在地生活

AI 改名之後：當「Artificial」被劃掉，誰來為智能負責？Part 5 台灣 Taiwan's Answer

AI 改名之後：當「Artificial」被劃掉，誰來為智能負責？

焦國安 James ChiaoiTAC 創辦人 · TSSA 理事長2026 年 10 月 2 日全系列約 40 分鐘

Part 5 · 台灣 Taiwan's Answer

台灣的負責任 AI 路線圖：從 AI 基本法到公務人才認定指引

Names Change, Trust Is Verified: Taiwan's Responsible AI Playbook

English abstractTaiwan has moved from AI principles to AI operations: an AI Basic Act, a risk-classification framework launched in July 2026 and, since June, a civil-service AI talent guideline with three tracks and 25 recognised credentials. Mapped against Dubai's principles, it turns ethics into job skills. The series closes with a checklist for TSSA members taking smart solutions abroad.

前四篇從華府談到杜拜，現在回到台灣。如果說杜拜回答了「原則是什麼」，台灣正在回答的是更難的問題：誰來執行、具備什麼能力、怎麼認證？

從原則到落地：台灣 2026 年的三個里程碑

時間	里程碑	重點
2026.01	《人工智慧基本法》公布	確立國家 AI 治理的基本原則與權責架構
2026.06.09	《AI 公務人才認定指引》Beta 版	數發部與人事總處共同發布：三類人才、3 條學習路徑、8 大課程模組、40 門標準課綱
2026.07	AI 風險分類框架	「盤點應用 → 辨識風險 → 評估風險 → 因應風險」四階段流程

人才指引採計 25 張國際與國內證照（包括 AWS、Google、Microsoft 與經濟部 iPAS），並規劃於 2026 年下半年推出「公務 AI 共通核心能力認證」；取得認證者可將 AI 專長登錄於人事系統。媒體報導的政策目標是 2030 年前培育 8.6 萬名 AI 公務人才。

對標分析：台灣三類人才 × 杜拜倫理原則

把台灣的人才分類與杜拜的原則放在一起看，會發現兩者互補：杜拜定義「要做到什麼」，台灣定義「誰具備能力去做」。

台灣人才類別	對應杜拜原則	核心能力
AI 政策人才	究責 Accountability	制定治理藍圖、監理合規、評估導入效益、指定責任人
AI 開發人才	可解釋與可追溯 Explainability／Traceability	模型訓練與部署調校、決策日誌設計、透明化紀錄
AI 應用人才	公平 Fairness	以 AI 提升效能的同時，辨識並避免偏見產出

此對照為作者的分析框架，並非官方指引的正式對應。

值得注意的是，台灣學習地圖特別強調「生成式 AI 的資訊判讀能力」。這可以看作杜拜「透明度」原則在生成式 AI 時代的延伸：當產出本身難以解釋時，使用者的判讀與驗證能力就是最後一道防線。這也呼應 Part 3 的「認知投降」疑慮。不管系統叫 AI 還是 SI，人都要保有質疑的能力。

名字可以改，信任不能改名。信任只能被驗證。

雙軸轉型：負責任 AI 與低碳 AI 是同一份信任檔案

AP-NORC 的民調顯示，美國有 53% 的民眾對 AI 的環境衝擊「極度」或「非常」擔憂，一年前是 41%。超級智能競賽的另一面是算力與電力，本部落格先前的「算電融合」系列已有深入討論。對國際買家來說，一套 AI 解決方案是否可信，將同時取決於它的決策能不能被解釋，以及它的碳足跡能不能被查證。