參與式治理

參與式治理源於公共政策領域，現已廣泛應用於科技治理，特別是人工智慧（AI）。其核心定義為一種系統性的治理框架，強調在AI系統的整個生命週期中，主動且有意義地納入多元利害關係人，包括終端使用者、受影響的社群、領域專家、開發者與監管者。此方法旨在確保AI系統的設計、開發與部署能反映多元價值觀，並有效處理潛在的社會與倫理風險。在風險管理體系中，它屬於治理（Governance）層面的核心實踐，與傳統由上而下的指令式管理不同，它是一種協作與迭代的模式。NIST AI風險管理框架（AI RMF 1.0）中的「治理（Govern）」功能便強調，組織應培養風險管理文化，並納入跨學科與多元的觀點，這正是參與式治理的精神所在。透過此模式，企業能更早識別與緩解偏見、歧視等風險，確保AI系統的公平性與社會接受度。

企業可透過以下三步驟將參與式治理應用於AI風險管理：第一，進行「利害關係人盤點與賦權」，識別所有可能受AI系統影響的內外部群體，並建立如倫理委員會、使用者回饋小組等正式參與管道，賦予他們實質影響力。第二，建立「協作式AI生命週期」，將利害關係人納入從「共同框架設定（Co-framing）」到「共同維護（Co-maintenance）」的每個階段，確保其觀點能轉化為具體設計與功能。第三，導入「影響力評估與監督機制」，與受影響社群共同執行演算法影響力評估（AIA），並建立透明的申訴與補救管道。例如，國際科技公司已開始設立外部AI諮詢委員會，讓公民社會代表參與審查高風險應用。導入此模式可顯著提升合規性，預期能降低15-20%因演算法歧視引發的客訴與潛在罰款，並提升產品的市場接受度。

台灣企業導入參與式治理主要面臨三大挑戰。首先是「資源與專業限制」，特別是中小企業，常缺乏執行深度利害關係人議合所需的人力與預算。其次是「傳統決策文化」，習慣由上而下的權威式管理，對於賦權給外部或基層人員存有疑慮，擔心拖慢開發速度。第三是「利害關係人動員不易」，要找到具代表性且願意投入時間的弱勢或邊緣社群代表，並建立信任關係，本身就是一大挑戰。為克服這些問題，建議企業可採階段性策略：初期（3個月內）可從「小規模試點」開始，針對特定產品線進行使用者訪談或焦點小組，證明其價值。中期應尋求「跨界合作」，與學術機構或非營利組織結盟，藉助其專業與社群網絡。長期則需「高層支持與制度化」，將參與式流程納入正式的產品開發SOP，並將其定位為提升企業韌性與品牌價值的核心策略，而非僅是合規成本。