Critical-Singularity-Perspectives 系列第四篇

AI治理互鎖框架與「性平制度風險矩陣（SP-Risk Matrix）」初始版本

---

1. 問題啟動：到底是在追求真相，還是在搞程序遊戲？

制度偏誤的頑強性，一直被視為制度改革中最難處理的部分。即使程序明定、規範完善，只要被執行者的判斷、動機或資訊掌握發生偏差，同樣會導致事實誤判、責任歸屬錯置、與無法追溯的濫權行為。

在 AI 大幅進展的 2025 年，制度改革出現一個新的切入點：
AI 是否能成為「反偏誤工具」？
能否為調查制度、程序正義與治理結構建立客觀、可追蹤、可稽核的三重鎖定？

本篇提出 Chang–AI Governance Interlock Framework（張氏AI治理互鎖框架），並導入專為台灣教育現場所設計的 性平制度風險矩陣（SP-Risk Matrix），提供初版模型，供政策單位、校園調查者與制度研究者參考。

參考模型：Hourglass Model of Organizational AI Governance

---

2. 結構性原因解析（Structural Analysis）

要理解 AI 為何有機會成為「反偏誤」核心工具，必須先拆解制度偏誤的三個來源：

（1）資料偏誤：資訊不對等與輸入瑕疵的放大

在校園性平、行政調查、及其他準司法制度中，決定判斷的並非「真實」本身，而是被紀錄、被採信、被報告的資料。
偏誤源自：

• 去識別化導致的資訊斷裂

• 片段式訪談紀錄

• 調查者的主觀摘要

• 先入為主的框架（框題效應）

（2）程序偏誤：SOP 與規範在實務中被跳過或扭曲

常見現象包括：

• 應通知未通知

• 應提供之紀錄未提供

• 應調查之證據未蒐集

• 調查邏輯序列錯置（先有結論、再補層次）

• 會議紀錄與程序事實不一致

（3）責任偏誤：決策鏈條斷裂、無法追溯誰做了什麼

這是制度最深層的問題：
決策往往呈現「集體模糊」，使得錯誤難以被定位，也難以修正。

上述三類偏誤構成制度長期失靈的真正原因，而 AI 介入的最大價值，就是能把「資料—程序—責任」重新以可追蹤方式互鎖，使偏誤難以產生或更易被捕捉。

---

3. 推論模型導入（Reasoning Model）

AI Governance Interlock Framework（資料、程序、責任三重鎖定模型）

此框架主張：
唯有在 資料完整化（Data Integrity）、 程序强制化（Procedural Fidelity）、 責任透明化（Responsibility Traceability） 三者同時成立的情況下，制度才具有「反偏誤與反濫權」能力。

Framework 三重互鎖：

三層鎖具有「互補但不可替代」的性質。缺一層，制度就有漏洞。
只有三層同時啟動，才可能形成完整的反偏誤架構。

---

SP-Risk Matrix（性平制度風險矩陣）：初版模型

此矩陣用於判定一個校園性平調查的制度風險等級。
它不是用來指向個案，而是用來評估制度在操作過程中「產生偏誤的結構性風險」。

SP-Risk Matrix（4×4 核心矩陣）

B2 是制度最危險的象限。
AI 的作用，就是要讓任何調查、行政、紀錄流程永遠進不去 B2。

---

4. 案例影射（Case Reflection）

以下皆為泛化「類型案例」，不涉及任何真實個案：

案例A：程序錯置但資料看似齊全

某校園性平事件中，所有訪談皆有紀錄，文件也完整，但調查順序明顯錯置—例如先寫初判，再補訪談。
SP-Risk Matrix 評估會落到 B1。
這類案件常被誤以為「資料完整即可」，但程序偏誤會使紀錄本身喪失可信度。

案例B：去識別化導致資訊斷裂

調查報告因去識別化而無法辨識證詞對應位置，導致事證背景被錯置。
資料不全、程序又無交叉驗證，落入 A2 或 B2。
AI 的語意比對分析可以直接揭露：不同證詞之間是否出現邏輯矛盾、時序不一致，並標示出需補查的缺口。

案例C：決策責任鏈斷裂

當委員會或調查人員未留下行為日誌，或決定經由匿名投票、無具體理由說明，制度落入 B2。
Responsibility-Lock 就是處理這類問題：AI 自動紀錄「誰在何時做了什麼」，讓決策不再是黑箱。

---

5. 戰略結論（Strategic Conclusion）：AI 反偏誤治理的未來

AI 不會讓制度自動變好；
AI 只能讓偏誤不再被掩蓋。

現在行政/司法系統建立的那套所謂調查程序，是根據以前沒有導入AI時所訂立的規矩。未來20年，治理型AI將成為每一個調查制度、行政程序、教育系統、審議流程的必備元素。
張氏AI Governance Interlock Framework 提供的不是單一工具，而是一種可持續追蹤與稽核的治理哲學：

• 資料不再憑印象，而必須以版本化記錄為主體。

• 程序不再以人工判斷，而需由自動程序檢核補強。

• 責任不再匿名化，而需使每個行為可以追溯。

在制度偏誤屢屢造成冤案、誤案與社會不信任的當下，AI 與制度改革結合，可能是下一個「奇點前制度整合期」最值得投入的方向。

政策制定者、企業／學校制度設計者、社會運動者、研究者，開始考慮採用這種 Interlock + SP-Risk 的框架；也可以建議讀者／社群使用／測試這個框架，將其作為倡議／監督／改革的工具。讀者若有興趣，可以與我一起改進／實驗，更進一步累積案例、優化框架。