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。

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。

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。

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。

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。

SNN 編輯分析：Evidence Decay 與 Continuous Evidence System 是 EMJ.LIFE 對來源材料的制度性解讀，不是歐盟執委會的法律結論。其價值在於把文件存在與證據仍有效清楚區分。

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。