[讀者回函] 當防災 AI 成為雙面刃：從烏克蘭 Dataroom 看台灣的數據生存錦囊

Data Sovereignty as Design: Taiwan’s Survival Strategy in the Mirror of Ukraine’s Dataroom

2026 年，台灣通過了 AI 基本法。但當我們慶祝法規里程碑時，真正的考驗其實在窗外：地震、颱風、甚至更極端的災變。我們常問：「AI 能不能預測災害？」但更致命的問題是：「當災害發生、網路斷訊時，我們的 AI 還能動嗎？」

看向遠方的烏克蘭，他們正在進行一場殘酷的實戰示範。為了在戰火中生存，他們將國家最機密的戰場數據交給盟國與科技巨頭，換取最先進的 AI 防禦能力。這不只是戰爭，這是極致的「數據防災」—但代價是讓渡了數據主權。這讓我們深感警惕：台灣面臨著同樣的雙重威脅。

台灣必須誠實面對三個問題：

1. 斷網後，AI 還能運作嗎？

2. 我們的數據，最終誰擁有？

3. 在災變中，誰有權設計規則？

本文將透過 HCI Design Governance（人機互動設計治理） 的前沿視角，拆解烏克蘭 Dataroom 背後的設計權力，並提出台灣在防災韌性與數據主權上，真正該採取的「三層生存策略」。

註：HCI Design Governance

這是源自 CHI 2025 “Operationalizing Data Sovereignty” dl.acm 與 Sociotechnical AI Governance Workshop hcii.cmu 的新興治理框架。它強調「治理即設計」（Governance as Design），主張透過 MyData 用戶中心框架與參與式數據設計，將抽象的數據主權轉化為具體的介面控制權。

---

鏡像：烏克蘭的「生存豪賭」與看不見的帳單

2026 年 1 月，烏克蘭國防部長宣佈將戰場數據轉換為盟國 AI 訓練的燃料。這是一個為了生存而必須做出的「生存性數據合作」，也是一場前所未有的「戰略性數據交換」。

正面：數據融合帶來的上帝視角

我們必須承認，這個交易在軍事上是極具誘惑力的。透過與 Palantir 等科技巨頭的合作，烏克蘭建立了一個能即時整合衛星、無人機、人工情報的「數據融合」（Data Fusion）平台。

• 精準打擊：這套系統讓從「發現目標」到「摧毀目標」的時間被大幅縮短，極大化了有限彈藥的效益。

• 不對稱優勢：透過 AI 賦能，烏克蘭能以較少的資源、較舊的裝備，對抗資源更豐富的對手。這是數位轉型在極端壓力下的成功案例。

• 生存邏輯：在生死存亡之際，效率就是正義。沒有這些外部技術的介入，防線可能早已面臨崩潰。

---

反面：決策黑箱與資產流失的代價

但這份效率的帳單上，寫著昂貴且隱形的代價。費多羅夫稱這些數據為談判「籌碼」（leverage），這本身就暗示了國家級數據的商品化。

• 決策黑箱化：當戰場決策越來越依賴演算法推薦，烏克蘭軍官是否還能理解決策背後的邏輯？還是逐漸淪為系統的執行端點？

• 資產流失風險：這些用鮮血換來的數據，是訓練下一代軍事 AI 的「黃金」。一旦交出去，它們就成為了科技巨頭的私有資產。

• 國際警示：事實上，瑞士軍方在 2025 年拒絕了 Palantir 的合作提案，理由正是基於美國 CLOUD Act 可能帶來的主權風險（Defence-UA 報告）。台灣若將核心半導體或防災數據交由外商託管，同樣面臨供應鏈數據外流的國安危機。

歷史對照：肉餅行動與數據污染 二戰的「肉餅行動」中，英國用具屍體攜帶假文件誤導德軍，是早期的「數據污染」。今日的 AI 戰爭，對手不再丟屍體，而是丟入千萬條偽造訊號。完全依賴外部黑箱模型，意味著我們可能正在吞下現代版的「肉餅」，卻無從驗證。

---

HCI 視角的診斷：權力不對等的設計

這不只是資源交換，這是一個典型的「權力不對等設計」。

就像一個急需使用救命 App 的病人，被迫點擊「同意所有條款」，一次性讓渡所有隱私權限。在和平時期，我們或許會拒絕；但在生死存亡之際，這種「脅迫性同意」（Coerced Consent）成為了唯一的選擇。這面鏡子照出了台灣的隱憂：當我們全面擁抱雲端 AI 服務來建構政府或防災系統時，我們是否正在重蹈覆轍？

歷史對照：ULTRA 的戰後遺忘 二戰的 ULTRA 情報體系證明，戰時集中管控雖能救命，但戰後英美長期不解密，導致許多盟國失去了對自身戰爭記憶的主導權。烏克蘭若未預先談定數據的「戰後歸屬」，恐重演歷史空窗—活下來了，卻說不清自己的故事。

---

戰場：當「斷網」成為台灣 AI 的必考題

鏡頭轉回台灣。我們面臨著與烏克蘭驚人相似的雙重挑戰：外部的地緣政治壓力與內部的極端氣候威脅。

---

現狀診斷：未拆封的禮物與單向的廣播

1. AI 基本法：有框架，無細節 台灣雖已通過 AI 基本法，確立了「透明性」、「人類自主性」等七大原則，但這目前仍是一份「未拆封的禮物」。我們有了原則，卻缺乏像歐盟 AI Act 那樣明確的風險分類，或是像 NIST AI RMF 那樣具體的操作指南。這導致政府與企業在引入外部 AI 時，往往陷入「合規焦慮」與「盲目引進」的兩極。

2. 防災體系：有資訊，無能動性 我們的防災系統（如國家警報）大多仍停留在「由上而下、單向廣播」的舊思維。它假設政府是全能的資訊發送者，民眾是被動的接收者。但在真實災難（如花蓮地震、颱風）中，我們看到的是民間社群（Line 群組、KNY App）展現出比官方更強的韌性與效率。

---

核心矛盾：我們要先進技術，還是要數據主權？

這似乎是一個無解的選擇題：

• 選 A（擁抱國際巨頭）：獲得最強的 AI 防災預測能力，但數據可能被拿去訓練別人的模型，且戰時可能被斷網/斷供。

• 選 B（堅持數據在地）：確保了主權，但可能因為技術落後而在災難中付出更多生命代價。

歷史對照：五眼聯盟的「座位哲學」 二戰後，加拿大為避免在五眼聯盟中淪為附庸，刻意發展獨家的訊號情報能力，以「自主籌碼」換取「談判座位」。這也是台灣的啟示：真正的合作，建立在我們擁有不可替代的自主能力（如邊緣計算、在地數據）之上。

HCI 學者的回答：這不是二選一，而是系統設計的問題。我們可以透過設計，在「合作」與「自主」之間找到第三條路。

---

處方：把大腦留在前線的「三層生存策略」

結合防災韌性與數據主權的需求，台灣不應追求建立一個龐大的中央集權式 AI，而應採取去中心化、高韌性的「三層生存策略」。為了確保這套策略落地，我們建議設定明確的 KPI 與預算框架：

第一層：邊緣計算 (Edge Computing) — 把大腦放到前線

診斷：過度依賴雲端 AI，意味著數據必須離開本地（主權風險）且極度依賴網路（韌性風險）。 處方：將運算能力下放到邊緣（Edge）。在各縣市應急中心、甚至關鍵基礎設施的感測器上，部署能獨立運作的 AI 模型。 行動指標：

• 關鍵 KPI：極端災害下的斷網可用率 > 95%。確保即使海底電纜中斷，本地系統仍能維持核心運作。

第二層：輕量級 AI (TinyML) — 讓螞蟻雄兵取代大象

診斷：追求大模型（LLM）需要昂貴算力與能源，這是台灣的軟肋。 處方：大力投資 TinyML 技術，訓練專精於特定任務（如淹水偵測、山崩預警）的小型模型。 行動指標：

• 關鍵 KPI：邊緣裝置能耗 < 1W，特定場景（如土石流辨識）準確率 > 90%。

第三層：聯邦學習 (Federated Learning) — 既要合作也要獨立

診斷：數據孤島阻礙合作，但數據集中又帶來風險。 處方：採用聯邦學習架構。各縣市、甚至跨國盟友之間，只交換「模型參數」（經驗），不交換「原始數據」（隱私）。行動指標：

• 試點計畫：啟動跨多縣市的聯邦學習防災試點計畫。

• 關鍵 KPI：在無原始數據共享的前提下，跨區模型的預測效能提升 15%。

---

行動：從抽象法規到具體的 UX 設計檢核

除了底層架構，我們還需要在應用層建立規範。AI 基本法的七大原則不應只是口號，而應轉化為具體的 HCI/UX 設計檢核點：

1. 建立「數據主權風險評估框架」

在引入任何外部 AI 服務前，必須進行類似「隱私影響評估」(PIA) 的主權評估：

• 依賴度檢核：如果該服務明天中斷，我們有替代方案嗎？撤離成本是多少？

• 透明度檢核：我們能否看到該模型是如何使用我們的數據？是否有「數據使用日誌」？

2. 設計「光譜式授權機制」

借鏡 AIPET 框架中的 Interaction (互動模式) 原則，摒棄「全有全無」的授權模式：

• 分級授權：將數據分為「核心機密」、「一般敏感」、「公開數據」。對外部 AI 開放的權限應隨情境動態調整。

• 可撤銷性：設計明確的「退出機制」與「數據遺忘權」。合約中必須包含「終止合作後數據必須刪除或返還」的技術驗證條款。

3. 推動「參與式數據治理」

數據主權不該只是政府的事。參考 GOV.UK 的設計原則，應建立機制讓民間技術社群（如 g0v）、學界與產業共同參與數據標準的制定。

• 多元審計：讓民間「白帽駭客」或獨立機構有權審計政府 AI 系統的安全性與公平性。

---

結語：你的系統設計，決定了誰握有按鈕

烏克蘭的 Dataroom 是一個警示：當你沒有準備好自己的數據架構時，你只能被迫接受強者的規則。台灣不一樣。我們有強大的半導體基礎，有活躍的公民科技社群，有剛剛通過的 AI 基本法。我們有條件拒絕「魔鬼交易」。

HCI 學者最後的提醒是：每一個技術系統，本質上都是一個權力系統。

如果我們繼續沿用「單向廣播」、「雲端集權」的舊設計，我們就是在設計一個脆弱且依賴的未來。 反之，如果我們現在開始投入「邊緣計算」、「聯邦學習」與「參與式治理」的新設計，我們就是在設計一個韌性且自主的台灣。

2026 年，台灣的任務不是被動地適應國際巨頭的規則，而是主動設計出一套既能與世界接軌，又能捍衛數據主權的「台灣方案」。這才是那份 AI 基本法禮物，真正拆封後的樣子。

---

參考文獻與延伸閱讀

---

HCI 與 AI 治理理論

• dl.acm Operationalizing Data Sovereignty (CHI 2025): MyData 用戶中心治理框架，操作化數據主權。

• hcii.cmu Sociotechnical AI Governance (CHI 2025 Workshop): 探討 HCI 在 AI 治理中的社會技術挑戰與機會。

• littledesign Participatory Design in HCI: 強調技術系統設計決定了誰被賦權、誰被排除。

• arxiv Parameters of Participation: 評估利益相關者在 AI 系統中的能動性框架。

• linkedin AIPET Framework: Agency, Interaction, Privacy, Experience, Trust - AI 時代的 UX 評估框架。

---

台灣在地研究與實踐

• vTaiwan: g0v 參與式政策設計案例 (CHI LBW 2018) [web:117]。

• 台大 HCI 防災 UX 研究 (CSCW 2024): 探討地震 App 的韌性設計與使用者行為。

---

數據主權與防災實務

• academic.oup Participatory Data Design: 擴展用戶中心設計以管理數據主權。

• dl.acm Participatory AI in Public Sector: 公共部門的參與式 AI 設計實踐。

---

附錄：從二戰密碼到 AI 數據戰的歷史迴響

本附錄提供正文中提及的歷史案例背景詳情，旨在透過二戰情報史的鏡頭，審視現代 AI 數據主權的治理難題。

1. 五眼聯盟 (Five Eyes) 與加拿大的「籌碼策略」

• 歷史背景：二戰後，英美簽署《英美通信協定》(UKUSA)，奠定五眼聯盟基礎。加拿大作為相對弱勢的一方，面臨被邊緣化的風險。

• 關鍵決策：加拿大並未選擇單純依賴盟友情報，而是投資建設獨特的極地監聽站與訊號情報 (SIGINT) 能力。這些獨家數據成為加拿大在聯盟桌上不可被替代的資產。

• AI 治理映射：這展示了「主權」並非「孤立」，而是「有尊嚴的互賴」。台灣發展邊緣運算與在地模型，正是為了在國際 AI 供應鏈中，從「數據提供者」轉變為「關鍵技術合夥人」。

2. ULTRA 機密與戰後記憶的重構

• 歷史背景：ULTRA 是盟軍破解德軍 Enigma 密碼的情報代號。為了保護情報來源，邱吉爾建立了極嚴格的 SLU (Special Liaison Units) 分發機制，前線指揮官只知情報內容，不知來源。

• 關鍵決策：戰後，為了不讓蘇聯知道西方已掌握破譯技術，英美選擇銷毀大量 ULTRA 檔案，或封存長達 30 年。這導致許多戰役的官方歷史在數十年間是不完整的，參戰國無法解釋某些決策的真實原因。

• AI 治理映射：現代戰爭數據（如烏克蘭的作戰日誌）若被私有化或加密封存在科技巨頭伺服器中，戰後將面臨同樣的「記憶斷層」。數據主權包含「歷史解釋權」，必須在合約中預先設計數據的「戰後解密條款」。

3. 肉餅行動 (Operation Mincemeat) 與數據污染

• 歷史背景：1943 年，英國情報局將一具流浪漢屍體偽裝成英國軍官，攜帶偽造的「盟軍將進攻希臘」作戰計畫，讓屍體漂流至西班牙海岸供德軍截獲。希特勒因此調動了防禦重心，疏忽了真正的登陸點西西里島。

• 關鍵決策：核心在於建立一個「邏輯自洽」的虛假敘事，利用敵人的確認偏誤 (Confirmation Bias)。

• AI 治理映射：這是物理世界的「對抗式樣本攻擊」(Adversarial Example)。在 AI 時代，敵方可透過微小的像素擾動或注入毒化數據，讓 AI 模型產生誤判（例如將坦克識別為卡車）。防禦數據污染，是比防禦數據外洩更隱蔽且致命的挑戰。

  ---

Copyright © PrivacyUX Consulting Ltd. All rights reserved.

Joshua 是 Agentic UX（代理式使用者體驗）的先驅，在人工智能與使用者體驗設計領域擁有超過 15 年的開創性實踐。他率先提出將用戶隱私保護視為 AI 產品設計的核心理念，於 2022 年創立 Privacyux Consulting Ltd. 並擔任首席顧問，積極推動隱私導向的醫療 AI 產品革新。此前，他亦擔任社交 AI 首席策略官（2022-2024），專注於設計注重隱私的情感識別系統及用戶數據自主權管理機制。