05_治理、風險與法遵

核心表格

核心主題	主要觀點／方法	實務用途	重要條件／限制／延伸
AI Ethics	倫理必須嵌入 governance、culture、accountability、diverse perspectives、issue tracking、redress	建立 Responsible AI 原則與跨部門責任	不能只停留在 policy；原書強調 ethics 要成為長期組織實踐
AI Guardrails	Access control、input/output monitoring、prompt logs、audit trails、human review、content filtering、incident response、user feedback	限制誤用、支援稽核與事故處理	Guardrails 只能降低風險，不能讓 GenAI 變成完全可靠
Accuracy and Reliability	Hallucination、虛構實體、邏輯錯誤、broken code、harmful content	Output validation、fact checking、human oversight	高風險輸出不能因語氣流暢而跳過驗證
Cost Considerations	Talent、compute、integration、data aggregation、security、compliance、retraining	TCO、pilot funding、scale-up decision	不能只看 model/API 價格；真正成本跨越人、資料、系統與治理
Data Privacy	Anonymization、differential privacy、federated learning、synthetic data、TEE、consent、data minimization、masking、pseudonymization、lineage、third-party audit	保護 PII 與符合法規	Privacy controls 應涵蓋 collection、training、deployment 全生命週期
Data Security	MFA、least privilege、air-gapped backup、confidential computing、AES-256、incident response、vulnerability management、logging、independent testing	Defense in depth	模型、資料、cloud infrastructure 都是攻擊面
Fairness and Bias	考量 protected classes、文化差異、disability、historical bias	Fairness audit、representation review	「群體」如何定義與什麼差異屬合理／不合理，常是治理問題而非單純技術問題
Interpretability and Explainability	高影響決策需要 documentation、system cards、decision traceability	Hiring、admissions、finance、medicine、insurance、legal	LLM black-box architecture 使完全 explainability 很困難
Organizational Impact	Roles、culture、authority、skills、trust、change management	Reskill／upskill、stakeholder engagement、adoption	技術可行不等於組織會採用
Regulatory Concerns	Misinformation、impersonation、copyright、data abuse、bias、surveillance、law-enforcement access	Policy、legal review、vendor contract、oversight	原書反覆強調需在過度限制與無限制使用間取得平衡
Safety and Security	Data theft、DDoS、poisoning、deepfakes、phishing、harmful automation	Threat modeling、watermarking／controls、monitoring	Detection technology 在原書出版時仍被描述為早期階段
Skills	ML experts、data engineering、AI trainers、workflow integration、change management、AI ethics、communications	建立跨功能 AI team	缺一類能力可能限制 adoption 或 responsible deployment
Society and Environmental Impact	Job displacement、inequality、misinformation、polarization、energy footprint	Reskilling、social support、energy／emissions governance	原書指出 foundation-model energy reporting 尚不一致
Technical Complexity	Specialized expertise、enterprise integration、data aggregation、content controls、change management	Implementation planning、risk mitigation	Prototype 成功不等於可無縫整合 production systems
Transparency and Accountability	Provenance、documentation、attribution、auditability、provider disclosure	建立 trust、支持 audit／accountability	Provider 未揭露 architecture／training details 時，使用者必須把 unknown 明確納入風險