在公共机构中，生成式 AI（Generative AI）具有颠复性潜力，能够协助机构从大量数据中快速获取洞察、提升服务效率。然而，由于公共部门处理大量敏感数据，如何安全地实施生成式 AI 成为一大挑战。AWS 在其部落格中分享了五个公共机构实施生成式 AI 的最佳实践，这些建议有助于确保生成式 AI 的安全和合规性。
1. 数据隐私与安全为首要任务
由于生成式 AI 需要处理大规模数据，数据隐私和安全成为重中之重。机构必须採取零信任架构，对数据的存储与传输进行加密，并建立强大的访问控制来限制敏感数据的存取。此外，应确保数据的匿名化处理，以降低数据洩露风险。
2. 保持人类监督以确保公正
AI 模型可能会无意中引入数据偏差，这对于公共部门尤其需要谨慎处理。实施生成式 AI 时，应坚持数据最小化原则，只收集必要的数据，并进行数据来源的验证。为了避免偏见，机构应确保 AI 模型的透明性与可审计性，并在重要决策过程中保持人类的介入。
3. 培养创新文化与提升技能
公共机构在採用生成式 AI 之前，必须培养创新文化。这可以通过建立「卓越中心」来实现，该中心专门负责推动生成式 AI 的应用和技术创新。此外，应为员工提供再培训机会，让他们掌握 AI 技能，并缓解对 AI 取代工作的担忧。
4. 建立现代数位基础与更新治理架构
要支持生成式 AI，机构需要具备坚实的数位基础设施，包括强大的安全架构和数据治理。这包括使用 API 来实现数据交换，以及确保应用程式和数据模型的现代化，以支援生成式 AI 的部署。
5. 在早期设立 AI 成本控制
生成式 AI 的运营成本与云计算类似，会根据模型的使用量计费。机构应该在实施 AI 之前，瞭解其成本模型，并设立有效的监控工具来追踪成本使用，避免超出预算。
结论与建议
生成式 AI 在公共机构的应用潜力巨大，从数据分析到流程自动化，都能带来显着的效率提升。然而，机构在实施这些技术时，必须同时考虑安全性、隐私保护及合规性。以下是一些额外的建议，帮助公共机构更好地推进生成式 AI 的安全部署：
动态评估与持续改进：AI 技术发展迅速，公共机构需要建立动态评估机制，随时跟进最新的安全漏洞、法规要求及技术进展。定期更新 AI 模型和安全策略，确保技术能够持续满足业务需求和法律标准。
跨部门协作与标准化：生成式 AI 的实施往往涉及多个部门，机构应建立跨部门的协作机制，确保数据共享和技术应用的一致性。统一的标准和政策有助于提升整体安全性与效率。
风险预估与应急计画：在部署生成式 AI 前，机构应进行风险预估，明确可能出现的技术故障或安全风险。并制定完善的应急计画，快速应对和恢復，避免业务中断或数据洩露。
第三方审核与外部专业支持：公共机构可以考虑引入外部的专业机构进行技术和安全性审核，确保 AI 应用符合最新的安全标准和法规要求。此外，与云服务提供商和 AI 专业技术团队密切合作，能够在安全部署方面获得有力支持。
透过这些措施，公共机构可以安全且高效地推进生成式 AI 的实施，从而在数字化转型的道路上取得成功。进一步加强安全措施、提升员工技能、并且不断优化管理，将是公共机构在 AI 应用中持续创新与突破的关键。
这些建议不仅能保障数据和系统安全，也能帮助机构最大化生成式 AI 的应用潜力，实现高效、智能的公共服务。
