施耐德電機建議應檢視企業是否做到最高標準的道德與信任
- 企業應用AI時除了符合法律規範，也需考量道德與信任，盡力避免產生偏誤或偏見
- 若要建立可信任的AI，需AI專家與數據科學家參與，預測風險並不斷優化、改善系統
- 施耐德電機以最高標準的道德與信任導入AI，提供負責任的AI解決方案
現正處於AI發展史上的關鍵時期，人類以前所未有的規模和速度在各個領域應用AI技術。隨著AI使用日漸普及，社會上興起關於倫理、責任、信任的討論，企業也需在使用AI提升效率的同時做好風險管理。尤其現階段AI仍有諸多不完善之處，例如圖像辨識無法精確判別差異、以及招聘建議可能含有偏見等種種例子顯示人們並不能完全信任AI。能源管理及自動化領域的數位轉型領導者法商施耐德電機Schneider Electric建議企業在開發與使用AI時，應堅持遵守以下三項準則：
符合法律與規範：如施耐德電機擁有完善的網路安全政策，符合ISO/IEC 29147和ISO/IEC 30111的標準，同時積極參與AI法律的制訂，並承諾完全遵守相關法規。
符合法律與規範：施耐德電機以最高標準的道德與信任，對減少碳排與降低能耗做出承諾，而將AI導入解決方案時，也以同樣高標準的道德與信任作為原則。
內部政策與流程：施耐德電機擁有數位風險與數據管理主管負責AI專案，並成立RAI工作小組（Responsible AI Workgroup）跟進歐洲與美國最新的AI法案，持續關注倫理議題。
此外，上下文情境、數據來源、解釋方式都可能導致AI產生的結果有偏誤或偏見，這讓AI信任議題變得極為複雜。以機器學習（ML，Machine Learning）來說，就算風險與其他數位技術類似，但由於系統更加複雜，風險的規模便更大、更難避免、更難追蹤、更難解釋。若想克服這些挑戰，建立可信任的AI，有以下兩點關鍵：
專業知識和AI專家：AI應用將對人類產生深遠的影響，因此AI專家和數據科學家往往要擔任道德的守門員，他們檢測偏見、建立回饋循環（Feedback Loops）、檢驗運行異常以避免資料下毒攻擊（Data Poisoning）。在發展與應用AI時，企業必須選擇有價值的案例、挑選和清理數據、測試模型並控制其行為，這些都需要大量的專業知識與技術。若是出現異常，模型需要重新學習，以改善系統並避免使用特例數據而引發偏見。
風險預測：目前多數的AI監管都以風險預測為基礎，從設計階段開始，就必須考量錯誤或異常數據、網路攻擊可能導致的問題，並預測潛在後果。藉此，AI專家能及早採取相關動作來降低風險，例如改善訓練AI模型的資料庫、檢測數據漂移（運行時的異常數據變化），盡可能做好防護措施。另外，若AI的信心水準低於一定值，團隊也務必確保人類參與關鍵決策。
人們不能盲目相信AI，企業也要選擇具有專業知識且可信任的AI供應商合作，確保服務符合最高標準的倫理道德、數據隱私、網路安全。施耐德電機提供關鍵設施的解決方案，包含國家電網、核電廠、醫院、汙水處理等，因此深知道德與信任的重要性，作為一家可信任的企業、持續開發可信任的AI解決方案，並以同樣負責任的方式導入AI，確保服務與產品兼具安全、高效、可靠、公正、隱私。
