性能方面，着重发展各种智能助手，以提升公务人员处理业务与申办审查效率，降低人为错误、提升决策品质，并发展其他创新智能应用，各部会需利用这5年期间，整备数据发展信息业务助手、行政业务助手、特定业务助手，并且训练智能模型，创新应用试验及导入。

以配套措施辅助公务机关导入AI

负责辅导公务机关导入AI的数位部提出几项配套措施，包括提出政府AI应用发展指引与技术、管理指南，推动政府AI人才培育，以及创建政府大型语言模型的应用试验场域。

黄彦男指出，数位部未来要成为推动政府革新的教练，一方面参考国内AI基本法、行政院及所属机关(构)使用生成式AI参考指引，以及国外相关法案，如欧盟新近推行的AI Act法案，NIST AI RMF风险管理框架等，提出国内发展AI应用的管理参考；另一方面是扮演教练，协助机关依照AI应用指引、AI技术，提高公务机行政性能、发展创新应用。

数位部正在规画的政府机关人工智能应用参考指引(草案)，目前参考指引已先由数位部研拟草案、内部讨论，今年10月将会先确认草案内容，11月搜集内外部意见及调整草案内容，12月完成试行版本，参考指引从辅导公务机关的角度，介绍AI基本概念、协助机关公务人员评估AI是否为解决方案、协助AI服务导入，以及协助机关AI项目管理、风险控管、AI治理。

在政府AI人培计划，由数位部持续性、系统性培训及技术支持，让公务人员具备运用AI的技能，以改善公共服务，目标是让公务人员可应用的领域、相关法规规范，具备AI基础认识，可运用AI工具提升效率，并且可开发自动化RPA程序，利用简易工具开发AI软件。

人培计划涵盖各职务公务人员，包括高级公务人员的共识营，例如日前已举办的副首长共识营，并通过AI推动实务种子人员课程，举办AI实务课程、工作坊，以及公部门的AI应用成果竞赛，让AI深入公务机关各层级人员。

在创建政府大型语言模型的应用试验场域上，由于各机关业务性质差异，为提供试验找出最适合自己业务场景需求的LLM应用，数位部将建置大型语言模型的应用试验场域，供中央机关在导入AI应用前先进行POC测试。

数位部计划提供包括TAIDE等10个以上开源或封闭式语言模型，供各机关测试验证，并进行客制化的训练或调整，这些模型可由数位部建置AI Bots市集，类似于App市集的概念和其他单位分享，数位部希望提供至少20种共通性AI Bots，包括数据分析、数据清理、数据可视化、翻译等AI Bots，供有需要的其他机关应用，以节省开发成本、扩大效益。

下一阶段的政府转型发展，除了推动机关导入AI，革新公务行政效率、便捷公共服务之外，数位部也枚举其他持续发展的项目，例如在政府数据交换方面，推动更多的政府机关运用T-Road进行安全的数据交换，并且以零信任架构确保信息安全；另外，还有推动民生关键系统韧性，让关键民生系统的核心利用跨境公云，当国内发生紧急状态，仍能通过境外公云维持基本运作，并且利用公云备份数据，在事后重建系统及服务。

未来几年，数位部辅导公务机关导入AI，包括生成式AI，黄彦男表示，应当要善用生成式AI带来数位转型突破，传统的痛点例如重复性高且冗长的作业、人工方式难以发现复杂数据关联性、人为查找数据有限、人工作业疏失等等，运用生成式AI带动转型，能够自动化提高生产力、避免人为疏失、控制复杂程序、洞察分析数据关联性、处理大量数据文档。

他也枚举10大生成式AI可能的运用场景，包括知识管理、项目管理、数据治理、数据分析、文档审核、文档处理、写代码等等。其中写代码特别让他有感，工程师出身的黄彦男曾是工程师，撰写代码，他认为生成式AI应用在写代码，减轻工程师的开发工作负担，未来工程师的工作必需要会下指令，由生成式AI产生代码，工程师再进一步视图优化。

未来生成式AI在公务机关的应用潜力，例如结合语言模型创建生成式AI回应机制，提高对民众问题的理解度，找出关联性的信息精准回答，或以自然语言对话式回应，像是我的E政府，未来民众可以自然语言提出问题，由AI精准回应；在法务应用上，利用生成式AI协助检察官产生书类草稿，减轻检察书类制作时间。

黄彦男也提醒公务机关运用生成式AI，应小心的4种偏误，包括数据偏差、关联偏差、自动化偏误、确认偏误，目前数位部已成立AI评测中心，针对LLM以安全性、公平性、准确性、弹性、可解释性等共10项AI评测项目，预防上述AI偏误可能造成的风险。