研究案摘要
隨著人工智慧（AI）技術快速發展並日益成熟，世界各國紛紛將AI技術應用於公共治理，包括行政自動化決策（Automated Decision-Making, ADM）系統。然而，AI技術之研發與運作高度仰賴大量資料訓練與推論，若資料帶有偏誤，可能侵害隱私、加劇社會不平等，甚至衍生歧視性決策風險；其黑箱特性亦使運作流程缺乏透明度與可解釋性，致受影響者難以察覺或提出有效申訴與救濟。國際間如社會福利、稅務及移民政策導入AI技術所引發之爭議案例，已顯示公部門若未事先建立風險評估框架、責任歸屬機制與監督制度，AI技術反可能侵蝕民主治理基礎並削弱社會信任。我國近年雖以臺灣AI行動計畫2.0、人工智慧基本法及《公部門人工智慧應用參考手冊》、人工智慧風險分類框架等政策工具逐步建構治理藍圖，惟現行行政程序法主要規制自動機器作成之行政處分，公部門廣泛導入AI為基礎ADM系統所衍生之責任，是否能完全套用現行法制，仍待進一步釐清。
本研究依學者提出之ADM自動化程度光譜（A-F型）為基礎，釐清隨自動化程度提升，公務人員之行為責任、課責與法律責任三層結構逐漸由個人移轉至機關與制度層面，產生責任錯位現象：AI雖實質影響決策，責任形式仍歸屬人類，但人類實際控制能力卻持續下降，責任並未消失，而是轉化為導入前之評估、運作中之監督，以及異常發生時之持續介入。透過荷蘭DUO、美國COMPAS、波蘭Syriusz、澳洲Robodebt等國際爭議案例分析，發現實質風險可能來自「人類未實質介入」（半自動化情境）或「制度責任未前移」（全自動化情境）。
進一步比較歐盟、美國、澳洲、加拿大四種治理模式，歸納出「不允許AI卸責、強化人類監督與可解釋性、治理重心由技術治理走向責任治理」之共同趨勢。同時，本研究就機關已採行之AI個案進行深度訪談並蒐集實務意見，作為檢視比較法經驗能否適用於我國行政體系之依據，並反饋至後續制度設計建議。
基於上述發現，本研究提出「評估制度與責任連結」之混合模式，包括ADM生命週期責任控管架構與影響層級分類檢核表建議。對公部門AI應用提出八項建議：建立前置影響評估制度、明確人類監督制度化規範、責任與查核清單連結、強化透明度與可爭執性（Contestability）、建立事後監督與究責機制、推動AI互動告知義務、自動化決策說明請求權及申訴救濟機制、提升公務人員AI素養，與自動化決策與責任治理檢核表。
研究亦主張應將基本權利影響評估（FRIA）與演算法影響評估（AIA）併用，FRIA聚焦於避免因侵害基本權利而生之違憲或違法責任，AIA則聚焦於避免因系統缺陷未受管控而生之行政與民事責任，二者並用方能兼顧合憲性審查與風險治理需求，建立可課責、可追溯之完整責任治理體系。