部署之後：為何高風險 AI 需要持續證據系統

歐盟執委會的高風險 AI 研究指出，部署不是符合性工作的終點。系統開始營運後，資料、版本、使用者、整合方式與預定用途都可能改變，原有證據因而逐步失去代表性。 高風險 AI 的制度問題並不在符合性文件是否完成，而在系統上線後，文件能否繼續代表實際狀態。資料、模型、介面、部署場域、使用者行為與預定用途會逐步改變；任何一項變更都可能讓原風險評估、測試與責任配置失去部分有效性。 本期 Analysis 因而不把 高風險 AI 部署後的證據衰減與持續治理 視為單一技術或政策更新，而是把官方主錨點可證明的制度事實、SNN 的分析推論與仍待驗證的結果分層處理。讀者必須能看見主張從何而來、推論在哪裡開始，以及哪些結論目前不能由來源直接支持。 為使摘要能直接支援決策，本段同時回答五個問題：已發生什麼、由哪一第一方紀錄支持、影響透過什麼機制傳導、目前仍缺少哪些結果證據，以及下一個可推翻或強化判斷的檢查點。任何未被來源明示的因果關係都保留為編輯推論，不以肯定語氣包裝。

高風險 AI 的供應商、整合商與部署者分別控制不同環節。傳統治理多在上線前完成分類、風險評估、技術文件與符合性判斷，之後才進入市場後監測。 AI Act 將供應商、進口商、經銷商與部署者置於不同責任位置，實際系統又可能由基礎模型、應用、客製設定與客戶流程組合。每個主體掌握的資訊不同。若價值鏈只交換合規聲明而不交換版本、用途與變更事件，後端使用者無法判斷手上的證據適用哪一配置。 為了維持分析密度，制度背景必須同時標示規則制定者、執行者、資料擁有人、覆核者與受影響市場。這些角色可能由不同組織或部門承擔；文件發布、系統上線、企業採用與結果交付也不是同一證據狀態。 時間與權限也必須分開記錄：公告日不等於生效日，試點不等於普遍採用，技術規格不等於法律義務，企業自願導入也不等於監理核准。把這些節點放在同一時間軸，才能判斷一項制度變動何時真正進入資料、合約、投資或揭露流程。

真正的風險不只在系統失效，也在文件仍存在、卻已無法完整描述實際運作狀態。責任分散與漸進式修改，使治理邊界及應由誰重新評估變得不清楚。 Evidence Decay 不等於原文件造假，而是證據與實際系統之間的距離隨時間增加。模型權重不變，輸入人口可能已改變；軟體版本不變，使用情境可能超出預定用途；監測發現偏差，矯正措施也可能未回寫風險檔案。文件仍存在，卻不再完整支持當前制度判斷。 上游證據若沒有穩定識別、形成時間、適用邊界與版本，最終輸出即使格式一致，覆核者仍可能無法重建形成過程。真正風險不是單一欄位缺失，而是錯誤主體、過期方法、推定關係或未核准版本在傳遞中被當成確定事實。 具體失效模式至少包括主體配對錯誤、資料人口不完整、邊界前後不一致、方法或係數未版本化、例外未留下理由、核准與發布時間倒置，以及下游重用時脫離原用途。每一種失效都可能讓合理的單筆資料，在彙總後形成無法防禦的結論。

可行作法是建立持續證據系統，把系統版本、用途、資料、責任主體與治理邊界連結起來；重大變更發生時，判斷哪些證據仍有效、哪些需要補充或重新評估。 持續證據系統應為系統、模型、資料集、部署、用途、角色、風險、控制、事件與矯正建立穩定身分。每次更新觸發 evidence impact assessment，明確判斷哪些測試、文件與核准仍有效、哪些需要補充或重作；重大修改與一般維護的判斷理由也必須保留。 可執行的控制單位應是受治理的證據物件：每項重要主張連接原始來源、計算或判斷方法、組織與時間邊界、責任人、控制狀態、例外、核准及版本。當任何元件改變時，系統保存差異與影響範圍，不以覆寫舊檔取代變更紀錄。 營運上可建立最小控制集：主張登錄、證據擁有人、來源快照、方法識別、適用期間、控制頻率、例外門檻、覆核與核准，以及允許的下游用途。高判斷或高財務影響項目採更嚴格的覆核層級；低風險資料則以自動化完整性檢查降低重工。

研究彙整 544 份公開諮詢回覆、三場專家工作坊的 166 次參與紀錄及後續問卷，反覆出現預定用途、角色責任、價值鏈資訊交換與重大修改等執行疑問。 歐盟研究能支持諮詢規模、實作疑問與角色、預定用途及重大修改等主題的重要性；AI Act 則提供法律架構。兩者都不能證明所有高風險系統會以相同方式衰減。本文的 Evidence Decay 是用來描述證據適用性變化的分析概念，不替代法定分類或個案符合性判斷。 證據判讀以本期官方主錨點為起點，再以獨立第一方或具方法透明度的來源確認背景與邊界。來源能支持的是已發布的制度事實與明確數據；是否代表全面採用、因果改善或跨市場普遍有效，必須另有實作結果才能成立。 每一項關鍵句都應進入 claim ledger，標示其為官方事實、直接量測、估算、企業承諾、已交付結果或 SNN 編輯推論，並記錄來源所能支持的精確範圍。若兩筆來源衝突，保留衝突與處理理由；若資料尚未出現，明確標成待驗證，而不是以相近案例補成確定答案。

這表示符合性將從單次結論轉為持續維護。監測只能發現變化，治理還必須辨識邊界如何變動、責任由誰承擔，以及先前證據能否繼續支持制度判斷。 治理效果因此取決於組織能否把監測訊號轉成證據狀態變更。只蒐集效能與事件指標，卻不更新風險、責任與使用邊界，會形成資料很多但制度判斷停滯的情況。董事會與監管者需要看見的不只是系統是否被監測，也包括哪些原結論因此被維持、限制或撤回。 這種資訊密度的目的不是增加篇幅，而是縮短主張到決策之間的查核距離。董事會、投資人、監理者與營運團隊應能辨識哪些內容是事實、估算、承諾、進度或結果，並在情境改變時更新判斷，而不是重新尋找散落的檔案與口頭說明。 責任分工因此必須落到決策權：資料擁有人維護來源，方法擁有人控制計算，業務單位說明使用情境，內控或確信人員測試可重建性，核准者承擔最終採用責任。例外若沒有到期日、補救人與影響範圍，就會從暫時處置變成永久的證據債務。

SNN 編輯分析：歐盟 AI Act 的持續治理要求，將透過歐洲客戶與跨境產品責任影響台灣半導體、資通訊、製造、醫療與金融業。資料集、模型版本、系統整合、用途、部署場域或責任角色改變後，原證據是否仍有效必須重新判斷；台灣 AI 落地不能停在上線前文件。 台灣半導體、資通訊、醫療、金融與製造企業向歐洲提供 AI 元件或部署系統時，可能同時扮演供應商、整合商與部署者。企業應讓模型版本、訓練或輸入資料、客戶設定、部署用途、事件與矯正跨組織傳遞，並區分台灣自願治理框架與歐盟法律義務，避免一份初始測試報告被無限延用。 對台灣市場的意義應沿實際傳導路徑判斷：國際制度或客戶要求先進入融資、採購、合約、供應商資料與確信流程，再影響台灣企業的系統與控制。這不等於外國規則自動成為台灣法律義務；本地企業要做的是辨識適用情境、保留跨語言對應並建立可授權覆核的證據鏈。 台灣企業可把傳導測試落在具體物件：公司與法律主體、廠區、產品、批次、供應商、合約、融資工具及揭露欄位。中英文名稱、內外部分類與不同框架之間應連到同一主張識別，同時保留商業機密、個資與權限邊界，避免可追溯被誤解為全面公開。

未來高風險 AI 的可信治理，將取決於證據能否隨部署、更新、事件與矯正行動持續回流。編輯審核應特別核對官方研究、AI Act 適用範圍與各角色責任。 後續應追蹤歐盟指引、標準、重大修改判準與市場後監測實務。低後悔行動是選擇一個已部署 AI 系統，回溯最近六個月的所有資料、設定、用途與責任變更，逐一判斷它們是否影響原測試及核准，並為未被記錄的變更建立補正與再評估機制。 後續追蹤應分開最終文件、技術指引、採用範圍、執行控制、監督活動與可觀察結果。現階段的低後悔行動，是挑選一項高風險主張做端到端重建測試，記錄缺少的身分、來源、方法、責任與版本；這是治理準備，不是合規保證或結果預測。 監測不只依日曆，而應由事件觸發：最終規則發布、技術指引變更、適用範圍擴大、主管機關執法、企業採用數據或實際成果出現時，都建立新版本並重評原判斷。舊結論不刪除，而是標示當時依據、被何種新證據修正，以及哪些決策需要重新檢視。