美國白宮公布「聯邦政府與私部門提升智慧電力市場再生能源與儲能現況簡報」
美國白宮在2016年6月16日舉行「提升智慧電力市場再生能源與儲能行動方案高峰會」，並於會後公布「聯邦政府與私部門提升智慧電力市場再生能源與儲能現況簡報」（Federal and Private Sector Actions on Scaling Renewable Energy and Storage with Smart Markets）等全美在此領域所採的各項措施。
白宮指出：目前透過新的行政部門行動措施與33州政府及私部門的承諾，除了將加速再生能源與儲能的電網整合，並預計在未來5年增加1.3GW的儲能採購與部署。
在聯邦政府方面，相關的行動包括白宮經濟顧問委員會（White House Council of Economic Advisers）就整合再生能源的電網技術與經濟面向發佈新報告、聯邦政府承諾進行增加聯邦與軍事基地的儲能與微電網的計畫，並提供偏鄉社群微電網建置資金，與能源部（DOE）促進能源資料的使用與標準化。
在私部門方面，相關的行動則有16家電業在至少8州公布未來5年的儲能採購與部署目標、投資人承諾在能源儲存領域投入1億3千萬美元資金，和電力公司與開發商承諾部署智慧熱水器、智慧電表，與需量反應計畫。
在上述措施中，加州公共事業委員會（California Public Utilities Commission， CPUC）承諾為更可靠的電網建立管制架構，並使用戶可從不同的分散型能源資源選擇，同時促進智慧電表與電網運作情形資料的蒐集、分析與散佈。
而綠色按鈕聯盟（Green Button Alliance）則宣布將以示範計畫提供聚集、匿名的能源使用資訊供研究與公益使用。目前規劃此示範計畫將由參與的電業透過智慧電表部署所提供的匿名能源使用資訊建立資料庫。
徐彪豪
法律研究員 編譯整理
FACT SHEET: Obama Administration Announces Federal and Private Sector Actions on Scaling Renewable Energy and Storage with Smart Markets, The White House, https://www.whitehouse.gov/the-press-office/2016/06/16/fact-sheet-obama-administration-announces-federal-and-private-sector (last visited Aug 15, 2016).
White House Summit on Scaling Renewable Energy and Storage with Smart Markets, Green Button Alliance, http://www.greenbuttonalliance.org/index.php?option=com_dailyplanetblog&view=entry&category=updates&id=24:white-house-summit-on-scaling-renewable-energy-and-storage-with-smart-markets (last visited Aug 15, 2016).
新加坡代理AI治理示範框架對我國人工智慧基本法落地的啟示 資訊工業策進會科技法律研究所 2026年07月08日 新加坡資訊通信媒體發展局（Infocomm Media Development Authority，下稱IMDA）於2026年5月20日發布《代理式人工智慧治理示範框架》（Model AI Governance Framework for Agentic AI，下稱示範框架）第1.5版，以事前評估並框限風險、使人類負起有意義的當責、落實技術控制與流程、促成終端使用者盡責四大面向，同時提供真實部署案例，將代理式人工智慧(以下簡稱代理AI)治理的實務具體化[1]。 壹、事件摘要 相較於僅生成內容之生成式人工智慧，代理AI能自主規劃、跨多步驟採取行動，並與其他代理及外部系統互動，代替使用者完成任務。由於其可存取敏感資料並以行動變更所處環境，例如更新客戶資料庫或執行付款，風險型態明顯不同於僅可能產生錯誤輸出者。我國《人工智慧基本法》已於民國114年經立法院三讀通過，以風險為基礎、原則導向、由各主管機關落實之路徑[2]。惟我國現行治理之重心，仍落在AI應用與輸出風險，對於代理採取行動所生之系統性風險存在空缺。新加坡已關注此新興的AI工具發展，更新其代理AI治理框架，新增風險評估因素、代理AI價值鏈、防範自動化偏誤之作法與各類控制之概覽及其選用方式，為組織提供代理AI風險及其管理新興最佳實務的結構化概覽。 貳、重點說明 一、以行動空間與自主性為風險座標 示範框架提出各代理AI雖可能具備相同元件，但每一元件之設計皆可能顯著影響代理能力，故思考代理能做什麼時，應區分兩個概念：一為行動空間（action-space），指代理可採取之行動範圍，取決於其獲准使用之工具及該等工具上之權限；二為自主性（autonomy），指代理朝目標行動時可自行決定如何行動之程度，取決於其指令與人為介入之程度。此兩個要素是後續一切風險評估與控制設計之重要因素，不同的權限與自主程度，將會使性質同為代理AI，歸屬於截然不同之風險程度[3]。 二、風險會因代理功能出現系統性擴大效應 由於代理之風險本質上並非全新，真正變化在於這些風險因代理AI會在真實世界採取行動，速度與複雜度會進一步加劇。示範框架提醒決策的快速會使監督難以在造成危害前即時阻止，而要求人類持續監督又可能導致自動化偏誤與警示疲勞，致某一步驟之錯誤可能於後續步驟間傳播並放大。因此，當系統由多個代理構成，敏感資料被無意記錄、傳遞給安全性較低代理或遭提示注入揭露之可能，會產生無法透過個別測試去預測並防止之行為[4]。 三、代理AI的四大關鍵面向 示範框架就代理AI於下列四大面向，提供組織做為梳理治理重點的關鍵考量。這些面向同時構成一個循環，透過監測發現異常時，即應循環重新評估先前各面向[5]。 (一)事前評估並框限風險：組織可於規劃階段設計適當邊界，以限縮代理之影響範圍，例如限制其對工具與外部系統之存取。組織亦可透過代理身分管理與存取控制等措施，確保代理之行動可追溯、可控制。 (二)使人類負起有意義的當責：「人在迴路」（human-in-the-loop）須加以調整，以因應自動化偏誤，一旦代理AI之部署獲得放行，組織即應採取措施確保人為當責，並應迅速掌握新發展，隨技術演進更新其作法。 (三)落實技術控制與流程：組織應於代理生命週期全程實施技術措施，且由於代理與其環境動態互動、且非所有風險均能事前預見，爰建議逐步推出代理，並於部署後持續監測。 (四)促成終端使用者盡責：應告知使用者代理之行動範圍、資料存取情形，以及使用者自身之責任。組織並應考量另行提供教育訓練，使員工具備管理人機互動、行使有效監督所需之知識，同時維持其專業技藝與基礎技能。 四、風險控制的因應策略 示範框架以行動空間與自主性各對應嚴重程度與發生機率，嚴重程度考量部署領域、對敏感資料與外部系統之存取、行動範圍（讀取相對於寫入）及可回復性；發生機率則考量自主程度、任務複雜度、是否由外部方提供及系統複雜度，並主張以「威脅建模」(threat modeling)即系統化的預設可能的如記憶投毒、工具濫用、權限破壞、間接提示注入等威脅情境，推導出更有針對性的控制與分層防禦方式來強化評估[6]。 在風險控制策略上，示範框架主張系統層確定性控制優於提示層防護，亦即與其提示代理AI不得存取特定工具，不如施加存取控制使該工具根本無法被呼叫。除靜態防護外，框架另強調在設計之初就要納入控制措施，在執行過程中監測並介入，例如如限制防止工具使用過度，或以輸入驗證的方式，在有害動作執行前予以攔截[7]。 五、風險控制的實作技巧 對於風險控制實際方法，示範框架建議可於協定層就善用模型上下文協定（Model Context Protocol，MCP）過濾敏感資料、記錄所有互動或將受信任伺服器列入白名單。同時，該框架以事例建議組織可採取這些控制的技術手段，如：於提示代理AI反思計畫是否遵循指令、記錄計畫與推理供驗證；於執行時要求嚴格輸入格式、以最小權限限制可用工具、對敏感資料庫預設不給寫入權、於鍵入密碼時交還使用者控制；於連結時，將受信任伺服器列入白名單、將程式碼執行沙箱隔離[8]。 六、人為監督之具體化、代理身分治理 針對人為監督方式，該示範框架建議應先界定須經人為核准之查核點或行動界線，尤其在高風險、不可回復或離群行為之前。其次，設計核准之形式，使請求切合脈絡且易於理解、清楚呈現風險，並依情形選擇所需之人為輸入。但最關鍵的是，須將監督的有效性本身納入稽核，包括追蹤人為否定率偏低，或審查回應時間有過短情況時，即意味監督可能已流於形式。須注意自動化偏誤或審查疲勞，並辨識決策明顯偏離常態之「離群」人員，同時訓練監督者辨識代理AI可能出狀況的情況[9]。 而就多代理與跨組織互動帶來之系統性風險，示範框架建議的因應是將身分管理延伸至代理，但其亦指出現行授權系統多為預先定義之靜態範圍，難以因應代理依情境動態變化之細粒度權限；於過渡期間，建議代理AI身分應具備唯一、有所歸屬、依其行事身分加以區別、並建檔集中管理[10]。 七、部署前全流程測試、逐步部署並設計風險示警 框架認為可能透過工具採取不安全或非預期之動作，故應測試整體任務執行、政策遵循度與工具使用正確性，非僅測最終輸出；且應個別測試與合併測試，以掌握多代理協作時之湧現風險。就部署後，框架主張逐步推行，可依使用者、工具與協定、所暴露系統三個面向控制推行範圍並持續監測。在監測面，應決定記錄之內容、優先監測更新資料庫或金融交易等高風險活動、建立警示定義與設計與風險相稱之介入、確保日誌不可竄改以維持稽核軌跡，並建立將監測洞察回饋至訓練與評估之迴路[11]。 參、事件評析 新加坡的代理AI治理框架初版於二〇二六年一月發布，此次更新納入多個組織導入代理AI的實例回饋，擴充多代理系統之系統性風險，補強代理蔓生、協作失敗、串謀與湧現行為之情境。其核心價值在於指出傳統風險止於「內容」，而代理式治理之對象，則係能呼叫工具、寫入系統、執行交易之能行動系統，風險延伸至「行動」及其真實後果。因此，其建議應由單一之模型輸出品質，轉為行動空間與自主性之風險控制。由內容防護轉為系統確定性控制、執行期介入與協定治理；由事後審查轉為將推翻率、回應時間等監督的有效性予以指標與持續改善化。 我國AI基本法於第4條提及問責、人類自主及資料治理原則，適對應示範框架的人為當責、系統層控制與監督指標化建議。同時，依基本法第16條規定數位發展部應參考國際標準或規範，推動與國際介接之人工智慧風險分類框架，並應協助各目的事業主管機關訂定以風險為基礎之管理規範。各目的事業主管機關應視人工智慧應用風險管理之需要,循前項風險分類框架,訂定以風險為基礎之管理規範，並應協助相關產業自行訂定產業指引及行為規範。在代理AI已在生成式AI基礎上，跨入多任務自主執行的功能層次，風險的質與量已因代理功能出現系統性擴大效應的情況下，單純以生成式AI為標的治理規範或指引，顯然其可產生的規範管理或指引提醒的效果，已不足以因應AI的快速發展。 新加坡適時更新的代理AI治理框架，雖然亦表明代理AI的風險並非其所獨有，亦是來自於生成式AI的既有影響，但該框架進一步提醒代理AI將使風險控制更加困難，「人在迴路」（human-in-the-loop）須加以調整，一旦代理AI之部署獲得放行，組織即應採取明確課責、認知建立、訓練技能等措施確保人為當責的「有效性」，並應迅速掌握新發展，運用技術手段強化風險監測。其中喻意深遠的是，該框架就終端使用者所提基礎技藝維持之警示，即代理AI接手任務恐致技能退化與業務永續風險，或許將成為AI基本法下一個階段必須面臨的課題。 本文著作權屬財團法人資訊工業策進會科技法律研究所所有，如需引用或轉載，請註明出處。 本文同步刊登於TIPS網站（https://keid.nat.gov.tw/tips/） [1]新加坡資訊通信媒體發展局（Infocomm Media Development Authority, IMDA），《代理式人工智慧治理示範框架》（Model AI Governance Framework for Agentic AI）第一‧五版，二〇二六年五月二十日發布、同年六月五日更新，https://www.imda.gov.sg/-/media/imda/files/about/emerging-tech-and-research/artificial-intelligence/mgf-for-agentic-ai.pdf（最後瀏覽日：二〇二六年七月六日）。 [2]《人工智慧基本法》，民國一百十四年十二月二十三日經立法院三讀通過，全文二十條，二〇二六年一月公布施行，中央主管機關為國家科學及技術委員會。 [3] 前揭註1，頁8、15（分見「代理設計如何影響各代理之限制與能力」與「判定適合部署代理之使用案例」）。 [4] 同前註，頁11。 [5] 詳前註1，頁3~4。 [6] 同前註，頁15至18。 [7] 同前註，頁33至34。 [8] 同前註，頁30。 [9] 同前註，頁29至32。 [10] 同前註，頁23至24。 [11] 同前註，頁42至45。
2024年保護美國人資料免受外國對手侵害法案即將於2024年6月生效，為美中資料傳輸增加限制2024年保護美國人資料免受外國對手侵害法案（Protecting Americans’ Data from Foreign Adversaries Act of 2024, PADFA）於2024年6月生效。該法案為美國國家安全補充法案（H.R. 815, the National Security Supplemental）的一部分。美國總統拜登在2024年4日24日簽署通過國家安全補充法案以及該法案所包含的PADFA，而PADFA將於簽署日後60天發生效力。 PADFA禁止資料經紀人將美國人民的敏感個資（personally identifiable sensitive data）傳輸到指定的外國對手國家，以及由這些國家控制的實體，如公司等。 PADFA所指之資料經紀人（data broker），是指以出售、授權、租賃、交易、轉讓、發布、揭露、提供存取權或其他方式，將個人資料提供給特定實體，並收取對價者。而該法所稱之敏感個資，定義則相當廣泛，從個人日常活動資料如行事曆資訊、電子郵件，到個人醫療、財務資料皆包含在內。 目前PADFA指定之外國對手國家，是引用自美國法典第十編4872（d）（2）條（4872（d）（2）of title 10, United States Code.），包含中華人民共和國、朝鮮民主主義人民共和國、俄羅斯聯邦、伊朗伊斯蘭共和國。而外國對手國家控制的實體則包含以下幾類 : 1.前述國家擁有20%以上所有權的實體。 2.主要營業據點、總部、住所位於前述國家的實體。 3.依前述國家法律建立的實體。 4.受前述國家指導、控制之人。 由於PADFA適用範圍廣泛，未來美中兩國資料傳輸將受更多限制。該法案生效後將由美國的聯邦貿易委員會（Federal Trade Commission）執行，該委員會將有權對違規者進行民事處罰。
日本農業數據利用的瓶頸與農業數據平台WAGRI的誕生日本從事農業者高齡少子化以致後繼無人，農業ICT（Information and Communication Technology）可使資深農民內隱知識外顯化而利於經驗傳承，例如已有地區透過除草機器人、自動運行農機等ICT農機，蒐集稻米收穫質量之數據進行分析，實作出施肥最適條件的成功案例。 然而成功案例之數據利用，延伸至其他地區實踐時卻顯得窒礙難行。首先是成本面，農場計測溫溼度等數據之感測器的設置、管理維護與通信等成本負擔，宛如藏寶洞前豎立之石門，不得其門而入。另一造門磚是農機或感測器等不同業者之系統服務互不相容，且數據無法互換共用，為求最適合特定地區與農作物之農業ICT組合，且能移植成功案例至其他地區，系統相容數據共用亦是當務之急。 日本農業數據協作平台（簡稱WAGRI），可為大喊芝麻開門之鑰，日本於2017年內閣府計畫支持下，由農業生產法人、農機製造商、ICT供應商、大學與研究機關等組成聯盟，一同建置具備「合作」（打破系統隔閡使數據得以相容互換）、「共有」（數據由提供者選定分享方式）、「提供」（由公私部門提供土壤、氣象等數據）三大功能之WAGRI，今年已有實作案例指出，活用WAGRI後，在數據蒐集與利用上的勞力與時間成本明顯縮減。 台灣農業同樣面臨高齡化、傳承之困境，日本WAGRI整合與共享數據的模式可作為我國發展農業ICT活用數據之參考。
歐盟執委會制定《高風險AI系統分類指引》草案，提供適用說明與案例清單協助風險判定歐盟執委會制定《高風險AI系統分類指引》草案，提供適用說明與案例清單協助風險判定 資訊工業策進會科技法律研究所 2026年09月10日 今（2026）年5月19日，歐盟執行委員會（European Commission，下稱歐盟執委會）發佈《高風險AI系統分類指引》草案（Draft Guidelines on the classification on high-risk AI，下稱指引草案），分別針對「產品嵌入型高風險AI」（Annex I）、「獨立型高風險AI」（Annex III）提供更詳細的條款說明與應用案例，以協助供應商、部署者和利害關係人可以清楚地判斷其使用之AI系統是否為高風險範疇。 壹、事件摘要 《歐盟人工智慧法》（EU AI Act，下稱AIA）於2024年6月13日制定通過，並於2024年8月1日正式生效。其中，AIA第6條主要規範高風險AI系統之分類規則，例如「產品嵌入型高風險AI」、「獨立型高風險AI」與高風險應用豁免條款，並於第6條第5款要求歐盟執委會諮詢歐盟人工智慧委員會（European Artificial Intelligence Board）意見後，依AIA第96條規定制定指引，並提供一份包含屬於高風險與不屬於高風險之AI系統使用情境的完整應用案例清單。 因此，歐洲執委會基於上述的法律義務而制定指引草案，原定於2026年6月23日前邀請各方利害關係人完成公眾諮詢意見，包括AI系統的供應商與開發者、企業、公共機構，以及學術界、研究機構與一般公民等[1]。然而，歐洲執委會收到來自多個產業協會及其他利害關係人的請求，希望將期限進一步延長4週。歐洲執委會為了讓利害關係人有更充分的時間提交意見，決定將截止日期延長至2026年7月23日[2]。同時，歐洲議會（European Parliament）於6月16日通過「第七號數位綜合法案」（Omnibus VII）下對AIA的修正案，調整AIA設定的合規時程，包括延後高風險AI系統的義務期限，將「獨立型高風險AI」延至2027年12月2日適用，而「產品嵌入型高風險AI」則延至2028年8月2日[3]。於是，歐洲執委會為配合法遵義務的時程規劃，並針對蒐集的公眾諮詢意見，就指引草案做最後的檢討修正，預計於2026年底前公布正式版的《高風險AI系統分類指引》[4]。 貳、重點說明 指引草案主要有三份文件，包括一般原則主文件、「產品嵌入型高風險AI」文件（下稱Annex I文件）與「獨立型高風險AI」文件（下稱Annex III文件），以下就高風險AI分類之一般性原則、Annex I文件和Annex III對高風險AI的系統判定、實例說明和豁免條款進行介紹。 一、高風險AI分類之一般原則 （一）「AI系統」之法律定義 指引草案指出評估AI系統是否屬於高風險的前提，是該系統必須先該當AIA第3條第1款對「人工智慧系統」的法律定義，即該系統必須是：「基於機器的系統，其設計旨在以不同程度的自主性運行，且在部署後可能表現出適應性；為了明確或隱含的目標，該系統從其接收到的輸入指令中進行推論動作，以產生預測、內容、建議或決策等輸出內容，進而影響物理或虛擬環境」。因此，若僅為一般無適應性或推論特質之傳統軟體或自動化決策系統，則不屬於AIA的管制範疇[5]。 （二）「預期用途」（intended purpose）的定義 依據AIA第3條第12項，「預期用途」係指提供商在使用說明、行銷文宣及技術文件中所提出之使用情境與條件，確保「言行一致」的一貫性審查原則。針對通用型AI（General Purpose Artificial Intelligence, GPAI），指引草案確立了「擴張推定原則」，若AI供應商未在所有公開資料中「一致、具體且連貫地」限制或排除高風險用途，在該用途具備技術可行性與合理可預見的前提下，系統將被直接推定涵蓋高風險用途而定性為高風險AI[6]。不僅如此，指引草案強調「實質重於形式」原則，供應商僅於商品或服務條款中進行形式宣告排除高風險，在法律上不足以規避合規義務，只要產品定位或功能演示實質上仍明示或暗示高風險用途，監管機構將直接判定其為高風險系統並進行監督[7]。 二、Annex I文件：產品嵌入型高風險AI之判斷基準 （一）「安全組件」（safety component）之判定邏輯 依據AIA第3條第14款，「安全組件」採獨立自主之法律定義，作為「產品嵌入型高風險AI」的判斷要件之一，即「產品或AI系統之組件，其履行安全功能，或其失效或故障會危及人身健康安全或財產」。指引草案闡釋了兩大判定路徑，一為「意圖導向」，依主觀判定其功能是否為「預防或減輕」健康、安全或財產之風險；二為「後果導向」，採客觀風險判定，只要該AI系統在客觀上會實質增加危害、危及自然人生命、健康或財產，仍會定性為安全組件[8]。 （二）「第三方符合性評估」（third-party conformity assessment）的轄管產品 另一個要件為「第三方符合性評估」的轄管產品，若產業或產品法規有針對特定產品的安全性要求履行「第三方符合性評估」的送檢程序時，原則上該產品在AIA的架構下會被視為高風險AI系統。指引草案指出，有些產品法規（如玩具、機械）基於程序的便利性，允許廠商可以「自主宣告」符合歐盟的規格標準，而免除「第三方符合性評估」的義務，但不代表該產品沒有安全性的監管要求。換言之，指引草案闡釋有需要「第三方符合性評估」（包括以自主宣告代替）的AI產品並同時為安全組件時，即被納入「產品嵌入型高風險AI」的範疇[9]。 三、Annex III文件：獨立型高風險AI之判定基準 （一）八大敏感領域之AI應用 依據AIA第6條第2款規定，獨立運作之AI系統，其高風險判定完全取決於供應商所宣告之「預期用途」是否落入Annex III所列之八大敏感領域，包含生物識別、關鍵基礎設施、教育、就業、服務提供、執法、移民與邊境管理、司法與民主程序等[10]。 （二）評估對象僅限於「自然人」 指引草案澄清，AI系統是否為高風險除取決於其預期用途之敏感領域外，亦必須僅限評估「自然人」，如僅為法人或公司，因不涉及個人權利，原則上不會被判定為高風險，但其系統判定涉及之實質利害關係人為自然人時，仍屬於評估「自然人」之範疇。比如，產品保險的AI應用相較於人壽或健康保險的AI應用不涉及自然人評估，原則上不會判定高風險。此外，指引草案補充供應商不能僅透過「在系統部署時加入人類審查／監督要求」，就主張該系統可以被降低為非高風險[11]。 （三）複雜系統與代理式AI（Agentic AI）之整體性評估 為防範供應商透過系統設計或分拆架構規避監管，指引草案強調，若數個AI 模組共同構成一複雜架構（或代理式AI setup），且其合併輸出實質影響了最終決策，涉及敏感領域與自然人權益，則整體系統必須被視為單一高風險AI應用進行評估[12]。 （四）「豁免機制」之除外條款 指引草案說明，依AIA第6條第3項規定，就程序性任務（不對資料進行價值判斷）、改善既有成果（不影響已做成之決策）、偵測決策偏差（檢視已做成之決策）或準備性任務（提供背景輔助資料）等，因不具實質影響力，供應商或部署者得豁免適用高風險AI規定，但針對「剖繪／貌相」（profiling）技術，採取絕對高風險AI認定，由於涉及自然人之個人特徵（如工作表現、經濟狀況、健康、個人偏好、行為模式等）與自動化評估、分析或預測，而例外不適用豁免條款[13]。另外，指引草案以體育賽事或演唱會的「群體地理分析」或「人流密度監測」AI應用為例，如僅就非個人資料或特定區域的人群密度進行分析，則不屬於針對個人特徵之剖繪技術，也就非高風險應用，以此說明「非特定的群體統計」和「針對性的個人特徵分析」之技術差異[14]。 參、事件評析 歐盟執委會公布的指引草案，其三份文件加起來長達165頁左右，僅就AIA第6條的高風險AI相關規定提出詳細的法規解釋與案例清單，協助AI系統的供應者和部署者了解高風險AI應用的定義和適用範圍。整體而言，因歐盟採取以風險分類的治理規範架構，於AIA明定高風險AI的規範要件，並一體適用歐盟會員國，其工程浩大需要長期的準備與作業時間才能完成，但其內容就高風險的定義、案例與適用說明對於臺灣的風險治理均具有一定的參考性。 無獨有偶，行政院於今年7月函頒《人工智慧風險分類框架》，就高風險AI應用的判定雖未採取Annex III之敏感領域進行判斷，而係參考《人工智慧基本法》第17條之立法理由與第5條第1項規定，檢視AI應用是否會對國家安全、基本權利、生命安全、財產保障、社會秩序或生態環境造成嚴重危害為判準。但究其實質，兩者的規範結構並不存在衝突，依《人工智慧基本法》第16條第2項規定，各目的事業主管機關基於人工智慧應用風險管理之需要，得對轄管產業制定管理規範。因而，目的事業主管機關在盤點轄管產業的高風險AI應用情境時，本就可依產業領域的專業特性和需求參考國際經驗或相關規範協助其風險判定，故參酌歐盟執委會發佈之指引草案如對目的事業主管機關有所幫助，亦無不可。 總的來說，歐盟執委會的指引草案可視為一份實務操作清單，我國對於產業的AI應用在判定高風險有困難或疑義時，不妨可以參考以獲取更充分的資訊進行相關判斷。 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] European Commission, Draft Commission guidelines on the classification of high-risk AI systems, https://digital-strategy.ec.europa.eu/en/library/draft-commission-guidelines-classification-high-risk-ai-systems(last visited August 27, 2026). [2] European Commission, Targeted consultation on the draft guidelines for the classification of high-risk artificial intelligence systems, https://digital-strategy.ec.europa.eu/en/consultations/targeted-consultation-draft-guidelines-classification-high-risk-artificial-intelligence-systems(last visited August 27, 2026). [3] European Commission, Guidelines for providers and deployers of AI high-risk systems, https://digital-strategy.ec.europa.eu/en/policies/guidelines-ai-high-risk-systems(last visited August 27, 2026). [4] 同前註2。 [5] European Commission, Draft Guidelines on the classification of high-risk AI: General principles, 2026, p2-3. [6] id. [7] id. [8] European Commission, Draft Guidelines on the classification of high risk AI systems: Annex I of AI Act, 2026, p5. [9] id. at 9-11. [10] European Commission, Draft Guidelines on the classification of high risk AI systems: Annex III of AI Act, 2026, p4. [11] id. at 5-6. [12] id. [13] id. at 8-13. [14] id. at 104.