調和國際標準！美國食藥署提出醫療器材品質系統規則修正草案
美國食藥署（US Food and Drug Administration, FDA）於2022年2月23日提出「醫療器材品質系統規則修正草案（Medical Devices; Quality System Regulation Amendments proposed rule）」。本次修正旨在釐清現行條文與國際標準ISO13485醫療器材品質管理系統之異同，並進行適度調和。
根據修正說明，草案就現行條文與ISO13485一致之處將予保留，不一致者若屬落實授權母法「美國聯邦食品藥粧法（US Federal Food, Drug and Cosmetics Act, FD&C Act）」之必要內容，將斟酌條文用詞明確性調整後予以保留，其餘將予刪除。此外，草案也透過名詞解釋界定不同用語之定義範疇，嫁接現行條文與ISO13485落差處。對於現行條文中，與ISO13485性質相同但內容產生衝突之條文，基於依授權母法意旨，以現行條文為準。
FDA注意到，部分FD&C Act所重視的品質管理系統要求，在ISO13485中並未被重點凸顯，如記錄控管（control of records）、醫材標示（device labeling）及包裝控管（packaging controls）。本次修正特別針對此三部分保留並增補較ISO13485要求更為詳細的規範內容。在記錄控管部分，除依照ISO13485要求，記錄標的應為日期及簽署確認外，進一步依據FD&C Act規定，要求特定的服務及執行紀錄應予以紀錄，以作為醫材報告之內容。此外，也規定應詳實記錄醫療器材單一識別碼（Unique Device Identification, UDI）。在醫材標示及包裝控管部分，由於ISO13485僅指出產品應標示及包裝，但未詳述細節要求。因此，本次修正保留現行條文對於標示及包裝的細節性規定，以確保產品安全性及有效性。
本草案目前進入意見徵集期間，時間自2022年3月25日起至2022年5月24日止。後續FDA將視所徵集之意見，決定是否調整草案內容或公告施行。本次修定將使醫療器材品質系統規則與ISO13485趨於一致，預計可減輕廠商行政作業及支出負擔。
邱美蘅
法律研究員 編譯整理
Medical Devices; Quality System Regulation Amendments, 87 Fed. Reg. 10119, 379, (proposed Feb. 23, 2022) (to be codified at 21 C.F.R. pt. 4, 820).
謝易昕，〈美國FDA更新軟體預驗證計畫，以明確化數位健康科技的軟體器材審查流程〉，資策會科技法律研究所，https://stli.iii.org.tw/article-detail.aspx?tp=1&d=8181&no=64 （最後瀏覽日：2022/03/07）。
莊晏詞，〈FDA公布修訂行動醫療APP指導原則〉，資策會科技法律研究所，https://stli.iii.org.tw/article-detail.aspx?tp=1&d=6848&no=64 （最後瀏覽日：2022/03/07）。
吳兆琰，〈美國眾議院提出軟體法案 為醫療APP提供規範方向〉，資策會科技法律研究所，https://stli.iii.org.tw/article-detail.aspx?tp=1&d=6385&no=64 （最後瀏覽日：2022/03/07）。
陳熙達，〈美國FDA發布「醫療器材單一識別碼系統」規則草案〉，資策會科技法律研究所，https://stli.iii.org.tw/article-detail.aspx?tp=1&d=5794&no=64 （最後瀏覽日：2022/03/07）。
日本經濟產業省於2018年召開「IoT和AI可能衍生之新型態交通服務研究會」（IoTやAIが可能とする新しいモビリティサービス関する研究会），並於2019年4月公布「朝向新型態交通服務之活性化」（新しいモビリティーサービスの活性化に向けて）報告；國土交通省亦自2018年底起召開「都市與地方新型態交通服務懇談會」（都市と地方の新たなモビリティサービス懇談会），於2019年3月公布中間結果。經產省和國土省根據上述會議結論，自2019年4月起，發起支援地方政府挑戰推動新型態交通服務之新計畫「智慧交通挑戰」（スマートモビリティチャレンジ）。 「智慧交通挑戰」計畫之目的，在於促使地方政府與企業合作，以實現自動駕駛社會，並透過新型態交通服務解決既有交通問題和加速地方活性化，其具體措施包括︰（1）透過設置「智慧交通挑戰推進協議會」及舉辦論壇，促進地方政府和企業間共享資訊，形成工作網路；（2）經濟產業省補助新型態交通服務實用化、計畫制定和效果分析等計畫；（3）國土交通省補助MaaS等新型態交通服務實驗，以及建構以解決地區交通服務為目的之模型等計畫。經產省與國土省分別自4月起對外公開募集提案，最終於75個提案中選出28個計畫，將於今年起陸續施行。
歐盟執委會發布碳差價合約國家援助指引歐盟執委會發布碳差價合約國家援助指引 資訊工業策進會科技法律研究所 2026年09月10日 碳差價合約（Carbon Contracts for Difference, CCfD）透過約定履約價（strike price），提高氫能、碳捕捉等高成本減碳投資的商業可行性，縮小歐盟產業採用低碳技術所面臨的成本劣勢，降低碳洩漏風險，並強化歐洲戰略自主與產業韌性。 壹、事件摘要 歐盟執委會（European Commission）於2026年7月17日發布CCfD國家援助指引，協助會員國依《氣候、環境保護與能源國家援助指引》（Climate, Environmental Protection and Energy Aid Guidelines, CEEAG）設計用於產業減碳的CCfD制度[1]。歐盟雖已透過歐盟排放交易體系（EU Emissions Trading System, EU ETS）及相關政策，使企業承擔部分溫室氣體排放成本並形成減碳誘因，但對氫能、電氣化及碳捕捉等高成本減碳技術而言，既有政策誘因仍不足以促使企業採用相關技術[2]。於此背景下，執委會於2022年發布CEEAG時，將差價合約列為減碳援助可採用的方式之一，並指出其可運用於減碳領域形成CCfD，促進產業減碳創新技術商業化，並為會員國設計CCfD援助制度提供依據[3]。 於此架構下，荷蘭、德國、瑞典、奧地利及法國等國已陸續建立CCfD或相關產業減碳補助制度。由於CCfD若設計不當，可能扭曲市場訊號及競爭，執委會參考上述國家的經驗提出本指引，整理CCfD的制度設計與審查重點。本指引不具法律拘束力，亦不限制會員國依自身需求採取不同制度設計，但可供會員國設計CCfD時掌握CEEAG下主要適用的審查標準，並有助於相關制度建立及加速後續國家援助審查[4]。 貳、重點說明 以下就CCfD的補助方式、補助必要性、競標設計，以及減碳成效與市場影響等四項重點進行說明。 一、CCfD補助方式 CCfD為政府與受補助企業簽訂的補助契約，約定每減少一噸二氧化碳當量所對應的履約價，並依企業實際減量提供補助。當市場價格低於履約價時，由政府支付兩者差額；市場價格高於履約價時，採雙向CCfD（two-way CCfD）者企業須返還差額，採單向CCfD（one-way CCfD）者則由企業保留高於履約價的收益。 履約價原則依競標結果決定，由企業提出每減少一噸二氧化碳當量所需的補助金額，並依投標價格由低至高排序。市場價格則可參考EU ETS排放配額價格；涉及碳移除時，則可參考碳移除信用額度價格[5]。 二、補助必要性 會員國須證明若無補助，企業原本不會進行相關減碳投資，以確認補助具必要性。對已納入EU ETS的產業，補助範圍須將EU ETS既有減碳誘因納入考量，例如僅就排放表現優於EU ETS標竿值（ETS benchmark）的部分提供補助，避免將EU ETS本身已有減碳誘因的部分納入CCfD補助[6]。 三、競標設計 補助預算或額度應設計為無法滿足所有預期投標需求，並確保有足夠投標者參與，以形成有效競爭。投標原則上依每噸二氧化碳當量減量所需的補助金額排序，如另納入非價格條件，其合計權重不得超過30%[7]。 此外，同一投資如已取得其他國家援助或歐盟資金，相關補助應納入投標價格計算，或自CCfD補助金額中扣除，以避免過度補助[8]。 四、減碳成效與市場影響 CCfD補助須確保整體溫室氣體排放減少，受補助設施所增加的間接排放不得超過其直接減排量，避免新增排放抵銷減碳效果。受補助設施亦須實際降低生產過程產生的直接排放，不得僅以改用再生能源電力或產品於下游產生的減量作為補助依據。 此外，制度設計須保留電力價格等市場訊號，不應完全抵銷能源價格波動，以維持企業提升營運效率的誘因[9]。 參、事件評析 為因應氣候變遷並落實《巴黎協定》（The Paris Agreement）所定溫度目標，歐盟透過《歐洲氣候法》（European Climate Law）確立2030年淨溫室氣體排放較1990年減少至少55%、2040年減少90%，以及2050年達成氣候中和的目標[10]。惟歐盟目前能源密集產業的減碳速度不足，許多已宣布的減碳計畫亦未實際落實[11]。因此，歐盟此次發布CCfD國家援助指引，乃藉由說明CCfD制度的設計方式，鼓勵會員國建立並運用相關制度，降低企業採用高成本減碳技術的投資風險，以進一步推動產業減碳。 就政策效果而言，CCfD除可提高氫能、電氣化及碳捕捉等高成本減碳技術的商業可行性，亦可縮小歐洲企業採用低碳生產方式所面臨的成本劣勢，減少企業因成本壓力而將生產線移往歐盟境外的誘因，降低碳洩漏風險並強化歐洲產業韌性。 惟CCfD主要處理企業採用低碳技術所面臨的投資風險與成本差距，本身並不直接創造低碳產品需求。由歐盟近期「潔淨產業政綱」（Clean Industrial Deal）[12]與《產業加速法》草案（Industrial Accelerator Act, IAA）[13]等政策方向可看出，歐盟除降低企業減碳投資成本外，亦逐步透過公共採購等措施增加低碳產品需求。因此，若歐盟希望透過CCfD使高成本減碳技術長期具備商業可行性，尚須搭配需求面政策增加低碳產品需求，並透過EU ETS等碳定價制度提高高排放生產方式的成本，逐步改善企業採用低碳技術所面臨的成本劣勢，並降低企業對政府補助的依賴。 [1] EUROPEAN COMMISSION, Carbon contracts for difference schemes for industrial decarbonisation under the CEEAG – State aid Guidance for Member States (July 17, 2026), at 1, https://competition-policy.ec.europa.eu/document/download/42330cc4-d31e-41cf-ae35-3db7ab933331_en?filename=20260717_guidance_on_carbon_contracts_for_difference.pdf (last visited Sept. 7, 2026). [2] Id. at 3, 7. [3] Communication from the Commission – Guidelines on State aid for climate, environmental protection and energy 2022, 2022 O.J. (C 80) 1, 38. [4] EUROPEAN COMMISSION, supra note 1, at 1, 4. [5] Id. at 3-5. [6] Id. at 6-7. [7] Id. at 9, 11. [8] Id. at 11-12. [9] Id. at 12-14. [10] Regulation (EU) 2021/1119, 2021 O.J. (L 243) 1, 9; Regulation (EU) 2026/667, O.J. L, 2026/667, 18.3.2026. [11] Commission Proposal for a Regulation of the European Parliament and of the Council Establishing a Framework of Measures for the Acceleration of Industrial Capacity and Decarbonisation in Strategic Sectors, at 2, COM (2026) 100 final (Mar. 4, 2026). [12] Clean Industrial Deal, EUROPEAN COMMISSION, https://commission.europa.eu/topics/competitiveness/clean-industrial-deal_en (last visited Sept. 7, 2026). [13] COM (2026) 100 final.
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。