落實綠色供應鏈 台灣廠商尚待加強
所謂的 RoHS ，係明列自 2006 年 7 月後，製程、設備及材料處理研發禁止使用 6 種有毒物質，如鉛、汞、鎘等，內含六項管制物質的產品將不可在市面流通，屆時輸歐的電子、電機產品皆必須符合該標準。如果一旦抽驗發現有毒物質，產品即可能遭受召回、高額罰款或者長期法律訴訟。
廠商所謂的「符合」還有很多可議的空間，主要原因有兩種：首先製造商在取得供應商提供的原物料時，也許前者的確不含有毒物質，但是在製程、運送過程中，原物料仍有被污染的可能性，例如有鉛和無鉛產品共用一條生產線。然而製造商但憑供應商提供的品質文件就聲稱終端產品符合了 RoHS 規範。
其次，即使是供應商表示原物料符合 RoHS 規範，也還有待商榷，因為這必須判定供應商的原物料送審時，是以混測還是均質檢測。所謂的混測就是把包含兩三種不同原料的產品一併送測，這時候即使單一原料含有有毒物質，但在和其他物質含量平均後就無法檢測出來。均質檢測則就是每個原料都單獨出來檢驗。由於後者的成本高出許多，因此國內供應商多以混測方式送審，使得檢測結果可信度並非絕對。
RoHS 對將大量產品輸出歐洲市場的台灣 IT 產業影響深遠，根據經濟部技術處所提供的資料，據估計將有近 3.5 萬家廠商、高達新台幣 2,446 億元的產值將受到衝擊。基於此原因，經濟部技術處於去（ 2005 ）年七月啟動「寰淨計畫（ G 計畫）」，結合系統廠商、檢測驗證機構、資訊服務業者等單位，以系統廠商帶動下游供應商的方式，加速國內電腦廠商推出符合環保規範的產品。儘管政府推動甚殷，國內供應商的確在前年開始準備，不過要確實符合 RoHS 之規範精神，而非僅是形式上符合，仍有待政府與業者共同努力。
歐盟個人資料保護委員會 （European Data Protection Board, EDPB）在徵詢公眾意見後，於今（2023）年5月24日通過了「歐盟一般資料保護規則行政裁罰計算指引04/2022」（Guidelines 04/2022 on the calculation of administrative fines under the GDPR）。此一指引，旨在協調各國資料保護主管機關（Data Protection Authorities, DPAs）計算行政罰鍰的方法，以及建立計算《歐盟一般資料保護規則》(General Data Protection Regulation, GDPR )裁罰金額的「起點」（Starting Point）。 時值我國於今（2023）年5月29日甫通過《個人資料保護法》之修法，將違反安全措施義務的行為提高裁罰數額至最高1500萬，金額之提高更需要一個明確且透明的定裁罰基準，因此該指引所揭露的裁罰計算步驟值得我國參考。指引分為五個步驟，說明如下： 1.確定案件中違反GDPR行為的行為數以及各行為最高的裁罰數額。如控管者或處理者以數個行為違反GDPR時，應分別裁罰；而如以一行為因故意或過失違反數GDPR規定者，罰鍰總額不得超過最嚴重違規情事所定之數額（指引第三章）。 2.確定計算裁罰金額的起點。EDPB將違反GDPR行為嚴重程度分為低度、中度與高度三個不同的級別，並界定不同級別的起算金額範圍，個案依照違反GDPR行為嚴重程度決定金額範圍後，尚需考量企業的營業額度以定其確切金額作為裁罰數額起點（指引第四章）。 3.控管者/處理者行為對金額的加重或減輕。評估控管者/處理者過去或現在相關行為的作為加重或減輕的因素而相應調整罰鍰金額（指引第五章）。 4.針對各違反行為，參照GPDR第83條第4項至第6項確定行政裁罰上限。GDPR並沒有對具體的違反行為設定固定的罰款金額，而是對不同違反行為規範了裁罰最高額度上限，EDPB提醒，適用第三步驟或下述第五步驟所增加的額度不能超過GDPR第83條第4至第6項度對不同違反行為所訂的最高額度限制（指引第六章）。 5.有效性、嚇阻性與比例原則的考量。個資保護主管機關應針對具體個案情況量以裁罰，必須分析計算出的最終額度是否有效、是否發揮嚇阻以及是否符合比例原則，而予以相應調整裁罰額度，而如果有客觀證據表明裁罰金額可能危及企業的生存，可以考慮依據成員國法律減輕裁罰金額（指引第七章）。 EDPB重申其將不斷審查這些步驟與方法，其亦提醒上述所有步驟必須牢記，罰鍰並非簡單數學計算，裁罰金額的關鍵因素應取決具體個案實際情況。
新加坡金融管理局（MAS）發布「人工智慧風險管理工具包」新加坡金融管理局（MAS）於 2023 年中旬啟動「MindForge 計畫」，旨在協助金融機構強化其人工智慧（AI）風險管理能力。該計畫於2026年3月20日完成第二階段，並發布由MAS聯合24家領先銀行、保險公司與資本市場公司等產業夥伴共同開發的「人工智慧風險管理工具包」。該工具包內含「AI風險管理營運手冊」（下稱「營運手冊」）與「AI風險管理實施案例」（下稱「實施案例」），提供實務資源以管理涵蓋「傳統AI」、「生成式AI」及「新興代理型AI」技術的相關風險，確保產業能安全且負責任的導入AI。「營運手冊」依據MAS的監理期望，將AI 風險管理框架分為四大核心：一、範圍與監管：建立AI治理框架並釐清AI監督的角色與責任。二、AI風險管理：透過組織的系統、政策與程序，識別AI應用情境，進行風險重大性評估，並建立AI盤點清單。三、AI生命週期管理：實施AI應用完整生命週期的控制措施。四、促成因素：發展組織能力、基礎設施與資源，以確保能持續支持負責任的AI應用。「實施案例」則收錄如星展銀行（DBS）及瑞士寶盛（Julius Baer）等機構的AI風險管理實務。未來，MAS 將於「BuildFin.ai」倡議下成立專責小組，持續開發建構管理新興技術風險的框架。 相較於新加坡著重建立全方位治理架構，資訊工業策進會科技法律研究所創意智財中心（下稱「資策會科法所創智中心」）於同年 2 月發布之「金融業人工智慧（AI）風險管理實務指引」，則更強調將風險控管「整合」至既有流程中，透過與業務流程的結合實踐韌性管理。該指引奠基於「人工智慧基本法」，並進一步連結「台灣智慧財產管理規範（TIPS）」驗證角度，協助機構精準掌握應用情境並具體化風險。透過將管控機制立基於資安、資訊及智財三大支柱，降低法遵成本與業務衝擊，並藉由分階段與分級管理，引導金融機構從核心防護逐步深化管控機制。 本文為資策會科法所創智中心完成之著作，非經同意或授權，不得為轉載、公開播送、公開傳輸、改作或重製等利用行為。 本文同步刊登於TIPS網站（https://www.tips.org.tw）
因應人工智慧發展，日本更新人工知能基本計畫因應人工智慧發展，日本更新人工知能基本計畫 資訊工業策進會科技法律研究所 2026年08月17日 2026年7月，日本內閣府發布最新的AI基本計畫[1]（人工知能基本計畫，下稱AI基本計畫），旨在因應代理型AI（AI agent）之崛起，並建立AI之轉型藍圖。 壹、事件摘要 日本AI基本計畫最早係於2025年12月發布，為日本依據人工知能相關技術之研究開發及活用推進法[2]》（人工知能関連技術の研究開発及び活用の推進に関する法律，下稱日本AI法）第18條所定之國家級計畫。該條規定，日本政府應針對該法基本措施，制定促進AI相關技術研究、開發及運用之基本計畫，且該計畫應由日本內閣府之AI戰略總部負責[3]。AI基本計畫以信賴的AI以及日本再起為核心，旨在使日本成為世界上最容易利用及開發AI之國家。為能跟上AI技術發展以及部會間之協調，該計畫預計每年檢視計畫並調整[4]。 2026年6月，距離2025年版本發布僅半年，意識到AI之快速發展，尤其是能夠自訂計畫並實行、驗證及修正之代理型AI崛起，且於國際上各領域應用與管制，日本政府進而著手修訂AI基本計畫，並於7月通過公布。相較於前次基本計畫，2026年之計畫核心概念係從AI使用轉向AI開發，強調中小企業及區域之AI轉型（AIＡＩトランスフォーメーション, AX）。同時明確提出AI主權概念，透過技術及基礎建設之強化，提升生態系之自主性及國際談判能力。 貳、重點說明 2026年之基本計畫基本理念可分為代理型AI、AI轉型以及AI主權三大核心理念。 一、核心理念 （一）強化基礎建設以因應代理型AI 基本計畫中提及，代理型AI為能自主進行計畫、執行、驗證以及修正之AI系統，提升組織運作及決策之效率，而將代理型AI實際應用於社會中，將直接關係到國家的經濟、國防以及技術能力。故加強日本AI產業相關之基礎建設至關重要，包含能夠適應代理型AI之算力資源、電力、制度以及政策，以全面強化日本之AI實戰能力[5]。 （二）釐清日本優勢實施AI轉型 為解決日本少子化、高齡化及產業人手短缺之問題，基本計畫強調應積極推動AI轉型（AI Transformation, AX），利用AI解決社會結構性問題，並推動AI之應用。日本之AI轉型重點在於運用其既有之優勢，著重用於產業及行政現場之領域專用型「垂直AI」（バーティカルＡＩ），以及能於現實空間中創造價值之「實體AI」（フィジカルＡＩ）。透過垂直AI蒐集與整合各領域現場之高品質資料，結合實體AI之機器人與自動化設備，將以代理型AI為首之先進AI技術，深入整合進日本製造、服務及基礎設施等產業，解決日本之社會結構性問題，創造日本獨有之價值[6]。 （三）建立AI主權，推動敏捷治理及AI協作社會 2026之AI基本計畫提出了AI主權之概念，強化技術、供應鏈及基礎建設，提高日本於AI之自主性以及談判能力，避免過度依賴特定國家或企業，建立日本之AI生態系，防止供應鏈及資料外洩風險。在敏捷治理上，面對AI既有及代理型AI所帶來之新型態風險，日本政府將積極推動「負責任之敏捷治理」。除相關法規制度之推進，亦須提升組織管理應對能力，促進創新之同時並能確保各項權益之保障[7]。 二、具體政策措施 依據前述核心理念，AI基本計畫提出政府應採取之具體措施，建立推動社會AI轉型之體制，檢視跨部會之制度及運作。 （一）打造運用AI之社會[8] 推動AI於社會中之運用，包含中小企業、地方區域以及各年齡層之國民都能於日常生活中使用AI。為能強化產業競爭力，推動於醫療、福利、農業、社會建設等公共領域使用代理型AI，透過AI之使用解決特定領域內之社會問題（如地方區域人口減少、社會基礎設施維護費用增加等）。而為能有效推動全民AI，基本計畫強調應由政府開始做起，中央政府內部之AI「源內」（げんない）將擴大應用於地方政府，推動以AI重新建構行政服務之行政AI轉型。同時配合合規採購規範之調整，確保AI之信任及透明度。 （二）強化AI基礎建設及開發戰力[9] 因應代理型AI對算力、資料及供電穩定之高度要求，日本將「AI部署能力」定義為家基礎設施，進一步建立包含資料中心、雲端、算力等資源甚至物理空間之完整AI生態系，以落實可信任AI之政策。在戰略上，確立開放之AI主權，採取多模型調度機制，以避免過度依賴特定外國企業；同時活用日本國內具有優勢之算力供應鏈以及特定場域之現場資料，積極引進國內外優秀人才，提升訓練及開發能力。政府亦將運用經濟政策及研發/設備投資租稅優惠，吸引民間資金投入基礎建設，最終開發出能解決日本自身社會問題（如人口老化、人力短缺）之AI，並將其化為能解決世界問題之工具，以強化日本之戰略不可替代性。 （三）AI風險管理及人才培育 面對AI使用導致之風險以及代理型AI引入後產生之技術、社會及網路自律攻擊等更為複雜之風險，日本政府推動敏捷治理，整合制度檢討、技術評估以及組織管理，同時強化AI安全研究所（AISI）對包含代理型AI及高性能AI（如國家安全相關）之安全評估，推動如Project YATA-Shield等強化網路安全及評估之機制。日本政府亦積極推動國際合作，並與理念相近之全球南方合作，承襲「廣島AI進程」，主導國際規則之標準制定，成為全球可信賴AI之創新核心[10]。 在日本轉型及實務層面，將推動跨領域之AI轉型，透過產官學界共同培養適當之AI人才。此外，雖鼓勵AI之使用，AI基本計畫仍強調須以人類負有最終決策責任之「人類力」為核心，防止過度依賴AI之社會以及注意AI可能產生之偏見；尤其應關注青少年自身能力之養成及其身心健康，以建構安全並可信賴之AI社會[11]。 參、事件評析 從日本2026年之AI基本計畫可看出，面對AI技術之進展以及日本社會少子化、高齡化等社會結構性問題，日本政府透過釐清日本既有之產業及技術優勢，將AI定位為能解決社會問題之工具，同時透過基礎建設強化建構AI主權。在因應人口老年化方面，日本政府結合垂直AI與實體AI，將AI導入醫療照護、物流自動化、農業及公共行政等各領域，使AI作為社會基礎並實際運用，成為協助社會問題解決之工具。而就整體戰略布局而言，則是強調國家AI主權之建構，包含強化其國家內部算力、資料及供電之基礎建設，以提升日本之自主及談判能力，並防止對他國企業之依賴，建立日本之AI生態系。於風險治理方面則是透過敏捷治理、安全評估機制以及Project YATA-Shield[12]之實施，防範代理型AI所帶來之新興網路安全風險及自律攻擊；亦延續廣島AI進程之國際合作精神，強化與全球南方國家之連結，希冀能持續主導國際AI規則之制定，提升日本之國際競爭力以及戰略不可或缺性。 日本AI計畫之修正，透過社會轉型之核心概念，將技術創新、產業應用及國際規則主導結合，建構其本土AI主權及生態系，同時仍強調人類角色於AI應用之重要性。我國同樣面臨產業轉型以及人口高齡化之社會結構，或可考慮參考日本之政策轉型，強化我國於全球AI供應鏈之較有優勢之部分，搭配推動產業AI轉型，減緩勞動力不足挑戰。而在AI基本計畫擬定層面，我國行政院依據《人工智慧基本法》第6條成立人工智慧戰略特別委員會，並制定《國家人工智慧發展綱領》[13]，推動及協調全國性之AI事務。現行《國家人工智慧發展綱領》草案中，同樣重視AI主權及相關基礎建設；於產業推動面則是規畫優先將AI導入教育、醫療、金融及司法等公共與專業服務。在AI計畫之檢視及調整上，我國《人工智慧基本法》第6條要求須每年召開會議，並審議《國家人工智慧發展綱領》，與日本AI計畫每年檢視及調整之規劃相似，皆能藉此確保整體戰略與AI技術發展之一致性。惟《國家人工智慧發展綱領》現仍尚未正式公布，未來於執行上之具體發展仍有待後續觀察。 本文為資策會科法所創智中心完成之著作，非經同意或授權，不得為轉載、公開播送、公開傳輸、改作或重製等利用行為。 本文同步刊登於TIPS網站（https://keid.nat.gov.tw/tips/） [1]人工知能基本計画 ～日本ＡＸ、より強く、より豊かに～，令和８年７月14日，https://www8.cao.go.jp/cstp/ai/ai_plan/aiplan_20260714.pdf (最後瀏覽日: 2026/07/24)。 [2]人工知能関連技術の研究開発及び活用の推進に関する法律（令和７年法律第53号）。 [3]同前註，第18條。 [4]前註1，頁2。 [5]同前註1，頁2。 [6]同前註，頁3。 [7]同前註，頁4。 [8]同前註，頁7-8。 [9]同前註，頁10。 [10]同前註，頁14-15。 [11]同前註，頁18。 [12]為日本政府為因應AI導致之網路攻擊而設之應變方案。透過由國家安全局及國家網路指揮辦公室等政府機構之合作，加強因應AI技術之措施，https://japansecuritysummit.org/2026/05/14354/ (最後瀏覽日：2026/7/29)。 [13]，行政院網站，https://www.ey.gov.tw/Page/9277F759E41CCD91/e7954aaa-25ce-4b85-9747-f70d06da9ef5 (最後瀏覽日：2026/08/03)。
英國國家統計局政府資料品質中心發布《政府資料品質框架》英國國家統計局（Office for National Statistics）轄下之政府資料品質中心（Government Data Quality Hub）為實踐英國數位、文化、媒體暨體育部（Department for Digital, Culture, Media & Sport）發布之《國家資料戰略》（National Data Strategy），於2020年12月3日釋出《政府資料品質框架》（The Government Data Quality Framework），以達成國家資料戰略中「資料基礎（Data Foundation）」之核心目標。該框架提出「資料品質原則」（Data quality principles），旨在解決目前政府資料品質低落的問題。該原則包含以下五點： 一、確保資料品質：機關內部應建立有效的資料治理機制，例如培訓員工具備管理資料的能力、持續改進資料品質等。 二、了解使用者需求：機關應將使用者對資料品質的需求視為優先處理事項。 三、評估資料於資料生命週期各階段之品質：機關應密切關注資料於生命週期各階段之品質，並與使用者及利益關係人交換意見。 四、持續溝通資料品質：機關應持續與使用者交流資料品質現況，提供使用者有效的文件及中繼資料（metadata）。 五、了解造成資料品質低落的主因：分析造成資料品質低落的根本原因，從源頭徹底解決資料品質問題。 英國國家統計局政府資料品質中心希望藉由本框架揭示的資料品質原則，提升政府機關人員主動辨別及解決資料品質問題的能力，以改善政府資料品質、為人民帶來更高品質的資料，釋放資料價值並促進社會經濟發展。