多數企業以為台灣的《人工智慧基本法》還停在「只有七大原則、沒有牙齒」的階段，反正沒有直接罰則，先觀望就好。這個判斷，從 2026 年 7 月起要修正了。
台灣第一部專門管人工智慧的法律，上路半年多以來，給外界的印象確實比較抽象，七大原則講的都是「政府應該怎麼做」，具體要怎麼落到企業頭上，一直沒有明確答案。有些老闆甚至還沒意識到，自己公司裡的客服機器人、AI 篩履歷工具，早就在這部法律的射程之內。
這個空白，在 2026 年 7 月 7 日被補上一塊。數位發展部依據基本法第 16 條，正式公布《人工智慧風險分類框架》。這是這部法律上路以來，第一份把抽象原則轉成具體操作工具的正式文件。怎麼分風險、哪些 AI 應用會被認定高風險、跟外界常拿來對照的歐盟 AI Act 現在有哪些落差，這份框架都給出了具體答案，企業現在也能照著整理出一份檢查清單。
台灣 AI 基本法是什麼？先分清楚它管的是誰
台灣人工智慧基本法，全名《人工智慧基本法》，2025 年 12 月 23 日經立法院三讀通過，2026 年 1 月 14 日公布施行，全文 20 條，中央主管機關是國家科學及技術委員會（國科會），地方主管機關則是各直轄市與縣市政府。
它的定位是一部綱領性質的「基本法」，確立國家發展與治理 AI 的基本原則和方向，本身不對企業設定具體罰則。這個定位很重要，因為它決定了該用什麼心態看待它。基本法規範的主要是「政府應該做什麼」，比較像國家層級的戰略宣言，不像《個人資料保護法》那樣，違反了就直接開罰。
那為什麼企業還是得在意？因為基本法立下的七大原則，會成為各部會制定子法的母法依據。第 18 條明定，政府檢討所主管的法規與行政措施，若不符合本法規定或無法可用，應在本法施行後兩年內完成制定、修正或廢止，換算下來就是 2028 年 1 月 14 日前。換句話說，今天寫在基本法裡的原則，明後年就會變成金管會、衛福部各自產業裡有牙齒的規範。
要注意的是，第 17 條第 2 項給研發階段的豁免範圍很窄：它寫的是「不適用前項規定」，豁免掉的只有同條第 1 項那一項義務，也就是高風險 AI 的責任歸屬、歸責條件與救濟、補償或保險機制，並不是整部基本法在研發期間都不適用。而且只要進入實際環境測試，或已經拿研發成果對外提供產品、服務，就連這項豁免都沒有了。內部實驗確實比較寬鬆，但別把它讀成研發階段什麼都不用管。
七大原則裡最容易踩到的三項
七大原則聽起來很抽象，但拆開來看，每一項都對應一個企業可能正在做、卻沒意識到有風險的動作。
台灣 AI 基本法第 4 條確立這七大原則：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。它們現在還是政府的責任，但子法陸續上路後，會直接變成企業的合規義務。
| 原則 | 具體對應到企業的什麼行為 | 關聯度 |
|---|---|---|
| 永續發展與福祉 | AI 導入要兼顧環境與社會影響，主要牽動需做 ESG 報告的上市櫃企業 | 中 |
| 人類自主 | 用 AI 做核貸、招募、醫療等關鍵決策時，必須保留人工介入 | 高 |
| 隱私保護與資料治理 | AI 用到的任何資料，蒐集與使用都要合法、可稽核 | 非常高 |
| 資安與安全 | 用第三方 AI 服務也要確認對方的資安防護是否到位 | 高 |
| 透明與可解釋 | AI 的決策邏輯要能被說明，金融、醫療、人資領域最吃緊 | 高 |
| 公平與不歧視 | 用於徵才、信貸、保險的篩選工具，風險最直接 | 非常高 |
| 問責 | AI 造成損害要有人負責，責任要能追溯 | 非常高 |
表格裡關聯度標「非常高」的三項，分別是隱私保護、公平不歧視、問責，是幾乎所有企業都躲不掉的三個。
舉個容易中槍的情境。假設一家人力仲介公司用 AI 工具初篩履歷、決定誰進下一輪，這個動作同時踩到三項原則：它直接影響求職者的權益，屬於公平與不歧視；求職者未必知道是 AI 在篩選，屬於透明與可解釋；篩錯了優秀人才，公司要說得清楚是誰、用什麼標準做的決定，屬於問責。同一家公司如果只是用 AI 整理會議紀錄，風險就低得多。
差別就在這個 AI 的輸出，有沒有實際左右到一個人的權益。答案是有，這幾項原則對企業就不是參考，而是遲早要面對的合規底線。
台灣 AI 風險以類型而非等級分類
在 7 月 7 日之前，外界大多預期台灣會比照歐盟 AI Act，把 AI 應用分成不可接受、高風險、一般風險、低風險四個等級。數位發展部剛公布的《人工智慧風險分類框架》，用的其實是另一套邏輯。它不是分「等級」，而是先分「類型」。
框架把風險分成三大類、共 20 項子類型。第一類是 AI 系統本身的技術設計缺陷，包含 8 項；第二類是部署後的操作與人機互動問題，6 項；第三類是社會結構與環境層面的衝擊，6 項。
AI 系統本身的技術設計缺陷
這一類涵蓋的是 AI 還在運作機制層面就可能出的問題：安全漏洞與攻擊、缺乏透明性或可解釋性、行為偏離人類意圖與社會價值、具有危險的能力、影響隱私與違反個人資料保護法規、侵害智慧財產權疑慮、不公平的歧視或偏見，以及會產生錯誤或誤導訊息。前面提到的隱私保護、公平不歧視與透明可解釋這幾項原則，幾乎都對應到這一類。
AI 部署後的操作與人機互動問題
這一類看的不是 AI 本身，而是人怎麼用它：使用者過度依賴、不安全使用；把重要決策整個丟給 AI、喪失人類自主性；生成違法內容；用於詐欺與深偽技術濫用；用於網路攻擊；以及 AI 代理人（AI Agent）自主執行超出授權範圍的行為。最後這一項是框架裡相對新的提醒。會自己規劃、呼叫外部工具、持續執行任務的 AI 代理人愈來愈普及，也愈容易在無人即時介入的情況下偏離原始指令。
AI 對社會結構與環境層面的衝擊
跳出單一企業視角，這一類看的是 AI 對整體社會結構與環境的影響：企業與國家間的競爭秩序失衡、權力集中與利益分配不公、不平等加劇與就業品質下降、人類在經濟與文化上的創作價值受損、環境傷害，以及認知作戰與資訊主權。對多數中小企業來說，這一類比較像是背景知識，不是日常要處理的風險。
框架同時定下操作流程，要求各主管機關依「盤點應用情境、識別風險、評估風險、應對風險」四個步驟，逐步訂出各自產業的管理規範。評估風險時採「客觀固有風險」原則，只要一個 AI 應用本身有造成危害的可能就算數，不考慮現有法規或技術手段有沒有辦法緩解，緩解的效果留到最後一步應對風險才處理。這跟歐盟先把應用場景直接對應到某個等級的做法不同，台灣是先問涉及哪些風險類型，再逐案評估有多嚴重，兩層拆開判斷。
高風險 AI 不是看產業別，是看六個法益
依基本法第 17 條的立法說明，並參照第 5 條第 1 項，只要在不考慮現有法規與技術緩解的情況下，AI 應用有可能對國家安全、人民基本權利（包括憲法保障的身體自由、人身自由、隱私權、平等權，以及已經國內法化的國際人權公約所保障的權利）、生命安全、財產保障、社會秩序，或生態環境造成嚴重危害，主管機關就會認定它是高風險 AI 應用；判準在六個法益，不在應用屬於哪個產業。
框架附錄舉了幾個例示，僅供參考，不代表台灣真實案例。關鍵基礎設施的控制系統若因 AI 安全漏洞而功能中斷，屬於國家安全風險；醫療輔助診斷系統出錯又找不到責任歸屬，屬於生命安全風險；金融核心資料庫遭非法竄改導致資產損失，屬於財產保障風險。
一旦被認定為高風險，企業要面對的不是罰款，而是兩件更具體的事。第一，明確標示注意事項或警語；第二，明確責任歸屬與歸責條件，並建立救濟、補償或保險機制。這兩項義務直接寫在基本法第 5 條與第 17 條裡，不必等子法，主管機關就能要求業者做到。
這個判斷也不是一次性的。框架也提醒，對於現階段還難判斷會不會造成危害的 AI 應用，主管機關要建立持續性監測機制，定期蒐集使用數據與意見回饋。換句話說，今天被判定為低風險的應用，明天技術或用法一變，隨時可能被重新歸類。
跟歐盟比，台灣走的是原則引導路線
台灣 AI 基本法與歐盟 AI Act 最根本的差別，是台灣採「原則引導」、歐盟採「嚴格規範」。用一句話概括，歐盟是「做錯就罰」，台灣是「出事要能交代」。
這個差異，在最新的時程表上看得更清楚。歐盟方面，理事會與歐洲議會在 2026 年 6 月正式拍板通過《AI 法案簡化方案》（Digital Omnibus on AI），把高風險系統的合規期限，從原訂的 2026 年 8 月 2 日，延後到 2027 年 12 月 2 日；內嵌在受管制產品裡的高風險 AI，例如醫療器材、汽車零件裡的 AI 模組，期限則延到 2028 年 8 月 2 日。歐盟自己也承認時程太趕，選擇往後挪。
罰則落差更明顯。歐盟《人工智慧法案》把罰則分成三級：違反禁止行為的，像是社會信用評分、未經同意的生物辨識，最高罰 3,500 萬歐元或全球營收 7%，取兩者較高；違反高風險應用等其他義務的，最高罰 1,500 萬歐元或全球營收 3%；提供不實或誤導資訊給主管機關的，最高罰 750 萬歐元或全球營收 1%。中小企業與新創公司則是取金額與營收比例中較低的那個。台灣基本法本身沒有這種數字，罰則要等各目的事業主管機關依權責訂定子法之後才會出現。
但沒有罰則不等於沒有風險。基本法第 16 條也明定，AI 應用若已經涉及第 5 條列舉的情事，各主管機關仍應依現行法令予以限制或禁止。即使基本法不直接開罰，AI 應用若不當蒐集個資，現行《個人資料保護法》照樣可以裁罰；AI 決策若造成消費者損害，民事訴訟的大門也是開著的。
企業現在能做的事，把官方框架直接當自評表用
不必等子法公布才行動。數位發展部這次公布的框架，本身就附了一份操作檢核表，企業可以直接拿框架的四個步驟，改造成自己的自評流程。
第一步，盤點應用情境。把公司裡正在用、或打算導入的 AI 應用全部列出來，記下每個應用用的是什麼技術，例如大型語言模型、電腦視覺、語音辨識、生成式 AI，以及誰會被影響到，開發者、使用的員工，還是被服務的客戶。
第二步，對照風險類型自我檢查。拿前面那份三大類、20 項的風險類型表，逐一問自己這個 AI 應用有沒有涉及某一項。先不管嚴不嚴重，只要有關聯就先勾起來，交給下一步判斷。
第三步，評估是否可能造成嚴重危害。回到那六個法益，國家安全、人民基本權利、生命安全、財產保障、社會秩序、生態環境，逐一檢查勾起來的風險項目，有沒有可能踩到任何一項。判斷不出來也沒關係，先記下尚難判斷，之後定期重新檢視。
第四步，把現有做法整理成書面記錄。哪些風險已經有內部規範在處理、哪些完全沒有配套、負責人是誰，這份記錄現在看起來像多餘的文書作業，等到產業別的子法上路，會是應對稽核最現成的底氣。
如果是中小企業，看到這裡先別慌。依經濟部中小及新創企業署 2025 年公布的《中小企業白皮書》，台灣中小企業家數超過 171 萬家，占全體企業 98% 以上。基本法第 10 條也明定，政府要辦理相關產業的補助、投資、獎勵、輔導，以及租稅、金融等優惠措施。不需要一步到位，先把盤點和自我檢查這兩件幾乎不花錢的事做完，就已經走在大半同業前面。
台灣 AI 基本法從公布施行到現在，走的路線一直很清楚，先立原則，再補工具。7 月 7 日公布的風險分類框架，補上的正是這半年來最缺的那一塊。它把「隱私保護」「公平不歧視」「問責」這些聽起來抽象的詞，換成一張企業可以逐項打勾的表格。
真正的分水嶺，不在於誰的 AI 用得最新，而在於誰能在被問起「你怎麼確保這個 AI 沒有亂來」時，拿得出一份盤點過、評估過、留了記錄的答案。子法還在陸續補齊，紅線只會越來越清楚，不會越來越模糊。現在就把框架當自評表跑一遍的企業，換到的不只是少一次補救的麻煩，更是客戶與合作夥伴願意把更敏感的決策交到手上的那份信任。