AI基本法過關！AIA校務長蔡明順：黃金半年定輸贏，企業必做這三件事|經理人

歷經多次跨部會協商與社會研議，《人工智慧基本法》於本月23 日於立法院完成三讀程序，這部法案，確立了人工智慧在研發、應用及治理上的基本原則，並明定由國科會擔任中央主管機關，地方層級則由各直轄市及縣市政府主責。

這象徵著台灣正式告別 AI 發展「無法可循」的模糊地帶，邁向法制化治理的新紀元。然而，產業界最關心的不只是條文本身，而是「這對我的生意有什麼影響？」、「紅線畫在哪裡？」以及「現在該採取什麼行動？」。

針對這些迫切的實務疑問，長期處於產業轉型第一線、台灣人工智慧學校（AIA）校務長蔡明順，特別針對《人工智慧基本法》通過後的產業衝擊與機會，以下是蔡明順以第一人稱的方式，提出五大問題的關鍵解讀，並提出行動建議（前言為編按，簡述人工智慧基本法立法脈絡）：

Q1: 從產業實務角度來看，這次基本法通過最重要的突破是什麼?

最關鍵的就是「風險分級框架」終於有了法源基礎。我們過去八年接觸超過300家企業導入AI，最常聽到的困擾就是「不知道紅線在哪裡」。現在第16條明定數位部要建立風險分類框架，企業終於知道哪些應用可以放手做、哪些需要謹慎評估。

舉個例子，客服聊天機器人屬於低風險，可以快速部署；但如果是銀行的信用評分系統，就屬於高風險應用，必須有完整的驗證機制。這種確定性對產業發展非常重要，讓創新不再是「先做再說、出事再改」的賭博遊戲。

第10條給了中小企業真正的資源。過去AI導入最大的障礙是資金，現在補助、租稅優惠、投資獎勵都有了法律位階，不再只是政策宣示。更重要的是第13條的資料治理機制。

台灣中小企業最痛的是「有設備沒資料、有資料不敢用」，單一工廠的資料量根本訓練不出好的模型。如果政府能建立去識別化的產業資料共享平台，讓同業在保護營業秘密的前提下共享訓練資料，這會徹底改變遊戲規則。

我們在CNC機械業的研究就發現，五家廠商聯合訓練的模型，準確度比單廠高出40%。

時間窗口只有6個月到一年。基本法給各部會兩年時間訂定作用法，但產業不能等。我建議三個立即行動：

第一，企業要開始盤點內部的AI應用，並做風險自評，不要等到法規出來才手忙腳亂。

第二，培養「AI治理人才」，未來每家公司董事會必須要有人既懂技術又懂AI法規，這不是純IT部門能處理的，管AI的跨領域人才要趕緊培養。

第三，建立跨企業的資料聯盟。找3-5家信任的同業夥伴，一起合作技術先做實驗，摸索出資料共享的信任機制。誰先建立這套協作模式，誰就在AI時代佔得先機。

我們必須從「技術培訓」升級為「合規加技術」雙核心。過去我們教企業怎麼用AI，現在還要教他們怎麼「負責任地用AI」。具體來說，我們會把第4條的七大原則: 永續、自主、隱私、安全、透明、公平、問責，轉化成可以執行的檢核表。

未來企業採購AI服務，第一個問題會是「符合哪一級風險規範?」我們要培養的不只是資料科學家，還有「AI合規稽核師」這種新職種。這是我們想像未來5年企業應用AI的樣貌，也是AIA 策略的核心--台灣的負責任AI實踐模式。

這是台灣從「技術追隨者」轉向「治理領航者」的關鍵一步。歐盟有AI法案，美國有NIST框架，但真正能在半導體、資通訊、精密製造這些實體產業的落地AI治理，台灣有絕佳的位置。

我常說的務實長期主義就是這個意思，我們不追求最炫的技術，而是透過把AI「負責任地、有效率地」嵌入產業價值鏈。國際的 AI排名指數有個「政策環境」評比項目，我預期台灣會因為這部法加上後續作用法的完整度而大幅提升。

但必須提醒的是，從立法到執行有很大的落差。關鍵在接下來12到18個月，各部會能否產出真正務實、可執行的管理規範，而不是又多一層官僚程序。