為探究人工智慧（AI）技術在當前政府部門的應用潛力與治理挑戰，數位治理研究中心（Taiwan E-Governance Research Center, TEG）於2026年6月10日假國立政治大學社會科學學院，舉辦「數位政府前瞻政策擘析工作坊」。本次工作坊的目的在邀請政府與民間AI領域及數位治理專家共同腦力激盪，透過政策分享、議題引導與焦點討論，盤點未來三年我國數位政府所面臨之關鍵挑戰與發展契機，進而研提「未來三年數位政府前瞻政策擘析藍圖」。
工作坊專家與流程
工作坊由數位治理研究中心蕭乃沂主任擔任主持人，並由5% Design Action佘佳慧營運長擔任協同主持人。本次工作坊匯聚了10位來自產、官、學界的頂尖專家，成員包含政府代表（如數位發展部數位政府司蔡君微代理副司長、交通部交通科技及資訊司呂文玉司長）、產業菁英（如KPMG張智淵副總經理、勤業眾信許梅君執行副總經理、意藍資訊蕭玉中副總經理、叡揚資訊林縣城研發長），以及學術界專家（如政大AI跨域研究中心劉吉軒主任、政大公行系朱斌妤教授、台師大曾冠球教授、元智大學高浩恩助理教授等）。
在工作坊流程設計上，採取了系統化的服務設計與參與式設計方法 ，包含五大階段：「案例啟發」（透過專家報告引入多元觀點）、「議題辨識」（發掘關鍵痛點）、「優先排序」（依據影響力與急迫性分析）、「路徑規劃」（制定短中長期行動方案），最終產出具體的「政策建議」，以期促進數位政府服務創新並提升公共信任。
數發部分享：迎向 AI 時代的智慧政府戰略藍圖
數發部蔡君微代理副司長以「迎向 AI 時代的智慧政府戰略藍圖」為題，為工作坊進行導引分享，讓與會者了解我國數位政府的推動方向。蔡君微指出，當討論AI在數位政府應用時，政府必須重新定義基礎設施（Redefining Infrastructure）。民間企業談論AI基礎設施聚焦於資料中心、算力與晶片，是把AI當成商業競爭工具；然而政府在討論AI基礎設施時，更應強調「軟體基礎建設與治理框架」，涵蓋在地語言資料、身分與授權、支付與交易、資料治理以及法遵工具等層面，把AI變成安全、公平、人人可及的公共資產。
蔡君微進一步闡述「AI公共化」的戰略方向，包含算力與基礎建設的公共化、資料與在地語料的公共化、AI技術與應用的普惠化，以及治理與規範的公共化，旨在消弭商業利益所導致的數位落差，確保公平與正義。在政策落實上，政府正推動「AI新十大建設」，並透過「智慧政府數位化精進發展計畫」，以便捷服務、政府效能與數位涵容為三大目標，發展智慧化為民服務與行政任務。
在推動過程中，政府敏銳地察覺到機關導入AI初期的三大痛點：機關同仁AI知識不足、可參考案例分散，以及缺乏實作導向指引。為此，數發部推出了「TryAI 政府AI應用實驗站」，提供公務同仁一個安全、可靠且合規的專屬測試環境，協助機關評估並開發AI服務，從而加速公部門的數位轉型與效能提升。
交通部分享：構築信任的數位引擎
交通部是我國導入AI應用案例最多的中央部會，呂文玉司長以「構築信任的數位引擎：臺灣交通數據基礎建設與人工智慧治理戰略藍圖」做為報告主題，闡述交通部以「人本交通」為核心願景，推動「GO GREEN, GO SAFE, GO SMART」三大發展策略，協助與會者建構數位治理思路。
呂文玉首先解析臺灣交通數據基礎建設的演進，從TDX 1.0（運輸資料流通服務）到TDX 2.0數位韌性基礎建設藍圖，導入公私混合雲、微服務化與零信任技術，結合物聯網（IoT）、巨量資料、AI與數位雙生技術，構建具備高度韌性的技術引擎。
在AI治理方面，呂文玉提出「公部門AI治理五階層架構」，由上而下涵蓋：階層一「法律」（如推動人工智慧基本法）、階層二「標準」（建立風險分級與資安查驗）、階層三「政策與計畫」（發布應用指引）、階層四「行為」（機關作業規範）及階層五「價值」（落實數位平權與民眾信任）。她總結指出，數位治理的下一個十年，關鍵不在於技術有多前沿，而在於政府能贏得多深厚的公共信任；唯有透過持續優化的PDCA（規劃、執行、查核、行動）迴圈，才能確保公共信任與社會價值。
服務設計觀點分享： AI公共服務應用趨勢
佘佳慧營運長以服務設計與前期研究為基礎，分享「國內外AI公共服務應用趨勢」。她指出，生成式AI（GenAI）已逐漸成為政府與民眾間的資訊轉譯與互動中介者，這使得「公共信任」的問題被重新放大與重構。根據國際案例分析，多數政府的AI應用仍處於試點或開發階段，但各國已積極建立治理架構，重視透明性與風險管理。
透過對台北市政府第一線公務人員的需求探索（共收集92項應用場景），研究發現文書處理與民眾通報是行政減量效益最高、也是基層最期待的AI導入方向。佘營運長總結，生成式AI最適合優先導入於具備「高頻重複、資訊密集、溝通導向且風險較低」四大特徵的公共服務情境（如24小時線上客服、法規白話轉譯、常見問答回覆等），這能有效降低溝通成本並釋放人力資源。
在執行面上，她提出了「人機協作模式」的風險分級框架。依據任務複雜度與決策風險，將AI應用分為「AI先行/人確認」、「AI代理/人抽查」、「人監管/AI執行」等多種層次。對於高風險或涉及法律裁量的任務，應維持「專家導引模型」或「人機共同決策」，確保人類在環（Human-in-the-Loop）的把關機制。
工作坊產出成果精要
經過跨界專家的深度討論與目標辨識，本次工作坊歸納出未來數位政府推動AI公共服務時，需優先處理的四項高急迫性議題，並分別制定了具體的三年度推動路徑藍圖：
1. 資料與基礎設施資源
- 核心挑戰：跨機關機敏資料不易取得、算力與隱私保護不足，以及資料標準不一致。
- 推動路徑：目標為建立支援AI運作的基礎平台。第一年著重「盤點現有資源條件」，釐清可用與難以取得之資料；第二年進行「取得或自建資源」，建構結合本土特性的算力平台並推動標準化；第三年則落實「資源整合」，形成可持續擴展的長期支撐條件。
2. 風險資安與法遵
- 核心挑戰：需建立工具資安防護、生成內容真偽辨識，以及法遵課責與導入驗收標準。
- 推動路徑：目標為建立法規保障與容錯空間。第一年建立「風險判斷與法規諮詢基礎」，進行資料與技術對接的風險評估；第二年推動「沙盒機制」，於大學或特定場域進行驗測評估；第三年則將經驗轉化為「案例報告與適法參考指引」，以降低機關導入的不確定性。
3. 人才培力機制
- 核心挑戰：公務人員對AI認知不一、跨領域團隊缺乏，以及首長與基層的AI素養亟待提升。
- 推動路徑：目標為建立AI職能與激勵機制。第一年著手「基礎培訓與現況盤點」，推動做中學與大量實際應用的標準學習；第二年「培育關鍵人才並建立交流機制」，投資師資並推動公私部門人才交流；第三年制度化，建立「AI職能/素養認證、人才梯隊與激勵機制」。
4. 應用需求與服務場景
- 核心挑戰：AI導入需避免盲目追求工具數量，必須回歸實際服務痛點、使用者需求及跨機關流程整合。
- 推動路徑：目標為回應業務需求並提升服務品質。第一年進行「盤點任務與流程痛點」，透過概念驗證（POC）與用戶旅程分析確認方向；第二年建立「藍圖、行動方案與應用路徑」，推動服務驗證（POS）與機構採購；第三年「推動擴展與生態系建立」，發展AI代理、智慧秘書與跨國生態輸出。
總結而言，參與本次工作坊的跨界專家頗有共識地指出，未來三年數位政府的前瞻政策應遵循「盤點與試作、建構與驗測、擴展與制度化」的穩健節奏。政策績效的衡量不應僅侷限於AI工具的導入數量，而應深刻檢視AI技術是否真正回應了第一線公務人員的業務需求與民眾期待，並在兼顧數位平權與安全韌性的前提下，逐步累積政府具備可驗證且可持續擴展的數位治理能力。