EN 18286:2026 與歐盟AI Act的實務考量初探（八之七）

（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。

10.2 A product-level evidence index｜產品層級證據索引

對每個 AI 醫療器材系統，建議建立一份產品層級的證據索引，將適用要求、責任部門、程序及客觀證據連結起來。

證據領域	主要文件或紀錄	應回答的問題
法規適用性	法規清單、分類及適用性分析	為什麼適用或不適用某項要求？
預期用途	產品規格、使用者需求及限制	系統被設計用來做什麼、不做什麼？
風險管理	風險管理計畫、分析及報告	如何識別、評估與控制風險？
資料治理	資料來源、標注、處理及版本紀錄	資料為何適用於預期用途？
模型及軟體	版本識別、架構、組態及變更紀錄	哪個版本經過哪些活動？
查證與確效	測試計畫、報告及臨床或性能證據	如何證明系統符合要求？
供應鏈	供應商評估、規格及變更通知	外部資源如何受到控制？
上市後監督	監督計畫、指標、調查及事件紀錄	如何識別並處理上市後風險？
矯正措施	問題原因、處置及有效性紀錄	問題是否已被控制並防止再發？

此索引是一項建議的文件管理工具，而非標準指定的唯一格式。

企業可依既有文件管理系統、產品架構及適用法規，選擇採用文件矩陣、資料庫或其他受控方式。

10.3 Traceability must work in both directions｜追溯性應能雙向運作

完整的追溯性不只是從法規要求找到相關文件，也應能從一份測試報告或一個風險控制措施，反向找到它所支援的法規要求及產品需求。例如：

Legal Requirement«Procedure«Risk Control«Test Evidence«Product Version  法規  «  程序   «  風險控制 « 測試證據 «  產品版本

 

這樣的結構可以協助企業回答稽核中常見的問題：

• 這項測試為什麼需要執行？
• 它支援哪一項產品或法規要求？
• 測試失敗時，企業如何決定是否放行？
• 哪個產品版本採用了這項控制？
• 產品變更後，原有證據是否仍然適用？
• 上市後發現新風險時，應更新哪些文件？

這種雙向追溯性也有助於避免重複測試及文件矛盾，因為企業可以辨識哪些證據已經有效支援多項要求，以及哪些部分仍存在缺口。

11. Gap analysis and implementation roadmap｜差距分析與實施路線圖

11.1 Start with applicability, not documentation｜先判斷適用性，再開始補文件

企業在導入 EN 18286 時，第一步應是確定標準適用範圍與法規義務，而不是立即要求每個部門提交一份新的程序文件。原因很簡單：如果企業尚未確認哪些 AI 系統屬於適用範圍，就無法合理決定品質管理系統的邊界、所需控制措施及證據深度。

建議依序完成以下工作：

1. 建立 AI 系統及相關產品的清單。
2. 判定企業在每個系統中的法律角色。
3. 依 AI Act 分類規則及相關附件分析適用性。
4. 確認 MDR、IVDR 及其他適用法規的相互作用關係及影響程度。
5. 建立EN 18286 要求與現有品質程序的對照矩陣。
6. 識別控制措施及證據的缺口。
7. 依風險、法規時程及產品上市計畫安排改進優先順序。

11.2 The difference between a document gap and a control gap｜文件缺口與控制缺口的差別

差距分析不能只檢查「有沒有文件」。應至少區分三種情況。

第一類：文件已存在，控制措施充分。

例如：企業已有受控的軟體變更程序，而且程序已涵蓋模型版本、資料版本、風險影響評估及適用的法規判定。這種情況可能只需要確認程序的適用性與證據完整性。

第二類：文件已存在，但控制措施不足。

例如：企業已有一般軟體變更程序，但沒有評估模型更新對患者族群性能或風險的影響。這不是單純的文件格式問題，而是實質控制缺口。

第三類：控制措施已執行，但缺乏適當紀錄。

例如：工程師每次更新模型都會執行測試，但沒有明確的接受準則、核准紀錄或版本追溯。這種情況可能同時涉及文件化及治理問題。

三類缺口需要不同的改進方式，不能一律以「補寫程序」處理。

11.3 A phased implementation plan｜分階段實施計畫

以下是一個可供企業規劃的示例。各階段所需時間取決於企業規模、產品數量、既有 QMS 成熟度及法規適用性。

階段	主要活動	預期產出
Phase 1：適用性分析	產品盤點、角色判定、AI 分類及法規分析	適用性判定紀錄及產品清單
Phase 2：差距分析	對照EN 18286、ISO 13485、AI Act及既有程序	差距矩陣及改進計畫
Phase 3：系統設計	明確權責、程序、品質目標及證據要求	核准的QMS改進方案
Phase 4：產品控制整合	資料治理、模型管理、風險控制、變更及上市後監督	產品層級控制措施及文件
Phase 5：實施與試運作	訓練、執行程序、收集紀錄及處理問題	實施證據及改進紀錄
Phase 6：有效性評估	內部稽核、管理審查、矯正措施及必要的外部評估	系統有效性評估及後續措施

11.4 Prioritisation should be risk-based｜改進優先順序應以風險為基礎

企業不應只按照文件缺口的數量安排工作。

更合理的優先順序應考慮：

• 法規義務的適用時程；
• 產品預期用途及可能造成的傷害；
• 現有控制措施的不足程度；
• 產品是否即將上市或進行重大變更；
• 資料、模型及供應鏈的不確定性；
• 是否缺少關鍵查證或確效證據；
• 是否已出現上市後風險資訊或警示。

例如：如果某個產品缺少文件格式統一規則，但主要風險控制及產品證據完整，這可能不是最優先的問題。

反之，如果產品無法證明模型在預期患者族群中具備足夠性能，或沒有控制高風險模型更新的程序，就應優先處理實質性的產品及法規風險。

（見續篇）

易經卦象與AI治理原則與實務芻議（十之八）

 （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。

5.8.5 節卦治理第二層：算力資源的分級分類調度機制

節卦的「制數度」，核心是用制度確定資源分配的合理邊界。在全國層面建立統一的綠色算力調度平台，把來自風能、太陽能的零碳算力，優先分配給氣候模擬、新藥研發、災害預警、農業優化這類具備高公共價值的AI場景；對於普通的商業推薦、娛樂生成類的低價值AI應用，則優先使用閒置的剩餘算力，禁止為了非必要的商業場景無限擴張高能耗的專用算力集群。這一機制讓寶貴的綠色算力資源，流向最能增進人類整體福祉的領域，避免算力被浪費在毫無意義的性能競賽之中。

5.8.6 節卦治理第三層：低效AI系統的強制退場機制

節卦的節制不是靜態的限制，而是動態的優化。制度明確設定AI系統的能效門檻：對於運行效率低於標準線的陳舊大模型、算力浪費嚴重的閒置AI集群，強制要求企業在規定時間內完成升級改造，逾期未達標的必須關停。同時建立AI硬件的強制回收體系，要求AI芯片製造商與大模型運營商，承擔舊硬件的回收、拆解、無害化處理的全鏈條責任，禁止大量淘汰的AI芯片直接流入電子垃圾市場，造成二次生態污染。

5.8.7 節卦治理的產業升級效應

很多人曾經擔心節制制度會阻礙AI產業的發展，但現實的實踐證明，嚴格的資源約束反而倒逼了技術的創新：低能耗的稀疏化模型技術、邊緣端的輕量級AI架構、廢熱循環利用的數據中心技術快速普及，整個產業的單位算力能耗在三年內下降了70%以上。節卦的智慧在此得到完美印證：合理的約束從來不是束縛，而是推動產業走向更高質量、更可持續發展的核心動力。

5.8.8 節卦治理的長期文明意義

從更宏大的文明視角來看，節卦的資源節制，是人類第一次在一項顛覆性技術大規模普及的初期，就主動為其設定生態邊界。過去的工業革命，人類走過了「先污染後治理」的彎路，付出了極其慘痛的生態代價；而在AI時代，我們從一開始就用制度為算力擴張設定堤岸，確保這項新技術的發展速度，永遠不會超出地球生態的承載極限，讓AI真正成為幫助人類應對氣候危機、保護地球家園的工具，而不是加劇生態崩潰的變數。

5.9 益卦「損上益下」：從AI勞動影響看數位生產力的公平分配

5.9.1 益卦卦義溯源：技術紅利不應只流向頂端

益卦的核心邏輯是「損上益下，民說無疆」，要求處於資源頂端的主體，把技術進步帶來的紅利向下流動，讓廣大勞動者共享數位生產力的果實。AI時代最危險的趨勢，是大模型帶來的效率提升絕大部分被平台所有者、資本持有者佔有，而普通勞動者不僅沒有獲得相應的收益，反而面臨崗位被替代、議價權下降、勞動強度被算法進一步壓榨的處境。

益卦的治理智慧，正是要糾正這種分配失衡。AI帶來的生產力飛躍，不應該成為進一步拉大貧富差距的工具，而應該成為減輕人類勞動負擔、提升全社會福祉的基礎。如果技術進步的結果是少數人積累巨額財富，多數人失去穩定的工作與收入來源，那麼這種技術進步就違背了益卦「損上益下」的正義原則。

5.9.2 益卦治理的具體實現路徑

第一種機制是AI生產力分紅制度：要求使用AI大規模替代勞動、獲得超額利潤的企業，拿出一定比例的收益用於行業勞動者的技能轉型訓練、失業補償與社會保障，讓被技術影響的勞動者能夠分享到效率提升的紅利，而不是獨自承擔轉型的代價。

第二種機制是人機協作的勞動保護規則：禁止企業利用AI監控系統無限壓榨員工的勞動時間，禁止用全自動化算法隨意解僱勞動者，要求所有涉及勞動崗位調整的AI決策，都必須經過工會與勞動者代表的參與審核。AI應該成為勞動者的工具，而不是資本用來壓榨勞動的幫手。

第三種機制是公共AI基礎設施建設：由公共部門出資建設開放、低成本、非營利的通用AI基礎能力，避免少數商業巨頭壟斷前沿AI技術，讓中小企業、邊遠地區與弱勢群體也能平等獲得AI帶來的生產力提升機會。益卦所追求的「民說無疆」，就是讓技術紅利從頂端流向底層，讓數位生產力的果實覆蓋每一個普通人。

5.9.3 益卦視角下AI勞動影響的雙重面孔

益卦的「損上益下」從來不否定AI帶來的生產力進步，而是要求我們清醒認識到AI對勞動影響的雙重屬性：一方面，AI可以把人類從重複性的文書勞動、高危險的工廠勞動、高強度的體力勞動中解放出來，讓人類有更多時間從事創造性的、有溫度的工作；另一方面，如果沒有公平的分配機制，AI帶來的效率提升只會被少數資本所有者佔有，普通勞動者不僅無法分享紅利，反而會面臨崗位替代、勞動強度被算法進一步壓榨的困境。益卦的治理目標，就是驅動AI走向第一種光明的可能，避免第二種黑暗的未來。

5.9.4 益卦治理第一層：AI替代崗位的轉型保障機制

針對AI帶來的結構性失業風險，益卦設計了「AI勞動轉型基金」制度：所有使用AI大規模替代人工崗位、獲得超額利潤的企業，必須按照替代崗位的數量與獲得的超額利潤比例，向基金繳納對應的資金。這筆資金專門用於為被AI影響的勞動者提供免費的技能轉型訓練、過渡期的失業補償，以及新崗位的就業對接服務，讓勞動者不需要獨自承擔技術變革的代價，能夠平穩從被AI替代的舊崗位，過渡到與AI協作的新崗位。

5.9.5 益卦治理第二層：人機協作場景的勞動權益保護規則

益卦的治理不僅關注被AI替代的勞動者，更關注仍然留在崗位上、與AI協作的勞動者。制度明確禁止企業利用AI監控系統無限壓榨員工的勞動時間，禁止用全自動化算法隨意設定不合理的業績考核指標，禁止AI單方面做出解僱勞動者的決策。所有涉及勞動者權益的AI決策，必須保留人類管理者的最終裁量權，同時勞動者有權向工會申訴，要求解釋AI考核指標的合理性，確保AI成為勞動者的協作工具，而不是資本壓榨勞動的幫手。

5.9.6 益卦治理第三層：中小主體的AI生產力賦能計劃

益卦的「損上益下」，不僅指向企業內部的勞動者，也指向廣大被邊緣化的中小企業、個體工商戶與自由職業者。由公共部門出資建設非營利的普惠AI服務平台，以極低的成本向中小主體開放通用AI能力，避免少數商業巨頭壟斷前沿AI技術，讓街頭的小商店可以用AI優化進貨與營銷，獨立設計師可以用AI提升創作效率，鄉村的農民可以用AI優化農業生產，讓數位生產力的紅利從大企業的辦公室，流向社會的每一個微小單元。

5.9.7 益卦治理的社會效益驗證

在已經落地益卦式治理的試點地區，AI帶來的生產力提升並沒有拉大貧富差距，反而推動了收入結構的整體優化：過去被算法壓榨的外賣員、快遞員獲得了更合理的勞動報酬，被AI替代的文書崗位員工轉型成為AI訓練師、人工審核員，獲得了比過去更高的收入，中小企業的數位化轉型成本下降了90%以上。益卦的「民說無疆」不再是紙面上的理想，變成了千千萬萬普通勞動者真實可感的福祉提升。

5.9.8 益卦治理的最終願景：從「替代勞動」到「解放勞動」

益卦的長期願景，是讓AI最終成為人類勞動的解放者，而不是替代者。當數位生產力的紅利被公平分配，人類不需要再為了生存被迫從事重複性的勞動，而是可以自由選擇自己熱愛的創造性工作：藝術家專注於靈感的表達，教師專注於與學生的情感交流，醫生專注於對患者的人文關懷。AI承擔了所有機械性的勞動，人類回歸勞動最本真的意義——用創造實現自我價值，這正是益卦「損上益下，惠之大矣」的終極追求。

5.10既濟卦「思患而豫防之」：從長期風險視角看AI文明的永續邊界

5.10.1 既濟卦卦義溯源：完成不是終點，防患才是永恆

既濟卦象徵事態看似已經完成、體系看似已經穩定，但卦辭與爻辭反覆強調「初吉終亂」，提醒人們在看似成功的時刻，更要警惕隱藏的風險，提前做好預防。當AI技術逐步滲透到社會的每一個角落，當人類的生產、生活、治理甚至科學研究都越來越依賴AI系統時，整個文明體系就會形成前所未有的複雜依賴鏈。任何一個關鍵節點的AI失效，都可能引發大範圍的連鎖危機。

既濟卦的「思患而豫防之」，正是要求人類在AI技術不斷取得成功的當下，不能沉浸在效率提升的喜悅之中，而要提前思考長期的系統性風險。這些風險不是遙遠的「超級智能反叛」，而是更現實的場景：全球AI供應鏈的單點故障引發大範圍基礎設施癱瘓、長期的算法偏見逐步撕裂社會信任、人類過度依賴AI決策導致自身判斷能力退化、AI生成的海量虛假信息徹底淹沒公共話語空間。

5.10.2 既濟卦治理的永續框架

第一層是文明層面的「人類備份機制」：永遠保留不依賴AI的獨立人類能力體系，關鍵的科學研究、核心的基礎設施運行、重大的公共決策，必須維持足夠規模的人類專家隊伍，不能讓AI成為唯一的知識載體與決策主體。哪怕AI的效率再高，人類也不能主動放棄自身的核心能力，否則一旦AI體系出現大規模故障，人類文明就會失去自我修復的能力。

第二層是跨世代的風險預留機制：在AI技術的迭代過程中，為後代保留足夠的選擇空間，不能為了當下的效率與便利，把所有的數據、算力、知識體系都鎖定在某一種封閉的AI架構之中。既濟卦的深層智慧告訴我們，當下的「完成」永遠不是真正的終點，只有時刻保持風險意識，提前為未來的不確定性留下緩衝空間，人類才能與AI技術長期共存，實現文明的永續發展。

5.10.3 既濟卦的深層警示：「完成」背後的隱患

既濟卦的卦辭「亨，小利貞，初吉終亂」，點明了一個穿越千年的永恆規律：當一項事業看似已經圓滿完成、體系運行看似完全穩定的時候，恰恰是最容易放鬆警惕、隱患悄然積累的危險時刻。當AI技術全面滲透到能源、交通、醫療、金融、軍事等所有關鍵基礎設施之後，人類文明看似獲得了前所未有的強大能力，實際上也把整個社會的命脈，越來越多地託付給了複雜的AI系統，任何一個節點的失效，都可能引發大範圍的連鎖危機。

（見續篇）