科技新報：AI治理正處數據治理十年前的轉折點，企業需先建清冊再嵌入流程

企業目前面臨的AI治理挑戰，與十多年前數據治理經歷的階段高度相似。當時及早建立治理機制的企業避免了高昂的補救成本，而忽略者則花費多年時間修正。如今AI應用快速擴張，風險更高，企業準備的時間卻更少。根據IDC《Worldwide AI and Generative AI Spending Guide》，包括中國與日本在內的亞太地區AI與生成式AI支出預計從2024年的730億美元成長近五倍至2029年，年複合成長率達38.4%。其中生成式AI將佔亞太地區AI支出近一半。

然而，技術部署與治理能力之間存在明顯落差。PwC《2026全球暨臺灣企業領袖調查》指出，31%的台灣企業表示其常用AI工具已能存取所有文件與資料，但具備「負責任AI」與風險管理相關治理能力的企業僅28%，低於全球的51%與亞太地區的54%。這意味著許多企業在缺乏集中審查的情況下各自部署模型，甚至讓代理式AI直接運用未經核准的資料。

文章建議企業借鏡數據治理經驗，從三個層面建立治理架構。首先是盤點與清冊，如同數據治理需要Data Catalog，企業需建立持續更新的AI Inventory，記錄所有正式運作的模型、代理與管道，並標示風險等級與負責人。其次是將治理嵌入AI運作流程，例如偵測提示詞注入、在輸出前辨識敏感資料及使用沙盒環境。最後是合規與政策管理，將治理要求與NIST AI風險管理框架、歐盟AI法案及ISO 42001等標準相互對照。Gartner指出，有效的治理技術可望降低20%的法規遵循成本。