引言

寫到最後，中華企業策略永續發展學會創會理事長 莊鈞翔博士反而覺得「AI 會不會取代人類」是一個太大的問題；企業每天真正要面對的，是更小、更具體的決定：這份資料能不能給模型？這個答案要不要相信？這個成果屬於誰？這個流程能不能自動化？錯了誰負責？

當這些小問題被累積，才形成真正的人機秩序，莊博士不會把 AI 描寫成救世主，也不會把複雜的市場結構簡化成對特定科技企業的動機指控、市場存在利益、集中與競爭，涉及個別違法或不當行為的判斷仍需具體事證。

比猜測動機更重要的是建立制度：任何企業、模型或平台若進入重要流程，都應被放在清楚的權利、權限與責任結構下使用。

AI 的「祛魅」不是否定技術，而是把它放回工具的位置；模型很強，但仍依賴資料、架構、算力與人類設定；它可以協助推理，不等於擁有人類意義上的責任；企業若把模型輸出當成最後決定，就等於把責任交給一個無法承擔法律後果的系統。

祛魅的目的：是讓人類重新知道何時該信、何時該查、何時該拒絕。

人類主導權第一層：資料主權；企業應知道資料從哪裡來、誰有權使用、放在哪裡、誰能存取、能否訓練、何時刪除，沒有資料主權，後面的模型治理都只是表面。

人類主導權第二層：模型選擇權；企業不應被單一平台永久綁定；資料與工作流程應盡量可攜，模型可以依任務替換，選擇權就是議價權。

人類主導權第三層：最終決策權；重大法律、財務、人事、醫療、安全與公共利益決定，應由可負責的人作成，AI 可以提供建議，但不能成為責任消失的理由。

人類主導權第四層：創作與作者性；AI 可以生成，人的選擇、編排、修改與審核仍然決定作品是否真正承載人的表達，企業應保留創作軌跡，讓作者責任與權利不被模型模糊。

人類主導權第五層：退出權；企業若將 AI 納入核心流程，應事先設計停止與離開的可能；包括資料可攜、流程降級、人工接管與契約終止等安排，沒有退出權的效率，可能只是依賴；技術供應商也需要被當成企業治理對象；當某個模型或雲端成為核心流程，供應商風險就像銀行、關鍵原料商與重要外包商；企業應評估資安、財務、法規、集中度與替代方案。

AI 法遵不應成為少數大型企業的專利，中小企業沒有龐大法務，但可以用簡單規則守住核心：核准工具、資料分類、人工複核、事件通報，治理可以輕量，但不能不存在；科技巨頭的市場力量應被制度分析，而不是人格化；大型平台掌握資料、算力與生態，可能形成高度市場力量。

法律應透過競爭、隱私、消費者保護與其他制度處理，而不是把複雜結構簡化成對特定人物的道德審判。

同樣的方法也適用於公共評論：制度分析應優先於人物動機推定，當 AI 涉及國家安全、產業政策與公共資源時，政治性不可能完全消失，但評論仍可以回到法源、程序、負擔與可驗證效果。

所以，我建議真正要做的是把問題轉成制度：法源在哪裡？程序如何？誰受益、誰負擔？資料是否公開？標準是否一致？這種寫法仍然可以非常尖銳，只是不需要用沒有證據的動機指控。

企業策略的終局是保留選項，而不是追求永遠正確

技術變化太快，沒有企業能一次選到永遠正確的模型。

真正好的策略是保留調整能力：資料可攜、供應商可換、流程可降級、人員懂得接手；人類專業不會因 AI 強大而失去價值，反而更需要被制度化，AI 可以讓普通內容便宜化，真正稀缺的將是能判斷來源、理解例外、承擔結果的人類專業。

企業應把資深員工經驗整理成知識，而不是在導入 AI 後急著把人淘汰，信任將成為 AI 時代最稀缺的資產，當網路充滿自動生成內容，人們更需要知道誰說的、根據什麼、能否追溯；品牌、專業與可驗證來源的價值可能因此上升；但AI 可以是一支更強的筆，但治理上仍需要有人握住最後的責任；我最後仍願意保留這個比喻：筆可以越來越快、越來越強，甚至會主動建議下一句寫什麼，但一篇文章要表達什麼、公司要承擔什麼、社會要接受什麼，仍然『需要人作決定。』

莊鈞翔 博士真正想說明、想保護的，不是某一種舊產業，也不是阻止科技巨頭成長，而是『人的判斷權。』

當企業懂得資料治理、權利邊界、模型風險、供應鏈、能源與責任，AI 就可以被放在正確位置：非常強大的工具，但不是無需質疑的權威，人類在 AI 時代最重要的能力，不是比模型算得快，而是在模型提供答案之後，仍然知道自己為什麼接受、為什麼拒絕，以及願意為哪一個決定負責。

這就是我理解的法權終局，也是這整套專欄最後想留下的企業治理底線；AI 治理的最低原則可以濃縮成「知道、選擇、確認、負責」：

1. 知道資料與模型從哪裡來。

2. 選擇什麼能交給 AI。

3. 確認重要輸出是否可信。

4. 最後由人或組織負責。

這四件事看似簡單，卻涵蓋了本席所有提出的問題。

企業應設計「人類接管」機制：當模型信心不足、資料衝突、出現高風險詞或使用者要求正式決定時，系統應轉人工；Human-in-the-loop 不應只是一句口號，而要有明確觸發條件；員工不應因 AI 建議而失去申訴與解釋權；如果 AI 參與招聘、績效、排班或風險評分，受影響者應能知道基本理由並要求人工覆核；這是人類主導權在組織治理中的具體表現；客戶也應有拒絕純自動化處理的合理途徑；複雜投訴、爭議與重大權益，不應永遠困在 AI 客服迴圈；企業應提供人工升級渠道；效率不能消滅救濟；AI 的錯誤紀錄應被當成組織學習資料；企業不能只修正個別回答，而要找出是資料、檢索、模型、權限或人員流程哪一層出錯，將每次重大錯誤都應促成規則更新，避免同樣問題反覆發生。

莊鈞翔 博士認為，企業最需要防的是「責任漂移」，員工可能說是 AI 建議，主管可能說是系統自動，供應商又說使用者應自行判斷。

最後沒有人負責，治理應事先指定最終責任節點，避免責任在技術鏈中被不斷轉移而失去歸屬，人類智慧的價值將從「知道答案」轉向「知道什麼答案值得相信」，當模型可以快速產生答案，真正稀缺的變成判斷、經驗、價值排序與責任，教育與企業培訓也應從記憶轉向驗證與推理。

在地資料與文化脈絡不應被全球模型抹平

大型模型傾向學習高頻資料，地方語言、專業慣例與少數經驗可能被忽略。

台灣企業建立自己的知識庫，不只是效率，也是保存產業脈絡，科技治理需要保留「不使用」的自由，某些決定不適合 AI，某些資料不值得數位化，某些人也可能希望由真人服務。真正的人類主導權包含拒絕自動化，法律不能保證技術沒有風險，但可以要求風險有人承擔；任何制度都不可能消除錯誤，法律的價值在於分配責任、建立程序與救濟，AI 時代同樣如此。

莊博士表示，自身不是反科技宣言，而是反失去主導權宣言，我反對的從來不是模型更強、企業更大或技術更快，而是人們在驚嘆中忘記追問資料、權利、責任與成本；只要人仍然保有追問與選擇，科技就可以被使用；當人放棄這些能力，再方便的工具也可能變成新的依賴。

未來最成熟的 AI 企業，應該是最能證明自己仍由人負責的企業：它會有來源、版本、權限、審核、申訴、退出與紀錄；模型可以非常自動化，但責任結構不能自動消失，這是我想替AI這幾篇專欄留下的治理判斷：技術可以替人做很多事，卻不能替人決定什麼值得做，那個決定，以及承擔它的責任，仍然屬於人，AI 治理也需要「不同意」的制度空間，員工、客戶或專業人員若不同意模型建議，應有提出異議的管道；組織若把 AI 分數視為不可質疑，就會把技術偏誤制度化；企業應避免把 AI 風險全部交給法務；資料品質是業務責任，權限是 IT 責任，模型表現是技術責任，最終決策是管理責任；法務可以設計邊界，但不能替所有部門負責。

AI 治理成熟度的標準之一，是錯誤能否被快速修正。

不是有沒有錯，而是錯誤被發現後多久能停止擴散、定位來源、修正資料、通知受影響者，這種修復能力比完美承諾更真實，對外透明應與商業秘密取得平衡，企業不必公開模型全部細節，但可以說明是否使用 AI、主要限制、資料如何處理、是否有人類複核。

透明不等於自曝技術，而是讓使用者知道自己面對什麼，人機協同也需要重新設計教育；未來員工不只要會使用 AI，還要會查來源、辨識不確定、記錄決策、保護資料；這些能力應進入企業培訓與教育體系，專業作者使用 AI，更應保留作者主權；AI 可以提出文字與觀點，但不能自行把未經作者確認的主張寫成「作者認為」，真正的作者責任，是採用、否決、修改與查證；這也是這整套專欄最切身的實踐。

科技政策評論應避免以恐懼作為流量工具

「AI 毀滅人類」「科技巨頭控制世界」都容易吸引注意，但若證據不足，就會降低公共討論品質，真正有價值的評論應指出制度條件與可驗證風險，企業策略也不應建立在末日或救世神話，過度恐懼會讓公司錯過機會，過度崇拜會讓公司過度投資，最好的位置是把 AI 當成有能力也有缺陷的技術，逐步驗證。

人的尊嚴在企業場景中，就是不被無法解釋的模型任意決定命運，當 AI 影響求職、升遷、信用、保險或服務，受影響者應有基本知情與覆核機會；這不是反對自動化，而是維持人仍然是法律關係中的主體，這套專欄真正的「反殖民」不是反對某一國，而是反對失去自主判斷，如果企業把資料、技術、判斷與責任都交給任何外部平台，不論平台來自哪個國家，都可能形成依賴，真正的自主是保留資料、人才、替代與退出能力。

莊博士所強調的重要法權之一，不是讓人擁有一切，而是讓人持續保有重新選擇的能力，技術、平台與政策都會改變，企業若能帶走資料、改換模型、停止自動化、要求人工審查，就仍然掌握未來；這就是我理解的人機協同終局：不是人和機器誰贏，而是人能不能在使用最強工具時，仍然保有說「是」、說「不」、說「請證明」以及說「我要退出」的權利。

藉用一個日常工作情境看人機主導權：假設員工請 AI 草擬一封重要客戶回覆，AI 可以整理語氣與條件，但員工仍應確認價格、承諾與交期；若直接寄出，企業就把契約風險交給模型；若人類確認後再寄，AI 就只是工具，這個簡單例子，其實就是整套治理的縮影：AI 可以生成，權利與責任仍要有人承擔。

企業的 AI 原則應該能被一般員工記住，如果政策太複雜，就無法落地；可以濃縮成幾句：敏感資料不上未核准工具，重要答案要看來源，重大決定要有相稱的人工作業與責任節點，出錯要通報，人類主導權也需要時間資源，如果公司要求員工對 AI 結果負責，卻不給審閱時間，Human-in-the-loop 就只是形式。

企業要在流程與 KPI 中保留確認時間；AI 可以協助治理本身，模型可以幫助找出過期文件、權限異常、契約缺漏與資料分類問題；治理不必只是限制 AI，也可以用 AI 提高治理效率，但仍需人工確認；使用者信任需要可申訴與可更正，若 AI 對客戶做出錯誤判斷，企業應提供修正與申訴，而不是只說系統如此；救濟是人類仍為法律主體的證明。

公司治理策略師 莊博士所關心的，是作者使用 AI 時，也需要把來源、草稿與最終採用分開，資料來源不等於 AI 建議，AI 建議不等於作者立場；只有作者確認採用的內容才應以作者名義發布，這可以避免 AI 把推論、錯誤或安全化改寫冒充作者思想。

AI 不應成為組織推卸倫理判斷的工具

公司不能因模型評分就說「我們沒有選擇」，是否採用模型、如何設定、何時人工覆核，本身就是管理選擇，未來的競爭力可能來自「可信 AI」而非「最多 AI」，客戶與合作夥伴會更在意資料保護、來源、可靠性與責任。

企業若能證明治理成熟，可能形成商業差異，公共政策也應保障不同規模企業的選擇權；如果只有巨頭能負擔合規、算力與資料，中小企業會被排除；政策可透過標準、共享工具、開放資料與技術協助降低門檻；AI 時代真正需要防止的，不是機器變成人，而是人把自己降格成只會服從機器；只要人仍然問來源、看條件、保留異議、願意承擔，AI 再強也仍是工具；真正危險的是因為模型說得流暢，就停止思考。

所以莊鈞翔 博士提點人類要守住自身的判斷尊嚴、法律提供邊界，治理提供程序，專業提供判斷，三者一起存在，科技才會服務人，而不是反過來定義人。企業應把 AI 決策紀錄當成治理資產，而不是監控員工工具，紀錄的目的是追溯重要決策與改善系統，不是無限制監控個人。

日誌應依必要性保存，設定權限與期限，避免治理本身造成新的隱私問題；AI 的人類覆核也可能失敗，需要避免「橡皮圖章」，如果員工每天要審上千筆 AI 結果，最後可能只按確認；企業應把人工覆核集中在高風險或低信心案件，確保人真的有時間判斷；組織文化會決定員工敢不敢反對 AI；若主管把模型當權威，員工即使發現錯誤也可能不敢挑戰；企業應鼓勵提出異議，把發現模型錯誤視為品質貢獻，而不是阻礙創新。

人機協同不應讓弱勢使用者承擔更多複雜度；AI 服務若讓一般人更難找到真人、申訴或理解權利，效率可能是以使用者成本換來；企業應把可近用性與救濟納入設計；AI 生成內容氾濫後，真實身份與來源認證會更重要；企業可以使用官方簽章、驗證頁面、固定發布渠道與內容憑證，幫助客戶辨識真實資訊；信任需要新的技術與治理工具共同維持；專業倫理在 AI 時代不是減少，而是增加；律師、醫師、會計、工程師等專業人員使用 AI 時，仍要依自己的專業義務審核。

工具不能降低注意標準，企業不應把 AI 當成「替代所有人的共同語言」，不同部門有不同專業；AI 可以協助翻譯，但最終仍需要專家互相理解，若所有溝通都只透過模型中介，可能失去真正的跨部門對話。

AI 治理的終局不是更多規則，而是更好的判斷習慣

規則無法涵蓋所有新情境，企業最終需要培養員工問幾個基本問題：來源可靠嗎？有權使用嗎？可能傷害誰？能否驗證？出了錯誰負責？人類主導權不是把 AI 關在門外，而是確保門的鑰匙還在人手上，我們可以讓 AI 進入創作、製造、金融與決策，但資料的門、權限的門、責任的門、退出的門，都要有人能開也能關；只要鑰匙仍在人手上，AI 越強，人類越能利用它；如果鑰匙交出去，再聰明的模型也可能成為新的依賴。

這就是我希望每一篇AI專欄的論述，最後共同抵達的地方。

企業可以把每一篇AI專欄的治理思想落成一份 AI Charter。

不必很長，只要寫清楚：AI 用於增強人類而非逃避責任，資料使用需有合法來源；高風險決策設置相稱的人工覆核或核准；核心資料與模型要可控；使用者有申訴與更正；系統應設計可停止、可降級與可退出的機制；這份 Charter 可以成為各部門制度的共同上位原則。

AI 治理應接受定期回顧，因為技術與法律都會改變；今天安全的工具，明天條款可能不同；今天低風險的功能，明天可能加入代理行動，企業應至少年度檢視工具、政策、重大事件與法律變化；人的責任也需要組織支持；不能一方面要求員工對 AI 結果負責，一方面又用產量 KPI 逼他們快速接受；治理要提供時間、訓練與權限，讓人真的能說不；AI 時代的企業倫理，不是要求企業放棄利益，而是要求利益不能建立在資訊與責任完全不對稱上；企業可以追求效率與獲利，但應讓客戶知道重要限制、讓員工有申訴、讓資料有來源、讓事故有人處理；這就是內在治理的實際樣貌。

科技真正文明的標準，是強大的工具是否仍被放在可問責的制度裡；如果 AI 越強，人越無法知道資料從哪裡來、為何被決定、如何申訴，那不是文明進步；如果能力提升的同時，來源、權利、責任與退出也更清楚，才是真正成熟；這是我希望整套專欄最後留下的答案：不是反對 AI，而是要求任何強大技術都不能把人變成沒有選擇、沒有說明、沒有救濟的使用者；作者與企業都需要一個「不確定性語法」；面對尚未證明的事項，應明確使用「可能」「有待查證」「在特定條件下」而不是把推論寫成事實。

這不是削弱文字，而是保護可信度；AI 的最後一道防線是人願不願意承認不知道；模型傾向生成答案，人也常害怕說不知道；真正成熟的治理允許暫停、補資料、尋求專家；承認不確定，是避免錯誤被制度化的重要能力。

GRC 專家莊鈞翔 博士要提醒的是，技術越能模仿智慧，人越要把真正的智慧留在責任裡；智慧不是只會回答，而是知道答案的邊界、理解他人的權利、願意承擔後果，這些仍然是人類制度的核心；AI 可以協助，但不能替代；人機協同真正成熟的象徵，是企業敢把「AI 不確定」呈現給使用者，而不是每一次都強迫系統裝作有答案；誠實的限制，本身就是可信任科技的一部分。

資料、推論、決定與責任，必須分得清楚

當企業與作者都能清楚區分資料、推論、決定與責任，AI 才真正成為放大智慧的工具，而不是放大錯誤與權力不對稱的機器。