企業 AI 治理現況、缺口與行動路徑
台灣《人工智慧基本法》上路，但全球沒有進行 AI 治理的代價已開始累積：99% 受訪企業因 AI 風險蒙受損失，平均超過 440 萬美元。從 NIST AI RMF 到 ISO 42001，從 EU AI Act 到金管會指引，框架已齊備，缺的是落地。面對 Agentic AI 即將大規模進入工作流程，但沒有妥善地治理，AI 如何能安全擴張？
編撰／何信達
台灣《人工智慧基本法》在 2026 年 1 月正式施行。這部法律的二十條條文，義務主體全部指向政府與各主管機關。私部門企業的 AI 治理規範，依第十六條規定，授權由各目的事業主管機關訂定。在配套規範完成之前，企業建立 AI 治理框架，仍是自願選擇。
台灣企業要不要建立 AI 治理框架，是自願選擇。CIO Insight 2026 年調查顯示，在企業未導入 AI 的九項原因中，「AI 治理和倫理問題」只獲得 2% 的選擇，顯示 AI 治理完全不是企業 AI 導入與否的主要考量！（調查報告 P46，請下載瀏覽）
一、為什麼現在是關鍵時刻
AI 治理從企業自選題變成必答題，是因為未治理代價已經開始累積。
根據 Foundry 2026 年《State of the CIO》調查，資安與資料安全已成為 CXO 高階主管對 CIO/CISO 提出的首要要求，25% 的受訪者指出這是 CEO 當前對 IT 主管的重點指令，較前一年上升五個百分點。另一項 Foundry《AI Priorities Study》2026 年調查顯示，97% 的受訪者在推動 AI 計畫時遭遇挑戰，IT 基礎架構整合——涵蓋治理、維護與資安——是今年 AI 部署的首要障礙，排名高於成本、人才與技術選型。
EY 進行的《Responsible AI Pulse Survey》第二階段調查（2025 年 10 月，975 位 CXO 高階主管，橫跨 21 個國家、年營收逾十億美元企業）提供了代價的量化依據：99% 的受訪組織曾因 AI 風險蒙受財務損失，其中 64% 損失超過 100 萬美元，平均損失保守估計達 440 萬美元。高層主管對 AI 風險控制措施的平均正確識別率僅 12%，風險長的表現甚至略低於平均。
這些數據來自全球首選企業，而非治理能力薄弱的中小型組織。目前看來，即使資源充裕的大型跨國企業，在 AI 治理上也普遍存在認知與執行的雙重缺口。
JPMorgan Chase 資訊長 Lori Beer 在 2026 年 5 月的業界論壇上說明了 JPMorgan 的態度：「AI 治理非關 ROI，而是必須做的事。」這句話說明——企業對治理的提問，已經從「治理能帶來什麼回報』，轉向「沒有治理，AI 便難以安全地大規模運作」。
二、有哪些標準可以依循
對於決定啟動 AI 治理的企業，最常見的第一個問題是：從哪裡開始？全球已有幾個成熟的框架提供了答案，企業不需要自己發明一套邏輯。
NIST AI RMF：功能性架構的起點
美國國家標準暨技術研究院（NIST）於2023年1月發布的 AI 風險管理框架（AI RMF 1.0），是目前全球引用最廣泛的自願性 AI 治理框架。它不規定企業使用哪些技術或工具，而是定義企業需要達到的治理成果，讓各產業、各規模的組織都能依自身情境實施。
框架的核心是四個功能層：
- 治理（Govern）負責建立政策、角色與問責結構；
- 盤點（Map）負責識別 AI 使用現況與風險脈絡；
- 衡量（Measure）負責評估和追蹤風險；
- 管理（Manage）負責分配資源、應對事故與持續改善。
四個功能層不是線性步驟，而是持續運作的循環，貫穿 AI 系統的整個生命週期。
NIST AI RMF 對台灣企業的實用性在於入門門檻低。企業可以從第一個功能層開始，先建立治理政策與 AI 清冊，再逐步推進到後三層。2024年7月26日，NIST 進一步發布了生成式 AI 專屬的配套指引（NIST AI 600-1），針對大型語言模型與 AI 代理人的 12 個特定風險類別提供對應措施。
ISO 42001：可對外證明的管理系統標準
ISO/IEC 42001 於2023年12月發布，是全球第一個專門針對 AI 的國際管理系統標準。與 NIST AI RMF 的功能性架構不同，ISO 42001 提供的是可認證的管理系統——企業通過獨立第三方稽核後，可取得正式認證，向客戶、供應鏈夥伴與監管機構對外證明其 AI 治理能力。
標準的結構與 ISO 27001 （資訊安全）、ISO 9001 （品質管理）相同，已持有這些認證的企業，導入 ISO 42001 的速度可比從零開始快 30% 至 40%。核心要求涵蓋高階管理層的問責承諾（第 5 條款）、AI 風險評估與管理（第 6 條款）、AI 系統生命週期的營運控制（第 8 條款），以及持續績效評估與改善（第 9 至 10 條款）。
NIST 官方已發布 AI RMF 與 ISO 42001 的正式對照文件，確認兩個框架在治理、風險評估與生命週期管理上高度重疊。企業可以先用 NIST AI RMF 建立內部治理架構，再以 ISO 42001 認證向外部利害關係人證明治理成熟度。
EU AI Act：供應鏈暴露的台灣企業最需要了解
歐盟人工智慧法（EU AI Act）2024年8月正式生效，是全球第一部對 AI 系統設定強制義務的全面性法規。它依風險等級將 AI 系統分為以下四類：
- 極低風險（Minimal-risk）：適用於低風險情境的 AI，例如內部生產力工具、垃圾郵件過濾器與推薦引擎等。
- 禁止的應用（Prohibited）：屬於不可接受的風險，此類包含社會評分、操縱行為，以及多數無針對性的生物特徵分類系統。
- 高風險（High-risk）：涵蓋應用於信貸、人才招募、醫療保健、關鍵基礎設施與教育機會等領域的 AI 系統。
- 有限風險（Limited-risk）：包含聊天機器人（chatbots）與內容生成等系統，此類系統必須附帶資訊揭露等透明度義務。
EU AI Act 對高風險 AI 系統要求技術文件、風險管理紀錄、人工監督機制。依據第 99 條，違反禁止 AI 實踐者，最高可處 3,500 萬歐元或全球年營收 7% 的行政罰款，以較高者為準。
台灣企業需要評估的核心問題是：是否有 AI 系統的輸出被用於歐盟市場？EU AI Act 採取域外管轄原則——只要 AI 系統的輸出被用於歐盟，無論提供者或部署者在哪個國家，法規都適用。台灣作為全球供應鏈的關鍵節點，與歐洲企業有廣泛的業務往來，這個問題的答案，很可能比多數企業預期的更接近「是」。
台灣在地框架：金融業與醫療業
金融監督管理委員會發布的《金融業運用人工智慧指引》，是台灣目前最具體的產業級 AI 治理規範。指引設定六大核心原則，包括：建立治理及問責機制、2. 重視公平性及以人為本的價值觀、3. 保護隱私及客戶權益、4. 確保系統穩健性與安全性、5. 落實透明性與可解釋性、6. 促進永續發展。要求金融機構建立 AI 治理架構、風險管理機制與透明度要求。《CIO 雜誌》曾經採訪的野村投信以此為基礎建立的治理架構，是目前台灣企業中最完整的在地實踐案例之一。
對金融業以外的企業而言，金管會指引是有用的參照——即使沒有強制約束力，它提供了一個具體的台灣脈絡框架，比直接套用國際標準更貼近本地監管語境。衛生福利部推動的「負責任 AI 執行中心」與九大透明性指標，則是醫療產業的在地對應。
| 情境 | 起點 |
|---|---|
| 剛開始，需要內部架構 | NIST AI RMF |
| 需要對外證明治理能力 | ISO 42001 |
| 有歐洲市場或供應鏈暴露 | EU AI Act 合規評估 |
| 台灣金融業 | 金管會指引＋ ISO 42001 |
| 台灣醫療業 | 衛福部負責任 AI 框架＋ NIST AI RMF |
三、誰已經在做
框架與標準提供了地圖，但地圖是否曾被走過？以下四個案例來自不同產業與地域，各自說明了 AI 治理框架在真實企業環境中如何落地。
電信與科技製造業
Nokia 於2025年向美國 SEC 提交的 Form 6-K 文件中，正式揭露了2024年公司治理聲明，確認為確保 AI 的創新與負責任使用，公司於2024年建立了全面的 AI 治理框架，設立集團層級的中央指導委員會，以及負責集團政策制定、事件通報與協調溝通的獨立 AI 治理委員會。AI 治理已進入 Nokia 的公司治理核心，而非僅是內部政策文件。
Nokia 同年加入歐盟 AI Pact，承諾在 EU AI Act 全面生效前提前準備合規，並在歐盟組織的工作坊中分享治理經驗。Nokia 的路徑說明了一件事：跨國企業面對 EU AI Act 的域外管轄壓力，已把治理框架的建立視為市場進入的必要條件。
全球金融業
JPMorgan Chase 資訊長 Lori Beer 在 Anthropic 於紐約主辦的業界論壇上說明了 JPMorgan 的 AI 治理方法。她指出，在 JPMorgan，負責任地擴展 AI 規模，要求從一開始就把治理建入平台——生成式模型、AI 代理人與第三方能力，全部納入治理與風險評估的範疇。「有些能力我們必須建立、有些平台必須搭好、代理人的協作要保護和確保安全，我們也重新調整了人員的訓練方式。這些不計 ROI，是必做的事。」
同年六月，JPMorgan 技術策略與創新團隊在年度創新週上進一步說明，Agentic AI 的治理關鍵在三件事同步到位：AI 代理人必須清楚知道它在處理什麼問題、它被允許動用哪些資源與權限、以及誰負責監督它的行為與後果。三件事缺一，自主性愈高，風險愈大。
台灣金融業
野村投信依據金管會《金融業運用人工智慧指引》，建立了從董事會到執行層的四層 AI 治理架構。第一層由董事會核准 AI 治理政策；第二層包含治理憲章、AI 外包風險管理標準、生成式 AI 工具使用標準，以及跨部門的 AI 治理委員會；第三層是模型生命週期管理程序等操作指引；第四層是風險評估清單與執行表單。
野村投信資深副總經理胡慧中在 2026 年 2 月號《CIO 雜誌》專訪中說明了這套架構背後的管理哲學：「合規是天條，不是事後審查，而是在流程中確保每個環節符合要求。」AI 治理在野村投信不是 IT 部門的工作，而是全公司參與的日常運作。
台灣醫療與公部門
衛生福利部資訊處推動的「負責任 AI 執行中心」，要求醫療 AI 應用揭露九大透明性指標，涵蓋介入詳情與輸出、介入目的、開發細節、外部驗證過程、模型表現量化指標，以及持續維護與更新計畫。衛福部並要求醫院成立 AI 管理委員會，在政府指定平台完成 AI 應用登記。
資訊處處長李建璋將這套機制形容為「AI 生產履歷」——讓醫師在使用 AI 時能快速理解適用範圍、限制與判斷依據，也能在爭議發生時提供證明。他在 2026 年 5 月號《CIO 雜誌》專訪中說明了推動這套制度的核心邏輯：「用 AI 之前，要先學會管理 AI。」
四個案例的共同點是驅動力——Nokia 面對 EU AI Act、JPMorgan 面對監管與風控壓力、野村投信面對金管會指引、衛福部面對醫療 AI 的臨床責任。
治理框架的建立，在每個案例中都有一個具體的外部壓力作為觸發點。對台灣其他產業而言，這個觀察有直接的意涵：外部壓力目前尚未形成，主動建立框架的窗口仍待開啟。
四、台灣企業現在站在哪裡
NIST AI RMF 的四個功能層提供了一個有用的座標系，幫助企業定位自己目前的治理成熟度。這不是評分，而是診斷——讓 CXO 能夠清楚說明自己的組織現在站在哪裡，距離可防禦的治理基準還有多遠。
四個功能層的邏輯是累積的：治理（Govern）是基礎，沒有政策與問責結構，後三層都無法有效運作；盤點（Map）建立在治理之上，需要先有清冊才能識別風險；衡量（Measure）需要先知道風險在哪裡才能評估；管理（Manage）則需要前三層的資訊才能做出有效的優先排序與應對。
[ 加入 CIO Taiwan 官方 LINE與 Facebook，與全球 CIO 同步獲取精華見解 ]
CIO Insight 2026 年調查（2025年11月執行）提供了台灣企業在這個座標系上的真實位置。
在「治理功能層」，調查詢問企業防止 AI 幻覺或越權的優先風險護欄機制，「部署專業的 AI 治理框架」只獲得 14% 的選擇，排在人工審批（24%）、系統權限控管（24%）與作業流程規範（24%）之後位居第四。（您最優先建立的代理式 AI 風險護欄機制 P59）
多數台灣企業目前對於代理式 AI 有操作層面的控制，但尚未建立正式的治理政策與問責結構——NIST 治理功能層的核心要求。
在「盤點功能層」，「安全與治理框架的建立」在影響 Agentic AI 導入的關鍵因素中排名第四（11%），遠低於生產力成效（23%）、成本與 ROI（14%）與 IT 基礎架構（12%）。
| NIST 功能層 | 核心要求 | 台灣企業現況 |
|---|---|---|
| 治理（Govern） | 政策、角色、問責結構 | 操作控制優先程度高（24%）， 框架部署優先程度低（14%） |
| 盤點（Map） | AI 使用清冊、風險識別 | CIO Insight 即將展開調查 |
| 衡量（Measure） | 風險量化、績效追蹤 | CIO Insight 即將展開調查 |
| 管理（Manage） | 資源分配、事故應對 | CIO Insight 即將展開調查 |
以野村投信的四層企業治理架構對照，台灣多數企業目前做的工作相當於第三層和第四層的部分項目——操作程序與執行表單——但跳過了前兩層的政策基礎與治理憲章。
國家資通安全研究院院長林盈達曾在專訪中指出，傳統稽核模式宛如年度大閱兵，集合委員抽樣查看佐證資料，不僅耗時且具有運氣成分。AI 治理需要的是持續的可視性與制度化的管控，而非一年一度的快照。
另外，Gartner 針對 360 位 IT 應用領導者的2025年調查顯示，僅 13% 的受訪者強烈同意自己的組織已備妥管理 AI 代理人的治理結構，74% 則認為 AI 代理人的自主執行能力，已為組織開啟了過去不存在的資安風險入口。治理信心與部署速度之間的落差，在全球普遍存在，台灣企業的數字從 CIO Insight 調查推斷，差距可能更為明顯。
五、建立治理框架才能站得住腳
AI 治理框架的價值，不只在於防範風險。對 CIO 而言，它更是一套可以向董事會說明、向外部稽核展示、在事故發生時證明盡職注意的具體紀錄。全球監管機構與法院在判斷 AI 事故責任時，「是否有治理政策與執行紀錄」已成為關鍵判準。建立框架，不代表萬無一失；沒有框架，代表無從辯護。
好消息是，企業不需要從零開始。NIST AI RMF 與 ISO 42001 都提供了清晰的起點，而且這兩個框架高度互補——NIST 提供功能性架構，ISO 42001 提供可認證的管理系統標準。NIST 官方已發布兩者的對照文件，在其中一個框架上做的工作，直接累積為另一個的準備。
從這兩個框架的共同邏輯出發，企業有三個立即可執行的起點：
1. 先建立可見性
NIST AI RMF 的 MAP 功能層與 ISO 42001 的 Annex A.7.1，都把建立 AI 系統清冊列為風險管理的必要前提。清冊的內容包括每個AI 系統的目的、資料來源、風險暴露、整合點、部署環境，以及人工介入的預期程度。後續所有的風險評估、問責設計與監控機制，都以這份清冊為基礎。
Nokia 在2024年建立 AI 治理框架時，透過集團層級的 AI 治理委員會，系統性盤點所有 AI 應用的使用現況與風險暴露。
林盈達在《CIO 雜誌》專訪中的一句話精確說明了這個邏輯：「看得到才治得到，治得到才管得好。」員工在用哪些 AI 工具、資料流向哪裡、誰授權了什麼——這些問題的答案，是治理框架能夠運作的基礎。
2. 明確問責鏈
NIST AI RMF 的 GOVERN 功能層與 ISO 42001 第 5.3 條款，都要求組織明確指派 AI 相關角色與責任，並建立可追溯的決策紀錄。每個AI 系統都需要一個具名負責人，當稽核人員或董事會問「出了事誰負責」時，必須有人能回答，而且答案必須寫在某個地方。
審批流程解決的是 AI 應用能不能上線，問責機制解決的是上線之後出了問題，責任鏈怎麼追溯、紀錄在哪裡。野村投信的四層治理架構——從董事會核准的 AI 治理政策，到部門日常執行的風險評估表單——把問責落實到每個決策層。胡慧中在《CIO 雜誌》專訪中說：「合規是天條，不是事後審查，而是在流程中確保每個環節符合要求。」JPMorgan 把生成式模型、AI 代理人與第三方能力全部納入治理與風險評估範疇，認定是必須做的事，都是同樣的意涵。
3. 治理從計畫階段開始
NIST AI RMF 強調風險管理必須貫穿 AI 系統整個生命週期，從計畫階段開始執行。ISO 42001 第 8 條款同樣要求，從 AI 系統的概念到退役，每個階段都必須有受控的治理流程。
JPMorgan 從平台建置開始就把治理內建，在 AI 系統上線之前就確立監管機制。RPI 資訊長 Ballinger 的做法相同：「我們在設計這個生態系時，以策略和 KPI 為核心。整個過程的前提是，在進入資料生態系之前，就先決定哪些業務案例是有價值的。」
在 Agentic AI 的情境下，這個原則尤為關鍵。如果企業計畫在十二個月內導入 AI 代理人，治理框架需要在部署之前到位。AI 代理人的決策速度與執行規模，讓事後補建治理的代價遠高於一開始就建好。
治理框架建立的回報不只是風險控管。EY《Responsible AI Pulse Survey》2025年調查顯示，建立即時監控機制的企業，看到營收成長改善的機率比其他企業高 34%，成本節省改善的機率高 65%。Deloitte《State of AI in the Enterprise》2026 年報告則指出，由 CXO 高階主管主動形塑 AI 治理的企業，取得的商業價值顯著高於僅由技術團隊主導的企業。治理做得早的企業，AI 投資的回報也更快。
六、預警：Agentic AI 是下一個引爆點
台灣企業目前面對的 AI 治理缺口，在 Agentic AI 大規模落地之後會被急速放大。
傳統 IT 系統的行為是確定性的，程式執行既定邏輯，出錯可追溯至特定指令或參數。AI 代理人在授權範圍內自主判斷、自主執行，輸出結果無法事前完整預測。當企業允許 AI 代理人存取內部系統、代為執行業務流程，治理架構面對的核心問題轉向了責任歸屬：誰決定 AI 代理人可以存取哪些資料、誰負責審查輸出結果、出錯時責任在哪裡。這三個問題，在大多數企業現有的治理架構裡沒有答案。
Deloitte AI Institute《State of AI in the Enterprise》2026 年報告（3,235 位董事至 CXO 層級主管，橫跨24個國家）顯示，74% 的企業預計在兩年內至少中度使用 Agentic AI，但目前僅 21% 建立了成熟的 AI 代理人治理模型。Gartner 預測，2026 年底前 40% 的企業應用程式將內建任務型 AI 代理人，相較2025年不足 5% 大幅躍升。
[ 推薦閱讀：AI 基本法通過後應知道的要事 ]
CIO Insight 2026 年調查顯示，在影響 Agentic AI 導入的關鍵因素中，「安全與治理框架的建立」排名第四。當台灣企業開始大規模部署 AI 代理人，治理框架很可能尚未到位。
JPMorgan Chase 技術策略與創新團隊在 2026 年創新週上指出，自主性與控制機制必須同步成長：「最終能勝出的組織，將是那些把強大的決策脈絡、經濟護欄與嚴格治理結合起來的機構，讓代理人能有效率地大規模運作。」
Shadow AI 是 Agentic AI 治理危機的前哨。當員工在未經核准的情況下使用 AI 工具處理業務，企業面對的是整個治理體系的可見性問題——不知道員工在用什麼工具、不知道資料流向何處、不知道 AI 輸出被用於哪些決策。林盈達指出，可見性是治理的前提。在可見性尚未建立的情況下，任何治理框架管控的只是已知的部分，Shadow AI 始終在框架之外運作。
結語
全球企業的 AI 治理覺醒，多數是被事故推著走的。EY 調查的 99% 財務損失數字背後，是一家又一家企業在付出代價之後，才開始認真對待治理這件事。
台灣企業目前站在一個相對特殊的位置。《人工智慧基本法》2026 年 1 月施行，確立了七大原則與風險分類框架的法源基礎，但私部門的具體規範授權各主管機關訂定，配套法規仍在制定中。在這個空窗期，企業建立 AI 治理框架是自願選擇，但這個選擇的代價正在改變——Agentic AI 的部署時程正在壓縮，AI 代理人的自主執行能力為組織開啟了過去不存在的資安風險入口，供應鏈上的跨國客戶與合作夥伴對治理標準的要求也在提高。
NIST 有框架、ISO 有標準、金管會有指引、Nokia 有委員會、JPMorgan 把治理建入平台、野村投信有四層架構。全球已有足夠的座標可以參照，我們可以不需要從零摸索。
CXO 的工作，是選一個起點，然後開始。
(本文授權非營利轉載，請註明出處：CIO Taiwan)
