AI導入數位政府治理與輔助
撰文者：智慧城鄉處 資深規劃師 賴正偉
1. 數位政府到數位治理
數位政府（Digital Government） 多著重於「行政流程的數位化」，其核心目標是讓政府內部作業更有效率，例如線上申辦、電子文件、雲端備存、跨機關資料交換等。重點在於「政府自身的效率提升」，透過科技工具改善行政服務與降低成本。
然而，隨著科技與公民意識提升，治理模式進入 數位治理（Digital Governance） 階段。數位治理不僅關注政府流程自動化，而是強調「政府、民間與社會之間的互動模式轉變」，包含以下幾項：
(1) 決策參與擴張：利用網路平台、公民科技與開放資料，讓民眾與社群團體能介入政策形成，而非僅接受政策結果。
(2) 數據驅動治理：政府不只做行政數位化，而是用資料分析、AI、預測模型輔助政策與資源配置，使政策/措施建立於證據與模型。
(3) 跨域合作機制：治理不再是政府單一部門行為，而是政府、企業、NGO 與公民共同形塑公共利益的過程，為了能真正解決問題，通常需要多個部門通力合作。
(4) 透明與責信強化：透過開放資料、可追蹤決策與技術透明化，提升社會信任與監督能力。
簡言之，數位政府偏「工具導入」、數位治理偏「治理模式變革」；前者是電子化行政，後者是重塑公共決策與權力分配邏輯。從數位政府走向數位治理，代表政府角色從單向提供者，轉變為協作平台與公共價值協作的節點，這也是當代數位國家的核心演進方向。
▲ 圖 1 政府數位治理的四大重點
2.數位治理的現況與挑戰
隨著資訊科技與公民意識的提升，全球公共治理從「政府資訊化」進入「數位治理」階段。相較於僅強調行政流程數位化的數位政府，數位治理更加強調系統性轉型，即「以數據驅動政策」、「以平台支撐互動」、「以科技增強透明與參與」，進而重塑政府、社會運作機制。近年來，各國皆逐步將 AI、雲端、大數據、區塊鏈等技術導入政策制定、服務交付與公共監理，形成數位治理格局，縱觀來看，可以分為以下2大執行方向，
(1) 利用 AI 分析民意、預測道路交通流量、偵測異常行為、環境異常資訊、各類資源調度，或透過智能客服提升公共服務效率，並進一步建立法規與基礎設施，使 AI 納入政策治理流程。
(2) 政策制定從經驗法則朝向「證據治理（evidence-based policy）」發展，政府透過跨部會資料整合與開放資料平台，使決策可以被驗證、對外透明且可供第三方運用。疫情期間，各國以感染模型、手機軌跡資料進行流調與預測，正是數據治理走入核心政策的代表。
另在挑戰方面，則有幾下幾點仍需持續發展或克服
(1) 隱私與監控風險：
數據集中化與 AI應用增加，亦提升政府監控能力與資料濫用可能，若缺乏透明法制與外部制衡，數位治理恐演變為數位威權。
(2) 演算法偏誤與問責難題
AI 歷史資料若有偏見，將擴大社會不平等，但其決策常不可解釋（Black Box），誰應對 AI 錯判負責亦無清楚規範。
(3) 數位落差與排除效應
並非所有公民皆具備數位能力，若公共治理全面數位化，弱勢族群可能被排除於參與之外，造成新型制度性不公。
(4) 組織慣性與制度抗拒
公務系統本身具有層級制與風險迴避文化，面對開放資料、跨界協作與 AI 決策，常存在內部阻力與再訓練不足等問題，導致數位治理推動速度受限。
(5) 法規落後與倫理缺位
科技發展快於立法，現行行政程序法、個資法、人權保障框架不足以因應 AI 辦案、資料共享與自動化決策所帶來的新型風險，形成法制真空。
3. AI導入策略與AI數位治理框架：
AI 要成功導入政府治理，須以系統性策略與框架布局，而非僅重視技術。其核心可從四大構面建構：
(1) 技術基礎建設
建立可支撐 AI 的資料與運算底座，包括跨部會資料整合平台、API 開放機制、雲端與高效算力資源，以及資安與個資保護設計。技術層不僅處理運算，更需確保資料可信、可用且可控。
(2) 組織與流程
AI 應內嵌於行政流程，而非事後貼附。需重塑流程，將 AI 作為人機協作決策的中介，建立「AI 建議 → 人工覆核 → 制度稽核」的三級結構，同時設立跨部門治理小組以避免資料與責任割裂。
(3) 法規與倫理：AI使用準則
為避免 AI 黑箱決策侵害權益，需制定可說明性要求、偏誤審查機制、資料最小必要原則與演算法問責制度，並要求高風險領域（司法、社福、醫療）採人工最後裁量與救濟途徑，維持正當程序。
(4) 人才培育
AI 治理能力不等同於技術能力，需同步培養公務員之資料素養、倫理意識與跨域協作能力，並引入外部專家與民間夥伴形成治理生態圈，而非封閉研發(在專案中應導入相關教育訓練研習與講座課程)。
4.AI數位治理應用案例與發想
現階段的AI導入數位治理，應優先以替態[常態性資訊/工作]、[常見問答]、[數據挖掘分析統計]、自動化資訊整合分析為主，結合問答介面提供以智能化數位治理應用，以下舉相關案例發想：
(1) 工廠管理：以LLM模型與工廠分佈資訊(行政區/鄰近道路)、營運資訊(物料存放/生產類型)、環保監測(空間分析功能、即時災情)，透過LLM模型搭配智能問答界面，取代傳統報表資訊，可即時提供重要數據資訊，做為決策的的參考。
(2) 人流資訊監測：以各景點之空間位置、即時人流資訊/類別內容等，結合AI KM，以問答介面提供使用者詢問特定時間的人流數、統計資訊，以及排名狀況(如人最多的景點)等，並可搭配地理位置之功能加以呈現，同時可納入安全機制，當該景點人流過多時，進行過密熱區即時預警通報。
▲ 圖 2 AI導入工廠數位治理的架構內容
5. 總結：
AI 導入並非單點技術升級，而是涵蓋技術基底、組織制度、法制保障與能力建構的治理工程，唯有以框架化策略推進，AI 才能安全且有效地成為數位治理的核心支柱。
而在心態與思維方向，首先應該要瞭解AI的本質是引導、輔助人們更有效率、更快速的尋求合理的資訊，提供相關的決策參考，因此首先需要定義使用者的身份，並定義好需求的內容框架，同時也定義產出的結果形式，在一定的範疇內完成AI導入數位治理的應用需求，不能妄想一蹴可幾，重點是要以開放的心態，善用AI來輔助業務的辦理，並做好驗證與把關機制，最後在發想方面，要積極發覺痛點，鼓勵思考用AI幫助解決問題，思考原的業務有什麼可以用生成式AI輔助，如此才能真正跨入AI導入數位治理的領域。
▲ 圖 3 AI 導入政府數位治理之重點