文／溫怡玲（人工智慧科技基金會執行長）
大家都知道，資料的數量與品質直接影響AI的成效；政府也投入相當多資源解決台灣本土資料集不足的問題。但對台灣產官學界而言，落實資料治理仍是一場艱難的挑戰。儘管「促進資料創新利用發展條例」送至行政院，可望提供法源依據，但受限於過去的經驗、行政組織的結構，以及對法規的不夠熟悉，使得數據治理面對相當多現實挑戰。
首先是橫亙於中央部會與地方機關間的「資料壁壘」。地方政府掌握第一線治理需求，但受限於有些資料主權歸屬於中央，有些屬於地方，在行政權限的灰色地帶與機關職能依法行政的限制下，常讓第一線公務員在推動資料介接時，陷入反覆溝通卻最終被拒的組織困局。反之亦然，中央也經常無法串接地方的資料，導致數據殘缺不全，難以做為政策依據。
就算資料都可順利串接，但資料品質參差不齊，是下一個必須跨越的挑戰。最基本的系統資料格式，就有年份標示方式不同、資料更新頻率不一、統整單位（如村里、鄉鎮或縣市）差異，使得資料清洗與格式統一難上加難，需要耗費驚人的行政與人力成本才能轉換為AI能夠使用的數據。這也使得許多單位知難而退，無法繼續往下進行。
更棘手的挑戰來自法律與規範的快速變動。例如曾有憲法判決對個資法採行更嚴格的認定標準，公務人員可能因無法完全理解違憲主因，但在風險規避的考量下，不敢輕易釋出具備高度公共利益價值的資料，也使得資料治理無疾而終。這種對法律風險的謹慎看待，雖然可能守住「不違法」的安全防線，卻也在無形中阻礙了創新治理的可能性。
資料治理是政府部門數位轉型與AI應用的基礎，盤點以上挑戰，主要底層關鍵仍在於如何建構「數位信任」。唯有確保資料利用兼具安全性與公益性，並獲得市民的信賴，資料治理方能穩健推動。在此基礎上，也才有機會將開放資料（Open Data）做為核心數位資產，透過制度化的資源釋出，賦能民間產業更具效率地利用資料。