理解的六個面向

「理解的六個面向」（Six Facets of Understanding）是由教育家Grant Wiggins與Jay McTighe提出的概念框架，用以定義和評估深層次的理解。它主張真正的理解超越表面知識，體現在六個維度上：解釋（Explanation）、詮釋（Interpretation）、應用（Application）、觀點（Perspective）、同理心（Empathy）與自我認知（Self-Knowledge）。在人工智慧（AI）治理的脈絡下，此框架被應用於評估AI系統解釋的有效性。僅提供技術性輸出（如特徵重要性）不足以構成真正的理解。此框架提供了一套結構化方法，用以檢驗使用者、監管者與受影響者是否能從多個層面真正理解AI的決策邏輯、潛在偏見與影響。這與NIST AI風險管理框架（AI RMF）中對「可解釋性與可詮釋性」（Explainability and Interpretability）的要求一致，該框架強調解釋應為「與使用者相關、易於理解且有意義」，確保AI系統的透明度與可信賴性。

在企業AI風險管理中，應用此框架能確保AI系統的透明度不僅是技術達標，更是利害關係人真正可理解的。導入步驟如下：第一步，定義溝通目標與對象，針對不同利害關係人（如內部稽核、客戶、監管機構）客製化解釋的深度與形式。第二步，設計多面向解釋機制，例如，為「應用」面向提供互動式模擬工具，讓使用者測試不同輸入對決策結果的影響；為「觀點」面向揭露模型可能存在的不同假設或潛在偏見。第三步，進行質化成效驗證，透過使用者訪談、任務測試等方式，評估解釋機制是否在六個面向上都達成了預期效果。一家跨國金融機構在部署其AI信用評分模型時，便採用此方法設計其解釋報告，不僅滿足了技術面的要求，更透過模擬案例（應用）與偏見聲明（觀點），讓客戶服務人員與客戶都能深入理解評分邏輯，使其客戶申訴率降低了約20%，並順利通過監管機構的審查。

台灣企業導入此框架主要面臨三項挑戰。首先是「跨領域人才斷層」，企業普遍擁有優秀的AI工程師，但缺乏能整合使用者體驗、心理學與法遵的跨領域人才來設計真正「可理解」的解釋。其次是「技術指標的迷思」，許多團隊過度依賴SHAP或LIME等技術性解釋工具的量化輸出，忽略了質化的使用者理解驗證。最後是「法規壓力不足」，相較於歐盟《人工智慧法案》的明確要求，台灣目前尚無強制性的AI可解釋性法規，導致企業投入誘因較低。對策建議：一、成立跨職能的「AI可信賴委員會」，整合技術、法務、產品與行銷部門，共同制定解釋性標準（優先行動，3個月內完成）。二、推動「雙軌驗證制度」，要求高風險AI專案除了提交技術驗證報告外，必須附上基於此六面向的使用者理解質化評估報告（中期目標，6個月內試行）。三、主動遵循國際標準，將NIST AI RMF等框架內化為企業AI開發流程，不僅能應對未來法規，更能作為市場競爭優勢。

積穗科研股份有限公司專注台灣企業「理解的六個面向」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