虽然世界现正处於人工智慧（AI）发展史上的关键时期，人类以前所未有的规模和速度在各个领域应用。但随着AI使用日渐普及，社会上兴起关於伦理、责任、信任的讨论，企业也需在使用AI提升效率的同时做好风险管理。法商施耐德电机（Schneider Electric）今（21）日也建议企业，在开发与使用AI时，必须符合法律规范，同时考量道德与信任，尽力避免产生偏误或偏见。

施耐德电机建议审慎检视AI可能发生的偏误或偏见，不应盲目相信

尤其是现阶段AI仍有诸多不完善之处，例如图像辨识无法精确判别差异、以及招聘建议可能含有偏见等种种例子，显示人们不应完全信任AI。施耐德电机也建议企业使用AI时，可叁考以下准则自我检视：

1. 符合法律与规范：如施耐德电机拥有完善的网路安全政策，符合ISO/IEC 29147和ISO/IEC 30111的标准，同时积极叁与AI法律的制订，并承诺完全遵守相关法规。

2. 道德与信任守则：施耐德电机以最高标准的道德与信任，对减少碳排与降低能耗做出承诺，而将AI导入解决方案时，也以同样高标准的道德与信任作为原则。

3. 内部政策与流程：施耐德电机拥有数位风险与数据管理主管负责AI专案，并成立RAI工作小组（Responsible AI Workgroup），跟进欧洲与美国最新的AI法案，持续关注伦理议题。

此外，上下文情境、数据来源、解释方式都可能导致AI产生的结果有偏误或偏见，这让AI信任议题变得极为复杂。以机器学习（ML，Machine Learning）为例，就算风险与其他数位技术类似，但由於系统更加复杂、风险的规模便更大，更难避免、追踪和解释。施耐德电机认为，若想克服这些挑战，建立可信任的AI，有以下两点关键：

1. 专业知识和AI专家：因为AI应用将对人类产生深远的影响，所以AI专家和数据科学家往往要担任道德的守门员，进行检测偏见、建立回??循环（Feedback Loops）来检验异常运行，以避免资料下毒攻击（Data Poisoning）。在发展与应用AI时，企业必须选择有价值的案例、挑选和清理数据、测试模型并控制其行为，都需要大量的专业知识与技术。若是出现异常时，模型需要重新学习以改善系统，并避免使用特例数据而引发偏见。

2. 风险预测：目前多数的AI监管都以风险预测为基础，从设计阶段开始，就必须考量错误或异常数据、网路攻击可能导致的问题，并预测潜在後果不断优化。AI专家藉此，能及早采取相关动作来降低风险，例如改善训练AI模型的资料库、检测数据漂移（运行时的异常数据变化），尽可能做好防护措施。若AI的信心水准低於一定值，团队也务必确保人类叁与关键决策。

如今人们不能盲目相信AI，企业也要选择具有专业知识且可信任的AI供应商合作，确保服务符合最高标准的伦理道德、数据隐私、网路安全。施耐德电机提供关键设施的解决方案，包含国家电网、核电厂、医院、污水处理等，因此深知道德与信任的重要性，持续开发并提供可信任的AI解决方案；并以同样负责任的方式导入AI，确保服务与产品兼具安全、高效、可靠、公正、隐私等，实现最高标准的道德与信任。