近年來，人工智慧快速滲透到工作、醫療、金融與公共治理領域，風險與效益同時放大，各國政府也開始嘗試替 AI 建立基本的安全規範。然而，幾乎每一次 AI 監管法案出現，反對聲浪也總是隨之而來，而且理由驚人地相似，會扼殺創新、會影響就業、會拖慢產業發展。
紐約原本被視為AI安全治理指標的《RAISE Act》，正是在這樣的氛圍中，於正式簽署前被大幅修正，原本用來約束高風險AI的核心條款悄然退場。更耐人尋味的是，站在反對立場的，不只有科技巨頭，還包括多所知名大學與研究機構。當「為了創新」成為最有力、也最難反駁的政治語言，問題便不再只是AI該不該被管，而是誰在影響立法的方向，又是誰真正決定了AI治理的界線？
當AI安全立法走到最後一刻，為何「風險管制」總是先被拿掉？
《RAISE Act》最初的設計，明顯帶有「風險導向治理」的色彩，試圖在AI模型進入社會大規模應用前，就先設定不可跨越的紅線，避免不可逆的公共危害。然而，法案在最後階段的修正，卻讓這套治理邏輯出現根本轉向。
當禁止或限制高風險模型的實質條款被移除，法律的角色也從「事前防範」轉為「事後回報」。這樣的設計，在形式上仍保有監管外觀，實際上卻大幅降低了企業的法律壓力。更值得注意的是，支持修正的論述，並非建立在風險評估已被證實過度嚴苛，而是集中於「可能影響產業發展」與「可能造成就業流失」等高度政治化的預測。
這種論證方式，在科技立法中屢見不鮮，卻也暴露出一個制度問題，也就是當經濟焦慮被放置在公共安全之前，立法者是否仍能堅守預防原則？若AI法律在關鍵時刻總是選擇退讓，長期下來，不僅會削弱法規的實質效力，也會向產業理解到，只要動員足夠政治與輿論資源，風險管制是可以被重新談判的。
當大學與科技公司站在同一陣線，學術中立是否正在被制度性稀釋？
此次事件中特別引人關注的，並非科技公司反對監管本身，而是多所知名大學與研究機構名列反對陣營。長期以來，學術機構在科技治理中被視為重要的「知識中介者」，其角色理應在於提供獨立的風險評估、倫理分析與政策建議，協助立法者彌補技術落差。
然而，當學術機構透過聯盟或合作組織，實際參與反對管制的廣告與政策動員，其制度角色便開始產生模糊。這不必然構成法律違規，卻涉及正當性問題。若學界的公共立場與產業利益高度重疊，立法者與社會大眾是否仍能信賴其意見的中立性？
更現實的是，近年AI企業透過研究經費、校園合作、模型授權與學生資源等方式，與學術體系建立高度依存關係，這種結構性連結，是否會在無形中影響學界對風險管制的態度，值得正視。問題不在於學術機構是否可以參與政策討論，而在於制度是否需要更高的透明與揭露機制，讓專業意見背後的利益關係，能被清楚辨識，而非成為影響立法的隱形力量。
如果AI法律可以被「大幅鬆綁」，民主立法還能制衡科技巨頭嗎？
在資金高度集中、資訊極度不對稱的科技領域，立法權力是否仍具備實質制衡能力？當反對立法的廣告可以在短時間內觸及數百萬人，並成功塑造「監管等於反創新」的公共印象時，立法討論的重心，便容易從風險與責任，轉向政治壓力與選舉考量。
風險導向治理的核心精神，在於由立法者替社會預先設定安全底線，而非等待災害發生後再補救。然而，若這些底線總是在最後關頭被削弱，長期下來，法治的可預測性也將隨之動搖。
企業會逐漸形成明確預期：法律並非不可動搖，而是一個可以透過資源動員加以影響的結果。對其他國家而言，紐約的案例可理解為AI治理的真正難題，或許不在於如何定義技術風險，而在於如何設計一套能抵抗政治與經濟壓力的立法程序。
AI治理的真正考驗不在技術，而在立法能否站得住腳
從《RAISE Act》的經驗可以看出，AI法律的核心問題，從來不只是「要不要管」，而是「誰能影響怎麼管」。
當產業、學界與政治力量高度交互影響，立法程序本身就成為治理風險的一部分。對關心AI治理的社會而言，下一步或許不是急著複製某一部法案，而是更嚴肅地檢視，我們是否已為高科技立法，建立足以承受廣告、遊說與資金衝擊的制度防線。
否則，AI安全法再多，真正被管住的，恐怕只會是紙上的文字，而不是快速擴張、且影響深遠的技術力量。
（首圖來源：pixabay）
科技新報粉絲團
加入好友
訂閱免費電子報
