軟法

軟法（Soft Law）係指相對於具有法律強制執行力的「硬法」（Hard Law，如法律、規章），不具備法律約束力，但對國家或組織行為具有指導性與影響力的規範，形式包含國際組織的建議、指導原則、行為準則或產業標準。在人工智慧（AI）此類快速發展的領域，硬法立法進程常跟不上技術演進，軟法因此扮演關鍵的補充角色。例如，歐盟執委會提出的「可信賴AI評估清單（Assessment List for Trustworthy AI, ALTAI）」即為典型的軟法工具，它提供了一套具體的查核項目，引導開發者與部署者自我檢視AI系統是否符合七項關鍵要求（如人類代理與監督、技術穩健性與安全性等），雖非強制，卻成為業界實踐負責任AI的重要參考。相較於歐盟《人工智慧法案》這類硬法，軟法不設有直接罰則，而是透過市場聲譽、供應鏈要求或自願性承諾來驅動企業遵循，作為企業在法規完備前，主動管理倫理與社會風險的預防性治理工具。

企業可透過系統化步驟將軟法整合至AI風險管理框架中，以提升治理成熟度。第一步為「基準設定與差距分析」，企業應選擇權威的軟法框架，如美國國家標準暨技術研究院的「AI風險管理框架（NIST AI RMF）」或經濟合作暨發展組織（OECD）的AI原則，以此為基準，全面評估現有的AI開發、採購與部署流程，識別當前實務與國際最佳實踐的差距。第二步為「治理機制整合」，將軟法原則轉化為具體的內部政策、作業程序與技術控制項。例如，依據NIST AI RMF的建議，建立AI模型盤點清冊、設計偏誤測試腳本，並在專案開發生命週期中嵌入倫理審查的檢查點。第三步是「文件化與持續監控」，將所有評估、決策與緩解措施詳實記錄，不僅可作為內部稽核軌跡，也能在面對監管機構或合作夥伴質疑時，提出具體遵循證據。已有跨國金融機構導入此類框架後，其AI模型相關的客訴事件減少了15%，並顯著提升了監理機關的審查通過率。

台灣企業導入AI治理軟法時，主要面臨三項挑戰。首先是「資源與專業知識的限制」，特別是中小企業，常缺乏專職的法務、倫理或風險管理人才來解讀並實施如NIST AI RMF等複雜的國際框架。對此，企業應採取分階段導入策略，優先聚焦於與核心業務最相關的高風險應用場景，並可尋求外部顧問的協助，以加速知識建構，預計3至6個月內可完成初步框架建置。其次是「商業誘因不明確」，遵循軟法的前期投入難以立即轉化為財務報表上的獲利，導致管理層支持度不足。解決方案是將合規行動與具體商機連結，例如將其定位為進入歐盟市場的必要條件，或作為爭取ESG投資的加分項，向決策層展示其對品牌聲譽與長期風險規避的價值。最後是「國際框架的在地化調適」，直接套用歐美框架可能與台灣《個人資料保護法》的特定要求或本地文化情境不符。企業應成立跨部門工作小組，共同將國際原則轉化為符合本地法規與商業實務的內部指南，並優先執行資料保護衝擊評估（DPIA），確保合規性。