演算法問責怎麼落地？AI決策要留哪些紀錄

演算法問責能落地的最低標準，是企業在結果出現後回答四件事：這個用途誰核准、模型用了哪份資料、哪個版本產出、誰能覆核或停用。台灣《人工智慧基本法》已於 2026 年 1 月 14 日公布，列出人類自主、隱私保護與資料治理、透明與可解釋、公平與不歧視、問責等原則；對民間企業，具體義務仍要接回個資法與目的事業規範。《人工智慧基本法》全文

這篇不重做AI 基本法風險分類框架的企業盤點，也不重複AI 法規落到供應商合約的責任清單。我把問題往前推一步：企業要在產品上線、模型更新與爭議處理時，留下哪些能被另一個人重新檢查的證據。

演算法問責在管什麼？

問責不是替每個模型寫一份漂亮的說明文件。它要讓組織說清楚，誰決定導入、系統預期影響誰、哪些資料進了流程、誰有權接受或推翻輸出，以及錯誤發生後如何停止、修正與通知。這些答案若只留在會議口頭討論，模型換版或人員離職後就很難重建。

NIST AI RMF 把 AI 風險管理拆成 Govern、Map、Measure、Manage 四項功能，並指出文件紀錄能支援透明度、人工覆核與團隊問責；它也要求清楚記錄角色、責任與人工監督方式。NIST AI RMF Core是自願採用的治理框架，適合當作企業流程設計的參考，不等於台灣法規認證。

台灣現在到哪？基本法提供方向，產業規範決定細節

《人工智慧基本法》第 4 條列出七項政府推動 AI 的原則，包含永續發展與福祉、人類自主、隱私保護與資料治理、資安與安全、透明與可解釋、公平與不歧視、問責。法規第 4 條第 16 條則規定數位發展部推動風險分類框架，協助目的事業主管機關訂定以風險為基礎的管理規範；第 17 條要求政府針對高風險 AI 應用明確責任歸屬、歸責條件與救濟機制。

數發部公布的AI 風險分類框架採四項操作流程：盤點應用情境、識別風險、評估風險、應對風險。官方同時說明，這套框架是政府跨部會溝通的共同語言，最終治理執行權力與責任仍由各目的事業主管機關負責。企業可以先用相同順序盤點，但不能把框架名稱當成已完成法遵。

資料一旦能識別個人，問責紀錄還要接上《個人資料保護法》。法規把記錄、輸入、儲存、編輯、更正、複製、檢索、刪除、輸出、連結與內部傳送都列為個人資料處理；非公務機關蒐集或處理資料要有特定目的，利用也要在特定目的必要範圍內進行。個資法第 2、19、20 條這代表資料欄位、用途、保存期限與刪除條件都應進入紀錄，而非只寫在隱私政策裡。

AI 決策至少要留下哪 5 類紀錄？

1. 用途與影響範圍

先記錄 AI 做的是摘要、排序、預測、建議還是直接觸發動作，並列出使用者、受影響的人、可接受錯誤與禁止用途。用途改變時，應重新評估影響，不要因為模型名稱沒變就沿用舊紀錄。NIST 指出，AI 系統的目標用途、預期效益、成本與部署脈絡都應被理解和記錄。NIST AI RMF Core 的 Map 功能

2. 資料來源與使用理由

資料紀錄至少要能回答來源、欄位、合法使用理由、保存地區、存取角色、次處理者與刪除時間。若含病歷、醫療、基因或健康檢查資料，個資法第 6 條另列特殊限制與例外；企業要先完成資料分類，再決定哪些欄位可送進模型。個資法第 6 條

3. 模型版本與測試證據

版本紀錄不要只存產品名稱，還要記模型版本、系統提示、檢索資料、工具權限、輸出格式、測試資料版本與發布時間。模型更新後，固定案例、錯誤分類、人工修改率與延遲等結果要能和上一版比較。這是產品設計上的變更管理，能讓團隊判斷變動來自模型、資料或流程。

4. 人工覆核與申訴路徑

人工覆核要留下覆核者、覆核時間、看過的輸入與輸出、採納或駁回理由，以及覆核後採取的動作。NIST AI RMF Playbook 建議記錄人工監督程度、人工推翻輸出的統計、錯誤或申訴、回應時間與處理方式，也要記錄誰作出 go 或 no-go 決策。NIST AI RMF Playbook 的 Measure 指引

若 AI 結果可能影響資格、付款、雇用、醫療安排或其他重大權益，使用者要知道結果如何產生、如何提出異議、誰能重新判斷。這不代表每個系統都要公開模型參數，而是要設計一條能讓受影響者取得說明與重新處理的路徑。

5. 事故、變更與停用回復

事故紀錄要包含發生時間、受影響範圍、輸出內容、人工處置、通知對象、修正版本與是否需要回溯既有決策。個資法第 12 條要求個資遭竊取、竄改、毀損、滅失或洩漏時，採取應變措施、記載事實與影響，並保存相關紀錄以備查驗。個資法第 12 條

停用也要被當成正常流程設計。企業至少要測過權限撤銷、資料匯出、舊版或人工流程切回、日誌保存與使用者通知。歐盟 AI 法對高風險 AI 要求系統能自動記錄運作事件，並以日誌支援可追溯性與部署後監測；這些要求有其適用對象與地域範圍，台灣企業可把它當作設計參照，不能直接視為台灣一律適用的義務。歐盟 AI 法第 11 至 13 條

怎麼接進企業導入流程？

我會把問責紀錄放進四個既有工作節點，讓它成為流程資料，而不是另外開一個只供稽核查看的資料夾：

工作節點	要完成的判斷	要留下的紀錄
需求與採購	AI 要影響什麼流程，誰承擔結果	用途、受影響者、禁止用途、責任人
開發與測試	哪些資料與案例能代表實際使用	資料來源、測試集、版本、錯誤與限制
上線與覆核	什麼情況由人批准、駁回或升級	覆核角色、門檻、決策理由、申訴入口
維運與退出	何時停用、回復、通知或重跑評估	變更單、事故、回復演練、刪除與匯出證明

產品團隊負責把用途、介面與人工介入點做出來，資訊團隊負責版本、權限、日誌與資料流，法務和法遵負責適用規範與證據要求，業務或臨床使用單位負責判斷輸出能否進入實際流程。小型團隊可以由同一人兼任多個角色，每個決策點仍要留下姓名、時間與核准理由。

歐盟 AI 法第 12 條把高風險系統的自動事件記錄、追蹤性與部署後監測連在一起；NIST AI RMF 也把風險管理放在整個生命週期，並要求角色責任、監測與停用安排可被查核。歐盟 AI 法與NIST AI RMF Core提供的共同訊息很實用：紀錄要服務決策、覆核與回復，留得多不等於管得好。

我建議先挑一個會影響權益、資料敏感度高或模型更新頻繁的流程試跑。先把五類紀錄接到現有的需求單、變更單、測試報告、權限系統與事件管理，再看哪些欄位真的能幫助覆核與回復。問責若沒有進入日常工作流，出了問題才補紀錄，通常已經錯過最有價值的時間點。

常見問題

演算法問責和模型準確率有什麼不同？
準確率回答模型在特定測試條件下表現如何，演算法問責還要回答用途誰核准、資料是否合法、版本是否可追查、誰能覆核，以及錯誤後如何處理。兩者要放在同一個導入與維運流程裡檢查。

台灣《人工智慧基本法》要求所有企業建立同一套紀錄嗎？
目前法規提供問責、透明、資料治理與人類監督等原則，數發部風險分類框架提供跨部會評估語言。企業仍要依個資類型、業務風險與目的事業主管機關規範設計紀錄欄位。

AI 供應商不公開模型細節，還能做問責嗎？
可以先要求用途限制、資料處理方式、版本通知、測試摘要、事件通報、人工覆核與退出協助。若供應商無法交付足以驗證影響範圍的證據，企業應限制資料與用途，或改用能配合查核的服務。