導入背景與需求盤點

該機關導入政府 AI 幕僚的起點不是技術評選，而是需求盤點清單。承辦人在洽購前先把要監測什麼、報告長什麼樣、什麼情況通知誰、誰能看到哪些內容四件事寫定，後續設定才有依據。

• 監測範圍：機關全銜與簡稱、首長姓名與職稱寫法、當年度重點政策，以及民間與媒體慣用的俗稱。政策正式名稱與民眾用語往往不同，只設定正式名稱會漏掉關鍵討論。
• 報告格式：沿用現行陳核格式的欄位順序、議題分類與呈報層級。系統產出直接對齊既有格式，承辦人不需為配合工具重排版面，長官也不必改變閱讀習慣。
• 預警規則：界定什麼情況算異常——負面聲量短時間內攀升、特定政策出現集中討論——並指定通知對象。規則未事先寫定，預警不是漏發就是浮濫。
• 權限規劃：依業務分工列出各局處可見的議題範圍與報表訂閱名單。跨部門共用的價值在於同一份事實基礎，但不代表內容全開。

四項盤點完成後才進入採購。InfoMiner 已納入政府共同供應契約，資料主機座落台灣境內、具備 ISO 27001 認證，資安審查文件在洽購階段即可備齊。

Before: Four Hours of Staff Time Every Day

Before adoption, staff spent every morning manually browsing dozens of news sites and social platforms, copy-pasting relevant coverage, judging each item positive or negative, formatting briefings, then routing them through approval — routine sentiment reports took about 4 hours. This meant executives always saw "the morning's sentiment," while afternoon events often didn't reach decision-makers until the next day.

導入前的一天

• 上班後逐一開啟數十個新聞網站與社群平台，翻閱當日內容。
• 把相關報導複製貼上到文書檔，逐則標記正負面與業務單位。
• 將內容重排為機關慣用的簡報格式，補上摘要與建議關注事項。
• 送交主管逐層陳核，若有補件或改寫需求再重整一次。
• 報告午後才送達首長，下午的事件已不在涵蓋範圍內。

更大的問題在跨部門：各局處各自剪報、格式不一，同一事件在不同單位的報告中呈現不同樣貌，難以橫向比較，也無法累積成可回溯的脈絡。

這套流程還有三項隱性成本：判讀標準因人而異，長官難以從版面判斷議題輕重；報導散落各期文書檔，事後追查輿情歷程只能逐份比對；作業依賴特定承辦人，一旦請假即出現落差。

從共契採購到上線：兩週做了什麼

這個案子兩週上線，關鍵不在趕工，而在於整段流程沒有一項需要硬體建置。InfoMiner 以雲端服務提供、資料主機座落台灣境內，機關不需採購伺服器或安排機房上架；加上共契可直接下單、免另行招標，最耗時的兩個環節同時被壓縮。

五個階段中，需要機關投入人力的是需求訪談與對照試運行，其餘以廠商為主。監測來源已涵蓋超過十萬個頻道，機關不需自行介接維護，工作集中在把判斷標準講清楚。

After: The AI Copilot's Daily Workflow

該機關透過政府共同供應契約導入 InfoMiner，從需求確認到正式上線約兩週。導入後的每日幕僚工作流如下，對應 AI 幕僚五階段模型的感知、理解與追蹤環節：

• Sense and understand：系統全天候監測新聞媒體、PTT、Dcard、Facebook 等來源，自動完成中文情緒分析與議題分類。蒐集與分析在凌晨完成，承辦人上班時面對的是已歸類的輿情全貌。
• Daily intelligence briefing：每天自動產出輿情日報：重點議題、聲量與情緒變化、主要論點與相關單位，承辦人只需檢核與補充判讀，例行報告產製時間縮短至約 30 分鐘。簡報在上班前已送達信箱，承辦人確認並補上機關內部脈絡後即可陳核。
• Anomaly alerts：負面輿情異常攀升時，系統於 24 小時內即時通知相關決策人員，重大議題不再等到隔天的報告才被看見。夜間事件同樣在監測範圍內，通知直接送達預設對象。
• Cross-department sharing：各局處在同一平台檢視統一格式的分析結果，事件脈絡可回溯，橫向溝通不再依賴各自剪報。追蹤政策時可直接調閱同一議題的歷程紀錄。

Notably, the AI did not replace staff interpretation — it replaced copy-pasting and formatting. Human review remains a required step before reports are submitted, which is the right way for government agencies to use generative analysis tools.

Quantified Results

三個可複製的做法

這個案例可被複製的不是採購決策本身，而是導入過程中的三個做法。三者都不需額外預算，卻決定系統上線後會被使用還是被冷落。

一、關鍵字體系由承辦人與廠商共同設計，並每季檢視

關鍵字體系決定系統抓不抓得到重點，是影響成效最直接的環節。廠商熟悉監測與排除詞的設定邏輯，但只有承辦人知道哪些政策正在敏感期、民間用什麼說法稱呼措施。該機關由雙方共同設計初版體系，再每季檢視：新增當季重點政策與新用語，移除已結案議題。缺少檢視，體系會停留在導入當時的重點。

二、保留對照期，讓排序規則貼合機關判斷

系統認定的重點議題與機關認定的不會一致。該機關在上線前保留一段對照試運行期，系統日報與原人工作業並行，承辦人每天檢核議題排序，指出哪些被高估、哪些應往前排，回饋用於調整規則。對照期也是建立信任的過程：承辦人確認系統沒有遺漏重要議題後，才會放心改以日報陳核。

三、明確劃出人機界線

該機關在導入之初就把界線說清楚：AI 取代的是複製貼上與格式整理，判讀與陳核仍然是人工。系統負責蒐集、分類與呈現，承辦人負責確認事實、補充內部脈絡並為內容負責。這條界線同時解決兩個問題——對長官而言，陳核的仍是經人工把關的報告；對承辦人而言，重心轉向專業判斷。把人機分工寫進作業程序，比宣稱全自動更能通過內部檢視。

From Daily Sentiment Briefings to an AI Governance Copilot

Automated briefings and real-time alerts are the foundation of the government AI copilot's five stages — sense, understand, assess, recommend, track. On the same data foundation, agencies can further enable incident assessment reports, council interpellation preparation and task tracking, and combine the RAGi agency knowledge base so AI recommendations fit the agency's own policy context.

InfoMiner AI 施政幕僚的定位，是整合外部即時輿情與機關內部知識，協助首長及幕僚掌握情勢、研判風險、形成決策並追蹤執行。

See the full InfoMiner Government AI Copilot solution →