title

AI 治理的認知必要性與授權邊界：不是哲人王，也不是只用 AI 寫報告

english_title

The Cognitive Necessity and Authorization Boundaries of AI Governance: Beyond the Philosopher-King and the Report-Writing Assistant

series

國家治理失敗化與文明責任重構（SGCR）

series_part

第三部｜認知、利益與政策

series_paper

S07 / 12

series_predecessor

S06｜從精準民主與摩擦式民主到動態決策：制衡如何與行動共存

series_successor

S08｜可變的人民與不可替代的個體：適應性偏好、政策承諾與跨世代利益

concept_by

Neo.K

research_writing_collaboration

GPT-6（Aletheia；研究整理與寫作協作標記）

affiliation

EveMissLab／一言諾科技有限公司

version

v0.1

date

2026-10-26

language

zh-TW

status

E0 概念論文、制度條件與可反駁研究設計；未經同行評審、實地部署、獨立演算法評估與司法管轄區合憲性審查

source_format

Canonical UTF-8 Markdown；LF；無 BOM；如使用數學僅以 $...$ 與 $$...$$ 表示；本篇不展開工程實作

AI 治理的認知必要性與授權邊界

——不是哲人王，也不是只用 AI 寫報告

The Cognitive Necessity and Authorization Boundaries of AI Governance: Beyond the Philosopher-King and the Report-Writing Assistant

系列： SGCR｜國家治理失敗化與文明責任重構｜第三部第一篇（S07）
概念提出與思想方向： Neo.K
研究整理與寫作協作： GPT-6（Aletheia）
機構： EveMissLab／一言諾科技有限公司
版本： v0.1｜2026-10-26
證據狀態： E0；本篇提出候選研究命題及制度辨識，不宣稱已證實「AI 比現有政府更懂整個社會」，也不聲稱任何特定模型已具備獨立國家治理資格。

中心命題： 若一項公共義務的資訊異質性、跨機關依賴、政策時效、長期外溢與例外情況，已超過既有治理組織能可靠整合和持續修正的能力，而經受驗證的 AI 系統確可在受限制場域中提高公共判斷與履行能力，那麼引入 AI 可能不只是提升效率的可選配件，而逐步構成履行某些公共責任的合理制度選項。然而，認知優勢並不自動產生政治授權；依法委託的行政行動也不等於將人民主權交給模型。真正需要研究的不是「AI 應不應該統治」，而是哪些認知與行動任務可被合法、可稽核、可爭議、可停止地交付，哪些共同生活的根本目的與權利不能因預測能力較強而被他者永久代決。

作者： Neo.K
日期： 2026-10-26

摘要

現代國家擁有統計體系、文官、議會、法院、監理機關、中央與地方政府及大量專家，卻仍可能在多領域公共義務上遭遇注意力稀釋、資料斷裂、模型過時、跨部門權責錯位、反覆協商與執行回饋不閉合。SGCR S01–S06 已依序研究人工智慧轉型的治理失配、機構正常運作時的公共責任缺口、國家不可任意外移的問責、不作為的時間代價、局部合理形成的全域僵局，以及精準民主、摩擦式民主和決策閉合的協調。本篇進一步追問：在上述條件下，AI 應只是分析建議工具，還是可以在特定、合法、經驗上可驗證的界線內，進入實際治理作業？

本文將「認知必要性」定義為相對於可行非 AI 替代方案、具有具體任務及證據門檻的條件式理由，而非「社會越複雜、AI 就必然接管政府」的歷史必然論。本文提出治理任務八類與參與深度七階辨識框架，將感知、事實查核、方案比較、政策起草、跨部門協調、例行行政辦理、經事前授權的有限動態調整，和公共規範制定明確區分；指出 AI 可在有限範圍取得實質行動權，而不因此取得修改自身授權來源或決定共同體終極目的的正當性。

本文特別分析五種容易被混淆的權力：資訊選擇權、問題設定權、建議權、執行控制權及元規則變更權。即使 AI 僅名義上提出建議，若議程、證據摘要、預設方案與修正選項都由同一模型選定，也可能產生重大的實質政治影響。反過來，例行且經法律充分規定的行政處理，即使由 AI 自動執行，也未必代表政治主權轉移。故不能以「是否有真人按下最後確認」作為單一問責指標。

文章進一步建立合法授權、可測能力、目的限界、分布後果、資訊安全、異議可達、有效救濟、實質監督、替代可能性及公共責任不外移等條件；分析 AI 同時可能提高普通公民的認知權利，或強化國家的資訊壟斷與監控能力。本文參照既有自動化行政、技術程序正義、AI 風險治理及 OECD 公共部門 AI 文獻，提出十項候選可反駁命題、假設性政策場景、負面案例、對照研究方案與停止部署條件。任何具體司法管轄區的實施仍須獨立法律審查，本文不提供軟體架構、政治算子 API 或治理執行程式。

關鍵詞： AI 治理、認知必要性、公共認知容量、有限行政授權、民主正當性、政策協調、演算法行政、問責、可爭議性、治理失敗化、資訊壟斷、模型替代失敗、公共責任、主體性、反僵局、認識權利。

Abstract

Modern states face heterogeneous information, fragmented administrative responsibilities, intertemporal externalities, and limited institutional attention. Even where formal government institutions remain functional, these constraints may create gaps between public commitments and effective action. Building on SGCR S01–S06, this paper asks whether artificial intelligence should remain a tool for summarising information and producing reports, or whether it may legitimately participate in bounded administrative execution and continuous policy feedback. It proposes conditional cognitive necessity as an empirically testable justification for AI involvement, defined relative to feasible non-AI alternatives rather than presumed technological superiority. A functional taxonomy separates sensing, verification, modelling, proposal generation, interagency coordination, routine processing, bounded adaptive implementation, and public norm-setting. A second taxonomy distinguishes cognitive support from legally delegated action and from meta-authority over public objectives and authorization rules. The paper argues that neither superior prediction nor operational delegation confers political sovereignty, while ostensibly advisory systems may exercise significant de facto agenda and epistemic power. Drawing on research in automated administration, technological due process, public-sector AI governance, and human rights, it specifies minimum authorization and contestability conditions, competing mechanisms, negative cases, and falsifiable hypotheses. It does not establish the empirical superiority of AI government, prescribe an optimal regime, or propose an executable government software architecture.

一、問題轉移：政治制度仍在，公共認知為何可能不夠？

1.1 從「有沒有資料」轉向「能否形成可行的共同判斷」

現代國家不缺少資訊的例子：稅務資料、人口與住宅調查、醫療統計、地理資訊、能源負載、教育資源、公共採購、交通、人力市場及司法行政紀錄，皆可能在不同機關存在。然而，資料存在並不等於已被正確觀察；被觀察不等於受到注意；受到注意不等於形成可被其他部門採用的判斷；有判斷也不等於能在法律與財政條件下執行。

這項區分呼應 EveMissLab《國家作為主動感知系統》的早期構想：國家並非擁有單一意識的實體，而是由各種地方及中央資訊通道、注意力分配、政策形成與行動回饋所構成的組織性系統。[I02] 該原稿指出「國家眼中的模型」與實際社會不是同一件事。這項認知限制不因採用 AI 而消失，甚至可能在模型日益精密、政策人員愈來愈信任其輸出時更加不易察覺。

真正的問題是：政府能否以合理成本，在需要決定的時間內，把彼此牴觸的資訊、價值與政策約束轉換為可被反對、可被檢查、可被修正、又能被實際履行的選擇？

1.2 S01–S06 的六個未決條件

1. S01（ATSGF）： 技術變動可能快過某些社會保障與制度適應，但 AI 特定因果假說仍待實證。
2. S02： 行政機構正常存在，不保證特定公共義務已獲實際履行；必須區分外部衝擊與可歸責缺口。
3. S03： 服務供給可以外包，法定或正當化後成立的公共保障與救濟責任不能因此自然消失。
4. S04： 等待可能有成本，但是否需要現在行動，必須依合法可行選項與證據、時間和權利條件判斷。
5. S05： 各機關、政黨及利益群體都可能有合理理由，彼此的結果卻未必形成全域公共決策。
6. S06： 制衡與行動能力不是兩個互斥目標；制度需要事先合法確立的摩擦、期限、暫時決定和反僵局備援。

S07 不會以「AI 能替我們計算」取代前六篇。在政治正當性、公共責任及程序閉合已得到明確辨識後，才能具體討論哪些資訊與行政職能適合引入 AI。

1.3 兩種不能接受的捷徑

第一種捷徑認為：政治複雜、官僚低效，所以應讓最有能力的 AI 自行決定。這會把認知能力與政治授權混為一談，也容易讓少數系統的目標設定者獲得未經授權的控制。

第二種捷徑認為：只要所有政治決定都由真人簽名，AI 就只能當搜尋或寫作助手。這忽略了政策提案、資源排序、預設選項、證據取捨及例行行政分配本來就有治理效果；如果 AI 僅能無限產生報告，卻沒有被轉換成更好的公共行動，認知投資也可能與公共責任脫節。

本文的研究立場是：不能以能力跳過授權，也不能以保留人類簽字掩蓋實質自動化；不同任務需要不同的權限、證據和救濟條件。

二、既有研究：AI 治理不是從零開始的構想

2.1 行政自動化早已涉及憲政問題

Bovens 與 Zouridis（2002）討論資訊技術如何使部分行政組織由街頭官僚轉向「系統層級官僚」（system-level bureaucracies），指出軟體設計、行政裁量與憲政控制之間存在新問題。[E01] 這是重要的前置文獻：官僚權力並不只有面對人民的第一線裁量，也可能在流程設計與制度分類中提前完成。

Citron（2008）提出「技術程序正義」（technological due process），批判自動化行政可能使個別裁定與實質規則制定的邊界模糊，讓通知、說理、聽證及司法或行政救濟更加困難。[E02] 因此，今天把 AI 帶入治理，不得假裝「演算法行政與問責」是毫無先例的新學術領域。

2.2 公共部門 AI 已有範圍廣泛的研究

OECD（2025）《Governing with Artificial Intelligence》以政府核心職能為範圍，分析政策、財政、監管、公共服務、司法、採購與風險治理等方向；也指出資料品質、技能、舊系統、風險避責及成果衡量不足等部署障礙。[E03] 此類研究足以否定「AI 治理只能停留在聊天機器人」的狹窄想像，卻不能據此推論一整個國家已具備由 AI 獨立決定所有政策的能力。

這也給本文的重要經驗起點：不同任務的可實現性差異很大。提高申請流程速度的證據，不能直接轉移為預測貨幣政策、公共安全危機或憲政改革效果的證據。

2.3 現有風險框架提供必要但不充分的約束

NIST AI RMF 1.0 將可信 AI 風險管理組織為 Govern、Map、Measure、Manage 等功能，主張以持續的風險辨識、測量與管理取代一次性合規想像。[E04] 這提供重要的評估及風險治理參照，但不等於回答「哪個政治機關有權把何種公共權力交給 AI」。

OECD AI Principles（2019，2024 更新）強調可信 AI、人權、民主價值、透明、穩健及問責。[E05] 歐洲委員會的 AI、人權、民主與法治框架公約提出尊嚴、自主、透明、救濟、風險評估等一般原則。[E06] 歐盟 AI Act 則以風險分類、對特定高風險系統的人類監督、部署者義務及基本權利影響評估形成更具體的立法文本。[E07][E08]

此處必須區分文書存在、條款生效、特定國家適用及實際執法：不能因引用歐洲法制文件，就假設所有國家自動受其拘束，也不能將截至 2026-10-26 尚未全面適用的條款描述為各地均已生效。本篇引用它們作為比較制度材料及規範分析來源，不是法律意見書。

2.4 本篇相對於既有文獻要增加什麼？

如果本文最後僅說「AI 必須透明、安全、由人監督」，它不具有充足的研究增量。本文擬補上的特定問題是：當國家已存在可辨識的公共行動缺口時，能否以任務為單位，比較非 AI 改革與 AI 參與的實際差異，並將每一個經驗性能力主張接到具體、可撤回、可歸責的權限安排？

它要同時辨識三種脫鉤：

• 能力—權限脫鉤： AI 可以在某項任務中更好地預測、整理或執行，不表示已有合法權限。
• 權限—責任脫鉤： AI 取得執行控制後，受影響者卻找不到有權改正、補償或停止系統的公務機關。
• 效率—主體性脫鉤： 平均行政績效變好，但個別人的選擇、反對、取得理由及有效救濟能力下降。

如果這三種情況均可由既有行政法、自動化責任、OECD 及人權評估框架完整解釋，而本篇不能增加更可操作的辨識差異，則「認知必要性」只應作為 SGCR 跨篇論述的標籤，不宜宣稱發現獨立定律。

三、「認知必要性」必須是一個有條件、能被否定的命題

3.1 定義：對誰、為了哪個責任、在什麼時限內必要？

本文不使用「AI 是文明發展的必然」作為無條件前提。所謂條件式認知必要性（conditional cognitive necessity），是指：對已界定的公共義務、具體群體與決策期限，既有合法非 AI 選項在可得資源及制度條件下已不足以可靠完成必要認知與協調工作；而某類 AI 參與已在與實際部署相近的條件下，展示可重複、可檢驗、可監督且不造成較大不可接受風險的改善。

這項定義至少要求同時回答七個問題：

1. 何種公共義務確實存在？其法律基礎、政策承諾或公共保障理由為何？
2. 原本何種工作因資訊量、異質性、速度、跨機關關聯或維護成本而受限？
3. 不採用 AI 時，擴充人力、改善流程、更新資料標準、分權與強化協作，能否有效改善？
4. AI 的能力是否在代表性資料、真實流程、不同群體、非常態例外與系統失效條件下驗證？
5. 若 AI 介入，誰可以合法授權及界定使用目的？
6. 受影響者的權利、申訴、隱私、替代渠道與實質負擔有何變化？
7. AI 出錯或失效後，是否有人及組織能維持公共服務並承擔責任？

若任何關鍵前提不成立，就不能從「AI 技術很強」推得制度上必須採用 AI。

3.2 必要性不是獨占性

某一場域有理由引入 AI，不表示該場域未來只能依靠 AI。更不表示政府可以停止培養專業官員、取消地方知識渠道、讓公共資料僅由單一供應商理解，或把人民的認知能力全部外包給一個平台。

恰恰相反，如果引入 AI 使國家失去在系統故障、契約終止或政策爭議時獨立行動的能力，其短期效率改善可能交換來更大的公共依賴風險。這與 S03 對公共責任外移的分析相接。

3.3 同一個國家不同任務可有不同結論

例如，公共交通調度可能具有大量結構化資料、明確安全限制與較短回饋週期；長期能源規劃則涉及技術假設、世代分配、自然環境、政治承諾與不可逆基礎設施。前者若具充分可靠資料及監督，可形成較深的自動化候選；後者即使需要大規模模型，也可能主要維持於分析、方案比較與授權後實施監測階段。

「國家需不需要 AI」因此不能用單一全國性二值判斷。它應被拆分為任務—法域—群體—風險—時間的條件式判斷。

3.4 AI 的替代品也有成本和風險

認知必要性比較不能只指出模型失誤，而對現行流程錯誤完全視而不見；也不能只計算人工審核耗費，而忽略 AI 導致的錯誤擴散、救濟負擔、資料洩漏、組織依賴與政治操縱。

合理的比較至少應包含：目前方式、改良但不引入 AI 的方式、人機協作方式，以及有限自動化方式。在其合法可行域內比較實際結果，而不是以想像中的完美人工行政與想像中的完美 AI 作比較。

四、治理職能必須拆開：不是只有「建議」與「統治」兩格

4.1 八類治理職能

F1–F8 是分析分類而非獨立技術模組。一個現實行政流程可能同時涉及數類職能；分開它們的目的，是不讓「只是整理資料」掩蓋實際處分，也不讓「使用 AI」自動等同由 AI 制定法律。

4.2 情境一：政策草案不等於公共授權

AI 可以提出更完整的預算草案、能源選項和公共衛生方案，甚至更快指出各部會間不一致的目標。但是，誰能宣布「減少哪一群人的支出」「改變哪一項權利」「哪個地方承受基礎設施成本」，仍屬政治及法律層面的正當化問題。

若模型依輸入的單一福利指標生成一份總收益最高的政策，卻未呈現受影響群體、隱私侵害、程序成本與不能被總收益抵銷的最低權利，其計算也許精確，政治論證仍可能不足。

4.3 情境二：行政執行可以很深，卻仍非主權決定

假設立法機關已就某項災害補助確立完整條件，行政機關依授權採用 AI 自動檢查文件完整性、分流簡單案件並在依法容許的範圍內先行撥付。若適用條件清楚、錯誤能被及時改正，受影響者可取得人類審查及有效救濟，這種行政參與在功能上已超越「寫報告」，但不需要假定 AI 本身成為人民主權的持有者。

然而，一旦系統自行改寫資格門檻、因風險分數撤銷弱勢者的基本生活保障，或讓真人只能照單蓋章，其實質權力就已改變，不能繼續沿用「行政工具」的低強度審查。

4.4 情境三：監督 AI 也必須接受監督

用 AI 發現採購異常或資源挪用，可能增加查核能力。但若警示結果直接被公開定性為貪腐，或讓可疑人員喪失權益，而沒有調查、辯護、證據及獨立裁定，模型就可能由查核工具變成事實上的處罰來源。

能力可以分拆，責任不能因分拆而消失；監督其他人的 AI，也必須接受可理解的反向監督。

五、七階「參與深度」：實際行動可以授權，元規則不可自授

為避免把「是否使用 AI」當成二值指標，本文提出一個候選性的公共治理參與深度表。其用途是辨識授權與風險，不是替 AI 賦予法律人格、職位或主權。

D4、D5 不代表「國家應立即全面上線」：它們只是說明在何種條件下，技術的實際行動能力可能獲得合法而有限的制度容納。不同法域的法律限制可能使某些 D4 或 D5 類應用不可用，或僅能在更嚴格的條件下運作。

5.1 判斷深度應看實際影響，不看產品標籤

若一套系統自稱「僅供參考」，但其排序結果實際決定誰先接受訪查、誰被暫停補助、哪個區域長期得不到維修預算，則其影響可能已超過 D1 或 D2；必須依實際流程及受影響群體重新分類。

反過來，依既定公式完成不涉及重大裁量的行政計算，若已經符合司法管轄區法制、經過可靠測試且可撤回改正，也未必因為「自動執行」就比一切真人建議都危險。區分的核心是實質法律效果、裁量幅度、權利衝擊、可逆性與獨立監督。

5.2 政府不能以模型的能力取得本來沒有的權限

若某個政府機關依法沒有權利索取某項敏感個資、執行某種處分或重新設定預算優先權，將 AI 放進機關內部也不會創造新權限。

同理，若政府尚未經合法程序授權模型採行某類公共行動，模型即使能對社會結果提出高度可信的預測，也不因此可以修改適用法律、跨越人權保障或永久封閉受影響者的選擇。

六、能力與權限的五個分離：真正的治理權往往比「按下同意」更早出現

6.1 資訊選擇權：誰決定政府看見哪個世界？

若一套 AI 系統成為多部會共同查閱的主要資訊入口，它對資料清洗、分類、權重及顯著性判斷的選擇，便可能影響哪些問題被認為嚴重，哪些群體被歸類為低優先。這是《國家作為主動感知系統》「模型替代失敗」必須在政治層面繼續研究的問題。[I02]

資訊的數量與來源看似增加，仍有可能因共同依賴同一表徵而使錯誤更一致，失去獨立糾錯能力。

6.2 問題設定權：誰決定什麼叫治理成功？

AI 可以依設計者指定的指標優化辦理速度、財政節省或污染減量，但模型不一定知道指標外有哪些被忽略的公共價值。選擇指標是規範與政治決策，不能把「最佳化結果」倒推成「指標本身已獲民主授權」。

例如一項社會福利系統縮短平均審核時間、降低誤發金額，卻使最不熟悉數位流程者的實際申請難度提高。若只看平均辦理時間，可能誤判為各群體均已受益。

6.3 建議權：如果只有一個建議，誰真正設定了選項？

建議不是命令，但當政府沒有足夠替代團隊、沒有預留反對證據入口，或公務員被要求對「不採納模型建議」提出遠比「採納」更高的說明成本時，建議會變成有強烈預設效果的權力。

一名行政首長最後仍有簽名權，不能自動證明該首長具備實質評估與自由拒絕的能力。有效監督至少需要看見模型依據、保留替代資訊、具有改正權與足夠時間，並且不因正當拒絕被制度性懲罰。

6.4 執行控制權：在哪裡能停止、改正和補償？

行政現場不只有「做或不做」。還有速度、範圍、調度順序、例外升級、被排除群體與臨時停止。這些控制點可能具有真實的物質及權利後果。

即使政策方向已經由人類依法決定，行政機關仍須能說明哪個模型輸出促成了哪次處置，若資料錯誤應由誰重開案件，哪些損失可補救，錯誤擴散時由誰有權停止整批處理。

6.5 元規則權：誰能修改上述四種權力的分配？

最敏感的不是模型能否產生某一次政策建議，而是它能否自行改寫自己的任務、資料範圍、指標、授權門檻、監督程序或停止條件。當同一系統同時控制任務解讀、執行、回饋與擴權理由時，外部問責容易流於形式。

這裡才是「更高認知能力不等於更高政治主權」最需要發揮效果的地方。D5 在限界內有實際行動能力，並不意味它能授權自己成為 D6；此限制應由外部合法制度維持，不靠模型自我宣告即可成立。

七、AI 治理授權的十項必要檢驗

以下是規範性評估項目，不是單一國家法定要求，也不是聲稱完成全部十項便必然安全的形式證書。

7.1 具體的公共責任與合法法源

須明確指出哪一項公共義務促使 AI 介入、哪一個機關依法有權採取哪種行動，以及何種委託、採購或內部作業安排有效。不能以空泛「公共利益」直接取得蒐集全部資料、無期限監控或強制處分的權力。

7.2 明確的目的、範圍、期限與禁止行為

授權必須說明政策目的、資料類型、對象、地理與時間範圍、裁量上下限、不可碰觸的權利或行動，以及何時必須停用、重新審查、重新授權。目的變更不得僅由模型或供應商單方面完成。

7.3 任務相符的能力證據

一般語言模型測試分數不等於行政能力。真正證據應包括：代表性案例、極端例外、資料缺漏、分群誤差、外部衝擊、時間漂移、連續運作、失效回復及真人流程對照；並揭露沒有測到的情況。能力證據不足時，不得以「模型更聰明」掩飾。

7.4 人的實質監督，而非簽核裝飾

監督人員需要理解其職責及模型可能的錯誤形式，能看到相關證據、取得不同來源、真正覆寫、要求停機、重審個案及承擔相應責任。監督需要制度上的時間、專業、人事與權力支持，不只是介面顯示「確認」。

7.5 分群後果與最低保障

平均效率、平均精準度或總體收益不能代替對不同群體的分析。應檢查年長者、障礙者、資源不足者、弱勢地區、數位能力有限者與其他實際受影響者的錯誤、被拒絕、申訴及處置後果。分類不得以刻板印象預設這些人的能力或需求。

7.6 可理解的告知、可取得的理由與有效異議

受影響者應在法律及個案條件適用時知道 AI 是否實質參與、哪些事實或規則構成決定依據、哪些資料有誤、如何提出替代證據，以及向誰要求真正有權改正的審查。形式上設有申訴按鈕，若長期無人處理或仍由同一有問題的流程機械駁回，就不能稱為有效救濟。

7.7 資料治理、隱私、資訊安全及目的外使用限制

更多公共感知能力不是更多蒐集權。必須評估合法取得、必要性、比例原則、去識別限制、敏感資料保護、權限隔離、外部供應商接觸資料的範圍，以及跨機關資料結合是否創造新的監控風險。

7.8 錯誤歸責、停機能力與服務持續性

應能辨識政策機關、部署機關、供應商與實際執行單位的責任；同時建立系統故障、違反目標、災難事件或法律爭議時的替代處理能力。無法安全停用的系統，並不因為平時表現良好就自然具有長期公共正當性。

7.9 可替代性與公共知識能力

公務機關不應因採用 AI 而完全失去理解政策、檢查資料與獨立重啟服務的能力。應檢驗單一供應商依賴、契約到期、模型變更、資料格式封閉及外部獨立評估可否進行；也須考慮公共、合作與私人不同供給方式的互補。

7.10 公開問責及民主重審

政策目的與授權來源最終必須能被正當政治程序審查；實際案例又必須能透過行政、司法及適用的外部申訴機制改正。兩種問責不可互相取代：選舉不一定能處理某個人的錯誤補助裁定，個案申訴也不一定能修正一個不合理的公共優先權。

八、AI 能提高認知，也可能強化認知壟斷

8.1 公共認知擴張的路徑

當公務機關與人民能取得更完整的來源、跨領域比較、翻譯、政策異同和不確定性資訊時，AI 可能降低參與門檻，讓過去缺乏時間或專業資源的人更容易提出有根據的公共意見。

但可讀懂一份 AI 摘要，不等於能重算或挑戰該摘要。EveMissLab《全域智能存取權》提出，未來公共認知落差也可能來自不同人的研究時間、資料、模型替換、驗證與長程運算權限。[I05] 這項主張目前是規範與政治經濟學研究方向，非已成立的普遍法定權利。

因此，本篇提出一個候選區分：政府擁有更強智能與公民擁有更強公共監督智能是兩件事情。前者提高國家可觀察與可執行能力；後者才可能降低人民對官方唯一敘事和技術壟斷的認知依賴。

8.2 國家可讀性不等於人民可見性

一套公共 AI 系統可使政府更容易把人分類、偵測異常、跨機關整合資料，但若人民只能看到「依法系統判定」，不能取得資料來源、修正分類、理解目的與追究責任，就可能出現單向透明：國家看得見人民，人民卻看不見決策如何形成。

此時，即使行政速度大幅提高，主體地位也可能被侵蝕。S11 會從存在尊嚴與選擇底空間進一步研究這個問題，本篇先把它列為治理效益不可忽略的負面結果。

8.3 共同模型與錯誤同調化

數個部門使用彼此獨立的方法，可能效率較低，但仍保留不同錯誤源；若所有部門改用同一家供應商、同一套基礎資料和同一個解釋框架，跨部門協調可能變快，卻也可能讓錯誤同步擴散。

因此，單一全域視角未必比較接近真實世界。至少需保留獨立來源、地方調查、外部專家、反對者資料與模型之外的公共知識。否則 AI 可能把 S05 的「局部合理—全域僵局」轉化為另一種危險：全域表徵一致，卻共同錯誤。

8.4 AI 不能替政治競爭消除價值衝突

若兩個政黨對財政紀律與公共保障的優先順序不同，AI 可以提供兩套方案的資源約束及可能後果，卻不能只靠對歷史資料擬合就證明某一套價值順序應被全體人民接受。

政策衝突有些來自資訊不足，有些來自實際利益衝突，有些來自不同但同樣具有政治地位的價值主張。AI 可能改善第一種，揭露第二種，協助表達第三種；它不能保證讓所有人自動得到同一個政治結論。

九、四個假設性場域：從認知補足到有限行動

本節僅使用抽象情境，避免未經查證便將法國、台灣或其他具體國家定性為 AI 治理缺失案例。

9.1 場域 A：公共福利申請與複核

問題設定： 某地方政府的補助申請積壓，人工審查時間長，個案涉及不同格式的證明。部分申請人無法在線上流程順利提交資料。

候選參與： AI 整理文件、提示缺漏、識別需要真人協助的案件，對符合清楚規則且可撤回的低爭議事項進行有限自動處理；高風險拒絕、停發、追回與複雜裁量移交法定程序。

潛在改善： 降低等待、減少資訊遺漏、把真人工作集中於困難案件。

主要風險： 錯誤分類大量複製；外語、障礙、無法取得數位資料者被排除；申訴形同虛設；把模型風險分數偷換成法律資格。

關鍵判準： 不只看平均處理時間，還要看錯誤拒絕率、最弱勢群體的等待、補助中斷時的生存代價、申訴更正時間與人工替代渠道。歐盟 AI Act 對涉及基本公共服務與補助的特定 AI 用途採取高風險思維，可作比較法上的理由來源，但實際適用仍依具體法律及生效階段確認。[E07][E08]

反例： 如果改善申請表單及增聘人員已能以更低成本達到更高可近性，則 AI 的「必要性」主張不成立。

9.2 場域 B：公共災害資源的調度

問題設定： 某地區在極短時間內需整合避難人數、道路中斷、救援能力與物資資訊，且資料持續變動。

候選參與： AI 協助即時整合資訊、提供多路線方案、標示來源不一致及風險，並在事先法律允許、可監督、有人能停止的界線內協助有限資源調度。

潛在改善： 縮短跨單位的資訊延遲，較快識別未被照顧地區。

主要風險： 未登記人口、通訊中斷地區和非典型需求無法進入資料；過度信任模型使現場救援者失去判斷空間。

關鍵判準： 生命安全、任務可靠度、錯誤通報恢復、地方知識採納與緊急授權到期機制。若涉及重大生命及人身限制，應維持適用的緊急法制與實質救濟，而非由模型單方取得例外權力。

反例： 在資料頻繁中斷或專業救援組織缺乏可靠的監督能力時，增加一層 AI 可能延誤行動，應保留人工簡化流程。

9.3 場域 C：財政與能源的跨期政策比較

問題設定： 一個國家的支出、人口結構、供電安全、排放、產業需求及建設期程互相牽動，政治立場又對各價值賦予不同優先權。

候選參與： AI 維護多個透明的情境假設、比較不同期限與政策組合，提醒各部會提案之間的矛盾，並在已通過的政策框架下持續監測實際偏離。

潛在改善： 提高跨部門資訊一致性，讓決策者看見反覆轉向的成本與不同世代承擔的風險。

主要風險： 經濟預測或技術路線錯誤；少數受影響地方的權利被總體收益掩蓋；模型提供唯一政策而壓縮政治選擇。

權限界線： AI 可較深入參與方案比較與履行監測，但能源結構、長期公共負擔及基本分配優先權仍需相應的政治、法律與預算程序。S09 將專門處理政策承諾與反覆轉向，本篇不為任何單一路線背書。

反例： 若問題主要是政黨間不可調和的合法價值衝突，而非缺乏資料與認知容量，更多 AI 推演不會自動消除僵局。

9.4 場域 D：公共採購與反腐風險警示

問題設定： 大量採購資料存在相似價格、競標異常或利益衝突疑點，稽查人力有限。

候選參與： AI 協助找出值得人工調查的異常及資料矛盾，並將來源與不確定性提供監督機關。

潛在改善： 節省一般排查成本，提高查核注意力的涵蓋率。

主要風險： 誤報損害無辜企業及公務員名譽；某些產業因資料特徵常被誤判；制度誤把風險警示當成已查證的違法。

權限界線： 風險篩查不是犯罪裁判；行政裁罰與司法判斷必須依相應證據、程序及權利保障進行。

反例： 若模型只能重複既有查核指標、缺乏獨立增量成果，或使稽查資源遠離真正高風險案件，則不應宣稱治理改善。

十、最難的邊界：AI 的能力、代理性與可能的主體性不是同一件事

10.1 目前的治理授權與未來 AI 政治主體研究必須分開

EveMissLab《人類—AI 多主體政治》討論工具、委託代理、持續代理、準主體與穩定主體等候選狀態，並將能力、權限、責任及可能的主體性分離。[I04] 該文本屬未經普遍驗證的理論研究，不意味當下部署的公共 AI 已經具備可依法行使的政治人格或權利。

本篇處理的是國家如何合法使用或委託 AI 系統履行任務。未來某些 AI 是否可能具有獨立的道德、法律或政治主體地位，涉及不同證據、定義與權利程序，不因本文討論 D4、D5 而提前得出結論。

10.2 創造者不能直接取得文明正當性

若 AI 由企業設計並供政府使用，企業並不因創造技術而取得修改公共規則的權利；政府也不能因購買技術而把自己原有的公共責任移交後自稱無責。供應商可能享有正當的商業權利及契約保障，但公共權力的行使需回到適用的法律及公共問責關係。

同樣地，若未來 AI 在認知和持續代理方面具有重大進展，其應獲得何種相應地位也不能只靠模型、企業或行政機關自行宣告。這是多主體政治與權利研究的長期問題，不應被當作當下不採用任何 AI 治理工具的充分理由。

10.3 人的目的不應被模型目標函數完全吞併

一個人的生活不等於一個行政欄位；公共管理也不能僅以節省預算、縮短平均等待或提高風險分數正確率，抵銷所有不可比的尊嚴、自由、基本保障與存在目的。

《政治符號學 2.0》所強調的有效選擇底空間，可作為檢查「形式權利仍在、實際拒絕與改正能力卻消失」的研究線索。[I03] 但不應假設已有一套完善公式，可以無遺漏地計算每一個主體對自身生命目的的評價。

十一、十項候選命題：支持、競爭解釋與反證

以下均為研究命題，不是已獲實證確認的政治定律。

H1｜條件式認知必要性命題

命題： 對資料異質、跨部門協調高、時效緊迫且可觀察成效的特定公共任務，經驗上受驗證的 AI 介入可能比可行的非 AI 改善方案更有效地縮小認知與行政缺口。

可能反證： 在相同資料、資源及期間下，改善非 AI 流程達到相近或較佳效果；AI 增加的錯誤、依賴或救濟成本抵銷其效益。

H2｜能力—授權不等價命題

命題： 更高任務準確度及運算速度，不能單獨提供變更公共政策目標、基本權利、法定程序與授權邊界的正當性。

論證界線： 這主要是規範與法理命題，不能靠單一準確率實驗直接證成；需透過公開的制度論證、適用法律與比較法分析檢視。

H3｜名義建議、實質治理命題

命題： 當模型控制唯一資訊入口、議程、預設方案或行政人員的採納誘因時，即使制度標記為「僅供參考」，仍可能實質影響政策結果。

可能反證： 行政人員與受影響者能普遍、有效地取得替代證據及獨立審查，模型建議對實際選項並無獨占效應。

H4｜回饋閉合改善命題

命題： AI 的長期公共價值不只來自單次答案，而可能來自持續發現政策偏離、提出修正訊號及協助執行機關履行已經授權的公共承諾。

可能反證： 實際回饋無法進入執行或民主重審；模型只產生越來越多報告而沒有改善服務結果。

H5｜模型替代失敗命題

命題： 當機關對模型的可讀社會表徵產生過度信任，而缺少獨立地方知識與反例入口，認知效率改善可能與真實治理品質惡化同時出現。

可能反證： 有效的獨立實地檢驗、多來源模型與外部申訴，在長期觀察中持續降低實際錯誤，且無明顯弱勢群體損害。

H6｜公共認知不對稱命題

命題： 政府對高維智能的存取增加，若沒有公民合理的來源展開、申覆與監督能力，可能擴大政府與受治理者之間的有效認知差距。

可能反證： 透明、外部研究及可取得的救濟同時增強，公民的實質挑戰能力並未下降。

H7｜簽核形式主義命題

命題： 單純保留真人最後簽名，不足以保證對 AI 建議的實質審查；監督品質受時間、證據、專業能力與覆寫成本影響。

可能反證： 在獨立測試下，具充分能力的監督人員能可靠辨識關鍵模型錯誤，且實際覆寫不會引發制度性負面誘因。

H8｜行政深度與政治主權分離命題

命題： 在法定規則明確、授權有限、可安全更正與持續監督的條件下，某些較深的自動行政作業不必然涉及將公共主權交給 AI。

可能反證： 實際制度運作顯示所謂界限無法維持，模型藉重新定義資格或優先權持續行使未經授權的裁量。

H9｜公共依賴與退出風險命題

命題： 公共服務若過度依賴單一模型、資料商或供應商，即使短期成效改善，也可能使國家的接續能力、民主監督與異議後修正能力下降。

可能反證： 多元供應、資料可攜、公共備援及獨立驗證使關鍵服務可在合理時間內維持。

H10｜有限行動—持續問責命題

命題： AI 在特定行政場域中取得合法且受限的執行能力，若能提高公共義務完成度並維持救濟與人類機構的可追究責任，則「不只用 AI 寫報告」可以和民主控制共存。

可能反證： 其制度成本高於改善、受影響者無法有效爭議或公共機關以模型為由推卸責任。如此應否定該個案的較深自動化方案。

十二、研究方法：不能從模型排行榜直接跳到政治結論

12.1 比較的最小單位

本系列主張以「具體公共任務與同一觀察時間窗」為分析單位，而不是把全國績效化成單一 AI 分數。最低資料需求包括：法律與公共職責、原始流程、處置數量、受影響群體、錯誤類型、申訴紀錄、技術和人員成本、服務中斷及必要時的法律審查。

12.2 四類比較組

同一個問題應盡可能比較：

• 基準組： 現行人工或既有資訊系統。
• 流程改善組： 不額外引入 AI，先處理表單、跨部門協調、人員配置與資料品質。
• AI 協作組： AI 提示、查核與建議，由受訓公務員進行實質審查。
• 限界自動化組： 在合法授權及風險控制下處理部分可覆核、低裁量任務。

如果不同模式的法律地位不同，不能硬把不可合法部署的模式當成可直接進行的隨機實驗；只能先作模擬、影子評估或符合倫理與法律的有限測試。

12.3 不能只看「平均準確度」

最低觀察向度應包括：

12.4 因果識別：要排除其他原因

若在 AI 上線後行政效率改善，可能同時因為增加人員、資料清理、法律簡化、案件數下降、經濟景氣改變或申請資格被限縮。真正研究必須記錄這些競爭解釋，採合適比較、分階段實施、前後趨勢與質性案例追蹤；未獲足夠證據前不得把全部變化歸因於 AI。

12.5 被排除者是研究對象，不是統計誤差

最需要調查的可能是沒有成功申請、無法使用平台、缺乏穩定住址或資料紀錄、無力申訴的人。若研究只觀察成功完成流程者，就可能系統性高估 AI 的公共績效。

12.6 停止、撤回及重新授權

當模型產生嚴重權利侵害、法定授權不成立、違反資料使用目的、持續不可更正的差別損害、供應商中斷無備援，或公務機關失去實際覆核能力時，應依適用法律與預設程序評估暫停、降階、回復人工流程及補救，而不是為維持部署聲譽繼續擴大使用。

十三、重要反對意見與本篇的回答

13.1 反對一：這只是以 AI 名義包裝技術官僚統治

若 AI 確定政府的最終目的、獨占資訊和實質議程，再讓公民只能接受一次形式投票，這個批評很有力。但本篇並不從能力推導正當性；相反地，它要求把資訊選擇、政策目標、合法授權、行政處分與重審分離。是否真的做得到仍待制度及案例研究，不因理論宣告就自動成立。

13.2 反對二：只要人類最後確認，主權就安全了

不充分。人類可能無法獨立理解模型輸出，也可能被預設答案、工作量與管理誘因所左右。因此應檢查實質異議及覆寫能力，而不是單看人類簽核數量。[E01][E02]

13.3 反對三：AI 永遠都不應直接參與行政執行

這是一項可被討論的規範主張，但若沒有分辨具重大法律效果的裁量與依法確定、可更正的例行處理，可能把已有的合法行政資訊系統及未來的可驗證工具全部歸為相同風險。本文的立場不是無條件開放，而是要求區分實質裁量、期限、可逆性與法律救濟。

13.4 反對四：既然 AI 預測更強，政府就應採納其最優答案

不充分。第一，模型未必更強；第二，預測有資料及外部環境限制；第三，哪些損失可以交換、哪些權利不得違反，不是單靠準確度得出的結論；第四，沒有實質授權便不能任意處置受影響者。

13.5 反對五：引入 AI 必然造成中央集權及監控

也不必然。AI 可能被用來強化中央單一觀察與分類，也可能被地方、公民、獨立研究者與公共監督組織用來追問權力；結果取決於資料存取、替代渠道、權利制度與資源分配。兩種方向都需要可觀察證據，不能把任何一方當成歷史定律。[I02][I05]

13.6 反對六：政府應該只使用最開放的模型

開放性、獨立審查及替代性對公共問責可能重要，但開放權重並不自動提供可靠資料、安全部署、長期維護或合法資料使用。反過來，封閉系統若缺少足夠獨立稽核與救濟，也可能使公共責任無法有效追溯。應以具體權利、風險及公共持續性條件比較，不宜只靠開放／封閉二分決定。

13.7 反對七：增加 AI 就是承認民主政治不夠理性

民主制度不以全體參與者同時具備所有專業知識為前提。民主的價值包括控制公共目的、授權、可辯論性、權利和可替換政府。AI 可以協助處理無人能單獨掌握的資料與跨時間效果，但它並不能因此替人民決定何謂值得追求的共同生活。

13.8 反對八：既然未來 AI 可能成為主體，今日怎能僅視為工具？

未來 AI 主體性是一項正當的獨立研究問題，但目前行政授權研究不能把未經證明的未來身份當作已存在的公法地位；反過來，當前權限限制也不構成對未來 AI 道德地位的永久否定。[I04]

十四、回到 SGCR：AI 應如何回應「國家治理失敗化」？

14.1 第一個原則：不能以 AI 當成國家卸責的藉口

國家未履行公共義務，不能因系統由承包商建置、資料由平台提供或建議由模型生成，就宣稱無法辨識最終責任。S03 已經指出「由誰提供」與「由誰保障」是兩個問題；這個區分在 AI 治理中更為重要。

14.2 第二個原則：不能以認知不完備為永遠不行動的理由

S04 研究過：等待亦可能產生可觀察代價。若對具體公共義務存在合法可行、經驗上更具可靠性的 AI 輔助方案，政府至少需要進行有理由的評估，不能無限以「制度尚未想好」推延所有可改善行動。

但「政府應評估合理可行的新能力」不等於「凡有新 AI 技術就應立即全面部署」。尤其涉及不可逆的權利侵害時，審慎與延後可能本身就是履責。

14.3 第三個原則：不能讓模型取代民主閉合

S06 強調，民主程序必須有能力在適當期限內形成可執行、可問責且可再修正的決定。AI 可以降低議程準備、事實查核、方案比較及執行監測的負擔，卻不能藉「已計算完畢」令合法協商、權利審查及政治再授權變成多餘。

當 AI 系統對某項普通行政事項已具有合法執行權時，這是前段公共授權的具體落地，不代表系統自行取得決策閉合主權。

14.4 第四個原則：不能把更高解析度誤認為全知

社會的資料越完整、模型越龐大，仍可能遺漏尚未進入制度分類的生活經驗、地方知識與價值差異。此時必須保留例外、人類異議、替代證據和政策實際效果回報。

14.5 第五個原則：行動、錯誤與救濟必須一起被設計

《負罪而行》提醒，有限行動者選擇任何路徑都可能造成無法完全消除的損失；但這個「罪」是作者文本中的本體論代價，不等於每一次行政行動都觸犯法律或構成道德罪惡。[I06]

在 AI 治理的公共制度層面，這項思想轉化為更嚴格的責任要求：因有限認知而做出的政策決定，不必假裝不存在受損者；模型提高總體績效，不會自動抹除個體實際遭遇的錯誤；存在可修正的合法方案時，也不能永遠不採取行動。

十五、結論：智慧的公共使用與主權的公共來源

本文的論點不是「國家終將由 AI 統治」，也不是「AI 必須永遠只能提供文字參考」。在特定條件下，AI 可能成為國家履行公共責任所需的認知、協調、查核、監測與部分行政執行能力。但這一命題要成立，需要具體任務、非 AI 替代、可測成效、合法授權、權利界線、受影響者的有效異議與公共責任的持續承擔。

真正需要打破的是兩種錯誤的同義關係：

更高的認知能力，不等於更高的政治正當性。

更深的合法行政自動化，也不等於將人民主權交給 AI。

如果把 AI 永遠鎖定在只提供建議、無法讓行政更可靠的角色，可能錯過可行的公共能力改善；如果因為它在某些任務更有效，就把政治目的、資料世界與基本權利的最終詮釋全部交給模型，也可能重現國家與企業準治理權力失衡的問題。

這條邊界並不是為了捍衛人類官員的面子，也不是為了否定人工智慧未來可能形成更複雜的主體性。它要回答的是：誰有權提出共同目的，誰能依法行動，誰能發現錯誤，誰能拒絕，誰必須承擔代價，誰可以在未來重新改變制度？

當 AI 有助於履行公共義務時，應研究如何使用；當 AI 造成權利與問責缺口時，應研究如何限制、撤回與補救。這兩項研究要求可以共存。國家不需要成為全知的文明機器，人民也不應退化成被文明機器最佳化的輸入資料。

因此，本篇提出的最終候選命題是：

AI 治理的正當進展，不在於計算能力取代公共授權，而在於政治共同體能否讓更強的認知與執行能力服務於已獲正當化的公共目的，同時保留每個受影響者對決定的知情、異議、救濟與重新改變共同制度的能力。

十六、參考文獻與來源說明

A. 已核對之學術與官方資料

• [E01] Bovens, M., & Zouridis, S. (2002). From Street-Level to System-Level Bureaucracies: How Information and Communication Technology Is Transforming Administrative Discretion and Constitutional Control. Public Administration Review, 62(2), 174–184. https://doi.org/10.1111/0033-3352.00168
• [E02] Citron, D. K. (2008). Technological Due Process. Washington University Law Review, 85(6), 1249–1313. https://journals.library.wustl.edu/lawreview/article/id/6697/
• [E03] OECD. (2025). Governing with Artificial Intelligence: The State of Play and Way Forward in Core Government Functions. OECD Publishing. https://doi.org/10.1787/795de142-en ；https://www.oecd.org/en/publications/governing-with-artificial-intelligence_795de142-en.html
• [E04] National Institute of Standards and Technology. (2023). AI Risk Management Framework (AI RMF 1.0). NIST AI 100-1；官方說明：https://www.nist.gov/itl/ai-risk-management-framework ；功能解說：https://airc.nist.gov/airmf-resources/airmf/5-sec-core/ 。備註： 截至本文撰稿，NIST 官方已公告 RMF 1.0 正在修訂；不應把 2023 版當成未來永遠不變的版本。
• [E05] OECD. (2019；2024 更新). OECD AI Principles. https://oecd.ai/en/ai-principles
• [E06] Council of Europe. (2024). Framework Convention on Artificial Intelligence and Human Rights, Democracy and the Rule of Law (CETS No. 225)；官方框架及權利說明：https://www.coe.int/en/web/artificial-intelligence/the-framework-convention-on-artificial-intelligence 。備註： 簽署、批准、國際生效與國內適用不得混為一談。
• [E07] European Union. Regulation (EU) 2024/1689 (AI Act)；本文使用 2026 年可檢索之官方法規整合文本：https://eur-lex.europa.eu/eli/reg/2024/1689/2026-07-27/eng ；高風險使用者基本權利影響評估 Article 27：https://ai-act-service-desk.ec.europa.eu/en/ai-act/article-27
• [E08] European Commission. Navigating the AI Act（官方實施與適用說明）：https://digital-strategy.ec.europa.eu/en/faqs/navigating-ai-act ；The Enforcement Framework of the AI Act（2026 年執法時程說明）：https://digital-strategy.ec.europa.eu/en/policies/enforcement-ai-act 。備註： 條款適用日期依官方當時有效版本查證，勿用制度構想取代個案法律審查。

B. EveMissLab 舊稿：理論資產，不等同外部證明

• [I01] EveMissLab。《治理編譯層猜想：複雜多主體文明中高維內部治理、低維外部介面與算子治理收斂》，2026-07-26，v0.1。本文繼承認知超載、局部合理—全域僵島、主體可理解介面等問題意識；不把其「必然收斂」強斷言作為已證定理。https://unboundedaxiom.org/p/lm-001847/
• [I02] EveMissLab。《國家作為主動感知系統》，EGS 系列第三篇，v0.1。本文繼承感知、注意力、狀態估計、行動與回饋的區分；沒有實作模型。https://unboundedaxiom.org/p/lm-002425/
• [I03] EveMissLab。《政治符號學 2.0》。本文只引用有效選擇底空間、權力及主體性不能被單一效率數字吞併的研究方向；不預設其測量已經被驗證。https://unboundedaxiom.org/p/lm-001754/
• [I04] EveMissLab。《人類—AI 多主體政治：主體性閾值、權限重審、雙向非抹除與共同治理》。本文只採用 AI 可能的主體性與當前行政授權應分開研究的問題意識。
• [I05] EveMissLab。《全域智能存取權：文明級知識運算的政治經濟學》，v0.1。公共認知與一般使用者能否取得來源、驗證及重算能力之研究。https://unboundedaxiom.org/p/lm-001869/
• [I06] EveMissLab。《負罪而行：論選擇、耗散結構與僭越者的本體論代價》。只援引「有限行動與不行動皆可能有代價」，不將本體論用語等同法律違法。
• [I07] EveMissLab。《可逆主權與民主閉合》。授權來源、限期、申訴、修正、重審及退出條件的概念接合。https://unboundedaxiom.org/p/lm-002182/

C. 本系列前篇之承接

• [SGCR-S01]《AI 轉型下的國家治理失敗化》，ATSGF v0.1。本系列第一篇；原論文獨立保留。
• [SGCR-S02]《正常運作中的國家治理失敗化：從技術失配到制度責任缺口》，SGCR S02 v0.1，2026-10-26。
• [SGCR-S03]《國家何以不能把公共責任交出去：權力、能力、義務與提供者分離》，SGCR S03 v0.1，2026-10-26。
• [SGCR-S04]《不作為也是選擇：可行域、政策時限與國家的行動責任》，SGCR S04 v0.1，2026-10-26。
• [SGCR-S05]《局部合理如何形成全域治理僵局：政黨、官僚與跨時間利益》，SGCR S05 v0.1，2026-10-26。
• [SGCR-S06]《從精準民主與摩擦式民主到動態決策：制衡如何與行動共存》，SGCR S06 v0.1，2026-10-26。

附錄 A｜AI 公共治理角色與界線快速審查表

供未來案例研究使用的政治學審查問題。它不是程式規格、正式法律清單或部署批准書。

附錄 B｜十二項反概念偷換

1. 政府需要更高認知能力，不等於 AI 已經比所有公共機構更懂社會。
2. AI 對某項任務有實證優勢，不等於該模型已獲政治授權。
3. 經法定授權自動處理個別行政工作，不等於 AI 自行取得主權。
4. 只有真人最後簽字，不等於存在真正的人類控制。
5. AI 建議沒有法律形式拘束力，不等於沒有實質議程與選項控制力。
6. 公共資料整合更完整，不等於模型掌握社會全貌。
7. 政府掌握更多情報，不等於公民獲得更強的監督能力。
8. 平均效率提高，不等於所有人都取得可及、可辯護的公共服務。
9. 企業提供系統，不等於國家可以外包最終公共責任。
10. AI 可能具有未來主體性，不等於當下已有已證明的公共政治權利。
11. 對新能力採取審慎等待，有時是履責；以審慎之名永遠不處理可行義務，也可能是問題。
12. 終極價值作為方向，不等於存在已證實的單一全域計算結果可以取消尊嚴、異議與救濟。

附錄 C｜本篇驗證狀態與下一篇銜接

• 本文性質： SGCR 第三部第一篇，S07 v0.1，獨立概念論文；未進行國家級 AI 部署或公共政策效果的實地比較。
• 已做到： 核對系列總綱及 S02–S06 的論證邊界；閱讀主要 EveMissLab 舊稿；對照自動化行政、技術程序正義、OECD、NIST、歐洲 AI 規範相關官方及學術資料；提出條件式概念、授權分層、正反案例與反證設計。
• 尚未做到： 不宣稱已有客觀證據證明 AI 在跨國治理全面優於現存機構；不對任何國家或政黨提出實證性失職裁定；未建構 AI 公共行政原型、模型訓練、政策模擬器、正式合規清單或公共採購要求。
• 重要界線： 具體法域的立法授權、人權義務及行政程序具有優先性；本稿非法律意見書，不可據此直接部署影響人民權利的系統。
• 下一篇： S08《可變的人民與不可替代的個體：適應性偏好、政策承諾與跨世代利益》。應討論人類偏好會改變，但這不構成事先取消同意、補救與個人存在目的的理由；並銜接「有知之幕」與不同世代的公共責任。
• 公開編輯要求： 未來英文版、預印本及期刊投稿應再核對所有法條生效狀態、參考文獻、署名、作者同意與原始系列版本；本文引用的自有研究均屬作者理論資產，不是外部實證支持。