今天是 2025 年 12 月 14 日，星期日。今天雖然是星期天，不過楊老師在新北市三重有一整天的課，要跟大家談手機AI應用技巧，我很喜歡這樣的主題，喜歡大家在上課時開心的笑的感覺，然後告訴我，接下來會馬上用在工作中和生活中，那真是很有成就感的一件事啊！
回到家吃過晚餐，又是楊老師AI365的時間，不過今天沒有什麼靈感耶，不知道應該介紹什麼主題比較合適。所以就趁著剛吃飽飯，跟老婆去老街溪河濱步道散步的時候，很快的盤算了一下，決定跟大家介紹「負責任的AI」這個題目，希望你會喜歡。楊老師你在說什麼？AI又不是真的人？怎麼會用「負責任的AI」這個詞呢？看官你有所不知啊！AI對於個人、企業都是越來越重要，如果要妥善的使用管理AI，就必須知道他的「遊戲規則」或「使用說明書」。就跟在賣成藥的廣告說的一樣，要先確保不傷身體，才能講究效果。所以，它的核心目標很簡單：確保我們用的AI，不只聰明，而且安全、可靠、不會惹出大麻煩。換句話說，我們不能只看AI能帶來多少效益，還必須看它可能帶來的風險。RAI就是幫助我們把人類的價值觀（例如公平、誠實、不歧視）放進AI系統裡。
接下來我想分成三個部分來跟大家介紹
- 首先是，為什麼老闆一定要管RAI？
- 然後是，讓AI「值得信任」的五個關鍵
- 最後是，怎麼把規矩「做」到日常營運裡？
讓我們先來看第一項喔，為什麼老闆一定要管RAI？
楊老師跟你說，對企業老闆和主管來說，這不是道德加分題，不是有作有加分喔，而是規避風險的必修課。AI出錯的代價已經大到足以威脅公司生存。你知道嗎？現在國際法規越來越緊，尤其是歐盟AI法，它是全球最嚴格的AI法律，影響力遍及全世界。如果你的AI系統被歸類為「高風險」（例如用在醫療、貸款、招募等影響人命或前途的領域），一旦違規，懲罰是天文數字，最高可罰到3,500萬歐元，或者你公司全球年營業額的7%，看哪個數字高就罰哪個。
然後，還有名聲的風險。以前曾經發生過AI聊天機器人因為學了壞東西，開始發表歧視言論，結果很快就被迫下架。又或者像某信用卡公司，他的AI審核機制被質疑對女性有歧視，在信用額度上面，給女生比較低的額度。如果你的AI做出有偏見的預測，顧客和社會對你的信任就會立刻崩潰，品牌價值大受打擊。所以聽懂了嗎？對老闆來說，沒做好RAI，可能會有罰款的風險，跟企業形象的風險，在這個好事不出門，壞事傳千里的年代，一定要非常小心。
然後，當老闆有那個Sense要來管RAI的時候，一定要先知道，讓AI「值得信任」的五個關鍵。簡單來說，要讓AI不闖禍、值得客戶信任，我們必須掌握五個核心原則，你可以把它想像成讓AI具備「誠信」的五把鑰匙：
1. 不能有偏見，要公平： AI必須公平對待每個人。它不能因為性別、年齡或種族等敏感特徵，對相似條件的人給出不同的結果。
2. 要夠準確，有可靠性跟安全性： AI必須穩定工作。它得按照你當初設計的方式運行，不會隨便當機，也要能抵禦駭客攻擊或惡意操縱。
3. 要能說明白，有透明度跟可解釋性：AI不能是個「黑箱子」。當AI做出一個重要決定時，例如決定是否核准貸款，我們必須能知道它是怎麼得出這個結論的。這種解釋能力（可解釋性）對高風險的應用尤其重要。
4. 出事要有人負責，就是有明確的問責制度：既然我們設計和部署了AI，就必須對它的行為負責。公司需要建立一套明確的機制，確保人類對高度自動化的系統保持控制，並且能追溯AI的決策過程。
5. 保護隱私跟資料安全：AI需要大量數據，但我們必須確保在收集、使用、儲存數據的過程中，完全遵守法律，保護客戶的個人和商業機密。
這樣子，老闆們有聽到嗎？五個核心原則每個都很重要。
最後一項是，要怎樣把規矩「做」到日常營運裡？
因為負責任AI一定不是只拿來做宣示，或寫在紙上而已嘛，必須讓他真正動起來。這就需要兩個層面的配合：
第一個是辦公室的策略，要定規矩，也就是楊老師常常講的「治理」。企業高層必須承諾並建立一套管理AI風險的文化和機制。就像蓋房子需要建築師，AI治理需要「倫理委員會」或「審查小組」。這個小組應該包含所有的部門，由各部門派代表參加，他們要負責在AI專案開始前，先評估它有沒有潛在的偏見或倫理風險。然後，當然的，高階主管必須為AI系統的開發和部署決策承擔責任。
接下來是工廠端要用的技術，就是要用MLOps去做到持續監控。你想想看喔，當公司部署了幾十個甚至幾百個AI應用時，光靠人眼去檢查它們有沒有學壞是不可能的。這時候，我們需要像工廠的自動化生產線一樣，用技術來管理和監控AI，這就是MLOps，中文可以翻成機器學習維運。這個部分，楊老師建議大家留意「模型飄移」「記錄追蹤」以及「標準化」三個議題。
楊老師就問一下喔，什麼是「模型漂移」呢？這個很簡單，就像汽車零件會磨損，AI模型隨著時間和新數據的出現，性能會逐漸下降，這就稱為「模型漂移」。MLOps就是負責持續監控模型的性能和數據品質。然後，「記錄追蹤」是很容易理解的，我們需要有能力追溯AI是怎麼被製造出來的，用了哪些數據。這叫數據沿襲 (Data Lineage)。一旦出問題，我們可以立刻追查到原因，這對於滿足歐盟AI法等法規要求的審計至關重要。最後，還有一個「標準化」的議題，楊老師建議企業要參考像是ISO/IEC 42001這樣的國際標準，它就像是AI界的「管理系統認證」，可以幫助企業有系統地滿足高風險AI的要求。
講得差不多了，讓我做個小整理，讓大家可以Takeaway，今天講的RAI，大家可以把它想成是一個AI GPS，就是要部署AI的「GPS導航系統」。
這套系統不只會告訴你如何最快抵達目的地，有創新和商業效益，更重要的是，它會畫出紅線，就是我們常說的「合規」，預先警告你哪裡是法規的「禁區」，不可以有像是歧視等等的問題。然後是持續監測，要隨時監控AI的性能和風險指標，確保公司在使用AI的時候，是安全的。最後一點，是要有記錄可以問責，完整記錄你的行動軌跡跟決策依據，萬一發生問題，可以清楚追溯責任。只要企業在推AI的時候，有將這套GPS系統 (RAI框架）建立起來並啟動，你的企業才能大規模、安全、負責任地在AI的道路上全速前進。
