議會質詢如何導入 AI？會前、會中、會後完整流程
每逢議會開議，機關幕僚就進入備詢地獄：翻找歷次質詢紀錄、整理輿情議題、猜測議員關注方向、會後追趕承諾事項。AI 在這條流程的三個階段都有明確的施力點——會前掌握議題與攻防準備、會中即時轉錄與整理、會後交辦追蹤。本文說明各階段的具體做法、需要的資料基礎，以及如何把三段串成完整閉環。
快速回答：AI 能在議會質詢幫上什麼忙？
AI 導入議會質詢分三個階段：會前，系統彙整議員過往質詢紀錄、近期輿情熱點與政策爭議，產出「可能被問什麼、該怎麼答」的攻防準備資料；會中，語音辨識即時轉錄質詢內容，自動整理各議員提問與機關承諾事項；會後，承諾與交辦事項進入追蹤清單，逐項列管進度並比對後續輿情變化。三段串聯後，備詢從臨時抱佛腳變成有資料基礎的常態工作。
會前：議題掌握與攻防準備
會前準備的核心問題是「這次會期，誰會問什麼」。AI 從三個來源交叉研判：
- 歷史質詢紀錄：各議員過往的質詢主題、追問模式與關注選區議題，判斷延續性提問的機率。
- 近期輿情熱點：開議前數週的媒體與社群議題聲量——輿情正熱的爭議，幾乎必然進入質詢。
- 政策進度與弱點：延宕的建設、爭議中的政策、預算執行率偏低的項目，都是可預期的質詢標的。
據此為每個高風險議題產出備詢資料：可能的提問方式、事實與數據依據、建議答覆架構、不宜使用的說法，以及可回溯的原始資料。幕僚的工作從「從零整理」變成「檢核與補充」。
會中：即時轉錄與質詢整理
質詢過程的痛點是紀錄：口頭答詢節奏快，人工筆記容易漏，會後調閱錄影耗時。語音辨識（ASR）搭配會議智慧化工具可即時轉錄質詢逐字稿，並自動結構化為「議員—提問—答覆—承諾事項」的清單。對正在備詢的團隊，即時整理還有一個實戰價值：後排幕僚可以在議員追問前，先把相關資料推送給台上的長官。
會後：承諾事項追蹤與成效比對
「研究研究」「會後提供資料」——質詢台上的承諾若沒有系統性列管，下個會期就會變成「上次說要辦，辦了沒」的二次質詢。會後階段 AI 做兩件事：從逐字稿自動萃取承諾與交辦事項，建立含主政單位與期限的追蹤清單；並持續比對相關議題的輿情變化，讓機關知道回應是否確實化解了關注。
把三段串成閉環
三個階段各自導入都有效益，但真正的價值在串聯：會後的承諾追蹤清單，就是下個會期會前準備的「必考題庫」；會中的逐字稿，累積成議員關注模式的歷史資料；會前的輿情研判，決定會中哪些議題要準備即時支援。這個閉環正是 AI 幕僚五階段模型（感知、理解、研判、建議、追蹤）在議事場景的具體展開。
資料基礎方面，會前研判需要外部輿情監測（如 InfoMiner）與歷史議事資料；會中轉錄需要中文語音辨識；會後追蹤需要與機關內部的列管機制銜接。導入時建議從單一會期、單一委員會試辦，驗證流程後再擴大。