開源模型成為企業AI戰略核心　正確治理不可少

Posted By MakerPRO編輯部 on 5 月 12, 2026 in AI Agent, AI PC, AIGC, Multimodal, 新聞稿, 產業趨勢, 觀點 | 0 comments

資策會產業情報研究所（MIC）在一場研討會中分別探討可信任AI治理與開源大型語言模型發展趨勢，指出企業在加速導入AI的同時，亦須同步強化治理機制與技術布局，以確保AI應用可控且具長期價值。

開源模型成為企業AI戰略核心

資策會MIC產業顧問朱師右表示，開源模型正由技術選項轉為企業AI戰略核心，讓企業從「使用AI」邁向「掌握AI」。隨著開源程度提升，企業不再只是導入模型，而是能逐步掌握資料、流程與工程能力，形成可持續優化的AI體系。企業正在逐步採取多模型架構，除了降低供應商綁定風險，也強化資料主權，其關注焦點也由模型能力，轉向整合效率、成本結構與場景落地。

資策會MIC指出，開源模型正急速追近閉源模型能力，在相近性能區間，開源模型可提供更低的運行成本，隨著混合專家模型與多模態技術的成熟，AI在效能與成本間取得更佳平衡。未來企業的關鍵將在於，能否以最低成本將模型穩定嵌入流程、串接資料，並持續產出可量化業務價值。

朱師右表示，開源模型已可在特定任務達到接近閉源模型的表現，進而帶動各種垂直領域加速導入；企業應用也由客服與知識管理，延伸至軟體開發與營運流程，並透過地端部署與邊緣運算，強化資料安全與即時性。

整體而言，開源模型將由通用生產力工具，走向企業可部署、可執行的任務能力，同時在垂直場景落地，未來其價值不只在內容生成，更在系統整合、流程自動化與產業Know-how的數位化。

朱師右分析，AI價值鏈正由模型層上移至系統與應用層，未來競爭關鍵在於AI Agent與多模型協作能力。預期企業將建構模型池，由AI Agent依任務需求動態調度模型，實現從內容生成走向任務執行的轉型。

展望未來，AI將成為企業基礎設施，數據資產與系統整合能力將是長期競爭優勢來源。建議企業優先從高價值場景啟動導入之際，也須同步建立資料治理、模型管理與跨部門治理機制，方能將開源AI轉化為長期競爭力。

AI治理失靈頻傳　企業應執行三層工程

在AI治理議題方面，資策會MIC指出，近年包括保險理賠自動核駁、客服機器人產生幻覺，以及AI Agent誤刪資料等事件，均顯示AI一旦失控，最終責任仍由部署企業承擔。資深產業分析師郭唐帷表示，各國法規已陸續進入實質課責階段，可信任AI治理不再是「是否要做」，而是「如何做對」的問題。

然而，AI治理涉及模型、資料與環境三大層面，非單一機制可涵蓋，也無法一蹴可幾，因此資策會MIC人為，隨著對話拉長、任務複雜化與資料動態灌入，企業必須進行三層工程疊加，才能降低AI失控風險。

資策會MIC表示，隨著應用落地與法規推進，三層工程已非技術選項，而是成為企業標配。在第一層，針對模型治理，須以「決策智慧」為核心，校準價值取向。當模型缺乏自我偵測機制，將可能於做判斷時發生系統性傾斜而未察覺，隨著模型被納入連續決策流程，個別模型合規不等同AI系統決策合規，因此治理單位須由模型提升至決策。

第二層的資料治理則須以「情境工程」錨定AI的事實認知邊界。當情境資訊過時或不完整，模型將對不確定的事實輸出自信回應，歷史資料合規並不等同當下情境合規，因此治理對象須由資料提升至情境。

最後第三層的環境治理須以「駕馭工程」約束AI Agent的行為權限。當AI Agent在高資訊密度、長程任務中運作時，設計初始的安全邊界並不等同運行時的實際行為，因此治理焦點須由指令層提升至架構層，使每一次AI Agent行動皆可被追蹤、攔截與終止。

隨著2026年初臺灣AI基本法已啟動，將有2年過渡期讓企業布局治理能力。郭唐帷表示，治理資源有限的企業，應先辨識自身AI應用類型與關鍵瓶頸，再投入對應資源。

此外，同一AI系統往往同時面臨多重風險屬性，企業須辨識各風險樣態，組合搭配對應機制，例如：對於變化緩慢、事後可回溯的風險，以稽核型治理定期審視修正；對於變化快速但尚可攔截的風險，以監測型治理即時觀察介入；對於不可逆或影響重大的風險，以約束型治理，在設計階段預先寫入行為邊界。

資策會MIC表示，「由AI即時監督AI」正在成為AI治理的新機制。過去可信任AI治理主要聚焦於法遵與第三方認證，由企業產出人類可讀的合規文件以回應外部規範。

隨著AI Agent能在毫秒內自主完成決策與行動，人類審查週期已難跟上AI速度，因此，產業發展逐漸轉變為把治理邏輯內嵌於AI系統本身，確保每一次運算皆能自我校準，滿足可信任原則，此轉變也將使人類治理能力的定位從執行者轉為授權者與稽核者。