政府求職網站明明有許多職缺，為什麼求職者輸入關鍵字後，還是找不到適合自己的工作？
問題不是職缺太少，而是求職者和系統「說不同語言」。一般求職者找的是「土水師傅」，政府職業分類寫的卻是「泥作工作人員」；雇主說要找「AI工程師」，現行職業編碼卻把它歸在「軟體開發及程式設計師」。只要雙方用詞不同，傳統仰賴精確關鍵字的系統，就可能錯過適合的媒合機會。
勞動部綜合規劃司司長丁玉珍8月26日在2026數位政府高峰會上，以這項痛點為開場，揭露勞動部4項AI與數位轉型實例，涵蓋「台灣就業通」職缺媒合、就業個案管理、財產管理及公共工程督導。其中，就業個案管理系統將單案行政作業時間從20分鐘縮短至5分鐘，服務對象平均就業時間也由9.5周降至6周，就業率更從38%提高到73%。另一套公共工程督導系統則結合電腦視覺、RPA與多模態AI，可在8分鐘內完成工程督導紀錄，通知承辦人及現場管理者核對、改善。
丁玉珍形容，AI幾乎「只有你想像不到，沒有不能做的。」但她也提醒，AI不一定是每個問題最好的解法，因為模型仍可能產生偏誤。
所以，「如果能夠數位化，我們就數位化；如果能資料治理，我們就資料治理；如果能用RPA，就用RPA。」她表示，直到這些方法仍無法解決問題，再考慮導入AI。
實例1：用AI讀語意，台灣就業通把職缺與履歷「翻譯」成技能
過去，勞動部經營的就業媒合網站「台灣就業通」，高度仰賴關鍵字匹配。系統所用的關鍵字，是按照《中華民國職業標準分類》的正式職業名稱。這套分類雖能讓勞動部統計、分析就業狀況，卻未必符合大眾說話方式。
例如，大家熟悉的「水電」，正式分類可能是「建築物電力系統裝修人員」；近年熱門的「AI工程師」，在現行編碼中，則歸類到範圍更大的「軟體開發及程式設計師」。
所以，勞動部後來持續進行系統優化，透過建立「通俗職業名稱」及運用「關鍵字模糊搜尋（包含職務名稱、工作內容）、斷詞比對、同義詞模組」，使用貼近民眾用語，強化對接政府、雇主及求職者用語，來提升媒合精準度。然而，求職者填寫履歷時，還是可能漏掉自己具備的技能，進一步影響媒合效果。
為解決這些問題，勞動部先用自家Jobooks工作百科中的職務簡介、工作內容及職能資料，建立一套職稱與技能資料庫，同時用生成式AI產生初步技能資料，經人工校正後，形成標準化的技能清單，作為職缺推薦的基礎。
有了AI優化的技能清單，求職者填寫履歷時，系統能根據填寫內容，主動提示相關技能，供求職者選擇。同時，這套系統也能參考求職者的學歷、證照、技能和工作經歷等內容，推薦符合的職缺。
台灣就業通這項履歷優化功能，預計在2026年底上線，勞動部預估可協助3.5萬名求職者完成線上履歷。接下來他們規畫，要分析求職者的搜尋、瀏覽紀錄，了解他們感興趣的工作，再推薦職缺或訓練課程。
實例2：AI先替就服員整理資料，行政時間從20分鐘縮短至5分鐘
勞動部旗下的就業服務個管員，每人每天平均要服務10至12名求職者。這個數字看似不大，但每一次會談背後，都伴隨紀錄、法規查詢、能力評估和政策工具選擇等行政工作負擔。
丁玉珍引用國外文獻指出，就業服務個管員，有七成時間花在行政工作，真正直接服務民眾的時間，只剩三成。
更棘手的是，個管員要根據求職者狀況，給出最合適的就業輔導方向，這件事並不容易。這是因為，個管員得先了解求職者的身份分類、求職障礙，再提供合適的協助。而根據勞動部規範，青年就分為4類，且特定對象、就業弱勢者又可分為16類。求職者還可能同時遇到技能不足、家庭照顧、年齡或生理限制、社會排斥及心理障礙等多種求職障礙。
個管員得先分清這些類別，才能從勞動部提供的37種就業促進工具中，挑選最合適的項目給求職者，比如職業訓練、就業獎勵、雇用補助、跨域就業津貼或短期安置等。
雖然資深個管員可依經驗，快速找出合適的就業輔導方向，但新進的個管員卻不容易從眾多的排列組合中，選出合適措施。
為解決這個問題，勞動部打造一套「個案管理處遇服務計畫產出系統」給個管員，可先透過問卷評估求職者的就業意願、就業能力，再將個案分成4個象限。例如，就業意願高、能力低者，可能需要技能補強、職業訓練或短期安置；能力高但意願低者，則會建議提供動機強化、職涯諮詢等幫助。
系統也整合語音辨識、OCR、自然語言處理和生成式AI等技術，個管員與求職者會談後，語音辨識可將談話轉成文字，OCR則協助處理手寫文件，再由自然語言處理與生成式AI整理紀錄摘要、產生處遇建議草稿。
接著，系統會整理個案資料、問卷結果、法規及37種就業促進工具，推薦主要的處遇方向、可使用的政策工具及後續服務，再由個管員依個案實際情況確認。
這套系統在2024年1月2日上線後，單一個案的行政作業時間從20分鐘縮短至5分鐘，求職者的平均就業時間也由9.5周縮短至6周，就業率則從38%提高到73%。
丁玉珍點出，這套系統不只加速行政工作，還把資深個管員的判斷方式，轉化成一致的分析流程。如此一來，新進人員不必先背下所有服務對象分類和就業工具，也能得到初步建議。這樣不只能避免將求職者送進不需要的訓練課程，也不會提供不合適的補助。
實例3：光靠資料治理，就把財產盤點工作時間縮短1個月
在勞動部的4個實例中，財產管理是一個「暫時沒有用AI」的案例。
勞動部及所屬機關約有80名人員投入財產及非消耗品管理工作，管理超過6.4萬件財產，總帳面價值約123億元。這些人除了處理財產新增、移轉及報廢，每年還要逐一確認筆電、電腦和各種設備放在哪、由誰保管。
過去，勞動部及所屬機關的財產資料，都分散在不同系統。若臨時收到調查需求，例如盤點各機關特定國家製造的資訊設備數量，承辦人通常得先製作Excel表格，再層層轉寄給所屬機關填寫，光是彙整就需要1、2天。
後來，勞動部將原本分散在15個機關的財產管理系統整合成1套，財管人員可依權限直接查詢所屬機關資料。它的好處是，遇到臨時調查，系統能迅速列出財產清單初版，各機關只需核對結果即可，整個過程1、2個小時就能完成。
有了這套整合系統，財產年度盤點時間也從原本的3個月縮短到2個月，更節省了約80個人／月。丁玉珍以80多名財管人員估算，盤點作業少掉的這1個月，約相當於5個員額的工作量。而且，39,311份線上表單，還取代了原本每份3聯的紙本表格，預估可減少117,933張紙。
「光是資料治理，還沒導入AI，就已經很強大了。」丁玉珍表示，單靠資料整合，就能解決不少日常業務痛點。
她也透露，勞動部下一步瞄準最花時間的財產分類，還要建置財產智能標籤。這是因為，政府財產分類採多層級架構，同樣是冷氣機，因用途、功能與規格不同，被歸入不同類別與編碼。新進承辦人即使查到多個相似結果，也未必知道哪一項才正確，有時光確認一筆分類就得花上半小時。
不只如此，要是歷史資料分類錯誤，後續人員搜尋到這筆舊資料，還可能直接沿用，導致錯誤一路傳下去。
因此，勞動部目前正在清理歷史資料，排除重複、名稱不一致和明顯錯誤，再建立財產分類、用途、功能與規格的關聯資料。財產智能標籤將透過關鍵字、規則及關聯搜尋，提供可能的財產分類供承辦人參考。
不過，系統提供的分類結果只是候選項目，不會直接完成登帳，最後還是要由財產管理人員依照設備的實際用途、功能與規格，來進行確認。這項設計，也彰顯資料治理的重要性：如果沒有先整理資料，AI只是更快複製過去的錯誤。
實例4：把複雜督導表拆成小任務，靠AI加速將數天工程督導作業縮短到8分鐘
最後一個實例，則是將AI帶進公共工程現場。
丁玉珍坦言，公部門長期面臨土木工程人才不足。全國約36萬名公務人員中，土木職系僅約1萬人，平均每人負責約6,000萬元工程量體。人力少、案量又大，工程督導紀錄經常趕不上現場進度。
而且，工程人員到了現場，不只要掌握施工進度，還得核對施工狀況、材料品質、CNS國家標準與職業安全規範；回到辦公室後，又要整理照片、翻查契約與法規，完成查核紀錄並通知相關人員改善。當工程量體愈來愈大，文件產出的速度若跟不上現場變化，就可能錯過及早排除危害的時機。
為縮短這段工程資訊落差，勞動部工程施工查核小組聯手法務部、交通部工程人員，以及中央大學、東海大學、AI與RPA業者，組成跨域團隊「真相只有一隊」，打造一套「公共工程名偵探—AI運算核心」系統。
這套系統的設計重點，不是把整份複雜的督導表一次丟給單一AI，而是先把工作拆成多個範圍較小、目標明確的任務，再交給AIoT、多模態AI與視覺化RPA模組分工處理。
例如，工程人員可在現場拍攝施工照片與影像，由AIoT持續偵測潛在危害；視覺化RPA則負責擷取工程資料，同時多模態AI結合去識別化的過往工程經驗、契約與法規資料，逐項比對施工進度、現場狀況、材料規格與安全要求，最後由RPA模組彙整結果、產出工程督導紀錄。
至於督導表本身，也拆成好幾個部分，比如施工進度比對、施工狀況說明、材料品質與CNS標準核對、安全缺失整理，以及改善通知等。特別的是，不同工具會各自完成一項工作，再把結果整合成完整紀錄，降低AI一次處理大量複雜資料時出錯的風險。
丁玉珍進一步比較導入前後的作業時程。過去，施工品質相關作業常需要數天，例如7天；安全預警則往往要等事故發生後才通知，缺失改善也可能耗時7天。
導入這套系統後，AI可在1分鐘內主動發出危害預警，並在8分鐘內完成工程督導紀錄，通知機關承辦人與現場管理人員核對。相關人員收到通知後，可以在1天內完成改善。這項AI應用實例，也獲得2025年總統盃黑客松的「AI應用公共服務創新獎」。
從這4個實例也可以看出，勞動部並不是一開始就想著「這裡能不能用AI」，而是先把資料整理好、系統串起來，再看問題適合用數位化、RPA還是AI解決。不論是找工作、規畫就業輔導、分類財產，還是找出工程風險，AI都先幫忙整理資料、縮小範圍或提出建議，最後仍由人員確認和判斷，把時間留給更需要專業的工作。
Comments (0)