價值敏感設計

價值敏感設計（VSD）是由 Batya Friedman 等學者於1990年代提出的設計方法論，主張在技術開發的整個生命週期中，主動且系統性地考量人類價值觀。其核心為一個三方並進的調查流程：(1) 概念性調查：識別所有直接與間接利害關係人，並釐清相關的核心價值觀，如隱私、公平、自主性與信任。(2) 實證性調查：透過質化與量化研究，了解這些價值觀在特定社會與文化脈絡下的具體意涵與優先次序。(3) 技術性調查：分析現有技術如何支持或削弱這些價值觀，並設計新的技術機制來加以落實。在AI風險管理體系中，VSD扮演「事前預防」的角色，與NIST AI風險管理框架（AI RMF）中「治理」與「測繪」的核心功能一致，確保AI系統從設計源頭就符合倫理與法規要求，例如歐盟AI法案對高風險系統的價值對齊要求，從而降低後期的合規與聲譽風險。

企業可透過以下三步驟將VSD整合至風險管理流程： 1. **價值探索與定義**：在專案啟動階段，成立跨職能團隊（包含法務、產品、技術人員），依據NIST AI RMF的治理原則，識別與產品相關的價值觀（如公平、透明、安全），並參考ISO/IEC TR 24028對AI可信賴性的定義，建立內部價值觀詞彙表與優先級排序。例如，金融業在開發AI信貸模型時，需將「公平性」定義為「避免對特定受保護群體產生歧視性偏誤」。 2. **利害關係人實證分析**：對使用者、受影響的社群及內部員工進行訪談或調查，了解他們對已定義價值觀的期望與擔憂。此步驟能產出具體的設計需求，並作為後續影響評估的基準。例如，醫療AI開發需了解病患與醫生對於數據隱私（符合GDPR或台灣個資法要求）的具體關切。 3. **技術實現與監控**：將價值需求轉化為技術規格與測試案例。例如，為實現「透明性」，導入可解釋AI（XAI）工具；為確保「公平性」，採用偏誤偵測與緩解演算法。導入後，設定量化指標，如模型偏誤指標下降15%、使用者信任度問卷分數提升20%，並將其納入持續監控與審計的範圍，確保價值觀在系統運行中持續被維護。

台灣企業導入VSD主要面臨三大挑戰： 1. **價值觀定義與文化差異**：對於「隱私」、「公平」等抽象價值觀，內部缺乏統一且可操作的定義，且易受西方標準影響而忽略在地脈絡。對策是企業應建立內部AI倫理委員會，參考國際標準（如NIST AI RMF）並結合台灣產業特性與法規（如個資法），制定符合自身業務的「價值觀指導原則與詞彙庫」。 2. **資源與專業人才不足**：多數企業，特別是中小企業，缺乏執行VSD所需的倫理學家、社會科學家等跨領域專家，也難以投入完整的實證調查資源。對策是採用輕量級的導入方式，例如運用現成的「責任感AI工具包」（RAI Toolkits）引導內部討論，並與外部專業顧問合作，以工作坊形式進行價值探索與影響評估，降低導入門檻。 3. **敏捷開發與短期績效壓力**：在追求快速迭代與上市時程的敏捷開發文化中，VSD常被視為拖慢進度的額外工作。對策是將VSD的關鍵活動（如價值觀檢查點）無縫整合至現有的產品開發生命週期（SDLC）中，而非獨立流程。同時，高階主管需倡導將倫理風險降低、客戶信任提升等長期效益，納入專案的成功指標，將VSD從成本轉化為企業的競爭優勢。優先行動項目為高階主管共識營，預計30天內完成，並在90天內於一項指標性專案中試行。