規範探詢

規範探詢是一種源於社會科學與參與式設計的結構化方法，旨在系統性地發掘特定群體中隱含或未明言的社會規範、價值觀與期望。在AI治理領域，其核心目標是解決「AI應與誰的價值觀對齊」的難題。不同於傳統市場調查或焦點訪談，規範探詢強調透過審議式民主（deliberative democracy）的過程，讓參與者在充分資訊下，針對具體的AI應用情境進行深度對話與反思，從而萃取出更深層次的集體共識。這項實踐直接回應了NIST AI風險管理框架（RMF）中的「測繪（MAP）」功能，該功能要求組織全面了解AI系統部署的社會經濟與倫理背景。同時，它也支持了ISO/IEC 42001（AI管理體系）中對利害關係人需求與期望的鑑別要求，確保AI系統的開發與部署能預先納入多元社會觀點，降低未來產生偏見、歧視或不公平等負面社會衝擊的風險。

企業可透過規範探詢將抽象的AI倫理原則轉化為具體的營運實踐，以管理AI系統帶來的社會技術風險。導入步驟如下：第一步，「利害關係人盤點與情境定義」，首先識別受AI系統影響最深的群體，特別是歷史上被邊緣化或代表性不足的社群，並設計與其生活經驗相關的具體AI互動情境（例如：AI面試、AI醫療診斷建議）。第二步，「審議式工作坊執行」，邀請代表性群體參與由專業人士引導的結構化討論，利用AI系統的實際或模擬輸出來觸發對話，探討其決策是否公平、恰當，並記錄參與者的價值判斷與理由。第三步，「規範整合與技術轉譯」，分析工作坊的質化數據，將其提煉為一套清晰的「倫理規範」或「設計原則」，再由技術團隊將這些原則轉譯為AI模型的限制條件、訓練資料的篩選標準或模型輸出的過濾規則。例如，一家金融科技公司在開發信貸審批模型時，透過此流程發現某些數據特徵可能對特定族群構成間接歧視，進而調整模型，使其公平性指標（如Equal Opportunity）提升了15%，並成功通過第三方AI倫理稽核。

台灣企業導入規範探詢主要面臨三項挑戰：一、利害關係人代表性不足：台灣社會多元，要找到並邀請真正能代表不同弱勢群體（如新住民、偏鄉居民、身心障礙者）的參與者，並建立信任讓其暢所欲言，是一大挑戰。二、缺乏跨領域專業人才：成功的規範探詢需要兼具社會學、倫理學與AI技術知識的引導者與分析師，這類跨領域人才在台灣相對稀缺。三、成果轉譯的技術鴻溝：將質化的倫理討論成果，轉化為可被工程師理解並執行的具體模型參數、演算法規則或資料標註指南，存在巨大的知識與溝通隔閡。解決方案：針對代表性問題，企業應與在地非營利組織（NPO）、社區大學或學術單位建立長期合作夥伴關係，共同進行招募與議題設定。為解決人才荒，可優先從內部培育，選派具溝通能力的產品經理或法遵人員接受相關訓練，或尋求外部專業顧問協助。為彌合技術鴻溝，應建立由倫理專家、產品經理與AI工程師組成的常設「AI倫理委員會」，並採用「原則性文件（Constitution）」等方法，將規範寫成AI模型可直接參考的指引，預計需要6個月時間建立初步運作機制。

積穗科研股份有限公司專注台灣企業規範探詢相關議題，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