如果AI對企業的衝擊像海嘯，那麼它對政府的影響更像潛移默化的地震 ，不是瞬間毀滅，而是默默改變整個治理結構的地層。
2025年12月4日，延世大學Underwood特聘教授、NAPA院士M. Jae Moon應國立政治大學臺灣數位治理研究中心邀請，進行「人工智慧在公共管理中的應用」（Applications of Artificial Intelligence in Public Management）講座。Moon教授從政府改革史、電子化政府的陷阱，到AI應用與監管趨勢，提供了一套極完整的公共治理觀察。而在接下來的Q&A，他更進一步談到主權AI、GPU資源、數據治理難題與產官學的合作模式，內容可說是對臺灣極具借鏡。
政府改革的第四波浪潮：AI正成為主角
Moon教授以宏觀的公共治理史開場。他指出，世界在二戰後經歷三波政府改革，而現在我們正站在第四波浪潮的門口。
- 第一波國家建設（Post-WWII）期：特徵是政府擴張、行政體系建置、官員大幅增加。
- 第二波公平與社會福利（1960s–70s）期：「新公共行政」強調公民需求與正義，人權、社福議題興起。
- 第三波效率與市場導向（1980s–1990s）期：外包、私有化、向市場學習的「新公共管理」崛起。
Moon教授認為，第四波改革的主導力量將會是AI與科技轉型（自2023年起）。不同於過去三波改革由政策與政治驅動，第四波改革的核心是「公共部門是否能掌握科技能力？是否能管理AI？是否能用數據創造公共價值？」而這也是各國政府的共同考題。
電子化政府只是起點：「零停頓服務」才是目標
Moon教授接著談到電子化政府的演進。過去政府努力做到「無紙化」、「一站式服務」，但在實務中卻面臨許多矛盾。
例如韓國就碰過典型的困境，政府宣稱數位化能節省人力，但實際上官員卻越來越多。原因不是政府效率低，而是公民期待的服務品質與數量都在上升，從只能辦業務的櫃台，到網路上的24小時服務，一旦服務擴張，人力需求也跟著擴張。
Moon教授指出，現在電子化政府正從「一站式服務」（One-stop）邁向「零停頓服務」（Zero-stop），也就是在公民「開口之前」，政府就已透過資料主動提供協助，例如：預先提醒稅務、自動比對補助資格、自動配發相關服務。這需要大量資料整合，也需要社會信任。
當然，電子化政府並非沒有風險。Moon教授提到韓國曾因資料中心火災導致部分資料永久遺失，反映備援與資料管理的重要性。
AI在政府的應用：有效，但不一定被接受
Moon教授分享多個國際案例，凸顯AI在公共管理的潛力與限制：
- Finder食源性疾管系統：利用社群資料（如Yelp）預測餐廳風險，效果遠勝人工，但在某些城市因隱私疑慮遭抵制。
- PredPol預測性警務：在部分城市降低犯罪率，但因預測結果集中在弱勢族群區域，被批「反映社會偏見」，而遭洛杉磯停止使用。
- 韓國下一代dBrain、AI強化稅務／就業媒合系統：雖然功能強大，但官員未必願意使用。
問題不在AI是否有效，而在社會是否接受。Moon教授點破核心：「只要『失誤』由人類負責，而『成功』被歸給AI，官員就不敢用AI。」問責矛盾，是政府使用AI的最大障礙之一。
AI倫理與監管：從理想走向制度化
Moon教授指出，AI倫理的討論在2016–2018年已達到高峰，但這幾年全球重心已轉往依法規落地。韓國在制定《人工智慧發展與建立信任基本法》（簡稱「AI基本法」）時，借鏡歐盟模式，但更強調產業振興，甚至將「風險」改為「影響」。同時，韓國也將AI戰略提升至國家層級，由總統直接擔任AI戰略委員會主席。
然而，Moon也坦言：
- 懲罰低、監管寬鬆
- 私部門可能「倫理漂白」
- AI影響評估雖非強制，但在政府採購中成為「實質強制」
這些都是全球政府共同面臨的問題。
Q&A精華：國家安全、數據治理與算力戰爭
小國能不能自己做AI模型？當被問到主權AI（Sovereign AI）問題時，Moon教授表示，韓國現任政府將「主權AI」視為核心戰略，但真正的挑戰是：語言資料是否充足？政府資料能否外流？算力是否足夠？曾有外國公司希望取得韓國政府文件以訓練專屬模型，但遭韓國政府拒絕。韓國的折衷方式是大量使用RAG技術，將敏感資料留在政府內部，同時不必從零訓練模型。
當被問到「資料共享困難、平台無人維護」等數據治理問題時，Moon教授指出，韓國與臺灣在這方面非常相似：部會因組織設計無法有效共享資料、專案到期後資料不再更新、隱私保護委員會受到各部會和產業的雙重壓力。由於AI的品質高度依賴資料即時性，因此Moon教授直言：「如果資料不更新，AI會立即退化成沒用的工具。」
被問到韓國政府如何解決AI算力問題時，Moon透露韓國許多研究機構抱怨GPU稀缺，導致人才外流。但韓國政府已承諾取得26,000個GPU，分配給主權AI團隊、學界和地方政府，GPU被視為國家級的公共資源。在全球算力競爭加劇的背景下，這是一個非常前瞻的政策。
Moon教授也分析AI時代政府與產業合作模式問題，他將各國合作模式定位如下：
- 美國／新加坡：倚賴大科技公司；
- 歐盟／臺灣：靠自己，但受限於預算與算力；
- 韓國：介於兩者中間，與本土大企業合作、政府提供資源。
這種「中間路線」模式讓韓國能兼顧自主性與速度，對中型國家具有策略意義。
談到AI倫理落地時，Moon教授強調，倫理要落地不能光靠宣示，必須要有checklist、必須有Red Team 、必須進入開發流程最前端，否則就會出現「倫理漂白」。他也指出，在韓國公共管理中，AI已實際提升工作效率，例如韓國警方使用AI生成報告，可減少六成文書負擔，對工作滿意度影響極大。
AI正從口號走向現實：關鍵是數據
最後，Moon教授用葡萄園種玫瑰的比喻作總結。葡萄園會種玫瑰，因為玫瑰能在病蟲害發生前發出警訊，而AI的玫瑰，就是資料。政府若不能持續清理資料、更新資料、管理資料、整合資料，就不可能成功使用AI。AI與其說是技術革命，不如說是資料管理革命。而這正是未來十年公共治理最關鍵的能力。