InfoMiner Government AI Copilot: From Sentiment Monitoring to Policy Decision Support

Tens of thousands of news items, social posts, meeting minutes and policy documents arrive every day. What matters is not collecting more data, but letting decision-makers know in time: What is happening now? Why is it happening? What are the risks? What should be done next? InfoMiner Government AI Copilot combines real-time external sentiment with internal agency knowledge to auto-generate executive briefings, incident assessments, Q&A preparation and response recommendations — with full source traceability and human review workflows.

為什麼機關現在需要 AI 幕僚？

機關現在需要政府 AI 幕僚，是因為資訊環境、幕僚人力與課責環境三項結構性壓力同時出現，而不是因為生成式 AI 成為熱門技術。過去以人工剪報、輪值監看與臨時調卷支撐的幕僚作業方式，已經跟不上議題發展與長官問話的節奏。以下三項壓力，多數機關目前都同時面對。

一、資訊環境：議題從萌芽到爆發以小時計

一則地方性的抱怨貼文，可能在同一個上班日之內經過社群轉貼、內容農場改寫、地方記者查證與全國性媒體跟進。等到剪報單位在隔日晨會呈上紙本摘要，議題已經進入第二輪發酵，機關能做的只剩下事後說明。人工剪報的作業節奏以日為單位，議題的發展節奏卻以小時為單位，兩者之間的落差不會因為增加剪報人力而縮小，只會因為監看時段拉長而讓承辦人更加疲乏。

二、幕僚人力：員額固定，監測面持續擴大

機關的幕僚員額多年來變動有限，需要監看的平台卻持續增加：從報紙與電視新聞，擴大到 PTT、Dcard、Facebook 社團、YouTube 留言，以及近年成長最快的短影音平台。每增加一個平台，就多一套操作介面、一組關鍵字與一份人工摘要，而承辦人還要同時處理本職業務。監測面擴大與人力不變之間的缺口，最後往往由只看熟悉的那幾個來源來填補，代價是漏掉真正在其他角落升溫的議題。

三、課責環境：不知道的政治成本上升

議會質詢、媒體聯訪與線上直播讓長官的回應被即時記錄與比對，追問的速度也比過去快得多。當長官被問到一件當日上午才在社群出現的事情，回答「這個我們再瞭解」所付出的政治成本，已經明顯高於過去。機關真正需要的不是更多資料，而是在被問到之前就知道有這件事、知道爭點在哪裡、知道哪個局處主辦，以及知道目前可以講到什麼程度。

Ordinary Government AI Assistant vs InfoMiner AI Governance Copilot

Most government AI assistants are good at finding official documents, summarizing materials, and drafting press releases and speeches. But a real chief-of-staff must also answer: What are the three things that need attention today? Which department may face questioning? Should we respond, observe, or launch cross-department action? This is the fundamental difference:

The Five-Stage AI Copilot Model

InfoMiner 政府 AI 幕僚以五個階段構成完整的施政決策支援循環，而不是單次的問答或摘要。五個階段各自回答一個問題、各自有明確的輸入資料與典型產出，機關可以依實際需求逐階段啟用，也可以先從感知與理解兩階段建立基礎。

階段一：感知——現在有什麼新的訊息？

感知階段負責把外部世界持續發生的事情，轉換成機關可以處理的即時資料流。系統涵蓋超過十萬個頻道的新聞、社群、論壇與影音來源，並可加入機關自行指定的地方版面、社團或民意信箱。這個階段不做價值判斷，只做兩件事：確保該進來的訊息沒有漏掉，以及在聲量、情緒或發文帳號出現異常變化時立即標記。感知階段的涵蓋率決定後面四個階段的上限，因此關鍵字體系與來源清單需要隨施政重點定期調整。

階段二：理解——這些訊息在講什麼、彼此有什麼關係？

理解階段把零散的貼文與報導，整理成有結構的事件脈絡。系統辨識議題類別、涉及的人物與機關、發言立場與情緒傾向，並把描述同一件事的不同來源歸併到同一條事件之下。對機關而言，這個階段的價值在於把今天有三百則相關貼文，轉換成這三百則其實在講兩件事、其中一件與去年的陳情案有關。缺少理解階段，後續的研判就只會是對聲量高低的直覺反應，而不是對議題本身的掌握。

階段三：研判——這件事有多嚴重、會往哪裡發展？

研判階段針對每一條事件脈絡給出風險等級與影響範圍評估：目前集中在哪些平台、擴散速度如何、是否已有媒體跟進、可能牽動哪些既有爭議。系統會標記需要長官注意的異常訊號，例如同一套論點在短時間內跨平台同步出現，或原本平穩的議題突然湧入大量新帳號。研判結果的用途是排序，目的是讓有限的幕僚時間，優先花在真正可能升溫的事情上。

階段四：建議——現在應該做什麼？

建議階段結合研判結果與機關內部知識，提出可以直接進入幕僚會議討論的處置選項：由哪個局處主辦、建議回應或先行觀察、若要回應則可用的口徑與已確認的事實依據，以及不宜使用的說法。所有建議都清楚區分已確認事實、輿情觀察與 AI 推論三種性質，並附上可回溯的原始資料連結。系統提供的是選項與依據，最終決策仍然由長官與幕僚會議作成。

階段五：追蹤——做了之後有沒有效？

追蹤階段把交辦事項與後續輿情變化放在一起比對：交辦給哪個局處、預計何時回報、目前辦理情形，以及該議題在回應之後的聲量與情緒是否確實下降。若議題並未收斂，系統會把它重新推回每日簡報的追蹤欄位，避免出現回應過就視同結案的情形。追蹤階段同時累積機關自己的處置紀錄，成為下一次類似事件的參考案例。

Three Core Use Cases

Use Case 1: Daily Executive Intelligence Briefing

Automatically compiles today's top three governance issues, escalating sentiment events, main supporting and opposing arguments, media angles, relevant departments, recommended handling priorities, and changes in yesterday's major issues. The same event can be presented at different depths for different roles — chief executive, department heads, staff and PR.

每日首長簡報固定包含六個欄位，讓長官在一頁之內掌握當日情勢：

• Today's top three issues：依風險等級與媒體關注度排序，並附上排序的判斷依據。
• Escalating sentiment events：聲量或情緒出現明顯變化的事件，標示變化發生的時段與平台。
• Key arguments summary：支持、反對與中間立場的具體說法，而不只是正負比例數字。
• Media angles：各家媒體目前切入的角度，以及可能的後續追問方向。
• Relevant departments and recommended priorities：指出主辦與協辦單位，以及建議先行處理的順位。
• Yesterday's issue tracking：昨日列入簡報的議題目前的發展情形與辦理進度。

Use Case 2: Emergency Decision Support

When food safety, public safety, traffic incidents or policy controversies occur, the AI automatically compiles the event timeline, what is known and unknown, sentiment changes across platforms, key doubts and misinformation, stakeholder positions, likely media questions, recommended messaging, and follow-up items — a level above merely helping write a press release.

事件研判報告以八個欄位呈現，目的是讓幕僚會議可以直接以這份報告開會：

• 事件時間軸：從最早出現的訊息到最新發展，逐一標註時間與來源。
• 目前已知與未知資訊：明確分開已查證事實與尚待確認事項，避免誤用未查證資訊。
• 各平台輿情變化：各平台的聲量與情緒走勢，辨識主要擴散管道。
• 主要質疑與錯誤訊息：整理民眾主要質疑，並標示流傳中與事實不符的說法。
• 利害關係人立場：相關團體、地方人士與意見領袖目前的公開立場。
• 媒體可能追問：依現有報導角度推估記者接下來最可能提出的問題。
• 建議回應口徑：可用的說法與其事實依據，並標示需要先行確認的部分。
• 後續需追蹤事項：需要持續觀察的指標與需要回報的局處事項。

Use Case 3: Council Interpellation and Policy Debate Preparation

Given a council member, policy or issue, it produces past interpellation and statement records, recent media and social discussion, likely follow-up questions, policy weaknesses and controversies, factual and data evidence, a recommended answer structure, and traceable source materials. Combined with parliamentary intelligence applications, it forms a complete loop: grasp issues before the session, organize interpellations during, track assignments after.

備詢資料依七個欄位整理，可以依議員產出，也可以依議題產出：

• 議題名稱與風險等級：標示該議題被質詢的可能性與延燒程度。
• 可能的提問方式（含追問路徑）：不只列出主問題，也列出對方可能接續的第二層追問。
• 已確認事實與數據依據：可公開引用的辦理情形、統計數字與其出處。
• 建議答覆架構：先講什麼、後講什麼的回答順序，以及必須交代的重點。
• 不宜使用的說法：可能引發後續爭議或與既有立場不一致的表述。
• 相關歷史承諾與辦理情形：機關過去對同一議題的公開承諾與目前進度。
• 原始資料連結：每一項依據都可以點回原始報導、公文或會議紀錄。

Trustworthy Design That Works for Government

What government users fear most is not that the AI lacks polish, but being unable to answer when a superior asks, "Where did this come from?" InfoMiner Government AI Copilot addresses public-sector trust requirements with three design principles:

• Traceability：Every conclusion links back to the original news article, social post, official or policy document, meeting minutes and the system's analytical basis.
• Separation of Facts and Recommendations：The interface clearly separates confirmed facts, sentiment observations, AI inference, recommended actions and items pending verification.
• Human Review and Audit Trails：For external communications and decision recommendations, the system retains the AI-generated version, human-edited version, editor, approver, cited sources and generation time — fully supporting agency audits.

Product Suite: External Intelligence × Internal Knowledge

InfoMiner covers the external world: issue monitoring, sentiment analysis, alerts and automated reporting across news, social media and forums. RAGi covers internal knowledge: policy materials, historical documents, executive directives, council responses, press releases, FAQs, regulations and meeting minutes. Together they form a true organization-level government AI copilot system, with on-premise deployment for government security compliance.

InfoMiner Social Listening · RAGi Enterprise AI Retrieval-Augmented Generation Engine

導入流程與時間軸

政府 AI 幕僚的導入不需要從系統開發開始。以既有的 InfoMiner 輿情監測為基礎，多數機關的導入工作集中在監測範圍盤點、關鍵字設計與簡報格式確認，實際案例中曾透過政府共同供應契約採購，兩週內完成上線。整個流程分為五個階段，機關端需要投入的是熟悉業務的承辦人，而不是資訊開發人力。

五個階段之中，最需要機關投入的是關鍵字設定與對照期試運行。關鍵字體系決定感知階段的涵蓋率，需要承辦人提供機關內部才知道的用語：地方慣用的路段名稱、陳情案的舊稱、民眾對某項服務的口語說法。對照期則是把系統的議題排序與承辦人的專業判斷放在一起比對，承辦人每日回饋哪一則應該往前、哪一則其實不重要，讓排序邏輯逐步貼近機關實際的關注重點。

共契採購兩週上線是已驗證的實績，而不是規劃時程。該案例中，輿情報告的產製時間從 4 小時縮短為 30 分鐘，整體作業效率提升 80%，並建立 24 小時即時預警機制。詳細的導入節奏、機關端實際投入時間與上線後的每日作業方式，可參考Government AI Copilot Case Study: Sentiment Reports from 4 Hours to 30 Minutes。

適用機關類型

政府 AI 幕僚適用於任何需要對外說明施政、而且會被公開追問的機關，但不同類型機關最先啟用的功能並不相同。以下四類機關的核心痛點與建議起手式，可作為貴機關評估的參考；公部門的完整應用範圍可參考AI Solutions for Government and the Public Sector。

一、縣市政府：跨局處統一情報

市政議題分散在交通、環保、社會、教育等局處，各局處各自監看自己的部分，市長辦公室拿到的往往是格式不一的片段資訊。統一的資料來源與同一份每日首長簡報，可以讓跨局處議題在升溫初期就被看見。這類機關通常從每日首長簡報與跨局處交辦追蹤先行啟用。

二、中央部會：政策風險預警與媒體問答

政策在正式公告前後的輿論反應，往往決定後續推動的難度；發言人與新聞單位需要在記者會之前掌握各界主要質疑與可能追問。這類機關通常從政策議題的風險預警與媒體問答準備先行啟用，穩定之後再擴大到各司處的議題分工與交辦追蹤。

三、議會幕僚與府會聯絡單位：質詢攻防

質詢前需要在短時間內備妥各議員關注議題、過去發言紀錄與相關數據，會期中的工作量高度集中在少數幾週。這類單位通常從備詢資料自動彙整與議員議題追蹤先行啟用，會後再銜接交辦事項的辦理進度追蹤，形成完整循環。

四、公營事業與關鍵基礎設施：服務中斷事件的輿情應對

停水、停電、系統中斷或運輸延誤發生時，民眾抱怨與錯誤訊息通常會在官方說明發布之前就大量擴散。這類機構通常從 24 小時即時預警與錯誤訊息辨識先行啟用，確保值班人員第一時間掌握擴散範圍與主要爭點，再據以決定對外說明的時機與內容。