跳到主要內容
NTPU AI Learn

GoAI 101 · 6h · 模組 1

政府 AI 應用判斷與責任邊界

這項工作適合讓 AI 做到哪一步？

開始第一節
  • 時長45 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、Agentic AI 與 AI Agent 的差異，並說明它們在政府工作中的意義。
  • 從業務目的、錯誤後果與適合度，判斷一項政府工作能否用 AI。
  • 把 AI 的角色分類為 Assist、Recommend 或 Execute，並選出適當層級。
  • 寫出 AI 允許行動、禁止行動與負責的人，完成「AI 應用判斷卡」。

判斷基礎：概念與適合度

9 分鐘

三個名詞：Generative AI、Agentic AI、AI Agent

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「這項工作到底適合讓 AI 做到哪一步」。要回答這個問題，先用三個名詞建立共同語言。它們描述的是一條能力光譜，不是三個互斥的產品類別。

三個名詞的差異與政府情境
名詞它能做什麼政府情境範例
Generative AI根據輸入產生文字、摘要或草稿，本身不會自己採取行動把一份冗長的函釋摘要成一頁重點，由承辦人確認
Agentic AI能把一個目標拆成多個步驟、規劃順序，並依結果調整下一步收到陳情後，自行規劃「分類、查規定、擬回覆」的處理步驟
AI Agent實際呼叫工具、查詢或寫入系統的執行體連到案件系統查詢進度，甚至直接更新案件狀態
  • 能力愈往右，AI 離「真的動手」愈近，出錯時的影響也愈大。
  • AI 的輸出具有不確定性，不能等同於傳統資訊系統依固定邏輯產生的確定結果，所以需要人工驗證與治理。
  • 判斷時看的不是產品名稱，而是它在這個情境中「實際被允許做到哪一步」。

資訊

同一套系統可能同時具備產生內容、規劃步驟與呼叫工具的能力。能力強不代表就應該全部開放，開放到哪裡是機關要做的判斷。
自我檢測

某系統可以連到案件系統，查詢陳情案件進度，並直接把案件狀態改成「已結案」。這最接近哪一個名詞？風險重點是什麼？

某系統可以連到案件系統，查詢陳情案件進度，並直接把案件狀態改成「已結案」。這最接近哪一個名詞？風險重點是什麼？

重點: 三個名詞是能力光譜：愈接近「真的動手」，愈需要明確的權限邊界與人工把關。

9 分鐘

業務目的、錯誤後果與適合度

判斷一項政府工作適不適合用 AI，從三個問題開始：這項工作的業務目的是什麼、有沒有可檢查的品質標準？AI 出錯時後果多嚴重、能不能及早發現？是不是已經有人負責最終審查？三個問題答不出來，就先不要往下設計。

依錯誤後果判斷 AI 可以走多遠（模擬情境）
工作業務目的錯誤後果適合度判斷
會議紀錄整理成待辦清單節省整理時間輕微：漏項在人工確認時可發現適合：Assist 即可
陳情案件分類與回覆草稿縮短分案與初擬時間中等：分錯類會延誤、回覆不當會損害信任適合，但每件都須經承辦人審查
補助申請資格核定依法認定是否符合資格嚴重：影響人民權益，涉及法定職權與正當程序AI 僅能整理資料，核定須由具法定職權人員負責
本課程貫穿案例（模擬）

某市政府民政局（模擬單位）每月收到大量民眾陳情，承辦人要先分類、查詢相關規定，再擬出回覆。局內考慮導入 AI 協助。後續模組會沿用這個案例，做出每一張卡片與表格。

注意

AI 不能取代法定職權。涉及法定資格、裁量權或人民權益的決定，必須由具職權的人員審查並簽核，不能因為「效率」而被跳過。
自我檢測

下列哪一項最符合「值得進一步設計成 AI 應用」的條件？

下列哪一項最符合「值得進一步設計成 AI 應用」的條件？

重點: 先看業務目的、錯誤後果與是否有人審查，再決定能不能用 AI；錯誤後果愈嚴重，AI 能走的步數愈少。

角色分級與責任邊界

9 分鐘

三種角色：Assist、Recommend、Execute

確定一項工作可以用 AI 之後，下一步是決定 AI 在這項工作中扮演什麼角色。角色不是工具本身的屬性，而是機關替這個應用所做的授權決定。

AI 角色分級與人的責任
角色AI 做什麼人的責任陳情案例
Assist（輔助）提供草稿、摘要或選項，不代表結論決定是否採用、如何修改把陳情內容摘要成三行重點
Recommend（建議）依資料提出分類或排序建議，並說明依據審查依據，做最終決定建議分類與處理優先順序，由承辦人確認
Execute（執行）在事先明確授權的邊界內實際執行動作事先設定邊界，事後可追溯、可撤回自動把案件轉給指定課室並寄出收件通知
  • 常見的政府 AI 應用多數落在 Assist 或 Recommend，只有風險低、邊界清楚、經過嚴格評估的步驟才考慮 Execute。
  • 同一個應用可以不同步驟用不同角色：摘要用 Assist、分類用 Recommend、寄出收件通知才用 Execute。
  • 角色不是一次定案：可先以 Assist 上線觀察，累積證據後再評估是否提升。
自我檢測

系統依陳情內容產生分類建議並排出處理優先順序，說明依據，但正式分類仍由承辦人確認。這屬於哪一種角色？

系統依陳情內容產生分類建議並排出處理優先順序，說明依據，但正式分類仍由承辦人確認。這屬於哪一種角色？

重點: 角色是機關的授權決定：多數應用從 Assist 或 Recommend 起步，提升到 Execute 需要個案評估。

9 分鐘

允許行動、禁止行動與負責的人

選定角色之後，要把它寫成具體的行動邊界。「AI 只是輔助」這種說法不夠，必須明確列出 AI 可以做什麼、不可以做什麼，以及出錯時由誰負責。

陳情案件 AI 應用：行動邊界示例（模擬）
項目內容
AI 角色Recommend：建議分類並擬回覆草稿
允許行動摘要陳情內容、建議分類、檢索公開規定、擬回覆草稿
禁止行動未經承辦人審查就寄出回覆、更改案件結案狀態、認定是否符合法定資格、處理未經授權的個資
主要風險分類錯誤造成延誤；引用過時規定；回覆語氣或內容不當；個資外洩
負責的人民政局陳情承辦人（審查並簽發每一份回覆），課長負責整體應用的授權範圍

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，人審查結果並承擔最終責任。「有人看過」還不夠，要寫明是誰、審查什麼、有權否決。
  • 禁止行動通常不是技術做不到，而是業務與治理上不允許。
  • 負責的人要具體到職稱或角色，不能寫「相關人員」或「系統管理者」。
  • 這四個欄位（角色、允許、禁止、負責人）是後面所有模組往下設計的起點。
自我檢測

在行動邊界表中，「禁止行動」欄位最主要的用途是什麼？

在行動邊界表中，「禁止行動」欄位最主要的用途是什麼？

重點: 把角色寫成允許行動、禁止行動與具體的負責人，責任邊界才算真正建立。

實作與應用

9 分鐘

實作：完成「AI 應用判斷卡」

請針對課程提供的模擬陳情案例，完成第一張卡片：AI 應用判斷卡。案例背景已經提供，你不需要自己選題，把時間用在判斷與推理上。卡片內容會填入整合版「政府 AI 治理與驗收 Canvas」的前四個欄位，後面的模組會一路沿用。

  1. 讀案例背景
    確認業務目的、目前處理方式與使用者是誰。
  2. 選擇 AI 角色
    從 Assist、Recommend、Execute 中選一個，並寫下理由，說明為什麼不選更高一級。
  3. 寫允許行動與禁止行動
    各至少列出兩項，禁止行動要具體，不能只寫「不可違法」。
  4. 寫主要風險與負責的人
    列出最重要的風險與出錯後果，並指定具體負責人與其審查責任。
  • 對應 Canvas 欄位：use case 名稱（useCaseName）、業務目標（businessGoal）、AI 角色（aiRole）、負責人（humanOwner）。
  • 請勿輸入真實身分證字號、民眾個資、機關內部機敏資訊或任何帳號密碼，一律使用模擬或去識別化資料。
自我檢測

寫 AI 應用判斷卡的「負責的人」時，下列哪一種寫法最恰當？

寫 AI 應用判斷卡的「負責的人」時，下列哪一種寫法最恰當？

重點: 判斷卡是整合版 Canvas 的起點：角色、允許與禁止行動、負責的人愈早寫清楚，後面的流程、權限與驗收愈不容易走偏。

另存 PDF

接下來做什麼？