跳到主要內容
NTPU AI Learn

GoAI 101 · 模組 1

政府 AI：從生成式 AI 到 Agentic AI

政府機關到底可以拿 AI 做什麼？哪些工作適合、哪些不適合？

開始第一節
  • 時長60 分鐘
  • 難度核心
  • 先備知識無強制先備課程，具備生成式 AI 基礎使用經驗會有幫助
已完成 0 / 5
同步我的進度加入梯次後，進度可跨裝置保存，講師也能看到

資訊

加入後，你已完成的模組編號會連同「學員代碼」傳送給講師，講師可以看到你的進度。請使用講師提供的代碼，不要輸入姓名、公司機密或其他個資。進度資料與該梯次的其他資料一起保存。

學習目標

  • 分辨 Generative AI、Chat AI、Agentic AI 與 AI Agent。
  • 說明 Model、Context、Knowledge、Memory、Tools、Workflow 的角色。
  • 把 AI 在政府工作中的角色分類為 Assist、Recommend、Execute。
  • 辨識 Human–AI–Human 的責任分工。
  • 判斷一個政府業務情境是否適合作為 AI 應用案例。

Judge：判斷基礎概念

12 分鐘

從生成式 AI 到 Agentic AI

政府機關導入 AI 之前，第一個該問的不是「這個工具好不好用」，而是「這個工作到底適合不適合用 AI」。本模組建立判斷的共同語言：Generative AI（產生內容）、Chat AI（對話式互動）、Agentic AI（具備自主規劃與多步驟執行能力）、AI Agent（可以使用工具、連接系統、依情境調整行動的執行體）。

  • Generative AI：根據輸入產生文字、摘要或草稿，本身不會自主行動。
  • Chat AI：以對話介面提供問答與協助，仍由人逐次下達指示。
  • Agentic AI：能把一個目標拆解成多個步驟並規劃執行順序，必要時自行調整下一步。
  • AI Agent：在 Agentic AI 之上，實際呼叫工具、查詢或寫入系統的執行體。
  • AI 與傳統資訊系統的差異：傳統系統依固定邏輯產生確定性結果；AI 的輸出具有不確定性，需要人工驗證與治理，不能直接等同於決定性的程式邏輯。

資訊

四個名詞是一條能力光譜，不是四個互斥的產品類別：同一套系統可能同時具備生成內容與對話互動的能力，關鍵是看它在某個情境中「實際被允許做到哪一步」。
自我檢測

某機關想用 AI 直接核定需要法定資格審查的補助申請。下列哪一個判斷最正確？

某機關想用 AI 直接核定需要法定資格審查的補助申請。下列哪一個判斷最正確？

重點: 判斷「這個工作適合 AI 做什麼角色」比「這個工具好不好用」更重要；四個名詞描述的是能力光譜，不是互斥的分類。

核心元件與角色分級

12 分鐘

AI 系統的六個元件

任何一套 AI 系統（無論是單純的 Chat AI 還是完整的 Agentic AI）背後都由六個元件組成。理解這六個元件，才能具體討論「這套系統到底知道什麼、能做什麼」，而不是把 AI 當成一個黑箱整體來看待。

AI 系統的六個元件
元件說明政府情境範例
Model負責理解輸入與產生輸出的底層模型承辦人選用機關核准的模型處理公文摘要
Context這次對話或任務中，AI 應該參考的背景資訊本次陳情案件的內容與已知處理進度
KnowledgeAI 可以查詢的知識來源，如法規、作業手冊相關法規條文、機關內部作業規定
Memory跨對話、跨任務記住的資訊案件編號、先前已確認過的事實
ToolsAI 可以呼叫的外部能力，如查詢系統、計算工具查詢公文列管系統的進度（唯讀）
Workflow多個步驟如何串接、何時需要人工介入陳情案件從收件到正式回覆的完整流程

資訊

六個元件缺一不可：一個只有 Model 沒有 Context 的系統無法回答機關內部的實際問題；一個有 Tools 卻沒有 Workflow 設計的系統，容易在不該執行的地方執行動作。
自我檢測

承辦人員希望 AI 在回覆陳情時，能記得「這件案子上週已經回覆過一次初步說明」。這主要涉及六個元件中的哪一個？

承辦人員希望 AI 在回覆陳情時，能記得「這件案子上週已經回覆過一次初步說明」。這主要涉及六個元件中的哪一個？

重點: Model、Context、Knowledge、Memory、Tools、Workflow 六個元件共同決定一套 AI 系統「知道什麼、能做什麼」，缺一不可。

12 分鐘

AI 角色分級與常見政府應用模式

AI 角色分級：Assist / Recommend / Execute
角色說明人的責任
Assist（輔助）AI 提供草稿、摘要或選項，不代表結論人決定是否採用、如何修改
Recommend（建議）AI 依資料提出建議排序或判斷人審查建議依據，做最終決定
Execute（執行）AI 在明確授權邊界內實際執行動作人事先設定邊界，事後可追溯與撤回
  • 常見公部門 AI 應用模式：文件摘要與比較、案件分類、草稿起草、會議紀錄整理、資料查詢輔助。
  • 這些模式多數落在 Assist 或 Recommend，極少數經過嚴格評估後才進入 Execute。
  • 同一個應用模式，在不同機關、不同風險等級下，可能對應不同的角色分級。

資訊

角色分級不是一次性的標籤：同一個 Use Case 可能先以 Assist 上線觀察一段時間，累積足夠證據後才考慮是否調整為 Recommend，詳細的控制層級會在模組 5 深入討論。
自我檢測

某系統依照陳情內容自動產生分類建議，並排序優先處理順序，但正式分類仍由承辦人確認。這屬於哪一個角色？

某系統依照陳情內容自動產生分類建議，並排序優先處理順序，但正式分類仍由承辦人確認。這屬於哪一個角色？

重點: 多數政府 AI 應用模式適合從 Assist 或 Recommend 起步；是否進一步授權到 Execute，需要個案評估而非一次性決定。

政府情境與責任邊界

14 分鐘

三個政府情境，以及一個不適合的案例

政府情境：三個案例

（1）公文／政策文件摘要與比較：AI 協助摘要冗長文件、標出差異，承辦人仍須確認摘要是否遺漏關鍵條文。（2）民眾陳情分類與建議回覆：AI 依內容分類並草擬回覆，正式回覆前必須經過承辦人審查。（3）會議紀錄與待辦追蹤：AI 整理逐字稿為待辦事項，分派與期限仍由主責人員確認。

注意

高風險情境示例（不適合直接套用 AI）：以 AI 自動核定需要法定資格審查或涉及裁量權的行政處分。這類決定涉及法律責任與正當程序，AI 僅能作為 Assist 角色提供參考資料，不能取代具法定職權人員的審查與簽核。

資訊

Human–AI–Human：人定義任務與判斷標準，AI 協助產生草稿或建議，人驗證結果並承擔最終責任。本課程所有練習一律使用模擬情境，不含真實機構或個人資料。
  • 判斷 Use Case 適合度的三個問題：這個工作有明確的對錯或品質標準嗎？輸出錯誤的後果有多嚴重、能不能即時發現？是否已經有人負責最終審查？
  • 三個問題都回答得出來，才值得往下設計成完整 Workflow；答不出來，先停在單純的 Assist 層級觀察。
自我檢測

下列何者最符合「值得進一步設計成 AI Use Case」的條件？

下列何者最符合「值得進一步設計成 AI Use Case」的條件？

重點: 三個常見情境說明 AI 可以如何輔助政府工作，但每一個都保留了人工審查；高風險情境提醒我們：角色分級不能因為「效率」而被跳過。

實作與應用

10 分鐘

實作：Should AI Do This?

活動 1 要求你為一個政府工作情境做出完整的適合度判斷，並開始填寫這門課會一路累積使用的 Government AI Use Case Card。這張卡片會在後續模組被反覆引用：模組 2 把它變成 Workflow，模組 3 決定它需要什麼 Context，以此類推。

  1. 選定或接收一項政府工作情境
    可以是你自己單位的真實工作類型，但練習中請使用模擬資料。
  2. 記錄 AI 可以做什麼、不可以做什麼
    分別列出 AI 允許的行動與禁止的行動。
  3. 標出人工責任與初步風險
    誰負責審查？如果 AI 輸出錯誤，後果是什麼？
  4. 判斷是否值得進一步設計
    寫下一句話說明為什麼這個案例值得（或不值得）繼續往下設計成 Workflow。
  • Government AI Use Case Card 最少欄位：Use Case Name、Business Goal、Current Process、Primary User、AI Role、Input、Expected Output、Human Owner、AI Allowed Actions、AI Prohibited Actions、Risk Level、Reason to Use AI、Success Indicator。
  • 請勿在練習中輸入真實身分證字號、真實民眾個資或機敏公務資訊，一律使用模擬或去識別化資料。
自我檢測

填寫 Government AI Use Case Card 時，「AI Prohibited Actions」這個欄位最主要的用途是什麼？

填寫 Government AI Use Case Card 時，「AI Prohibited Actions」這個欄位最主要的用途是什麼？

重點: 這個模組的產出不只是概念，而是一張會一路跟著你到模組 8 的 Use Case Card；判斷愈早做清楚，後面的 Workflow、Context、治理設計就愈不容易走偏。

另存 PDF

接下來做什麼？