城市升級新動能：AI Agent 驅動的公共治理新篇章 - 臺北產經資訊網

隨著人工智慧技術迅速發展，各行各業迎來前所未有的轉型契機；AI逐步滲透各種工作場景，改變了各個組織單位的運作方式與決策模式。過去兩年，AI技術主要被運用於快速回應問題或加快資訊處理速度，但自2025年起，越來越多人開始期待 AI 能主動思考、完成多步驟任務，這也使「AI Agent（AI 代理）」成為新一代 AI 應用的核心焦點。在公共治理領域亦不例外，從政府機關行政流程自動化、市民服務智能回應、公部門內部的人力管理到公共安全等面向，AI Agent皆展現出相當高的應用潛力。

公共治理通常涉及多層次、多部門的協作，無論是政策資料、行政數據或民意回饋，資訊往往龐雜且分散，各部會與行政機關必須在有限時間內處理大量資訊，同時確保決策的精準度。

常見的行政作業，例如資料蒐集整併、報告撰寫等，過往多依賴人工完成，除需投入大量時間與人力，也難以完全避免疏漏。若進一步牽涉跨部會協作，則可能面臨資料格式不一致、系統未經整合的問題，增加作業難度。這些挑戰在防災或公共安全等需要即時應變領域更為凸顯，因傳統模式下所需的資料比對與核實時間較長，在決策時效性與資訊整合上仍存在進一步提升的空間。

也因此，近年來各級政府單位積極導入 AI 工具，加速資料處理與回應效率，為智慧治理奠定基礎。隨著應用深化，2025年「AI Agent」的概念逐漸受到重視，被視為推動公共治理邁向更高層次智慧化的重點方向。

在實際應用上，一般的生成式AI多半仰賴輸入指令來完成特定任務，例如當使用者輸入問題時，AI便根據資料庫回傳答案，仍屬於「被動式」工具。而AI Agent則更進一步強調「任務導向」與「自主規劃」，它不僅聽得懂指令，更能主動思考「要怎麼完成這項任務最有效率」。AI Agent通常具備以下四大能力：

1. 目標導向（Goal-oriented）：可以根據使用者指定的目標，自行規劃任務執行流程。
2. 感知能力（Perception）：能自外部環境或使用者互動中，擷取關鍵資訊。
3. 記憶與學習（Memory & Learning）：擁有記憶機制，可學習並累積過去的經驗，進一步優化未來表現。
4. 自主行動（Autonomous Action）：能主動採取行動，如呼叫API、使用工具、完成多步任務等

舉例來說，如果你希望AI幫你撰寫一份施政績效報告，一般的 AI應用能依照輸入的指令，並基於過往所學習過的知識，生成一段文字或回答特定問題；而AI Agent則能主動串接多個資料來源，例如財政數據、人口統計或民政紀錄，進行跨系統比對與整合，過濾重複或矛盾的資訊，並依據過往報告的格式與政策需求，自動生成完整的分析文件，自主性和靈活性大幅提升，更加貼近「虛擬幕僚」的角色。

綜合上述特性，AI Agent在公共治理實務中能具體回應不同層面的需求。若以「分層應用」的角度來看，可以大致區分為以下三個層面：

1. 基礎層：知識檢索與智慧客服

AI Agent 可作為知識管理與市民服務的助手，協助公務員與市民快速獲取所需資訊。例如，公務人員可透過自然語言檢索政策、法規或歷史案例，減少人工翻找資料的時間；市民在查詢補助、防災資訊或尋求公共服務時，則能即時獲得串接資料庫後的結構化回覆。這讓資訊傳遞更即時、服務流程更順暢，大幅提升行政效率與市民體驗。

2. 中階層：循證治理與決策支持

在政策研究與跨部門協作上，AI Agent 能成為有力的輔助工具。它可以將市府內部數據（教育、交通、社福等）與外部輿情結合，透過語意分析自動萃取議題重點，協助政府更好地進行政策循證分析。另一方面，AI Agent 也能支援跨局處資料整合，快速完成異質資料的分類、比對與彙整，協助各單位縮短報告製作時間，讓決策過程更即時、透明。

3. 高階層：城市智慧治理與前瞻應用

在更高層次的應用中，AI Agent 能協助政府即時掌握城市動態，並進行前瞻規劃，主要包含兩個面向。其一是「城市即時輿情雷達」，透過串接民意輿情平台（交通、環境、治安等），快速掌握社會議題脈動，協助政府及早偵測潛在風險並做出回應。其二是專屬模型建置，政府可利用自身專屬資料訓練「市政 GenAI 模型」，自動生成跨局處報告、政策效益評估，甚至進行情境模擬，提升政策規劃的前瞻性與韌性。

上述應用也已在國內逐步落地。臺灣代表性的智能數據廠商意藍資訊，長期專注於 AI 語意分析、搜尋引擎與數據分析等核心技術，近年也持續投入生成式 AI 與 AI Agent 的深化和開發，並憑藉深厚的技術基礎，將旗下AI應用服務導入多元領域各項大型專案。其中在公共治理方面，意藍取得多家行政機構委託，下方將以兩個案例，說明AI Agent在市政領域中如何實際落地應用、協助推動數位轉型。

以「員額評鑑」為例，這類評鑑工作涉及跨部會、跨單位的大量人事資料，過往需要經過人工逐步整併、比對並撰寫報告，投入相當的人力與時間；在本次專案中，意藍以AI Agent架構貫穿解決方案，並結合「自動化流程」與「大語言模型生成」，協助整合不同來源的資料、依規則完成計算與標註，並進一步生成具體的分析與建議。整體涵蓋了從資料處理到報告產出的完整流程，大幅縮短作業週期，並提升資訊呈現的效率與一致性。專案執行主要分為四個層面：

1. 資料整合與分類：彙整不同來源的員額數據表格與其他業務系統資料，依照特定評鑑面向進行分類，使資料格式更一致，便於後續計算與分析。
2. 自動化計算與重點標註：系統依設定之規則，自動計算各類缺額比率，並以紅字粗體標註超過整體平均值的單位，協助決策者迅速聚焦於需優先關注的重點。
3. AI 報告生成與摘要：大語言模型將數據轉化為文字敘述，生成包含增減員因素分析、評鑑建議與改善方案的完整報告；AI Agent也會進一步納入人力資源管理面的考量，提供如留才策略或配置建議，使報告內容不僅呈現數字，更能呼應政策需求。
4. 共通性問題分析：除了單位別的數據與建議，還能自動彙總跨部會、跨單位的共通問題，生成全域性的分析，為高層決策提供更全面的參考視角。

透過這樣的應用，員額評鑑作業的效率大幅提升，也使成果更具一致性與政策參考價值，展現出AI Agent在公共治理中的決策支援優勢。

另一方面，AI Agent 也能在即時性更高的公共治理場景中發揮作用。面對臺灣頻繁發生的地震、颱風、土石流等天然災害，相關政府單位不僅需在災前做好完善準備，也必須在災害發生後迅速掌握最新狀況，整合、分析各類災情資訊以作出精確的應對決策，並提供必要的預警或通報。然而在實務上，氣象預報、雨量監測、水庫水位、河川水情等資訊分散在不同平台，需要人員逐一查詢比對，才能拼湊出完整畫面，更突顯出對 AI 技術跨資料整合與即時回應能力的需求。

意藍便曾與防災單位合作，在既有資訊檢索與語意分析技術的基礎上，導入 AI Agent 架構建置災防知識問答系統，協助相關人員更快速掌握災情資訊與做出判斷。整體應用可歸納為三個層面：

1. 跨系統與異質性資料整合：及時串接氣象局、經濟部水利署、地方監測站的多方來源的數據情報，並整合至單一平台，避免因資訊分散而形成「孤島」，協助人員快速掌握災情全貌。
2. 自然語言查詢與情境化問答：使用者可直接透過自然語言提問，例如「目前新北市山區的累積雨量與警戒值差距多少？」或「有哪些水庫的水位超過警戒？」，系統便可理解查詢指令，立即調閱資料並回傳結構化結果，降低操作門檻並提升查詢效率。
3. 決策輔助建議：除了提供查詢結果，AI Agent 還能依據歷史案例與既有規範，生成情境化建議，如「建議提升防洪應變層級」、「建議提前調派機具至特定區域」，作為判斷參考，協助決策更快速且有依據。

從上述實務案例可以看出，AI Agent 在公共治理中已有實際應用價值。然而，若要在更大規模、更多元的市政場景推動，仍需同步考量倫理與監管配套，才能確保技術長期穩健發展。導入AI 代理制度須審慎評估的面向包含：

1. 資料安全與隱私：公共治理牽涉大量個資與敏感資訊，必須確保資料的使用、存取與留存都符合相關法規，並具備嚴謹的權限管理機制。
2. 決策透明與可追溯性：AI Agent 雖能快速提供分析與建議，但其邏輯過程與依據需能清楚呈現，以提升決策透明度並獲得使用者信任。
3. 責任歸屬： AI Agent 所產出的建議應視為決策輔助，而最終判斷仍應由決策人員承擔，確保角色定位明確，作為輔助而非取代。
4. 公平性與偏差：AI Agent 的判斷結果會受到資料來源影響，若不同地區或族群的數據取得不完整，或演算法本身帶有偏差，可能導致決策過程偏向數據較充足的一方，讓弱勢地區或群體反而被忽略。因此，制度設計需納入檢核與修正機制，確保公共服務能兼顧公平與一致。

整體而言，AI Agent的導入不僅是技術升級，更與智慧城市政策的發展方向息息相關，能協助市政單位在龐大而複雜的治理工作中，提升資料處理與決策效率、使政策與服務更貼近市民需求。展望未來，隨著制度設計的完善與應用實例的累積，Agentic AI有望逐步普及，並深度融入市政日常運作，成為推動城市升級與治理創新的重要基礎。