AI 違規廣告檢測與廣告監理情報平台

電商商品頁、社群貼文與短影音每天新增的廣告，早已超過人工逐則檢視的極限；疑似不實或涉及醫療效能的內容，往往在被檢舉前就已流通多時。InfoMiner AI 違規廣告檢測與監理平台從大規模外部監測出發，辨識疑似違規的語句型態，比對相關法規領域，再把佐證資料、人工複核與案件追蹤串成一線可回溯的作業流程。

為什麼廣告監理需要 AI？

把 AI 放進廣告監理，理由不是技術新穎，而是三項結構性落差已無法用增加人力補平；主管機關、平台與品牌法遵單位多半同時遇到。

一、廣告量與平台碎片化

同一項商品的宣稱，今天可能同時出現在電商商品頁、社群貼文、短影音字卡與直播口播，各平台的呈現方式與更新頻率都不一樣。承辦人的工作以件計，市場上的廣告卻以萬計。碎片化真正的代價不是多花時間，而是監看範圍最後退回熟悉的幾個通路，其他角落發生什麼事沒有人知道。

二、人工抽查的覆蓋率極限

抽查是務實而且必要的作法，但它的邏輯是在有限人力下取樣，全量掃描則是先看過全部再決定往下查哪些。差別在監理現場很具體：抽不到不等於沒有，而檢舉案件往往集中在少數品類。自動化不是取代抽查，而是讓先查誰這件事有可比較的依據。

三、違規態樣變形速度快

被注意過的說法很快就會換一種寫法：治療改成調理、疾病名稱改用諧音、關鍵訴求做成圖卡、把效果交給使用者見證來說。以固定關鍵字清單為主的監看方式維護成本高，而且永遠落後一步；要跟上變形，需要能讀懂語意脈絡的判讀方式與可持續更新的態樣定義。

送件前文案快篩 vs 大規模外部監測

常被放在一起比較的兩類工具，處理的其實是不同時點的問題：送件前的合規快篩服務企業準備刊登的單篇文案，InfoMiner 廣告監理平台處理已在市場流通的大量廣告。兩者互補，我們不做文案快篩。

對機關而言，這個區隔決定採購標的：要的是幫承辦人改稿的工具，還是把看不完的內容整理成可處理清單的系統；對品牌而言兩者通常都需要，文案端用快篩、通路端用監測。

AI 廣告監理五階段

InfoMiner 的廣告監理由五個階段構成完整循環，而不是單次的內容掃描。拆成五段的用意在於責任分明：前三段是系統的資料工作，第四段起是人的判斷，最後回到既有的行政程序。

階段一：蒐集——市場上現在有哪些廣告在流通？

蒐集階段把外部持續變動的廣告內容，轉成可分析的內容庫。範圍由使用者設定：監測哪些品類與平台、鎖定哪些賣家或關鍵字、多久更新。系統以排程跨平台抓取並採增量更新，只處理新增與變動的內容，可支撐批次掃描十萬項商品這種規模的例行巡檢。這個階段不做價值判斷，只確保該進來的內容沒有漏掉。

階段二：辨識——哪些內容屬於具風險的語句型態？

辨識階段從整篇內容中抽出產品宣稱，判斷它是否落在事先定義的高風險型態，例如以治療性動詞描述一般食品、把個別使用者的結果說成普遍效果、使用無法查證的絕對化用語；輸出標示的是疑似違規，並附上型態分類、原句與信心分級，分級用來排序複核順序而非取代複核。除文字內容外，平台亦支援圖片內文字辨識與影像廣告素材辨識，因為高風險訴求常被放進圖卡而不寫在文字欄位。

階段三：比對——這則標記牽涉哪個法規領域？

承辦人拿到標記之後，還需要知道它可能涉及哪個法規領域。比對階段把辨識結果對應到相關法規名稱與公開案例類型，常見涵蓋範圍包括食品安全衛生管理法、健康食品管理法、化粧品衛生安全管理法、藥事法與公平交易法等領域。這裡提供的是查辦起點而非結論；對照表由法遵人員維護，並隨主管機關公開說明更新。

階段四：複核——這一則要不要往下辦？

複核是整條作業線的核心，也是唯一會產生具法律意義判斷的環節。平台提供依風險排序的複核佇列，複核者逐案審閱原句與佐證，選擇成案、不成案或待補資料並填寫理由；影響較大或型態較新者可設定雙重確認。AI 判讀結果與人工複核結論是兩個獨立欄位，不會合併顯示——寫在同一欄等於讓機器標記冒充人的判斷。

階段五：處置——辦到哪裡了？後來有沒有改？

成案之後回到既有的行政或治理程序。案件建立、承辦分派、進度追蹤與證據快照保存，可依機關實際流程客製建置，銜接原本的簽核與列管方式；快照的保存形式與完整性要求，包含是否納入內容雜湊等技術措施，可依專案需求規劃。這個階段還有一項人工難以維持的工作：同一對象的歷程。曾被要求改正者後來是否修正、是否換個說法重新上架，系統會把歷次紀錄掛在同一對象之下。

三大應用情境

情境一：主管機關與稽查單位的例行監理

機關端常見的起手式，是先鎖定申訴集中的品類建立基準資料，再以批次巡檢追蹤變動。承辦人面對的不再是搜尋框，而是一份已排序的疑似違規清單，每筆固定包含六個欄位：

• 監測範圍設定：本次巡檢涵蓋的品類、平台與關鍵字，讓覆蓋範圍可被檢視。
• 疑似違規清單：依型態與信心分級排序，標示原句與型態分類。
• 佐證資料包：網頁快照、來源網址與擷取時間，後續不必重新蒐證。
• 複核意見欄：成案、不成案或待補資料的結論與理由，與 AI 標記分欄。
• 案件分派與辦理進度：承辦人、狀態與期限，可依機關流程客製建置。
• 對象歷程：同一賣家歷次被標記與複核的紀錄，辨識重複樣態

公部門的應用範圍可一併參考政府與公部門 AI 解決方案。

情境二：電商與社群平台的治理巡檢

平台方的難處在於量：新賣家與新商品每天湧入，人工審查只能處理檢舉與熱銷品項。以批次方式巡檢上架商品，可在流通階段先標記高風險品項，交由治理團隊複核並依平台規則處理，同時累積賣家層級的風險輪廓。這裡要清楚區分：平台依自訂規則的處理與主管機關依法所為的認定，兩者不能互相取代。分層審核設計可參考AI 內容審核指南。

情境三：品牌與法遵團隊的通路巡檢

品牌方最常遇到的狀況，是總部核可的文案沒有問題，但經銷商或合作網紅為了帶動銷售自行加上超出範圍的說法。定期巡檢通路端的投放內容，可在風險擴大前先發現並要求調整；同一套監測也能用於蒐證競品的不實比較廣告，整理成含來源網址與擷取時間的資料包交由法務評估。其他法務應用可參考法律合規 AI 應用。

可信任設計：疑似違規，不是違法認定

這類系統最需要守住的只有一件事：機器標記與法律判斷是兩個層次。以三項設計把界線寫進產品：

• 標記即線索：AI 產出的是疑似違規標記、型態分類與佐證資料；最終法律判斷由主管機關依法定程序或企業法遵人員作成。
• 證據保存：標記當下保存網頁快照、擷取時間與來源網址；保存範圍與技術措施可依專案需求規劃，是否符合個案行政程序要求由機關法制單位確認。
• 複核與稽核紀錄：完整留存 AI 標記版本、人工複核結論、複核者與時間，讓每個案件都能回答依據什麼、誰決定。

以上僅為一般性的態樣說明，協助建立整體圖像。個案是否違規，仍應以主管機關認定及法遵人員審閱為準；AI 系統輸出的是疑似違規的辨識與佐證資料，不是法律判斷。相關法規全文可於全國法規資料庫查詢，主管機關資訊可參考衛生福利部食品藥物管理署與公平交易委員會。

產品組合：外部監測 × 法規知識庫

InfoMiner AI 違規廣告檢測與監理平台負責外部世界：電商、網站與社群廣告的蒐集、辨識與標記，建立在 InfoMiner 監測超過十萬個頻道的既有基礎之上。RAGi 負責內部知識：法規名稱與版本、機關函令文件、歷史案件與複核標準，讓承辦人能以自然語言詢問類似型態過去怎麼處理，並取得可回溯出處。

兩者結合才形成完整的作業環境：外部看得到，內部查得到。資料主機座落台灣境內並具備 ISO 27001 認證，機敏資料可搭配 RAGi 地端部署。

InfoMiner 輿情分析平台 · RAGi 企業AI檢索增強生成引擎

導入流程

導入不需要從系統開發開始。平台以 InfoMiner 既有的大規模內容蒐集基礎建置，要投入的是熟悉業務的承辦人與法遵人員，而非資訊開發人力，工作集中在監測範圍盤點與對照期回饋。

四個階段中最關鍵的是對照期。這段期間不是驗收功能，而是讓系統的標記邏輯與承辦人的專業判斷對齊：哪些型態標得太寬、哪些說法該納入卻沒被標記，逐週回饋調整，上線後的複核負擔才會落在可負荷範圍。