在2024年台北國際電腦展上，科技大廠紛紛宣布擴大部署AI（人工智慧），AI「規模化」的時代儼然到來。然而，今年五月歐洲議會通過全球第一部AI監管法規《EU AI Act》，規範相當嚴格。
當企業對於「如何釋放AI價值」躍躍欲試之際，需要同步思考以下常見的AI治理挑戰與應對策略，消弭部署AI的各種可能風險。
挑戰一：缺乏數據基礎建設與制度，無法全面釋放AI價值
AI模型開發與部署過程需要大量資料來訓練模型，因此AI治理的成敗與資料治理高度相關。企業AI應用試行階段，若未先建立完善的數據基礎建設和管理體系，將造成數據的收集、處理和資安等系統穩固性與隱私保護的風險。
挑戰二：AI治理與企業的AI策略脫鉤
企業在推動AI應用時，常缺乏對自身發展AI環境與能力現狀的了解，導致企業治理策略與AI應用策略脫鉤，未能結合達到綜效。企業應進行AI成熟度分析，包括從AI策略、數據、技術、人才等構面，評估自身定位，確定優先投入資源進行改造的領域，並擬定短、中、長期的AI治理策略藍圖，以實現最佳資源配置，確保AI應用能高效運行並被完善地治理。
挑戰三：僅止於規章制度，未應用技術輔助落地
AI治理其精神並不在於事後究責，而是如何運用科技與工具，在設計、開發、部署與營運階段，保持AI演進的透明性，掌握其可解釋性，並保持公平性；在出現爭議時有清楚的問責機制、明確的角色扮演與處理行動，才能確保負責的AI應用。舉例來說，若某保險公司推薦客戶保單的AI模型，發生歧視弱勢族群等違反公平原則的狀況，保險公司必須能夠及時調整模型，避免傷害客戶權益。ISO 42001是AI管理體系的認證標準．需要提交具體的數據治理與做法；金管會積極擬定金融業運用AI之完整規範，旨在以明確的監理制度協助台灣金融業儘速展開AI治理旅程。
挑戰四：組織缺少共同目標與指標，難以協作
AI治理若缺乏共同目標與共享的KPI，將增加跨單位協作的困難度，造成策略與制度執行的障礙。因此，企業賦能員工AI應用的能力，並且由上而下、培養全員AI當責的企業文化，成為AI治理旅程的首要之務。
AI治理是企業擴大應用AI的關鍵步驟。為了降低AI科技造成的風險，企業應建立完善的AI治理框架。然而，AI治理不只是形式上符合監管要求，更應善用治理平台與工具，讓AI以負責任、符規、可控的方式，為企業創造更大的價值。
＜本文作者：謝明志現為台灣IBM諮詢首席資料科學家＞