五類紀錄先被排好了欄位：演算法問責，是一頁等著被檢查的介面

2026 年 10 月 7 日，APPI News 刊出一篇由張饒輝撰寫的分析，把「演算法問責怎麼落地」這個大題目，收斂成五類具體紀錄：用途與影響範圍、資料來源、模型版本、人工覆核、事故回復。文章開頭給了一個很低的標準，卻也是最高的標準：企業在結果出現後，要能回答四件事，這個用途誰核準、模型用了哪份資料、哪個版本產出、誰能覆核或停用。

這四個問題本身就是一組介面欄位。設計的視角在這裡有用武之地，因為問責的成敗，取決於這些答案是被寫成可以重新檢查的紀錄，還是只留在會議的口頭討論裡。原文點出後者的風險：模型換版或人員離職後，口頭的答案就難以重建。

法規給了原則，欄位要自己長出來

臺灣《人工智慧基本法》於 2026 年 1 月 14 日公布，第 4 條列出七項原則，包含人類自主、隱私保護與資料治理、透明與可解釋、公平與不歧視、問責等。第 16 條責成數位發展部推動風險分類框架，第 17 條要求政府針對高風險應用明確責任歸屬與救濟機制。

原文提醒了一個容易被忽略的細節：數發部的風險分類框架採盤點、識別、評估、應對四步流程，官方說明它是跨部會溝通的共同語言，治理權責仍落在各目的事業主管機關。企業可以沿用同樣的順序盤點，但不能把框架名稱當成已完成法遵。對民間企業，具體義務還要接回個資法與目的事業規範。

這種「原則在上、細節在各部會」的立法排版，意味著企業拿到的其實是一份還沒印好的驗收單。這與我們先前觀察的臺灣 AI 法規供應商合約欄位分析是同一個結構問題：法規只畫出欄位標題，欄位內容要靠企業自己填出可以被檢查的證據。

五類紀錄，五組欄位

原文把紀錄拆成五類，每一類都有明確的欄位清單，這是全文最像表格設計的地方。

用途紀錄要寫清楚 AI 做的是摘要、排序、預測、建議還是直接觸發動作，並列出受影響的人、可接受錯誤與禁止用途。原文特別強調：用途改變時要重新評估，不要因為模型名稱沒變就沿用舊紀錄。這條規則在介面設計上很實際，名稱是最不可靠的版本識別。

資料紀錄要能回答來源、欄位、合法使用理由、儲存地區、存取角色、次處理者與刪除時間。若涉及病歷、基因或健康檢查資料，個資法第 6 條另有限制。資料欄位、儲存期限與刪除條件都應進入紀錄，而非只寫在隱私政策裡。

版本紀錄不要只存產品名稱。原文開出的欄位包括模型版本、系統提示、檢索資料、工具權限、輸出格式、測試資料版本與發布時間；模型更新後，固定案例的結果要能和上一版比較，讓團隊判斷變動來自模型、資料或流程。這本質上是一套變更管理的欄位設計，和軟體發布流程同構。

覆核紀錄要留下覆核者、覆核時間、看過的輸入與輸出、採納或駁回理由。原文引 NIST AI RMF Playbook 的建議，也要記錄人工推翻輸出的統計、申訴回應時間，以及誰作出 go 或 no-go 決策。事故紀錄則包含發生時間、受影響範圍與輸出內容（來源在此處截斷，後續欄位無法確認）。

值得注意的一條界線：原文指出這不代表每個系統都要公開模型參數，而是要設計一條讓受影響者取得說明與重新處理的路徑。當 AI 結果可能影響資格、付款、僱用或醫療安排時，使用者要知道結果如何產生、如何提出異議、誰能重新判斷。

借來的框架，要標明是借的

全文的另一個可貴之處，是對參考框架的誠實標註。NIST AI RMF 把風險管理拆成 Govern、Map、Measure、Manage 四項功能，原文引用它來支撐紀錄的要求，但同時聲明這套框架是自願採用的治理參考，不等於臺灣法規認證。

這種標註本身就是一種紀錄設計。對照我們先前討論過的模型卡規格如何被排成採購決策的閱讀介面，外部框架與官方數據被引用時，來源與效力範圍若是模糊的，整份文件的可信度就跟著打折。問責紀錄尤其如此：它被設計出來的目的，就是讓另一個人在事後重新檢查，欄位來源不清，檢查就無從開始。

收在一個可測的標準

這篇文章給企業的最小可行做法，可以濃縮成一句可測試的話：任何一次 AI 決策，都應該能在人員離職、模型換版之後，被一個新來的人只靠書面紀錄重建決策脈絡。做得到，問責才有落點；做不到，基本法第 4 條的原則就只是牆上的字。原文沒有給出這句話，但五類紀錄的欄位設計，指向的就是這個標準。