瞬變學會: 01/12/26

2026年1月12日星期一

《承認複雜性：台灣科技政策亟需的思維革命 》

當面對一波波新興科技挑戰，當台灣在全球科技競局中尋找定位——

我們的政策制定者真的理解自己面對的是什麼樣的問題嗎?

這指出一個更根本的困境:我們往往用錯誤的思維模式處理科技政策。

就像用治療感冒的方式對付癌症，或用管理工廠的方法經營生態系統，分類錯誤導致策略失效。

一、兩個看世界的方式

威爾斯學者Dave Snowden提出的Cynefin框架，將決策情境分為四個領域:

「簡單」(Simple)、
「繁雜」(Complicated)、
「複雜」(Complex)、
「混沌」(Chaotic)。

這個在企業管理界廣泛應用的框架，

核心洞察是:不同問題需要不同的決策邏輯。

1.「簡單」領域中，因果關係明確，

最佳實踐可以直接套用——

就像更新既有的資料保護標準。

2.「繁雜」領域中，因果關係需要專家分析，

有多種正確答案——

如5G頻譜如何分配。

3.「複雜」領域中，因果關係只能事後回溯，

需要透過實驗探索——

像是AI治理框架的建立。

4.「混沌」領域中，則沒有明顯因果關係，

必須快速行動——

如疫情初期的數位追蹤政策。

另一方面，系統生物學家尼爾‧泰斯(Neil Theise)在2025年出版的《複雜之美:連結、意識和存在的科學》中，從科學角度提出三種系統分類:

「簡單」系統:(如鐘錶，組件少且可預測)、
「複雜」系統:(如生命，大量組件互動產生湧現特性)、
「混沌」系統:(對初始條件極度敏感，呈現確定性混沌)。

二、兩個框架的關鍵差異

這兩個框架看似都在談「複雜性」，但本質上有四個重要區別:

第一:目的根本不同。

(1)Cynefin是管理者的決策工具，告訴你面對不同情境「該怎麼做」;

(2)Theise提供的是科學家的觀察視角，揭示系統「本質是什麼」。

前者(Cynefin)是行動指南，後者(Theise)是本質診斷。

第二:「複雜」的定義不同。

(1)Cynefin框架中的Complex領域，強調的是「事前不可預測，事後才能理解」的因果關係，重點在決策的時序邏輯。

(2)Theise定義的複雜系統，則強調大量組件透過互動產生的「湧現特性」(emergence)和「自組織」(self-organization)現象——就像單個神經元無法思考，但數十億神經元的互動湧現出意識。

第三:「混沌」概念截然不同。

(1)Cynefin的Chaotic領域指的是因果關係完全不明、需要立即行動建立秩序的危機狀態，是管理學意義上的「無序」。

(2)Theise的混沌系統則是數學和物理學意義上的「確定性混沌」(deterministic chaos)——系統遵循明確規則，但對初始條件極度敏感，微小差異會被指數級放大，就像氣象系統的「蝴蝶效應」。

第四:Cynefin框架多了「繁雜」(Complicated)這個關鍵中間地帶。

這個分類承認了專家知識的價值:

有些問題雖然複雜，但只要找對專家、分析透徹，就能找到好答案。

這在Theise的三分法中是缺失的，但在政策實務上卻極為重要——

因為許多科技議題確實需要專家，

只是我們常誤判哪些問題真的可以靠專家解決。

這些差異的實務意義是什麼?

如果診斷錯誤，再好的行動指南也會把你帶往錯誤方向。

三、科技政策的診斷挑戰

讓我們看看實際案例。

當推動半導體產業政策時，常見的做法是將其視為「繁雜問題」——

召集產業專家、經濟學家，設計補貼方案、稅收優惠。

(1)這是典型的Cynefin框架中，繁雜領域(Complicated)的處理方式:

找對專家，分析透徹，就能找到好答案。

(2)但從Theise的視角來看，全球半導體產業其實是個複雜系統:

供應鏈、地緣政治、技術創新、人才流動彼此交織，任何政策介入都會產生非線性效應。

台積電生態系統的形成，不是規劃出來的，而是無數互動中「湧現」出來的秩序。

當用處理繁雜問題的方式(找專家、做規劃)去處理複雜系統，常會發現:

補貼:可能扭曲創新動機，
保護措施:可能削弱競爭力，
精心設計的政策:產生了意想不到的副作用。

再看生成式AI的監管。

目前各國都在思考:

這到底是技術問題(需要AI專家)還是社會問題(無法預測所有後果)?

(1)在Cynefin的分類中，決策者在「繁雜」領域(Complicated)與「複雜」領域(Complex)之間游移不定。

(2)Theise會提醒我們:這是個對初始條件敏感的系統。

今天對AI的定義、責任歸屬、開放程度的選擇，都會像「蝴蝶效應」般被放大。

歐盟的人工智慧法　(AI Act)試圖用風險分類的方式管理，

本質上是把複雜系統當成「繁雜」問題——

假設專家可以預先列出所有風險情境。

但AI與社會的互動，會不斷產生新的「湧現」現象，預設清單注定會過時。

更需要警惕的是將複雜系統簡化處理。

數位平台壟斷問題，許多國家的反應是罰款。

這是把複雜系統(Complex)問題當簡單系統(Simple)問題:

假設因果明確(壟斷→罰款→改善)。

但平台經濟是複雜系統，網絡效應、數據優勢、生態系鎖定交互作用。

罰款可能改變不了結構，因為系統的湧現特性(贏者全拿)來自整體結構，不是單一行為者的選擇。

四、整合框架:診斷後的行動

如何整合這兩個框架?

建議三階段流程:

第一階段:系統診斷(以Theise為主)

面對任何科技政策議題，先問:

這個領域的組成要素有哪些?
互動密度如何?
是否出現湧現特性?
對初始條件的敏感度?

例如:評估加密貨幣政策，要認識到這是高度複雜且混沌的系統——

價格、技術、投機心理、國際監管彼此強化，對政策訊號極度敏感。

第二階段:決策模式選擇(以Cynefin為主)

確認系統本質後，選擇對應的介入策略。

如果是複雜系統，就要用複雜領域(Complex)的方法:

「探測-感知-回應」(Probe-Sense-Respond)。
建立監管沙盒，允許安全失敗的實驗，快速迭代政策。

如果是混沌系統，要用混沌(Chaotic)策略:

先行動建立基本秩序，再逐步理解。

第三階段:動態調整(整合兩者)

系統會遷移。

今天的簡單(Simple)明天可能變複雜(Complex)——

當區塊鏈從技術標準，演變為金融生態系統。

今天的複雜(Complex)可能崩入混沌(Chaotic)——

如加密貨幣市場崩盤。政策需要感測機制，持續監測系統狀態。

五、三個芻議

1.建立科技政策實驗室機制

在現有體制內，成立跨部會的「科技政策實驗室」，專門處理複雜系統問題。

建立一個彈性的任務編組平台。

針對AI治理、Web3、數位平台等新興議題，召集相關部會、產業、學界、公民團體，採用「監理沙盒」邏輯進行政策實驗。

每個實驗設定明確的感測指標，快速迭代，容許安全失敗。

成功的實驗再轉化為正式法規。

這讓政策制定能用複雜模式(Complex)處理真正複雜的問題，

而不是在既有體系中強求不可能的彈性。

2.重新思考AI基本法

避免採用歐盟風險分類的方式，

那是把複雜(Complex)當繁雜(Complicated)的典型案例。

AI與社會的互動是複雜系統，法規應該是演化的框架，而非固定的規則。

建議採取:

承認複雜性的框架性立法、
每年根據湧現問題調整的機制、
多方利害關係人的持續參與、
對應不同應用情境的監管實驗區。

3.重塑科技外交策略

全球科技秩序是個複雜系統，美中競爭、供應鏈重組、標準制定彼此牽動。

台灣需要理解自己在這個系統中的位置，會產生非線性影響。

在相對穩定時，用繁雜(Complicated)分析 (專家研判最佳路徑);
在不確定時期，用複雜(Complex)策略 (多元試探不同合作可能);
在明確對抗時，可能需要混沌(Chaotic)策略(快速選擇立場)。

關鍵是判斷當下正處於哪個階段。

五、智慧不只是擁有知識

Cynefin框架提醒我們:

智慧不只是擁有知識，而是知道什麼時候該用什麼知識。

Theise的科學視角則告訴我們:

在行動之前，先理解你面對的系統本質。

台灣的科技政策挑戰，核心不在資源或能力，而在思維框架。

當面對AI、半導體、數位平台、加密貨幣這些新興科技，最關鍵的不是做對每個決定，而是用對的方式思考問題本身。

簡單系統:可以設計，
繁雜系統:需要專家分析，
複雜系統:只能引導，
混沌系統:需要快速建立秩序。

台灣在全球科技競局中的挑戰，多數屬於複雜系統——

這意味著需要的

不是更完美的四年計畫，而是更靈活的感測與回應能力;
不是更嚴密的管制，而是更智慧的引導。

科技政策的智慧，始於承認複雜性，終於建立與複雜性共處的能力。

這或許是台灣在AI時代最需要學習的一課。

探討台灣科技政策面臨的思維轉型，主張決策者應結合 Cynefin 管理框架與 Theise 的複雜系統理論來重新定位問題。現行政策常誤將涉及「湧現性」與「高度敏感」的複雜系統（如 AI 治理或半導體產業），當作可由專家解決的繁雜問題，導致策略失靈或產生副作用。透過比較兩大理論的差異，建議將治理轉向實驗與動態調整，而非傳統的四年僵化計畫。為了因應變局，建議建立能與複雜性系統共處的治理思維及機制，例如:設立政策實驗室或採納演化式的法律架構，以靈活應對科技競局中的非線性挑戰。

參考資料

Cynefin框架相關

Snowden, D. J., & Boone, M. E. (2007). "A Leader's Framework for Decision Making." Harvard Business Review, 85(11), 68.
https://hbr.org/2007/11/a-leaders-framework-for-decision-making
The Cynefin Framework官方網站:

https://thecynefin.co/about-us/about-cynefin-framework/
Cynefin Framework - Wikipedia:

https://en.wikipedia.org/wiki/Cynefin_framework