聯合國副秘書長奇利齊、馬爾瓦拉於T4IS2026主題演講中表示：「AI可支援79%的SDG目標，但預計達成率僅18%」——並提出AI監管的四大對象

活動概要

Socias株式會社（總公司：東京都中央區，代表取締役：尹世羅）於2026年4月26日（星期日），在東京Garden Terrace紀尾井町的紀尾井會議中心舉辦的邀請制高階主管高峰會「Tech for Impact Summit 2026」（簡稱T4IS2026）主舞台上，舉行了由奇利齊、馬爾瓦拉先生（聯合國大學校長／聯合國副秘書長）主講的『外交與AI——聯合國的視角』主題演講。

過去的高峰會曾邀請唐鳳女士（前台灣數位發展部部長）、平井卓也先生（日本首任數位大臣）、查爾斯、霍斯金森先生（Cardano創辦人）、松井凱西女士（MPower Partners共同創辦人、前高盛副會長）等人登台。

隨著歐盟AI法案自2026年8月起分階段進入正式適用期，以及日本國內AI治理政策的大幅推進，馬爾瓦拉先生從位於東京的聯合國大學，就全球AI治理框架進行了15分鐘的集中演講。

馬爾瓦拉先生演講的核心訊息

1. SDGs與AI的「79%對18%」差距——需由「負責任的治理」來填補

馬爾瓦拉先生首先分享了2015年由所有聯合國會員國通過的永續發展目標（SDGs）進展停滯的現狀。

「預計到2030年能達成的目標僅佔18%。」（馬爾瓦拉先生，要旨）

接著，他提到了AI所擁有的潛力。

「研究顯示，AI有潛力支援達成79%的SDG目標。它能為人類面臨的最複雜挑戰提供創新的解決方案。」（馬爾瓦拉先生，要旨）

然而，馬爾瓦拉先生警告說，這種潛力並非無條件就能發揮。他指出，不負責任地使用AI可能會損害SDGs本身的進展，並隨即將討論轉向演講的主題——AI治理。

2. AI監管應針對的四個要素

馬爾瓦拉先生整理指出，「監管AI」這個詞的內涵，實際上可分解為四個不同的對象。

- 數據：收集、分析、儲存、使用的方法，跨境數據流動，數據集的代表性 - 演算法：選擇哪個演算法，為什麼。透明度與安全性的平衡 - 運算：半導體、原材料的採購，數據中心的水、電力消耗 - 應用：各產業不同的精度要求（例如：醫療診斷中95%的精度是不夠的）

他接著指出，監管這四個要素的主體不應是單一的，而需要在不同層級進行角色分工。

「選擇何種演算法應由產業決定，而非政府。跨境數據流動應由國際組織處理。會員國國內的數據中心應由該會員國監管。正因如此，我們需要協調（harmonize）這些。」（馬爾瓦拉先生，要旨）

3. 對「監管套利」的警示——國際協調不可或缺

馬爾瓦拉先生將「監管套利（regulatory arbitrage）」列為AI治理中最需注意的結構性風險。

「AI企業將據點轉移到監管寬鬆的地方——這種情況稱為『監管套利』。若不在全球、國家和產業各層級進行協調，就會產生這樣的漏洞。」（馬爾瓦拉先生，要旨）

他以歐盟的AI法案和GDPR為具體例子，說明這些已成為其他地區監管框架的良好參考。

4. 聯合國大學以日本為據點的戰略意義——具體的國際框架

馬爾瓦拉先生介紹了總部位於東京的聯合國大學（UNU）在引領建構AI治理國際框架方面的具體活動。

- UNU全球AI網絡：一個由100多個成員機構組成的網絡，負責統籌AI政策與研究。 - 微軟 × LinkedIn × UNU 合作課程『全球背景下的負責任AI』：以日英雙語免費公開，並頒發結業證書。 - UNU AI研究所（義大利波隆那）：作為歐洲據點新設立。 - 全球數位契約：聯合國為應對AI技術及使用AI所需設備的取得差距而設的框架。 - 聯合國國際AI小組：撰寫關於新興風險及其應對策略的報告。 - 聯合國數位與新興技術辦公室：不僅限於AI，負責所有數位與新興技術。

演講的開頭與結尾——從霍金博士到古特瑞斯秘書長...