訴訟資格

訴訟資格（Standing），或稱「當事人適格」，是普通法系的法律核心原則，指原告必須證明其與案件有直接利害關係，才能向法院提起訴訟。此原則要求原告滿足三項基本要件：(1) 具體損害（Injury-in-fact）：原告遭受了真實且具體的傷害；(2) 因果關係（Causation）：該損害是由被告的行為直接導致；(3) 可救濟性（Redressability）：法院的判決能夠有效彌補原告的損害。在AI治理脈絡下，當個人因演算法的自動化決策（如信貸評分、招聘篩選）而權益受損時，其訴訟資格的舉證變得極為困難，因為演算法的「黑箱」特性使因果關係的證明複雜化。此概念與歐盟《一般資料保護規則》（GDPR）第79條賦予資料當事人的「有效司法救濟權」密切相關，該權利雖保障了訴訟的管道，但仍需當事人滿足該國司法系統對於訴訟資格的要求，方能實質啟動程序。

在企業風險管理中，管理與「訴訟資格」相關的風險，意指主動降低因AI系統決策不當而引發訴訟的可能性，並在訴訟發生時具備充分的防禦能力。具體導入步驟如下： 1. **建立演算法影響評估（AIA）機制**：參照NIST AI風險管理框架（AI RMF），在AI系統開發前，系統性地識別潛在受影響的群體，評估其可能遭受的具體損害（如歧視、經濟損失），並記錄風險應對措施。此舉有助於預測潛在的訴訟來源。 2. **強化決策可解釋性與紀錄保存**：導入可解釋AI（XAI）工具，並依據ISO/IEC 23894:2023對AI風險管理的要求，完整記錄模型訓練資料、決策邏輯與輸出結果。當面臨訴訟時，這些紀錄是證明決策具備正當性、無因果關係的關鍵證據。 3. **設立清晰的內部申訴管道**：提供受影響者一個易於使用的內部申訴與補救機制。及時處理客訴不僅能修復使用者關係，更能將爭議解決於訴訟之前，降低法律成本。例如，某金融機構導入此機制後，與AI信貸審核相關的客訴升級至法律部門的比例降低了40%，有效控制了潛在的訴訟風險。

台灣企業在管理AI相關的訴訟資格風險時，主要面臨三大挑戰： 1. **演算法不透明導致的舉證障礙**：多數企業使用的AI模型（特別是深度學習模型）如同黑箱，當事人難以證明其損害與演算法有直接因果關係，但反過來，企業也難以自證清白，形成法律僵局。 2. **法規框架尚在發展**：台灣目前尚無專門的AI監管法規明確定義演算法侵害的訴訟要件，多數案件仍依循《民法》或《個人資料保護法》處理，法律見解存在不確定性。 3. **跨領域人才匱乏**：企業的法務人員普遍缺乏AI技術知識，而AI開發人員則不熟悉法律責任，導致風險評估與合規設計出現斷層。 **對策與行動項目**： * **克服舉證障礙**：優先導入符合NIST AI RMF標準的可解釋性工具與日誌系統，建立「決策履歷」，預計6個月內完成。 * **應對法規不確定性**：主動參考歐盟《AI法案》草案的高風險AI系統要求，建立內部治理框架，作為未來法規遵循的基礎。 * **彌補人才斷層**：立即成立由法務、技術、風控組成的跨部門「AI治理委員會」，並定期舉辦教育訓練，強化風險溝通。