IMD評比、美國採購新規與台灣標案:AI政策重點
|政府與教育 AI 政策
IMD 2026世界數位與AI競爭力評比,台灣名列第13,「AI政策法制化程度」大幅進步。美國GSA則發布LLM採購條款,要求資料保護與退場規劃。台灣公部門標案也持續釋出AI需求。本文整理三則動態與企業建議。
本文重點
- IMD評比台灣第13名,AI政策法制化程度進步39名至第29名
- 美國GSA新條款把LLM採購要求延伸到供應鏈、智財與資料刪除
- 投標公部門AI案,要先備妥資料治理、變更通報與退場機制
台灣在瑞士洛桑管理學院(IMD)2026年11月11日發布的「世界數位與AI競爭力評比」中名列第13名,其中「AI政策法制化程度」指標大幅進步。美國聯邦政府則在採購端明訂大型語言模型(LLM)的合約條款。兩件事放在一起看,AI政策的重心正從宣示轉向規則與採購:政府要什麼、廠商要怎麼證明,都會寫進制度裡。
重點整理
一、IMD評比:台灣第13名,法制化進步最明顯
根據數位發展部新聞稿,IMD於2026年11月11日發布「2026年世界數位與AI競爭力評比」(World Digital and AI Ranking 2026),共70個經濟體受評,台灣名列第13名。這次評比首度大幅改制,納入AI治理、產業投資與社會信任等構面。
台灣有13項指標進入全球前3名,其中4項居第1。在「治理」構面,台灣排第28名。「AI政策法制化程度」從2025年的第68名,進步39名至第29名;「企業遵循AI相關法規的程度」名列第17名。數發部指出,《人工智慧基本法》已於今年1月公布施行,並在7月訂定「人工智慧風險分類框架」,協助各目的事業主管機關辨識與評估AI應用風險。未來還會推動AI評測驗證、資料治理與跨部會協作。
人才面也有亮點:「教育與培訓」次構面居全球第2,企業投入員工AI培訓同樣排第2。
二、美國GSA:採購LLM要符合新條款
依法律事務平台Legal 500的整理,美國聯邦總務署(GSA)在2026年9月28日發布新條款GSAR 552.239-7001,全名為「大型語言模型AI系統內的資料基本保護」。這項條款預計2026年10月19日生效,各採購單位也可提前採用。
適用條件有兩個:政府採購的是LLM,或LLM功能是核心特色的系統;而且「政府資料」會被送進模型,或由模型產出。條款的要求不只資安,還涵蓋AI供應鏈的層層轉包、變更與事件通報、智慧財產權,以及資料可攜與刪除。即使廠商用的是第三方模型、無法控制底層模型,責任仍由廠商承擔。
三、美國另一個爭議:政府用AI審標
Federal News Network在2026年10月報導,美國業界與法律專家呼籲聯邦採購規則委員會(FAR Council),在正進行的聯邦採購規則(FAR)改寫中,明訂政府機關在評審提案、價格分析與契約文件紀錄中使用AI的規範。報導指出,目前沒有聯邦採購規則規範機關如何在評標時使用AI。報導也提到,在一起指控陸軍不當使用AI評標的訴訟後,聯邦求償法院裁定,政府以AI產生的評審內容必須納入行政紀錄,不論政府最後有沒有採用。
四、台灣標案:AI需求持續釋出
行政院原住民族委員會(原民會)在2026年11月13日公告「116年原住民族長者AI健康促進系統建置計畫」資訊服務採購案,預算金額1,200萬元,截止投標日為2026年11月30日,採限制性招標。可見AI系統建置已經是公部門的常態標的。
分析
政策排名背後,是「可被檢驗」的壓力。 台灣在法制化指標上進步明顯,但治理構面整體仍排第28名,表示規則已經有了,落實與驗證還有空間。數發部也把AI評測驗證與資料治理列為下一步,這代表未來公部門案件,很可能更常要求廠商說明風險、資料流向與測試方式。
美國的採購條款,是可以預期的參考範本。 GSA條款的重點在於把AI當成供應鏈問題:模型換版要通報、資料要能帶走與刪除、廠商不能把責任推給底層模型供應商。台灣目前沒有同樣的條款,但《人工智慧基本法》與風險分類框架,已提供各機關在採購文件中加入類似要求的依據。這是本文的推論,不是官方宣布的方向。
AI審標的爭議,對雙方都有提醒。 美國案例顯示,一旦AI被用在評審,過程紀錄就可能成為爭議證據。台灣廠商在提案文件中使用生成式AI時,也應留意內容正確性與可追溯性。
標案增加不等於容易做。 像原民會案這類以長者健康為對象的系統,涉及敏感個資與使用者信任,驗收重點通常不只在模型準不準,而在資料如何保護、出錯時誰負責。
給企業的建議
- 先盤點自家合約。 檢查與AI供應商的合約,是否寫明資料用途、模型變更通報、事件通報,以及終止合作時的資料刪除與匯出方式。可直接借用GSA條款的幾個面向當檢查表。
- 投標前備妥治理說明。 針對公部門案件,準備資料流向圖、權限設計、測試與驗證紀錄,並對照《人工智慧基本法》與風險分類框架,說明這個應用屬於哪一類風險、採取什麼對策。
- 使用第三方模型也要自己負責。 把底層模型當成供應鏈的一環管理,保留替換模型的彈性,避免被單一供應商綁住。
- 提案文件的AI輔助要留紀錄。 誰用了什麼工具、誰做了人工校對,都要能說清楚。
- 評估知識庫與權限設計。 源智匯在農業部跨單位知識庫整合、數位發展部網站UCD智慧檢核工具等公部門案件中,都需要先處理資料範圍與人員權限。這類做法可以作為導入AI前的起點。若貴單位正準備相關標案或內部導入,歡迎從顧問服務開始,先把風險與資料盤點清楚。
整體來看,政策排名是參考,真正影響企業的是接下來寫進採購與合約裡的細節。提早把這些細節準備好,才有機會在公部門AI案件中站穩腳步。
名詞解釋
- 大型語言模型(LLM)
- 用大量文字訓練的AI模型,能理解與生成文字,ChatGPT、Gemini都屬於這一類。
- 人工智慧基本法
- 台灣今年1月公布施行的法律,確立AI發展與應用的基本原則,是各機關推動AI治理的依據。
- 人工智慧風險分類框架
- 數發部在7月訂定的框架,協助各目的事業主管機關辨識與評估AI應用的風險。
- 聯邦採購規則(FAR)
- 美國聯邦政府採購商品與服務所遵循的統一規則,目前正在進行整體改寫。
- 限制性招標
- 不公開徵求所有廠商,而是依法限定條件或對象的招標方式。
常見問題
IMD 2026世界數位與AI競爭力評比,台灣排第幾?
根據數發部新聞稿,70個受評經濟體中,台灣名列第13名,有13項指標進入全球前3名。
美國GSA的新條款適用於所有使用AI的廠商嗎?
不是。依Legal 500整理,須同時符合政府在採購LLM或以LLM為核心功能的系統,且政府資料會送入或由模型產出。
台灣企業現在可以怎麼為公部門AI標案做準備?
先備妥資料治理說明、權限設計與測試紀錄,並對照《人工智慧基本法》及風險分類框架,說明應用風險與因應措施。