國際專家發布 Health CARE-AI 框架，為醫療與教育 AI 訂出 10 項負責任原則

一組國際專家共同發布 Health CARE-AI Framework，為醫療照護與教育這兩個高風險領域的 AI 應用訂出 10 項負責任使用原則。該框架在 303 位參與者的共識程序中取得 96% 的同意度，這個數字在跨國、跨專業的治理文件中相當罕見。

同時涵蓋醫療與教育並非偶然。這兩個領域在 AI 治理上共享幾項關鍵特徵：服務對象處於資訊與權力的弱勢位置、決策錯誤的後果可能不可逆、專業判斷難以完全標準化，以及最重要的一點——當事人往往無法選擇退出。病患不能不看病，學生不能不上學。當 AI 進入這些場域，使用者的「同意」在實質上是被限縮的，這使得事前的制度性保障比事後的申訴機制更為關鍵。

過去兩年，各國推出的 AI 治理文件數量快速增加，但實務界普遍反映一個共同問題：原則寫得漂亮，落到現場卻無從執行。「透明」要透明到什麼程度？「人類監督」是誰在什麼時點監督？「公平」用什麼指標衡量？當框架停留在價值宣示層次，機構最終仍只能各自摸索，而摸索的成本往往由最弱勢的使用者承擔。

這正是共識程序的意義所在。96% 的同意度不只是統計數字，它代表這 10 項原則在經過 303 位跨領域參與者的檢視與修正後，已被磨到足夠具體、又不至於因為過度細節化而在不同國家的體制中失效。這種在抽象與可操作之間找平衡的過程，恰好是先前多數治理文件缺少的一環。

對教育體系而言，這份框架的價值主要體現在三個層面。第一是採購階段的檢核清單——學校與教育主管機關在評估 AI 產品時，終於有跨國認可的參照標準，不必完全依賴廠商自我宣稱。第二是責任歸屬的釐清，當 AI 建議的分組、評量或輔導決策出現爭議時，框架有助於界定哪一環該由人承擔。第三是師培內容的設計依據，教師需要知道的不只是操作，還包括在什麼情境下必須介入或推翻 AI 的判斷。

業界分析人士指出，框架真正的考驗在於它是否會被納入採購規範與法規引用。純自願性的原則清單，通常只有本來就重視治理的機構會遵循；而最需要約束的往往是急於導入、缺乏內部審查能力的單位。這也是各國治理文件長期以來的落差所在。

值得注意的是，把教育與醫療放在同一份框架下處理，本身也傳遞出一個立場：教育場域的 AI 風險不該被視為比醫療輕微。學生的學習軌跡一旦被錯誤分類，影響同樣可能延續數年，卻更不容易被察覺與追溯。