科技新报：AI治理正处数据治理十年前的转折点，企业需先建清册再嵌入流程
文章以数据治理历史为镜，指出当前AI应用扩张速度快于治理准备。引用IDC与PwC数据显示亚太AI支出激增但台湾企业治理能力落后，建议企业从建立动态AI清册、将控管嵌入运作流程及对齐国际标准三个层面构建治理架构。
重要性局部证据E2 未复现写法快讯
企业目前面临的AI治理挑战，与十多年前数据治理经历的阶段高度相似。当时及早建立治理机制的企业避免了高昂的补救成本，而忽略者则花费多年时间修正。如今AI应用快速扩张，风险更高，企业准备的时间却更少。根据IDC《Worldwide AI and Generative AI Spending Guide》，包括中国与日本在内的亚太地区AI与生成式AI支出预计从2024年的730亿美元成长近五倍至2029年，年复合成长率达38.4%。其中生成式AI将占亚太地区AI支出近一半。
然而，技术部署与治理能力之间存在明显落差。PwC《2026全球暨台湾企业领袖调查》指出，31%的台湾企业表示其常用AI工具已能存取所有文件与资料，但具备「负责任AI」与风险管理相关治理能力的企业仅28%，低于全球的51%与亚太地区的54%。这意味着许多企业在缺乏集中审查的情况下各自部署模型，甚至让代理式AI直接运用未经核准的资料。
文章建议企业借镜数据治理经验，从三个层面建立治理架构。首先是盘点与清册，如同数据治理需要Data Catalog，企业需建立持续更新的AI Inventory，记录所有正式运作的模型、代理与管道，并标示风险等级与负责人。其次是将治理嵌入AI运作流程，例如侦测提示词注入、在输出前辨识敏感资料及使用沙盒环境。最后是合规与政策管理，将治理要求与NIST AI风险管理框架、欧盟AI法案及ISO 42001等标准相互对照。Gartner指出，有效的治理技术可望降低20%的法规遵循成本。