新聞

生成式AI快速發展，不少公務機關已開始將AI導入日常業務，協助政府機關導入AI的Headquarter.aii共同創辦人暨執行長黃建璋認為，真正的挑戰並非模型能力，而是AI Agent如何融入政府業務流程與治理架構。

他指出，目前大型語言模型（LLM）的競爭相當激烈，模型排行榜幾乎每隔一段時間就會更換，因此政府若將系統綁定單一模型，未來將面臨升級與轉換困難。他建議從一開始便應採取模型中立架構，保留彈性，才能隨技術演進持續選用最合適的模型。

黃建璋也重新定義AI Agent的組成。他表示，一個完整的AI Agent除了LLM之外，還應包括工具（Tools）、提示詞（Prompt）、上下文（Context）以及能自主規畫與反覆執行任務的Agent Loop，特別是Agent Loop，「沒有Agent Loop的系統，很難稱為新一代AI Agent」。

透過工具串接資料庫、API與內部系統，再配合上下文管理與Agent Loop機制，AI才能依任務目標自行選擇不同執行方式，而非僅依固定流程運作。

在實際部署上，他將AI Agent區分為兩種型態，一種是採取Human-in-the-loop的人機協作模式，由AI完成大部分工作，但在人員審核後才進入下一步，適用於公文、審查、行政決策等高風險業務；另一型態是AI員工（Autonomous Agent），可自主完成整個流程，只在異常或事後稽核時才由人員介入，較適合郵件分類、文件整理、跨系統資料比對等高頻率、標準化的作業。

根據他的觀察，許多公部門AI示範計畫成效不如預期，並非是AI的能力不足，而是Agent型態與實際業務流程不匹配，例如每天需要處理的大量電子郵件分類，若AI完成分類後仍需人工逐件確認，反而無法真正降低工作負擔，此類工作便更適合採用全自動AI員工模式。

他也強調，AI Agent與傳統RPA（機器人流程自動化）最大的差異，在於前者可根據情境動態調整流程，理解自然語言與非結構化文件，甚至可透過更新知識文件來調整工作規則，而不必重新開發程式，因此是在既有資訊系統上增加智慧判斷能力，而非取代原有系統。

適合AI Agent處理的工作有三個判斷標準，工作量大且持續發生、判斷標準明確、可直接串接內部系統。例如公文分文、文件查核、資格審查、郵件分類、跨系統資料比對等等，適合導入AI Agent。

不是導入AI Agent就好，要兼顧知識傳承與跨模型管理

演講中，黃建璋分享多個政府與公部門案例，包括協助外貿協會建置AI商機媒合系統，由AI自動分析Email、擷取附件資訊、查詢企業背景、辨識潛在風險，甚至主動寄發詢問信確認採購需求，再整理媒合報告，讓原本需輪班處理跨時區郵件的人員，可於上班後直接檢視AI完成的分析結果，將時間投入更具價值的商務媒合工作。

另一個案例是協助大型送審文件查核。AI需比對數百MB、上千份文件內容，並結合法規知識、跨文件數據與章節內容進行審查，不只是摘要文件，而是協助新人快速建立接近資深審查人員的能力，提升整體審查品質與一致性。

不過，黃建璋也提醒，AI並非能力越強越好。以地方政府的社工案件為例，若AI直接替社工完成完整報告，反而可能使社工人員越來越依賴，因而失去思考與學習機會。他建議將AI能力拆分為不同角色，由第一線社工Agent提供適度協助，例如根據訪談內容生成報告，保留專業判斷空間，另有一套督導Agent負責檢閱報告、指出知識缺口，提供建議，並推薦相關法規或案例，協助經驗傳承，而非讓AI完全取代專業能力。

他認為，AI導入公務體系應追求的是「減壓而非取代」，既要降低行政負擔，也要維持專業能力累積，避免長期依賴AI造成知識斷層。

治理重點：權限、用量、稽核

針對未來大量AI Agent進入政府機關，他認為有三項Agent治理重點。首先是權限，必須重新定義AI Agent是以使用者身分、代理身分，或獨立身分存取系統，並與既有AD等身分管理機制整合。

其次是用量，包括管理使用者的Token消耗，掌握各AI Agent呼叫模型、API及工具所產生的資源與成本；最後則是稽核，完整記錄AI Agent使用哪些模型、調用哪些工具、存取哪些資料，建立可追溯的操作紀錄。

他指出，未來政府機關勢必同時採用來自不同廠商、不同模型的AI Agent，因此更需要建立跨模型、跨廠商的治理平臺，以統一管理權限、用量與稽核紀錄，同時透過Agent-to-Agent的安全存取架構建立系統邊界，避免外部AI直接接觸內部資料與核心系統。

在導入Agent之後，Token的使用管理也相當重要。黃建璋建議對Token用量建立細緻的監控管理，可以分為「使用者」、「Agent」、「Agent工作階段」，可以依使用者、群組拆帳，依Agent、工作流程拆帳。

黃建璋認為，政府導入AI真正需要治理的，不只是模型本身，而是整個Agent生態系。隨著AI從個人工具發展為組織數位同事，未來政府AI治理的重點，也將從模型管理，逐步轉向AI Agent治理，兼容各家模型的能力，維持一致的權限和稽核。