力量向政府提出政策建言，共同形塑產業標準與最佳實踐。預期在6至12個月內可建立初步治理框架，並逐步深化與外部利害關係人的合作。