延伸主題官方 Beta 指引與 PDF 課綱

公務 AI 專案驗收與委外規格

從 AI 公務人才認定指引裡的履約規格、驗收標準、委辦監理,拆成政府機關、企業與接政府案廠商看得懂的 AI 專案驗收重點。

直接答案

公務 AI 專案不能只看 demo 好不好看。官方指引已經把履約規格、驗收標準、委辦監理放進 AI 政策人才能力裡,代表政府會越來越需要能把 AI 專案管得住、驗得出來的人。

常見問題

  • 政府 AI 專案到底要怎麼驗收?
  • 接政府 AI 案的廠商要準備哪些資料?
  • AI 委外規格可不可以只寫準確率?

行動清單

  • 先定義 AI 要解決的業務情境、使用者與決策影響
  • 把資料來源、資料品質、個資與權限邊界寫進規格
  • 把驗收指標拆成模型表現、系統可用性、資安、人工覆核與錯誤處理
  • 要求廠商交付測試報告、限制說明、維運方式、操作日誌與移交文件
  • 把上線後的監控、模型更新、資料更新、事故回報與責任分工先寫清楚

主題說明

這件事的重點不是「政府以後一定會怎麼標 AI 案」,而是官方文件已經把一個訊號講出來了:公務體系不能只會買 AI、看 AI demo,還要有人能寫規格、設驗收、盯委外、看風險。

AI 公務人才認定指引把 履約規格驗收標準委辦專案監理 放進 AI 政策人才能力,也把 專案-規劃類 認證列為公務特有項目。這代表政府 AI 專案未來真正難的地方,不一定是模型多炫,而是能不能被管理、被驗證、被移交、被追責。

官方已經講到哪裡

目前官方文件可以確認幾件事:

  • AI 政策人才不只做政策規劃,也包含資料治理、倫理法規、風險控管、採購驗收機制。
  • AI 政策人才能力裡明確出現履約規格、驗收標準設定與委辦專案監理。
  • 專案-規劃類認證重點是 AI 服務導入規劃與履約監理,屬於公務特有項目。
  • 專案-技術類則偏向完整 AI 專案實作、需求分析、資料收集、模型建置、系統部署、治理設計、技術審查與品質控管。
  • 學習模組裡有「委外 AI 系統規格制定與驗收實務」,訓練目標包含 AI 模型測試、驗收基礎、指標流程、報告判讀與風險辨識。
  • 「機關導入 AI 線」把需求定義、導入模式、資料評估、專案驗收與營運管理放在同一條流程裡。

白話講,政府已經不只是在問「公務員會不會用 AI」。它開始問:AI 專案從需求、資料、委外、測試、驗收到上線後營運,有沒有能力一路管下去。

驗收不能只看模型分數

AI 專案最容易出現的錯覺,是把驗收寫成一個漂亮數字。

例如:

模型準確率達 90% 即完成驗收。

這種寫法太薄。因為它沒有回答:測什麼資料?資料是不是接近真實業務?錯誤類型是什麼?低信心輸出怎麼處理?遇到敏感資料怎麼擋?上線後模型表現變差誰要看?使用者被錯誤影響時怎麼補救?

比較像樣的 AI 驗收,至少要拆成六個面向。

驗收面向 要問的問題 廠商或內部團隊要交付的證據
情境與需求 AI 用在哪個流程?影響誰?哪些情境不能用? 使用情境、需求對照表、排除情境
資料 資料從哪裡來?能不能用?品質如何?是否含個資或機密? 資料盤點、資料處理紀錄、權限說明
模型與系統 模型表現怎麼測?API 或系統如何整合?失敗時怎麼退回? 測試報告、架構圖、錯誤處理流程
風險與法遵 有沒有人工覆核?有沒有偏誤、資安、個資、著作權風險? 風險評估、人工審核紀錄、資安檢核
營運維護 上線後誰監控?資料或模型怎麼更新?事件怎麼回報? 維運計畫、監控指標、事故通報流程
移交與留痕 機關或企業能不能接手?出了事查不查得到? 操作手冊、日誌、教育訓練與移交紀錄

規格可以怎麼寫得比較不危險

下面不是正式標案文字,只是幫讀者理解「AI 規格要寫到什麼程度」。

不夠好的寫法 比較可驗收的寫法
建置 AI 客服系統 建置可回答特定服務範圍的 AI 客服,列明可回答題庫、不可回答事項、信心不足轉人工、對話紀錄保存、錯誤回報與知識庫更新流程
建置 RAG 知識庫 列明文件來源、更新頻率、權限分級、引用來源顯示、查無資料回覆、測試問題集、回收率與錯誤案例處理
導入 AI 文書工具 定義可用文件類型、不可輸入資料、輸出覆核責任、版本紀錄、敏感資料遮蔽與教育訓練
模型準確率達 90% 定義測試資料集、評估指標、錯誤類型、最低門檻、人工覆核點、上線後監控與重新評估條件

重點不是把規格寫得很厚,而是讓驗收真的能回答:這套 AI 到底能不能在指定情境裡被安全使用。

政府機關與廠商各自要準備什麼

角色 應該先準備
機關或業主 需求情境、資料盤點、風險等級、不可接受的錯誤、人工覆核點、驗收指標、維運責任
AI 廠商 技術架構、模型限制、測試方法、資料處理方式、資安設計、日誌與監控、維運與移交文件
專案管理者 需求變更紀錄、測試與驗收排程、缺失改善追蹤、跨部門溝通、上線後檢討
法務或資安 個資、營業秘密、著作權、委外契約、權限、資料保存、事件通報與責任邊界

接政府案的廠商尤其要注意:政府可能越來越不滿足於「你們模型很準」這種說法。比較有說服力的是你能不能把資料、測試、限制、風險、維運、移交全部講清楚。

民間企業也可以借鏡

即使不接政府案,這套拆法也很適合企業內部買 AI 或導入 AI。

公司真正要問的不是「這套 AI 好不好用」,而是:

  1. 它用在哪個流程?
  2. 它吃什麼資料?
  3. 它錯了會怎樣?
  4. 誰要看它的輸出?
  5. 上線後誰維護?
  6. 出事時查不查得到?

如果這六題答不出來,通常代表專案還沒準備好驗收。

現在不能講太滿的地方

這份主題頁是從官方 Beta 指引和課綱整理出的實務方向,不是新的採購法律意見,也不是說所有政府 AI 標案現在都必須照這套做。

還要繼續追的是:

  • 公務 AI 應用規劃導入能力認證何時正式完成。
  • 這套能力分類是否會被各機關放進派訓、任用、採購或專案管理流程。
  • 政府 AI 委外案未來是否會明確要求特定 AI 能力、證照或驗收文件。
  • AI 風險分類框架、AI 產品與系統評測、資安與個資規範,會怎麼接到實際驗收。

常見問題

這篇是在說政府 AI 採購已經有新規定嗎?

不是。這篇整理的是 AI 公務人才認定指引裡已經出現的履約規格、驗收標準、委辦監理能力,並轉成政府機關與接案廠商可以先準備的實務清單。它不能寫成正式採購義務。

AI 專案驗收是不是只看準確率?

不應該只看準確率。AI 專案還要看資料來源、測試方法、適用場景、錯誤處理、人工覆核、資安權限、日誌、維運與更新。不同場景的驗收重點也會不同。

接政府 AI 案的廠商現在最該補什麼?

先補可交付的證據:需求對照表、資料盤點、測試報告、模型或系統限制、風險控管、權限與日誌設計、維運與移交文件。不要只準備簡報和 demo。

來源與查證

  1. 數位治理職能培力 / 數位發展部 / 查證 2026-06-11
  2. AI 公務人才認定指引 PDF / 數位發展部 / 查證 2026-06-11
  3. AI 公務人才學習模組與課綱 PDF / 數位發展部 / 查證 2026-06-11
  4. AI 公務人才認定指引 Beta 版新聞稿 / 數位發展部 / 查證 2026-06-11
  5. AI 公務人才發展辦公室專區 / 行政院人事行政總處 / 查證 2026-06-11

下一步閱讀