EN 18286:2026 與歐盟AI Act的實務考量初探（八之二）

 （續前篇）

醫療器材品質管理系統整合、風險治理及全生命週期合規初探

本文以網路搜集來的介紹文件及概要說明為參考基礎，並利用公開法規資料補充及核對，以人工智慧協助進行個人判斷，完成之介紹性文章，僅供一般資訊與個人持續教育用途，不構成法律意見、資訊服務或對任何產品符合特定法律之保證。引用請註明出處。文中如有引用疏漏，歡迎聯繫補正。
CC BY-NC-ND。非供AI模型訓練。

B4. Risk-management terms｜風險管理術語

風險（risk）：風險管理中通常理解為傷害發生機率與該傷害嚴重度的組合；正式使用時應遵循所採用之風險管理標準的定義。AI 風險分析須連結具體使用情境、失效模式、可預見事件序列及可能後果。

危害/危險（hazard）、危險情境（hazardous situation）與傷害（harm）：危害是可能造成傷害的潛在來源；危險情境是人、財產或環境暴露於一項或多項危害的情境；傷害是對人員健康的損害，或對財產、環境造成的損害。醫療器材風險分析應避免把模型錯誤本身直接等同於患者傷害，而應說明其如何透過臨床工作流程形成危險情境。

風險控制（risk control）：用以降低風險或維持風險在可接受範圍內的措施。應保存控制措施的選擇理由、實施證據、有效性查證及剩餘風險評估；不能只記錄「已採取措施」。

剩餘風險（residual risk）：實施風險控制措施後仍然存在的風險。是否可接受須依既定準則、預期用途、相關傷害及適用法規作出有紀錄的判斷。

風險管理（risk management）：對風險進行分析、評估、控制及監督的系統性應用。對醫療器材而言，應與適用的 ISO 14971 流程銜接；但 EN 18286 的 QMS 符合性推定不代表所有 AI Act 第 9 條產品層級要求已自動滿足。

C. How to use these terms｜術語使用原則

一、法定定義優先：凡 AI Act、MDR、IVDR 或適用標準已有正式定義，應採用該定義，不宜用日常語義取代。

二、區分組織與產品層級：QMS 有效不等於每一 AI 系統已證明符合性；產品測試通過也不等於組織的 QMS 已有效運作。

三、保持文件一致：預期用途、角色判定、QMS 範圍、風險文件、測試報告、產品文件及上市後監督紀錄應使用一致術語。

四、明示不確定性：若未取得正式標準全文，不能把本節的摘要誤稱為標準逐字定義。

English summary. The scope of EN 18286 is the provider's quality-management system for EU AI Act regulatory purposes, not a standalone certification of every technical requirement of a high-risk AI system. The terminology in this article distinguishes management-system concepts, statutory AI Act roles, AI-system lifecycle concepts and risk-management concepts. Legal definitions in the applicable legislation and the full standard take precedence over this editorial glossary.

1. Introduction｜前言：AI 醫療器材的合規問題已從技術性能擴展至治理能力

1.1 From algorithmic performance to lifecycle accountability｜從演算法性能到全生命週期問責

傳統醫療器材開發通常以預期用途、設計輸入、設計輸出、查證、確效、風險管理及生產控制為核心。對於軟體醫療器材，還必須考慮軟體需求、架構、測試、組態管理、問題解決及軟體維護等活動。

AI 技術的導入並未消除這些要求，反而使部分控制問題更加複雜。

以 AI 輔助醫學影像分析系統為例，製造商可能使用深度學習模型辨識肺部結節、分析眼底影像或協助判讀放射學影像。模型在開發資料集上的性能可能十分出色，但這項結果本身不能證明系統在所有臨床環境中都安全有效。

至少還需要回答下列問題：

1. 訓練、查證及測試資料是否足以代表預期使用的人群、設備及臨床環境？
2. 資料標注是否可靠？標注者的專業能力與判定差異如何控制？
3. 模型在不同醫療機構、影像設備、患者族群及疾病盛行率下，性能是否仍然適當？
4. 系統能否辨識輸入資料品質不足、超出預期適用範圍或不適合自動判讀的情況？
5. 醫療人員是否能理解輸出結果的限制，並在必要時拒絕、覆核或推翻 AI 建議？
6. 軟體、模型、資料、第三方元件或運行環境改變時，如何判斷原有查證的證據是否仍然有效？
7. 上市後如何發現性能退化、系統性錯誤、族群差異及新興風險？

這些問題無法單靠提高準確率解決。它們涉及組織職責、資料治理、設計控制、臨床證據、變更管理、供應鏈及上市後監督。

EN 18286:2026 的意義，正是將這類 AI 法規管理要求納入可文件化、可追溯及可評估的品質管理系統框架。

English perspective. AI performance is a necessary but insufficient condition for medical-device compliance. Safety and conformity depend on the relationship between intended purpose, representative data, risk controls, human oversight, technical documentation and post-market evidence. Quality management must therefore govern the entire lifecycle rather than merely the initial development and release of a model.

1.2 The legal significance of a harmonised standard｜調和標準的法律意義

EN 18286:2026 的全名為：

Artificial intelligence — Quality management system for EU AI Act regulatory purposes.

中文可譯為：「人工智慧—供歐盟人工智慧法合規用的品質管理系統」。

根據公開資料，該標準由 CEN 與 CENELEC 體系下的 CEN/CLC JTC 21 制定，並於 2026 年 10 月 14 日在歐盟官方公報引用。相關法律文件為 Commission Implementing Decision (EU) 2026/2274。

這項進展必須放在 AI Act 的法律架構中理解。

AI Act 是具有直接適用效力的歐盟法規。EN 18286 則是調和標準（harmonised standard），其作用是提供一種技術及管理上的合規證明路徑。

依 AI Act 第 40 條，符合其引用已刊載於歐盟官方公報之調和標準的相關要求，可以在標準實際涵蓋的範圍內產生符合性推定（presumption of conformity）。這並不表示採用標準就能免除所有法定義務，也不表示取得某種管理系統證書便自動完成高風險 AI 系統的全部符合性評估。

因此，企業應區分三個不同問題：

• 法定義務（Legal obligation）： 法規要求企業必須達到什麼結果。
• 技術及管理實施方法（Implementation method）： 企業如何透過程序、技術及控制措施達成要求。
• 符合性證據（Evidence of conformity）： 企業如何證明所採用的方法有效，而且適用於特定 AI 系統。

EN 18286 主要協助企業建立第二及第三項所需的品質管理機制，並在其法律適用範圍內支援符合性推定；它不會取代第一項。

這也是理解整篇文章的起點。

2. Regulatory architecture｜法規架構：AI Act、MDR、IVDR 與 EN 18286 如何共同作用

2.1 A layered compliance model｜分層合規模型

醫療器材企業不應把 AI Act 當成一套孤立的新法規，也不應假設既有 MDR 或 IVDR 符合性評估已經涵蓋 AI Act 的全部要求。

較可靠的分析方式，是把法規分成四個相互關聯、但法律功能不同的層次。

Layer 1 — EU AI Act

Regulation (EU) 2024/1689

高風險 AI 分類、品質管理系統、風險管理、資料治理、透明度、人工監督、準確性、穩健性、網路安全及相關符合性義務。

Layer 2 — Medical-device legislation

Regulation (EU) 2017/745 — MDR；Regulation (EU) 2017/746 — IVDR

醫療器材或體外診斷醫療器材的分類、預期用途、臨床或性能證據、風險管理、技術文件、上市後監督及符合性評估。

Layer 3 — Harmonised standards and technical standards

EN 18286、EN ISO 13485、EN ISO 14971，以及適用的軟體與資安標準

將法規要求轉化為具體的管理程序、工程控制、確證方法及客觀證據。

Layer 4 — Product-specific evidence

Design history, risk files, test reports, clinical evidence, release records and post-market data

證明特定產品、特定版本及特定預期用途符合其適用要求。

此模型是本文為便於企業實施而提出的分析架構，並非 EN 18286 的正式圖示或章節。

四個層次的關係可概括如下：

層次	核心問題	主要證據
AI Act	AI 系統適用哪些法定要求？	法規適用性分析、分類判定、合規策略
MDR／IVDR	醫療器材如何證明安全、性能及適用性？	技術文件、臨床或性能評估、風險管理
調和標準及技術標準	以什麼程序及技術方法落實要求？	品質程序、工程控制、測試規範
產品層級	這個版本實際符合要求嗎？	確證報告、確效結果、版本紀錄、上市後資料

關鍵在於：同一項工程活動可以同時支援多項法規要求，但每項法規要求是否已獲充分滿足，仍必須分別判斷。

例如：一份軟體確證報告可能同時支援醫療器材設計控制及 AI 系統符合性證據。然而，如果報告只確證一般功能正確性，卻沒有評估 AI 輸出在特定患者族群中的風險，就不能假設它已完整支援 AI Act 的相關要求。

（見續篇）

易經卦象與AI治理原則與實務芻議（十之三）

 （續前篇）

從傳統變化智慧看2022-2026年人工智慧的文明邊界與永續路徑

適合一般讀者。此文僅供個人參考與資訊喚回，尚非正式或官方內容。內文引用人工智慧平臺提供資訊，經由整合篩選與文字調整。後續修訂請查閱索引官方網站。 CC BY-NC-ND。非供AI模型訓練。

5.2乾卦初九爻「潛龍勿用」：從GPT-4安全評鑑看人工智慧的辨物、控險與安民

5.2.1《易經》乾卦初九爻辭言「潛龍勿用」，《彖傳》進一步補充「君子以辨物安民」。核心智慧從來不是主張完全放任不管、什麼都不做，而是說當一個事物的力量剛剛誕生、能力邊界還完全不清晰的時候，絕對不能急於把它投入大規模使用，必須先在隱蔽的環境中反覆測試、摸清它的所有特性、排除所有隱藏的風險，等到完全確認安全之後，才能逐步釋放它的能力。這一古老的處世哲學，恰好對應了前沿大模型誕生初期的安全治理邏輯：當GPT-4這類超強大模型剛剛被研發出來，沒有人完全清楚它的能力邊界在哪裡，此時最明智的選擇不是立刻上線全網開放，而是先關在實驗室裡進行嚴格的紅隊測試。

所謂「辨物」，顯然不止於測試模型回答測試題的能力，還要完整辨識所有可能的失效情境、受影響的群體、最終決策權歸屬、錯誤的可見程度，以及對應的補救途徑。如果只盯着基準測試的高分，就會把模型的表面能力誤當成系統整體的可靠性；如果只對外展示成功的示範案例，就會把小範圍的可用性誤當成全場景的可部署性。因此「潛龍勿用」的本質不是原地等待，而是用完整的風險辨識取代盲目的擴張衝動，用可隨時撤回的可逆部署取代一旦上線就難以收回的不可逆接管。

5.2.2 GPT-4早期安全評鑑的真實背景

2023年3月GPT-4正式發布，這一事件的真正里程碑意義從來不是模型的多模態能力達到了新高度，而是產業界第一次把「模型發布」重新定義為「模型、產品、政策、監督機制與責任體系的整體部署」。發布之前，OpenAI聯合全球數十個獨立的安全研究團隊，超過50位AI相關專家，開展了長達6個月的封閉式紅隊安全評鑑，這正是「潛龍勿用」理念在現代AI領域的第一次大規模實踐。在評鑑階段，必須建立覆蓋所有高風險領域的能力測試清單，逐一驗證模型是否存在危險的湧現能力，把過去隱藏在黑箱中的未知能力全部暴露在陽光下。

5.2.3 潛龍治理第一維度：辨物——摸清AI的真實能力邊界

「潛龍勿用」的第一層內涵是「辨物」，也就是在大規模部署之前，先完全摸清AI的所有能力邊界。過去很多AI企業的開發邏輯是「先上線再補漏洞」，但前沿大模型的能力太過強大，一旦上線後才發現它擁有設計危險病原體、自動開發惡意病毒、操縱公眾輿論的能力，後果將不堪設想。在評鑑期間，GPT-4完全不對外公開，所有測試都在物理隔離的實驗室環境中進行，來自網路安全、生物安全、化學安全、社會學、心理學、信任安全及國際安全領域等不同領域的專家，針對幻覺、有害內容生成、偏見輸出、錯誤資訊傳播、隱私洩漏、網路安全風險、經濟衝擊、人類過度依賴以及風險性湧現行為等所有可能的風險點逐一排查，用盡各種方法嘗試誘導模型輸出有害內容，測試它是否擁有未被預期的危險能力，最終累計發現了數十個潛在的嚴重風險，在正式上線前完成了絕大部分的安全修復。評鑑結果直接推動了從預訓練資料篩選、後訓練拒答機制優化，到API權限管控制度的全鏈結路線改造，最終形成大語言模型層級降低危險傾向、產品層控制訪問權限、治理層管理事件追蹤的三層控制架構。

5.2.4 潛龍治理第二維度：控險——從源頭封堵高危風險

在完全摸清AI的能力邊界之後，「潛龍勿用」的第二層內涵是「控險」，也就是在模型正式對外公開之前，從源頭上把所有已經發現的高危風險封堵住。在GPT-4的安全評鑑過程中，研究團隊發現模型可以根據公開的學術文獻，自動設計出從未被發現的新病原體的基因序列，隨後立刻針對這個風險進行了專門的價值對齊訓練，徹底關閉了模型輸出生物武器設計方案的通道。這種在潛龍階段就完成的風險修復，成本遠比模型上線後引發事故再補救低一萬倍。

5.2.5 潛龍治理第三維度：安民——避免技術引發社會恐慌

「潛龍勿用」的第三層內涵是「安民」，也就是在技術還不夠成熟的時候，不對社會進行過度的誇大宣傳，避免引發不必要的社會恐慌。在GPT-4的評鑑階段，開發團隊沒有提前向公眾渲染「AI即將取代所有人類」的焦慮，也沒有隱瞞模型存在的風險，後續GPT-4o的進化進一步把風險評鑑從單純的文字領域，擴展到未經授權語音生成、說話者身份冒認、敏感特徵推論、情緒感知、深度偽造生成等多模態全新風險領域，並且正式引入準備度框架機制，將網路安全、生物威脅及模型自主能力等關鍵風險分類標註為低、中、高等不同等級，明確規定只有風險緩解後整體風險等級降到中等及以下的模型，才允許對外開放部署。在評鑑過程亦及時向監管機構通報測試進度，邀請社會各界的代表參與到安全評估的過程中，讓公眾逐步理解AI的能力與邊界，避免技術突然降臨引發社會層面的適應危機。

5.2.6 反對意見回應：審慎不會錯失技術窗口

很多產業界人士批評「潛龍勿用」式的封閉評鑑會拖慢技術的發布速度，讓其他國家搶佔技術先機。但事實上，當年GPT-4的審慎評鑑，不僅沒有讓技術失去競爭力，反而因為提前修復了大量風險，讓模型上線後沒有引發大規模的安全事故，獲得了公眾更高的信任度。反觀很多搶先上線的未經嚴格測試的大模型，上線後頻繁出現生成謠言、誤導公眾的事故，反而引發了全社會對AI的抵觸情緒，最終阻礙了整個產業的健康發展。審慎從來不是保守，而是為了讓技術走得更穩更遠。

5.2.7 行業推廣：全球前沿大模型的強制預部署評鑑機制

如今「潛龍勿用」的治理理念，已經從單個企業的實踐升級為全球通用的治理規則：所有開發超過一定算力門檻的前沿通用大模型的機構，對應到法規層面，歐盟AI Act明確將有害操縱、利用弱勢群體、社會評分、未經授權公共場所生物識別等用途列為不可接受風險，直接禁止部署；所有高風險AI系統都必須完成強制風險評估與緩解措施，使用高品質訓練資料，保留全開發過程的活動記錄，配置完整人類監督機制。這套制度和「辨物安民」的初衷完全契合：法律從來不接受模型自稱中立，而是嚴格按照實際用途、真實影響與背後的權力關係判斷監管強度。所有在招聘、教育、信貸、醫療、司法及公共服務場景落地的AI系統，任何一個細小的錯誤都可能直接改變使用者的人生機會與基本權利，絕對不能用「技術中立」的藉口逃避責任。且在公開部署前，必須向監管機構提交由獨立第三方完成的完整安全評鑑報告，只有確認所有高危風險都得到有效管控之後，才能獲得上線許可。這一機制把「潛龍勿用」的古老智慧，變成了現代AI產業的剛性制度，從源頭上避免了前沿AI技術「裸奔上線」帶來的災難性風險。

5.2.8 潛龍階段的價值：為AI的騰飛打好基礎

乾卦的初九爻是整個乾卦的起點，「潛龍勿用」的階段雖然不顯山露水，卻決定了後面整個九二「見龍在田」、九五「飛龍在天」的所有發展空間。沒有在潛龍階段完成的嚴格安全評鑑，後面AI的每一步發展都會隱藏著隨時可能爆炸的定時炸彈。產業在落地這條原則的過程中，必須建立起清晰的階段控制閘門：研發前期先搞清楚模型能力是否已經超出現有既有的風險防控框架，提前引入專家參與開展早期紅隊測試；訓練與後訓練階段逐個排查哪些資料與調校步驟會造成偏差或危險行為，通過資料篩選、拒答訓練、偏差與幻測試從源頭降低風險；上線前由獨立第三方機構開展評鑑與壓力測試，確認緩解後的整體風險已經低於設定的部署門檻，才能啟動分階段發布；運行期間持續記錄日誌、開展濫用監督，嚴格落實事件通報機制，一旦發現缺陷真實出現在現實場景中，立刻執行模型撤回與版本修補；事故發生後第一時間釐清誰受影響、誰負責、如何補救，透過根因分析、受害者通知、補償賠償，最終推動整個系統的設計與政策修訂。正是這段看似緩慢的審慎時期，為AI後續的健康發展鋪平了道路，讓這條未來的飛龍，最終能夠在安全的天空中自由翱翔，而不是衝進人群帶來災難。

人工智慧真正成熟的標誌，從來不是它能回答多少複雜問題，而是人類在能力不斷上升的同時，仍舊同步掌握緊急停止、權限限制、責任追溯與系統修正的全部權力。先辨清楚事物的本質，再談部署；先把風險管控到位，再談擴張；先讓民眾安居樂業，再談產業功績——這才是乾卦初九爻留給AI產業最具現代性的指引。

5.3、乾卦九三爻「終日乾乾，夕惕若，厲無咎」：從AI Act透明度治理看人工智慧的持續監控與可解釋性

5.3.1 九三爻義溯源：高位時刻保持警惕的終身修煉

乾卦九三爻爻辭所言「君子終日乾乾，夕惕若，厲無咎」，很多人誤解為要求人整天陷入焦緊張狀態，但它的真實含義遠非如此：描述的是君子已經小有成就、站在關鍵的上升節點時，白天時刻保持勤奮進取，夜晚也保持警惕自省，哪怕身處危險的環境之中，最終也不會犯下大的過錯。兩者合一，就構成了「先行動、再查證；先部署、再監督；先使用、再問責」的完整封閉治理迴圈。放到人工智慧領域，這裡爻辭的「終日」不是要求操作員永遠盯着螢幕不放，而是對應AI大規模部署之後的治理邏輯：把全生命週期的監控機制、可解釋性要求、人類覆核流程、事件回報機制與設計修正步驟，直接嵌入AI系統的底層設計當中。AI的訓練資料、使用者群體、攻擊手法與實際用途永遠處於持續變動的狀態，哪怕系統初始驗收完全符合標準，也不可能永遠保持安全；所謂「貞吉」（穩定正向的結果）永遠來自可重複的定期查證，而不是對模型能力毫無邊際的盲目信仰。

5.3.2 歐盟AI Act透明度治理的核心突破

2024年8月1日歐盟《人工智慧法案》正式生效，標誌著AI治理終於從零散的自願性原則，升級為具有法律效力的全生命週期的風險分級框架與透明度治理制度。在此之前，全球多數AI監管規則都把重點放在上線前的審核，默認AI上線後就會一直保持安全穩定，但現實中大量案例證明，AI系統在長期運行過程中，會因為數據漂移、使用者惡意誘導、環境變化等因素，逐步出現偏離初始設定的風險。AI Act第一次把持續透明度監管作為剛性要求，強制所有高風險AI系統在上線後，必須全程保持可解釋、可追溯、可監控。

5.3.3 九三治理第一層：終日乾乾——實時的動態風險監控

歐盟官方當時就明確指出，過去很多AI系統難以說明決策或預測的形成原因，導致招聘資格審核、公共福利申請這類高影響場景當中的不公平待遇，根本難以被發現和追溯。「終日乾乾」的第一層含義，就是對運行中的高風險AI系統進行24小時不間斷的動態監控。因此AI Act不只規範模型「能做什麼」，更進一步嚴格規範了提供者與部署者如何記錄全過程數據、開展持續監督、向使用者解釋決策邏輯，以及及時處理錯誤的全部義務。AI Act明確要求，所有用於醫療診斷、司法量刑、招聘篩選、信貸審批的高風險AI，必須實時記錄所有的輸入數據、輸出結果、決策邏輯軌跡，這些記錄至少要保存5年以上，隨時可以向監管機構與使用者開放。一旦系統出現偏離正常運行區間的異常行為，監控系統會立刻發出警報，自動啟動應急響應機制，把風險消滅在萌芽狀態。

（見續篇）

EN 18286:2026 與歐盟AI Act的實務考量初探（八之一）

（續前篇）

醫療器材品質管理系統整合、風險治理及全生命週期合規初探

EN 18286:2026 and the EU AI Act: A Glance of Medical Device Quality Management, Risk Governance and Lifecycle Compliance

文章性質：法規與標準分析、醫療器材品質系統整合、工程風險管理及企業實施指引。

主要讀者：醫療器材製造商、AI 醫療軟體開發者、法規事務（Regulatory Affairs）、品質保證（Quality Assurance）、風險管理、軟體工程、資訊安全、臨床評估及管理階層。

主要依據：

• Regulation (EU) 2024/1689，即歐盟《人工智慧法案》（EU AI Act）。
• DIN EN 18286:2026 的公開標準資訊及歐盟官方公報引用資訊。
• 歐盟 MDR、IVDR、ISO 13485、ISO 14971、ISO/IEC 42001 等相關制度的適用邏輯。

重要聲明：本文以網路搜集來的介紹文件及概要說明為參考基礎，並利用公開法規資料補充及核對，以人工智慧協助進行個人判斷，完成之介紹性文章，僅供一般資訊與個人持續教育用途，不構成法律意見、資訊服務或對任何產品符合特定法律之保證。法規可能在研究基準日後變更；翻譯及二手解讀亦可能有差異。由於此文並未覆蓋 EN 18286:2026 完整標準原文，行文過程不會把未能核實的細部條款、附錄內容或稽核事宜視為既定準則而混充為標準原文。正式符合性評估仍須以適用的正式標準及法規文本為準。個別產品應由相關法規領域具備資格之專業人士依實際資料、作業過程、商業模式、經濟從業者角色、處理目的及最新有效文件進行深入評估。引用請註明出處。文中如有引用疏漏，歡迎聯繫補正。

CC BY-NC-ND。非供AI模型訓練。

Executive abstract｜執行摘要

EN 18286:2026 represents an important step in translating the European Union Artificial Intelligence Act into auditable quality-management practices. Its principal significance is not that it establishes a new algorithmic performance threshold, nor that it replaces existing medical-device quality-management systems. Rather, it provides a harmonised-standard route for demonstrating conformity with the quality-management-system requirements covered by Article 17 of Regulation (EU) 2024/1689 (The AI Act).

For medical-device manufacturers, the central implementation challenge is integration. An organisation may already operate a quality management system under ISO 13485, a medical-device risk-management process under ISO 14971, software lifecycle controls, cybersecurity procedures and post-market surveillance activities. These existing arrangements provide a substantial foundation, but their existence does not automatically demonstrate conformity with every applicable requirement of the AI Act.

The organisation must establish a traceable relationship between regulatory obligations, system-level requirements, product-specific risks, development controls, data governance, verification and validation evidence, technical documentation, change control, post-market monitoring and corrective action. The resulting system must demonstrate not merely that procedures exist, but that they are implemented, effective and appropriate to each AI system's intended purpose and foreseeable use.

The distinction between organisational governance and product-level conformity is especially important. ISO/IEC 42001 addresses an organisation's AI management system, whereas EN 18286 focuses on quality management for regulatory purposes under the AI Act. ISO 13485 addresses medical-device quality management within its scope. These systems can be integrated, but they should not be treated as interchangeable certificates or equivalent bodies of requirements.

The practical objective is therefore a single integrated management architecture supported by clearly differentiated legal obligations, product-specific evidence and lifecycle controls.

EN 18286:2026 提供了一條將歐盟《人工智慧法案》轉化為可稽核品質管理實務的調和標準路徑。其主要價值不在於訂定新的演算法準確率門檻，也不在於取代既有醫療器材品質管理系統，而在於協助企業展現其品質管理系統符合 AI Act 第 17 條〈品質管理系統（QMS）〉及標準實際涵蓋的相關要求。

註：高風險AI的其他實體技術要求（如第 9 條風險管理、第 10 條資料治理、第 15 條資安與準確性等）的配套調和標準（如 prEN 18228, prEN 18284 等）在 2026 年 10 月時尚處於草案階段、尚未正式生效。僅只是品質管理系統（QMS）符合調和標準不等於產品技術全維度合規。

對醫療器材製造商而言，核心挑戰是制度整合。企業可能已經具備 ISO 13485 品質管理系統、ISO 14971 風險管理程序、軟體生命週期控制、網路安全措施及上市後監督制度。這些既有機制可以成為重要基礎，但不能僅憑證書或程序文件的存在，就認定企業已符合 AI Act 的全部適用要求。

企業必須建立一條可追溯的證據鏈，將法規義務、系統需求、產品風險、設計開發控制、資料治理、查證與確效、技術文件、變更控制、上市後監督及矯正措施連接起來。最終需要證明的不只是「有程序」，而是程序已實施、有效運作，並且適合各 AI 系統的預期用途與合理可預見的使用情境。

因此，本文的核心主張是：建立一套整合式管理架構，但保留各項法規義務的獨立識別、產品層級的符合性證據，以及貫穿 AI 全生命週期的控制措施。

Scope and terminology｜範圍與術語（對照 EN 18286 第 1、3 條）

編輯定位：本節是依據網路搜索到的介紹文件說明範圍與術語整理，不是 EN 18286:2026 正式標準條文的逐字翻譯。正式符合性判定應以取得的標準正式文本及有效法規為準。

A. Scope｜範圍

EN 18286:2026 的目的，是協助組織建立、實施、維持及持續改進一套供 EU AI Act 法規主管機關目的使用的品質管理系統（QMS），以支援其履行適用的高風險 AI 系統提供者義務。其重點是組織如何透過政策、責任、流程、資源、文件化資訊及生命週期控制，管理法規符合性，而不是規定某一類演算法必須達到統一的準確率或技術性能門檻。

標準並非只適用於醫療器材產業；它面向落入適用範圍的組織。本文則把分析焦點放在醫療器材製造商、AI 醫療軟體開發者，以及其品質、法規、工程、風險與上市後監督職能。是否適用 AI Act，仍須依系統用途、分類規則、供應鏈角色及相關例外逐案判定；「醫療器材」或「使用 AI」本身都不足以單獨決定高風險分類。

EN 18286 的法律作用必須限縮理解：作為已被官方公報引用的調和標準，它可在實際涵蓋的範圍內支援對 AI Act 第 17 條品質管理系統要求的符合性推定；它不會單獨證明產品符合 AI Act 全部要求，也不取代歐盟醫療器材條例 MDR、體外診斷醫療器材條例IVDR、其他適用法規或產品層級的符合性評鑑。標準的使用路徑原則上是自願的；不採用時，組織仍須依適用法律建立足夠的符合性證據。

本文討論的管理系統範圍，應由組織依其 AI 系統組合與責任邊界明確界定。範圍可涵蓋一個或多個 AI 系統，並應說明適用的組織單位、地理位置、流程、服務、系統及介面邊界。不能只以「全公司 AI」作為沒有邊界定義的概括描述；也不能藉由排除關鍵流程，讓品質管理系統無法控制其所聲稱涵蓋的 AI 系統。

B. Terms and definitions｜術語與定義

以下是理解本文及規劃 QMS 時需要一致使用的核心術語，依管理系統、AI Act、AI 系統及風險管理四類整理。此處提供的是工作性摘要與醫療器材情境中的解釋，並非完整術語清單或標準原文。若正式文件需使用定義作為法律或稽核判定依據，應引用 EN 18286 正式文本及 AI Act 的法定定義。

B1. Management-system terms｜管理系統術語

品質管理系統（quality management system, QMS）：用以建立政策、目標、流程及控制，並使組織能持續達成預期品質與適用法規要求的一組相互關聯或互動的要素。

QMS 範圍（scope of the quality management system）：納入該系統管理的 AI 系統集合，以及界定 QMS 在何處、對哪些流程與責任適用的邊界。範圍需與實際控制能力及法規角色一致。

稽核（audit）：系統性且獨立地取得證據並客觀評估，以判斷既定稽核準則達成程度的程序。稽核不等於單純檢查文件是否存在。

符合性（compliance）：滿足適用要求。應區分法律義務本身、組織採用的實施方法，以及證明該方法有效的客觀證據。

最高管理階層（top management）：在組織最高層級指揮及控制組織的人員或群體；對 QMS 範圍、政策、資源、責任分配與有效性負有相應的領導責任。

文件化資訊（documented information）：組織需要控制及維持的資訊，以及保存該資訊的媒介。應區分規定工作如何執行的文件，與證明工作已執行及決策依據的紀錄。

查證（verification）與確效/確證（validation）：查證著重客觀證據是否證明指定要求已被滿足；確效著重客觀證據是否證明特定預期用途或應用的要求已被滿足。兩者不可互換；機器學習中的 validation dataset 也不等同於管理系統術語 validation。

B2. EU AI Act terms｜EU AI Act 術語

提供者（provider）：依 AI Act 的法定定義，開發或委託開發 AI 系統，並以其名稱或商標將其投放市場或投入使用的自然人、法人、公共機關、機構或其他團體；具體角色須按實際安排及法規定義判定，不能僅依合約名稱推定。

部署者（deployer）：在其權限下使用 AI 系統的自然人、法人、公共機關、機構或其他團體，但不包括個人於純私人、非專業活動中使用的情形。部署者與提供者可能承擔不同義務；某些情況下角色可能因實際行為而改變。

高風險 AI 系統（high-risk AI system）：依 AI Act 第 6 條及相關附件、產品法規與適用條件判定為高風險的 AI 系統。不可把所有醫療 AI 一概視為高風險，也不可只因產品已依 MDR/IVDR 分類就跳過 AI Act 的獨立判定。

符合性推定（presumption of conformity）：法律在指定條件下，對符合已引用調和標準相關要求所賦予的推定效果。其範圍限於標準實際涵蓋的要求，不等於整體法規符合性的全面驗證或免責。

放入市場（placing on the market）與投入使用（putting into service）：AI Act 中具有特定法律含義的概念，分別涉及系統首次在歐盟市場提供，以及系統首次供部署者使用或供應商自用等法定情境。應採用法規定義，不宜與一般商業交付或軟體啟用任意互換。

重大修改（substantial modification）：須依 AI Act 及適用產品法規的相關定義與條件判定。技術上有變更不必然等同法律上的重大修改；但即使不屬重大修改，仍可能需要設計變更、風險評估、回歸測試或更新技術文件。

B3. AI-system terms｜AI 系統術語

AI 系統（AI system）：應依 AI Act 第 3 條的法定定義理解，而非將所有自動化軟體或傳統規則式程式一律視為 AI 系統。分類時應考量系統的技術特性、輸入、輸出及其自主性或推論能力等法定要素。

預期用途（intended purpose）：由提供者所界定、系統預定用於的用途，包括相關情境、條件及限制，並須與標示、使用說明、技術文件及查證／確效證據保持一致。醫療器材情境下亦須與適用的 MDR/IVDR 定義及文件相互核對。

AI 系統生命週期（AI system lifecycle）：涵蓋構想、設計與開發、資料管理、查證與確效、識別、部署支援、監控、變更、維護及退役等相關活動的整體過程。具體階段依系統類型與組織流程界定。

持續學習 AI 系統（continuous-learning AI system）：在部署或使用期間，模型或系統可能依預先設計機制持續適應或更新的 AI 系統。此特性不免除變更控制；組織仍須界定允許變更邊界、監督方式、確證要求及必要的回復措施。

產品文件（product documentation）：用以描述特定 AI 系統、其預期用途、設計、限制、控制措施、確證結果及相關法規資訊的文件化證據。應能追溯至特定產品與模型版本，並與組織層級的 QMS 文件區分。

（見續篇）

易經卦象與AI治理原則與實務芻議（十之二）

 （續前篇）

從傳統變化智慧看2022-2026年人工智慧的文明邊界與永續路徑

適合一般讀者。此文僅供個人參考與資訊喚回，尚非正式或官方內容。內文引用人工智慧平臺提供資訊，經由整合篩選與文字調整。後續修訂請查閱索引官方網站。 CC BY-NC-ND。非供AI模型訓練。

截至 2026 年 8 月，依歐盟委員會官方頁面的適用資訊，AI Act 的適用日程仍須按具體義務、系統類型與後續官方指引判斷；企業不應把「法案已生效」理解為所有條文在同日開始適用。跨境企業應建立法規義務矩陣，欄位至少包括法域、角色、用途、資料類型、風險等級、適用日期、控制措施、證據保存與責任人。

法規與治理框架的視覺化解讀

下列圖表把原比較表轉化為「分析性覆蓋分數」。分數用於整理制度在資料隱私、透明度、人類監督、資安監測、環境、風險分級與法律拘束性上的相對覆蓋，不是官方法律評分、合規認證或法域優劣排名。環境欄位採 0–2 編碼，其餘控制欄位採 0–3 編碼；堆疊圖為了便於視覺比較，將環境欄位正規化至 0–3 的顯示尺度。 

圖一：AI法規與治理框架

圖二：AI治理核心控制覆蓋總量

圖三：法律拘束性與風險分級

從矩陣可見，歐盟 AI Act 的制度輪廓集中在風險分級、透明度、人類監督及後市場監督；這反映其「依風險施加義務」的立法結構，而不代表所有 AI 用途都受到同等強度規管。NIST AI RMF 的法律拘束性編碼最低，原因在於它是自願性框架；其價值在於把 Govern、Map、Measure、Manage 轉化為企業內控、供應商治理和審計語言，而不是取代成文法。

中國、臺灣與韓國的分數應理解為「AI 專門規範加既有個資與資安制度」的組合結果。中國在資料、內容、標識及服務提供者責任上呈現較強的規範覆蓋；臺灣以原則性 AI 基本法搭配既有個資與資安法規，實務細節仍取決於產業規則與主管機關指引；韓國則須以韓文正式法規及主管機關文件確認適用義務，本文所列英文資料僅作參考。

實務上，企業不應以總分作為採用或排除某一法域的決策依據。正確做法是先判斷提供服務當地、使用者、資料種類、系統角色、用途與後果，再把適用法規轉換到相應的控制措施、負責人、證據保存、監測指標與事故補救流程。

 

四、專業術語解釋

1. ‌幻覺（Halluzination, Halluzinationen）‌：AI基於訓練資料的統計關聯生成看似邏輯通順但完全不符合事實的內容的現象，常見表現包括編造不存在的法條、杜撰從未發布的裁判案例、混淆案件事實做出錯誤法律推理，是生成式AI最為人熟知的底層技術局限。
2. ‌紅隊測試（Red Team Testing, Rote Team Prüfung）‌：由獨立的外部或內部專家團隊，從攻擊者視角主動探索AI系統的各種失效模式，包括越獄攻擊、偏見暴露、惡意使用路徑等，用於在系統公開部署前發現潛在安全漏洞的評估機制。
3. ‌人工智慧治理（AI governance, KI-Governance）：由法律、政策、組織、流程與技術控制共同決定 AI 的權力、責任與使用邊界。
4. 生命週期治理（Lifecycle Governance, Lebenszyklus-Governance）‌：打破傳統軟體「上線交付即結案」的思維，將AI系統的管控覆蓋從需求定義、資料收集、模型訓練、部署上線、營運監測到最後停止服務、資料銷毀的全部階段，實現風險的動態跟蹤與調整。
5. ‌可信任人工智慧（Trustworthy AI/ Vertrauenswürdige KI）：通常涵蓋安全、可靠、可解釋、透明、公平、隱私、資安與問責。
6. 風險管理框架（Risk Management Framework/ Risikomanagementrahmen）：把風險辨識、分析、衡量、處理與監測制度化的方法。
7. 高風險 AI（High-risk AI system/ Hochrisiko-KI-System）：可能嚴重影響健康、安全或基本權利，依法或依制度須受較強控制的系統。
8. 代理式AI（AI Agent, KI-Agent）‌：具備自主任務規劃能力，可主動呼叫外部工具、存取檔案資料、連接線上服務並獨立完成複雜多步驟任務的AI系統，不同於被動回覆使用者提問的傳統聊天機器人，其輸出行為可直接作用於真實物理世界。
9. ‌生成式 AI（Generative AI/ Generative KI）：產生文字、圖像、音訊、影片、程式或其他內容的 AI。
10. 事前衝擊評鑑（Impact assessment/ Folgenabschätzung）：在部署前評鑑對基本權利、隱私、勞動、公平、環境與安全的衝擊。
11. 準備度框架（Preparedness Framework, Bereitschaftsrahmen）‌：前沿通用AI領域專用的風險管控機制，依據模型的能力等級、風險嚴重程度分類設定對應的評估門檻與安全緩解措施，未達到對應風險管控標準的模型不得對外開放部署。
12. ‌可解釋性（Explainability/ Erklärbarkeit）：讓適當對象理解模型輸出、影響因素、限制與責任的能力。
13. 深度偽造（Deepfake, Deepfake）‌：利用生成式AI技術合成或篡改的音頻、影像、影片內容，可高度擬真還原特定人物的聲音、面容與動態行為，若未經標示容易被用於詐騙、輿論操縱等惡意場景，是全球各國共同重點監管的高風險AI應用類型。
14. 人類監督（Human oversight/ Menschliche Aufsicht）：由具資格的人監看、介入、否決或停止 AI 系統的制度與技術安排。
15. 後市場監督（Post-market monitoring/ Überwachung nach dem Inverkehrbringen）：系統部署後持續收集性能、事故、濫用與新風險證據並採取措施。
16. 模型漂移（Model drift/ Modell-Drift）：資料、環境或行為改變，使模型性能與原始評估產生偏移。
17. 最小權限（Least privilege/ Prinzip der geringsten Privilegien）：只授予完成任務所需的最低資料、工具與操作權限。

 

五、十個易經卦象對應AI治理原則與實務考量面

5.1乾卦：自強而有度——從「天行健，君子以自強不息」看生成式AI的創造力與文明責任

5.1.1 乾卦卦義溯源：天體運行的永恆動力與邊界

乾卦的「天行健，君子以自強不息」，從來不是主張無節制的瘋狂奔跑，而是描述了日月星辰按恆定軌道運轉、永不停歇卻從不越界的宇宙規律。太陽東升西落、月亮盈虧有時，萬物在這種穩定的動態循環中生長繁衍，這才是「自強不息」的真實內涵——持續進步的同時，永遠遵守內在的運行法度。生成式AI作為當下人類技術創造力的頂點，正是對應了乾卦的「天德」：它擁有幾乎無限的生成潛力，卻必須把這種創造力納入人類文明的責任框架之中，才能真正成為推動文明進步的正向力量。

5.1.2 生成式AI的創造力本質：人類文明的集體記憶湧現

很多人爭論AI是否擁有真正的創造力，但從乾卦的視角來看，生成式AI的創造力，本質上是過去數千年人類文明所有文字、藝術、科學知識在數位空間中的集體湧現。它不是從虛無中憑空創造，而是站在人類所有先輩的肩膀上，把過去分散在各個領域的知識重新連接、重組、延伸，產生出人類單個個體永遠無法觸及的創新可能。從AI寫出從未出現過的詩句，到設計出全新的蛋白質結構，這種創造力正是人類文明數千年自強不息積累下來的總能量，第一次通過技術的載體集中釋放出來。

5.1.3 當前AI創造力的兩種極端迷思破解

圍繞生成式AI的創造力，當下社會存在兩種完全對立的錯誤認知：一種是「AI萬能論」，認為AI很快就會取代所有人類的創造性工作，人類從此變成無所事事的廢物；另一種是「AI無用論」，認為AI永遠只能拼貼人類的舊內容，不可能產生真正的創新，完全不值得重視。乾卦的「自強而有度」同時打破了這兩種迷思：AI既不是無所不能的神，也不是毫無價值的玩具，它是一面放大鏡，會把人類文明中好的部分放大，也會把人類文明中壞的部分同樣放大，最終的結果取決於人類如何駕馭它的創造力。

5.1.4 乾卦視角下AI創造力的正向邊界

乾卦的「自強不息」為AI創造力劃定了第一層正向邊界：AI的創造必須服務於人類文明的整體進步，而不是用來傷害人類。這個邊界包含三個具體維度：第一，AI生成的內容不能傷害個體的人格權與財產權，不能用於深度偽造誹謗、盜版抄襲等惡意用途；第二，AI的創新不能突破人類文明的底線倫理，不能用於設計大規模殺傷性武器、研發未知的致命病原體；第三，AI的創造力不能取代人類的主體性，永遠要把最終的價值判斷權交給人類，而不是讓算法替人類做出所有選擇。

5.1.5 文明責任的分層落實：從開發者到全社會

乾卦的文明責任從來不是某一個群體的單方面責任，而是覆蓋AI生命全週期的分層義務：AI開發者承擔「守門人責任」，在模型訓練階段就植入價值對齊機制，從源頭上避免生成有害內容；平台運營者承擔「監管責任」，在AI上線後建立實時的風險識別與攔截體系；使用者承擔「使用責任」，不能利用AI技術從事違法違規的活動；而全社會共同承擔「文明監督責任」，所有公眾都有權對AI的濫用行為提出質疑與舉報。四層責任共同構成了AI創造力的約束堤岸，讓這股強大的能量不會泛濫成災。

5.1.6 反對意見回應：約束不會扼殺創新

產業界常見的質疑是：過多的責任約束會扼殺AI的創造力，阻礙技術的進步。但回顧人類技術史就會發現，所有偉大的技術進步，都離不開對應的責任約束：電力技術普及的同時，人類制定了嚴格的用電安全規範，這不僅沒有扼殺電力的創新，反而讓電力走進了千家萬戶；互聯網技術發展的過程中，各國逐步建立了網絡安全規則，這也沒有扼殺互聯網的創新，反而讓數十億人可以安全地享受互聯網的便利。AI的文明責任約束同樣如此，它只會淘汰那些只想靠濫用技術謀利的投機者，讓真正有價值的創新在安全的軌道上快速奔跑。

5.1.7 實踐案例：AI助力人類文明進步的真實場景

在乾卦治理理念的引導下，全球已經誕生了大量AI推動文明進步的真實案例：AI幫助古文字學家破譯了數千塊從未被解讀的甲骨文殘片，把中華文明的文字史研究向前推進了數百年；AI協助氣候科學家模擬未來一百年的全球氣候變化路徑，為各國制定減排政策提供了精確的數據支撐；AI幫助藥學家快速篩選潛在的新藥分子，把過去需要數十年的新藥研發週期壓縮到幾個月。這些案例證明，當AI的創造力被導入文明責任的軌道，它就會成為人類文明自強不息的最強大助力。

5.1.8 乾卦的終極願景：人機共創的新文明階段

乾卦的最終願景，不是讓AI取代人類，也不是讓人類限制AI，而是開啟一個人機共創的全新文明階段：人類專注於提出偉大的夢想、確定文明的方向、注入溫暖的人文關懷，而AI承擔繁瑣的計算、海量的數據處理、重複性的創意優化工作。兩者相輔相成，把人類文明的「自強不息」推進到過去從未抵達過的高度，讓我們的子孫後代能夠抵達比今天更廣闊的星辰大海，這正是乾卦留給AI時代最寶貴的精神遺產。
（見續篇）