在人工智慧以前所未有的速度席捲全球的今天，AI 治理已成為各國數位政策與民主發展的核心課題。我們經常聽到如 OECD、G20 或是聯合國教科文組織等國際組織提出各種高大上的 AI 治理原則，例如透明性、問責性、以人為本與可信任的 AI 等。然而，當這些華麗的全球原則落實到你我的日常生活中時，究竟會面臨什麼樣的挑戰？
在2026年5月15日（五）由臺灣網路治理論壇（Taiwan Internet Governance Forum, TWIGF）所舉行的「2026網路週」（Internet Week 2026）活動中，一場名為「從全球AI治理原則到在地民主實踐：規範、權力與公民參與」（From Principles to Power: Translating Global AI Governance Norms into Local Democratic Practice）的工作坊，正面積極回應了這個複雜問題。這場由國立臺南大學行政管理學系曾憲立副教授主持的工作坊，邀請了美國喬治華盛頓大學「數位貿易與資料治理中心」主任（Director, Digital Trade and Data Governance Hub Research Faculty, George Washington University）Susan Ariel Aaronson 教授、國立政治大學公共行政學系蕭乃沂副教授、以及東吳大學法學院許慧瑩助理教授，分別從國際貿易與資料治理、民眾態度實證調查，以及公共部門法律風險的三個維度，為我們勾勒出 AI 治理的真實輪廓。
難解的 AI 治理「三難困境」與企業自律的迷思
討論的開場，由 Aaronson 教授直指 AI 治理的核心痛點，她提出一個引人深思的概念：AI 治理其實是一個「三難困境」（Trilemma）。各國政府在面對 AI 時，同時渴望達成三個相互矛盾的目標：建立民眾對科技的信任、培育私部門的創新空間，以及保護人民免受傷害。要同時平衡這三者是一項極度艱鉅的任務，即使是身為 AI 發展強國的美國與中國，至今也尚未找到完美的解答。
Aaronson 點出一個殘酷的現實，儘管專家們自 2016 年起便密切關注 AI 發展，但我們對其運作機制的了解依然非常有限。即使是開發 AI 的資訊科學家，也往往無法完全解釋這些猶如「黑盒子」般的模型是如何產出特定結果的。這代表 AI 治理絕對不能僅僅被簡化為技術管理的問題，它更牽涉到資料權利、商業模式與公共責任的拉扯。例如，現今多數的專有大型語言模型，都是在未經資料主體明確同意的情況下，透過大規模抓取網路上的個人資料所建立的。政府在鼓勵創新的同時，該如何保護人民的隱私與資料權益，成為一大考驗。
更引人矚目的是，Aaronson 對目前科技巨頭所倡導的「負責任 AI」（Responsible AI）抱持著高度懷疑態度。她指出，許多企業對外宣稱遵循負責任的準則，甚至為自家的 AI 模型制定了「憲法」，但卻缺乏具體的落實方式與透明的監督機制。她直言不諱地表示，如果沒有完善的問責機制（Accountability），所謂的負責任 AI 根本只是空談與企業的聲譽管理工具。當企業面臨訴訟時，他們可能隨時修改使用條款或協議，但這並不等同於從根本上改變模型，也不代表使用者的權益真正受到了保障。因此，她強烈呼籲，AI 作為建立在全球知識基礎上、同時具備商品與服務雙重特性的新興科技，必須要有超越企業自律、更具強制性與跨國合作的治理框架。
臺灣民眾怎麼看 AI？效益與風險的雙重奏
如果國際視野為我們揭示了規則制定的困境，那麼在地民眾的真實聲音則是指引政策方向的羅盤。國立政治大學的蕭乃沂副教授，透過他去年夏天進行的大規模實證調查，帶我們深入了解臺灣民眾對 AI 發展的真實態度。
蕭乃沂的研究發現，民眾在看待 AI 時，並非單純的擁抱或抗拒，而是展現出一種「超越二元對立」的複雜情緒。整體而言，臺灣民眾對於 AI 能帶來的正面效益抱持著相當樂觀的看法，特別是在促進產業發展、提升個人工作效率以及推動社會整體進步等方面。然而，當問及 AI 是否能幫助政府改善公共治理或提升資訊取得的便利性時，民眾的態度卻相對保留。
在風險感知方面，調查結果打破了我們對科技焦慮的傳統想像。民眾最擔憂的並非單純的隱私外洩，而是 AI 被犯罪分子作為非法工具濫用。緊接在後的擔憂，則是人類對 AI 產生過度依賴，以及錯假訊息與誤導性資訊的無邊際擴散。更值得注意的是，民眾高度關切 AI 是否會逐漸削弱人類的學習能力與創造力。這項發現深刻地提醒我們，AI 帶來的風險已經超越了資訊安全的層次，深深觸及了教育、知識傳承與人類自主性等長遠的社會議題。
這份調查還揭露了一個對公共部門深具啟發性的現象：在 AI 的管理能力上，民眾最信任的是營利性私人企業，其次是非營利組織，而對政府有效管理 AI 的信心反而是最低的。蕭教授指出，這意味著政府不能再以傳統「由上而下」的家長式威權來推動 AI 治理。如果民眾不相信政府具備理解與管理 AI 的能力，那麼唯有透過真正的「多方利害關係人參與」（Multi-stakeholder approach），將企業、公民團體與一般大眾納入決策圈，才能建立起具備公共價值的 AI 治理框架。
當政府導入 AI：自動化決策的隱形陷阱與法律風險
將目光從公眾態度轉移到政府的實際運作，東吳大學法學院的許慧瑩助理教授帶來了極具警世意味的探討。隨著臺灣通過 AI 基本法草案以及各機關開始嘗試導入 AI 工具，公務員心中最大的擔憂浮出水面：如果 AI 產出了錯誤的決策，侵犯了版權，或是給出了具偏見的答案，究竟該由誰來扛起法律責任？
許慧瑩特別聚焦於公共部門使用「建構於 AI 基礎的自動化決策」（AI-based ADM）所帶來的巨大風險。傳統的自動化決策多半基於明確的規則撰寫，透明度較高且責任歸屬明確。然而，導入機器學習的 AI 系統如同黑盒子，其運作邏輯難以被完全解析，導致責任的邊界變得異常模糊。
為了讓大家具體理解這些風險，許教授列舉了多個國際上血淋淋的慘痛案例。例如荷蘭政府曾使用 AI 系統來偵測學生補助詐欺，卻因為訓練資料中隱含了種族歧視的替代變數，導致系統嚴重偏見地針對低收入戶與移民群體進行調查，最終以政府道歉並賠償收場。在美國，廣泛被用於評估犯罪者再犯風險的 COMPAS 系統，也被發現對有色人種存在系統性的演算法偏見。
澳洲的「機器人債務」（Robodebt）醜聞更是令人心驚。當時澳洲政府利用演算法以「收入平均值」來推算社福受益人是否溢領津貼，並自動發出催繳通知，甚至將舉證自己清白的責任不合理地轉嫁給弱勢民眾，最終被皇家委員會認定為非法且極度不公平的災難。而在波蘭的演算法行政案例中，儘管制度設計上保有公務員的最終審核權，但實務上公務員推翻 AI 建議的比例卻不到 1%。
許慧瑩透過這些案例點出一個關鍵陷阱：我們常以為只要有「人類在迴圈中」（Human in the loop）進行監督就萬無一失，但在公務體系的高壓環境下，這往往淪為「橡皮圖章」式的背書。當公務員盲目聽從 AI 的建議，AI 實質上就成為了真正的主宰者，而公務員則成了替演算法錯誤背鍋的代罪羔羊，導致責任嚴重錯置。
為了解決這個問題，許慧瑩強烈建議臺灣在公共部門大規模導入 AI 之前，必須強制推行兩項重要的事前評估機制：「基本權利影響評估」（FRIA）與「演算法影響評估」（AIA）。這不僅是為了確保政府具備合法的授權，更是為了在科技被佈署到民眾的生活前，事先檢視其是否會侵害人民的隱私、平等權與程序正義。唯有將治理的節點「向上游移動」，我們才能防患於未然，而不是等傷害發生後才來尋找代罪羔羊。
民主社會不應只是 AI 的被動使用者
這場由曾憲立副教授主持的深度對談，在問答階段也激盪出許多精彩的火花。有與會者提問，今日面對 AI 責任歸屬的討論，是否與三十年前網際網路剛興起時似曾相識？許慧瑩敏銳地指出，雖然歷史有相似之處，但 AI 作為黑盒子的特性，以及政府向私人企業採購 AI 所衍生的複雜公私協力關係，使得我們正面臨比網際網路時代更加錯綜複雜的權力不對等問題。
總結來說，從全球治理原則到在地的民主實踐，AI 治理的核心挑戰早已超越了「要不要使用 AI」或單純的「技術防錯」。真正的關鍵在於：我們需要什麼樣的 AI？這些 AI 是由誰設計的？使用了誰的資料？演算法的黑盒子由誰來監督？當系統出錯時，民眾是否有權力知道、質疑並獲得救濟？
如同這場論壇所傳遞的核心精神，透明性不該只是原則文件上的一句口號，而必須轉化為民眾可理解的資訊揭露；以人為本也不能只是倫理宣示，必須確實體現在基本人權的保障之中。當強大的 AI 逐漸接管行政決策與日常生活，我們作為民主社會的公民，絕對不能只停留在科技的被動使用者或消費者角色，而必須起身成為 AI 制度與規範設計的共同參與者。唯有透過不斷的對話、實證的檢驗以及嚴謹的法律框架，我們才能在 AI 帶來的巨大機遇與未知風險之間，穩健地走出屬於臺灣的數位民主之路。