政府 AI 導入完整框架：從參考指引到落地部署（2026）| 超智諮詢 Meta Intelligence

一、政策脈絡：從行動計畫到基本法，三年走完立法進程

台灣公部門的 AI 導入路徑，正在經歷從「鼓勵嘗試」到「法制化推動」的質變。這一轉變由三個關鍵政策里程碑所驅動：

1.1 臺灣 AI 行動計畫 2.0（2023-2026）

行政院於 2023 年核定「臺灣 AI 行動計畫 2.0」^[1]，以四年期國家戰略涵蓋五大主軸：人才優化、技術培育與產業發展、提升營運環境、增進國際影響力、因應人文社會。2025 年度（114 年）科技預算達 157.48 億元，較前一年增加 29.9%，且 2023 年度執行率高達 99.5%^[4]。

對公部門資訊主管而言，這意味著兩件事：第一，2026 年是計畫最後一年，各部會有預算消化壓力，AI 相關標案數量預期增加；第二，2027 年後的接續計畫方向尚未確定，現行資源配置可能調整——現在正是推動 AI 專案的最佳時機。

1.2 生成式 AI 參考指引（2023 年 10 月）

行政院於 2023 年 10 月 3 日發布「行政院及所屬機關（構）使用生成式 AI 參考指引」^[2]，共 10 條，為公務人員使用生成式 AI 提供風險管理框架。核心規範包括：

• 不得將機密、個人資料或未公開資訊輸入生成式 AI 工具
• AI 產出內容必須經過人工查核後方可使用於公務
• 各機關應建立使用規範與教育訓練機制
• 鼓勵在風險可控的範圍內積極試用，不宜全面禁止

這份指引的重要性在於：它為公部門 AI 使用提供了「許可空間」——在此之前，多數公務機關對 AI 持保守態度，擔心缺乏規範而不敢使用。參考指引的發布，本質上是行政院對全體公務體系發出的「可以開始嘗試」訊號。

1.3 人工智慧基本法（2025 年 12 月通過）

更具里程碑意義的是，立法院於 2025 年 12 月 23 日三讀通過《人工智慧基本法》^[3]。這部共 20 條的法律，將 AI 治理從行政指引提升至法律層級：

中央主管機關：明定國家科學及技術委員會（NSTC）為中央主管機關，縣市政府為地方主管機關。

七大治理原則：永續發展與福祉、人類自主、隱私保護與資料治理、資安與安全、透明與可解釋、公平與不歧視、問責。

國家 AI 策略特別委員會：由行政院長主持，納入學界、產業界、機關首長與地方首長。

政府義務：編列充足預算、提供監理沙盒、促進人才交流、保障勞工權益與職業再訓練。

對公部門而言，《人工智慧基本法》的通過代表一個清楚的訊號：政府不只是「鼓勵」導入 AI，而是將其法制化為國家義務。各機關的資訊主管應將 AI 導入納入年度施政重點，而非僅視為實驗性質的嘗試。

二、國際比較：台灣在全球政府 AI 版圖中的位置

要理解台灣公部門 AI 導入的機遇與挑戰，有必要將視野拉到國際比較的維度。

2.1 歐盟：以法規驅動治理

歐盟《AI Act》（Regulation (EU) 2024/1689）於 2024 年 8 月生效，將在 2026 年 8 月 2 日全面適用^[7]。公部門最需關注的是其「高風險 AI」分類——凡用於公共服務資格評估、信用評分、執法生物識別、移民邊境管控的 AI 系統，均被歸類為高風險，須遵守嚴格的透明度、安全性與人工監督要求。

對台灣的意涵：若你的機關處理的業務涉及與歐盟公民互動（如移民、國際貿易），或使用的 AI 系統涉及歐盟資料，則需關注 EU AI Act 的域外效力。

2.2 韓國：亞太 AI 立法先驅

韓國於 2025 年 1 月通過《AI Framework Act》（인공지능기본법），為亞太地區首部全面性 AI 法律，將在 2026 年 1 月 22 日生效^[12]。更值得關注的是韓國的投資力度——2026 年 AI 預算達 10.1 兆韓元（約 67 億美元），是 2025 年 3.3 兆韓元的 3 倍，目標是 2030 年前公部門 AI 採用率達 95%。

2.3 新加坡：從戰略到執行的典範

新加坡於 2023 年 12 月發布「National AI Strategy 2.0」^[11]，涵蓋 3 大系統、10 個推動因子、15 項行動方案，並搭配 1.2 億新元的 AI 採用基金。新加坡的獨特優勢在於它同時提供「Model AI Governance Framework」（治理框架）與「AI Verify」（測試工具），讓政府機關有明確的合規路徑。

2.4 台灣的定位與差距

Oxford Insights 的「Government AI Readiness Index」中，台灣在 2023 年排名全球第 19^[13]——整體實力不弱，但仍落後於新加坡（前 7）與韓國（前 5）。Deloitte 的「Government Trends 2025」報告更揭示了一個令人警醒的數據：全球政府機關中，僅 1% 的領導者表示超過六成的公務人員能使用生成式 AI，公部門的 AI 專業程度也遠低於其他產業^[9]。

台灣的優勢在於：我們同時擁有「法律框架」（人工智慧基本法）、「政策資源」（AI 行動計畫 2.0 百億預算）、和「技術基礎」（TAIDE 主權語言模型、moda AI 應用平台）。瓶頸不在資源，而在執行——如何將這些資源轉化為各機關的實際 AI 能力。

三、台灣公部門 AI 導入現況：已有成果與關鍵瓶頸

3.1 數位發展部的推動成果

數位發展部（moda）在公部門 AI 推動上已建立初步基礎^[5][6]：

政府 AI 應用站：20 餘項政府 AI 服務已上線，涵蓋國稅客服、司法院客服、商標以圖找圖、AI 貨品稅則分類、食安助手等五大分類^[6]。

TAIWAN AI RAP 平台：政府專用的高效能 AI 應用開發平台，提供安全可控的算力與模型資源。

TryAI 平台：政府 AI 應用沙盒，整合 10 餘種商用與開源大型語言模型，讓各機關在受控環境中試用 AI。

AI Bot Marketplace：20 餘個可重用的 AI 機器人，供各機關直接採用，降低重複開發成本。

2025 全國 CIO 會議：2025 年 11 月由 moda 主辦，約 200 名各院部會與縣市政府資訊主管參加，展示政府 AI 實務應用成果，12 家廠商在文件處理、專業應用、智慧客服三大類別演示 AI 產品^[5]。

3.2 四大關鍵瓶頸

然而，從政策資源到各機關的實際 AI 能力，中間仍有顯著落差：

瓶頸一：AI 人才嚴重不足——公務體系的 AI 專業人力遠低於產業界。HBR 調查顯示企業界已有 39.1% 在「規模化生產」AI，但政府機關的普及率遠低於此水準^[14]。多數機關的資訊人員仍以系統維運為主要職能，缺乏 AI 專案規劃與管理能力。

瓶頸二：採購法規的結構性限制——《政府採購法》的招標、審標、決標流程以規格明確的硬體或軟體授權為設計基礎。AI 專案的特性（需要迭代開發、成果不確定、需要持續調校）與傳統「固定規格 + 最低標」的採購邏輯存在根本衝突。此外，依《政府採購法》第 34 條（標案文件保密），公務人員不得將未公開的招標文件輸入 AI 工具——這限制了 AI 在採購流程本身的應用^[2]。

瓶頸三：資安疑慮形成保守文化——公部門處理的資料涉及國民個資、稅務、戶籍、健保等高度敏感資訊。在缺乏明確的 AI 資安評估標準下，多數機關選擇「不做就不會錯」的保守策略。

瓶頸四：跨機關整合困難——台灣政府資訊系統長期由各機關自行建置，形成大量資料孤島。AI 的價值往往來自跨系統的資料整合，但現行架構使得跨機關資料共享極為困難。

四、實務框架：政府機關 AI 導入的五階段路徑

基於國際最佳實踐與台灣公部門的特殊條件，我們建議以下五階段導入路徑：

Stage 1：需求盤點與使用案例識別（1-2 個月）

AI 導入的第一步不是「選技術」，而是「找痛點」。建議各機關以以下三個維度篩選使用案例：

量化影響力：哪些業務流程最耗人力？例如公文處理、民眾陳情分類、申請案件初審——這些高重複性、大量的任務最適合作為 AI 導入起點。

資料可得性：該業務是否已有數位化的歷史資料？AI 模型需要訓練資料或範例資料。若業務流程仍以紙本為主，應先完成數位化再考慮 AI。

風險可控性：初期應避免選擇錯誤後果嚴重的業務（如行政處分、稅務核定）。從「輔助決策」而非「替代決策」的使用案例開始。

Stage 2：資安評估與法規合規（1-2 個月）

選定使用案例後，必須完成 AI 系統的資安評估。建議參照 NIST AI Risk Management Framework（AI RMF 1.0）^[8]的四大功能：

Govern（治理）：建立 AI 使用的組織治理結構——由誰核准 AI 專案、由誰監督 AI 輸出品質、出問題時的升級路徑。

Map（映射）：識別 AI 系統在機關業務中的角色——它在決策鏈中的位置、輸入輸出的資料範圍、可能影響的利害關係人。

Measure（量測）：定義 AI 系統的效能指標與風險指標——準確率、誤判率、偏見偵測、效能衰退監控。

Manage（管理）：建立持續的風險管理機制——定期複審、模型更新策略、異常事件處理程序。

同時須確保符合《人工智慧基本法》^[3]的七大治理原則，以及行政院《生成式 AI 參考指引》^[2]的 10 項規範。

Stage 3：概念驗證（PoC）（2-3 個月）

在受控環境中驗證 AI 方案的可行性。PoC 的目標不是「證明 AI 很厲害」，而是回答三個問題：

技術可行嗎？在真實資料上，AI 模型的準確率是否達到預設標準（通常 ≥85%）？

流程可整合嗎？AI 輸出能否無縫嵌入現有業務流程，而非成為額外的工作負擔？

使用者接受嗎？第一線公務人員是否願意使用、能否理解 AI 的輸出、對 AI 的信任度如何？

建議使用數位發展部的 TryAI 平台進行初期驗證，可大幅降低 PoC 的基礎設施成本。

Stage 4：標案規格制訂與採購（2-4 個月）

PoC 成功後進入正式採購階段。公部門 AI 標案的規格制訂是整個流程中最容易出錯的環節——因為 AI 專案的特性與傳統 IT 採購有根本差異。

避免「固定規格 + 最低標」：AI 專案的成果具有不確定性，建議採用「最有利標」或「價格合理標」，以技術能力而非價格作為主要評選依據。

納入迭代開發條款：AI 模型需要持續調校與最佳化。標案應規範至少 3 個月的「共同調校期」，而非一次性交付。

明確資料權與模型權：AI 標案必須清楚界定——訓練資料的所有權歸屬、模型權重的歸屬、廠商是否可用機關資料訓練其他客戶的模型。建議所有公部門資料與模型權重歸機關所有。

要求供應商具備公部門經驗：政府 AI 專案的特殊性（資安要求、資料敏感度、多層級簽核流程）非所有 AI 供應商都能勝任。在評選標準中應加權「公部門導入實績」。

Stage 5：正式上線與持續營運（持續）

上線不是終點，而是 AI 系統生命週期的開始：

效能監控：建立 AI 輸出品質的持續監控機制。模型效能會隨時間衰退（Model Drift），需定期重新評估與調校。

回饋循環：建立第一線使用者回報 AI 錯誤的便捷管道，將回饋資料用於模型持續改進。

擴展規劃：成功案例應系統性地向其他機關推廣——數位發展部的 AI Bot Marketplace 正是為此設計的共享機制。

五、國際成功案例與台灣借鏡

Deloitte 報告^[9]提供了多個值得台灣參考的國際案例：

美國財政部：運用 AI 防止與追回不當支付，2024 年追回40 億美元——是 2023 年的 5 倍以上。這展示了 AI 在政府財務監管上的巨大潛力。

布宜諾斯艾利斯市政府：部署 AI 聊天機器人，至 2022 年底已處理5,800 萬次互動，大幅減輕市民服務窗口壓力。

澳洲聯邦政府：試辦計畫中，公務員透過 AI 工具每日平均節省 1 小時行政作業時間。

美國紐澤西州：導入 AI 後，居民回覆率加速 35%，客服案件解決率提升 50%。

McKinsey 的估計更提供了宏觀視角：生成式 AI 可為全球經濟每年創造 2.6 兆至 4.4 兆美元的價值，其中 60-70% 的工作活動理論上可被自動化^[10]。對公部門而言，最大的價值不在「取代公務人員」，而在「釋放公務人員的時間，讓他們專注於更高價值的判斷與服務」。

六、如何選擇政府 AI 服務供應商

公部門選擇 AI 供應商的評估維度與民間企業有顯著差異：

資安合規能力：供應商是否通過 ISO 27001 / 27701 認證？是否具備處理政府機密資料的資安層級？能否在地端部署以確保資料不外洩？

公部門導入實績：是否有其他政府機關的 AI 導入案例？是否理解政府採購流程、多層級簽核、結案核銷等特殊需求？

技術自主性：AI 模型是否可在機關自有環境運行？是否依賴特定雲端平台？若供應商終止服務，機關能否獨立維運？參考數位發展部推動的 TAIDE 主權語言模型方向，選擇支持開源模型與在地部署的供應商。

持續服務能力：AI 系統不是一次性交付就結束。供應商是否具備持續的模型調校、效能監控與技術支援能力？

人才培育支援：優秀的供應商不僅交付系統，更協助機關建立內部 AI 能力——包含使用培訓、技術移轉與知識文件。

七、結語：法律已就位，現在是執行的時候

2026 年的台灣公部門 AI 導入環境，擁有前所未有的完備條件：《人工智慧基本法》提供了法律框架^[3]；AI 行動計畫 2.0 提供了政策資源^[1]；生成式 AI 參考指引提供了操作規範^[2]；數位發展部的 AI 應用平台提供了技術基礎設施^[6]。

從國際比較來看，韓國正以 3 倍預算成長加速推進，目標 2030 年前公部門 AI 採用率達 95%^[12]；新加坡以治理框架搭配測試工具走在前端^[11]；EU AI Act 即將在 2026 年 8 月全面適用^[7]。台灣不能再用「觀望」的心態面對這場全球公部門 AI 轉型浪潮。

超智諮詢的團隊具備深厚的 AI 技術能力、公部門專案經驗與政策法規理解，提供從需求盤點、資安評估、PoC 驗證、標案規格制訂到系統上線的完整服務。無論你是正在推動機關 AI 轉型的資訊主管、規劃 AI 標案的採購人員，還是評估 AI 政策的決策者——我們能為你提供從策略到落地的全方位支援。