社會技術批判

Socio-technical critique（社會技術批判）起源於 1980 年代的社會技術系統理論（Sociotechnical Systems Theory），主張任何技術系統都無法脫離其社會脈絡獨立存在。AI 系統的設計、部署與運作，本質上是技術決策與社會權力關係的共同產物。此批判方法挑戰了「AI 是中立技術工具」的假設，指出演算法偏見、自動化決策系統的設計選擇，實際上反映了特定利益羣體的價值判斷。在 AI 治理領域，這意味著 AI 系統的風險不只是技術性問題，更是組織文化與治理結構問題。與單純的技術測試不同，Socio-technical critique 要求從系統整體視角評估 AI 對人、組織與社會的系統性影響，這與 EU AI Act（歐盟人工智慧法案）中對高風險 AI 系統的系統性風險評估邏輯高度一致。臺灣企業若僅依賴技術指標（如準確率、召回率）評估 AI，而忽略社會技術維度的風險識別，將面臨監管與聲譽的雙重風險。值得注意的是，此方法與傳統風險評估的差異在於：它不問「系統是否運作正確」，而問「系統為誰服務、誰在決策、誰承擔風險」。

Socio-technical critique 的實務應用需從技術維度延伸至組織治理維度。第一步是進行「AI 系統情境定義」（AI Contextualization），依據 ISO 42001 第 6.1.2 條要求，識別 AI 系統在特定業務流程中的實際社會技術情境，包括誰受決策影響、數據來源的代表性問題。第二步是建立「多利益相關者評估機制」（Multi-stakeholder Impact Assessment），不只由技術團隊進行風險評估，須納入法務、業務、使用者代表及外部專家，確保 AI 系統的設計與部署符合多方利益。第三步是設計「人機協作的問責機制」（Human-in-the-loop Accountability），確保 AI 系統的自動化決策有明確的人為覆核路徑。以臺灣某大型金融集團為例，其 AI 信用評分系統導入此批判視角後，發現模型對特定族羣存在系統性偏見，透過重新設計數據採集與決策覆核流程，將偏見風險降低 30%，同時符合臺灣個資法第 19 條關於自動化決策的說明義務。量化效益方面，導入此框架的企業通常可提升 AI 系統部署的合規通過率達 40%，並減少 25% 的潛在訴訟風險。

臺灣企業在導入 Socio-technical critique 時面臨三大挑戰。首先是「技術中心主義文化」（Techno-centric Culture），多數企業將 AI 視為純技術問題，忽視社會技術維度的風險識別。對策是透過 ISO 42001 認證引導，將 AI 治理提升至董事會層級，建立跨部門 AI 治理委員會。第二個挑戰是「法規認知落差」，臺灣企業對 EU AI Act 及 ISO 42001 的理解仍停留在表面，無法將抽象的批判概念轉化為可執行的控制措施。對策是建立標準化的 AI 影響評估模板，將社會技術風險分類為技術風險、法律風險與聲譽風險，並設定明確的風險閾值。第三個挑戰是「資源配置優先序問題」，中小企業往往優先投資模型效能而非治理機制。對策是採用分階段導入策略，初期聚焦高風險 AI 應用場景（如自動化招募、信貸審核），以最小成本驗證效益，再逐步擴展至全組織。預期在 12 個月內完成從概念到制度化運行的完整轉型。