跳到主要內容
台灣 AI 法規指南EVIDENCE WORKBENCH / TAIWAN
搜尋
合規主題整理查證 2026-10-04
回主題總覽
延伸主題

公務 AI 專案驗收、供應商問卷與委外規格

AI 供應商只答「有支援」還不算驗收。依台灣官方手冊與人才、評測資料,整理 12 題問卷、證據對照、RAG 測試與更新後重測方式。

更新
2026-10-04
來源狀態
台灣 AI 基本法第19條 + 正式 V1.0 參考手冊 + 公務人才 Beta 指引與課綱 + AIEC 評測資料 + NIST 自願性框架;本站驗收示例不是官方表單或通案門檻

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?
  • 供應商答覆怎麼變成可重測的驗收證據?
  • 模型或知識庫更新後要重測什麼?

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
  • 把每項答覆接到證據編號、交付版本、測試與覆核人;缺口先列待補證

主題說明

廠商說「有權限控管」、「模型很準」、「會自動更新」,還不等於你的 AI 專案已經可以驗收。先請對方把答覆對上實際版本與測試證據,再確認失敗、更新和退出時誰負責。

數發部目前提供的 V1.0《公部門人工智慧應用參考手冊》已不是試辦草案。它是供機關參考運用、會持續調整的正式手冊;AI 公務人才認定指引則仍是 Beta 文件。兩者的法律狀態與用途要分開,不要合併寫成一套強制採購規範。

這不表示政府使用 AI 沒有法定要求。《人工智慧基本法》第 19 條要求政府使用 AI 執行業務或提供服務時進行風險評估、規劃因應措施,並依業務性質訂定使用規範或內控管理機制。下方問卷、證據欄位與測試例子,是本站整理的實務建議,不是該條文逐項規定的固定表單。

2026 年 9 月,數產署也公布臺灣主權 AI 評測結果,AIEC 並持續發布語言模型基準。這表示採購方多了一層可參考的模型證據,但不是「排行榜高分就驗收完成」。模型基準、第三方評測、專案驗收與法遵判斷是四件不同的事。

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:

  • 數發部正式手冊把 AI 導入拆成服務評估、專案導入與營運管理,並設有 AI 專案驗收標準專章。
  • 手冊列出的常見驗收類型包含模型性能、系統穩定性、使用者體驗與公平性,也提醒可依情境加入營運成本、資源效益、安全隱私與可擴展性。
  • 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。
  • AIEC 公開的主要評測項目包含準確性、可靠性、公平性、隱私與資安;2026 年 8 月的語言模型基準另看國文、社會與臺灣價值觀等在地化表現。

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?

可以先用下面六個面向拆開需求,再依個案增減;不是每個標案都必須使用同一張表。

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

正式手冊也提醒,不同 AI 專案的合理門檻不會一樣。身分驗證、公共服務或會影響權益的用途,不能直接沿用低後果工具的準確率;模型分數也不能取代系統穩定性、使用者測試、公平性與後續維護。要把一次驗收接到持續治理,可以參考 NIST AI RMF 對台灣企業有什麼用,但 NIST 仍是自願性框架,不是台灣採購義務。

模型評測成績不等於專案驗收

AIEC 的模型基準與主要評測項目很有用,但用途要放對位置。它可以幫採購方比較模型、找到要追問的風險,也可以要求供應商說明送測版本、測試日期與結果;它不能單獨證明整套系統已適合某個機關或企業。

評測資料可以回答 評測資料不能單獨回答
某個模型版本在特定基準上的相對表現 供應商實際交付的是否就是同一模型、同一版本與同一設定
國文、社會、臺灣價值觀或準確性等測試線索 你的公文、客服、法務、醫療或金融資料上會不會答對
準確性、可靠性、公平性、隱私與資安的提問方向 權限、日誌、RAG 文件、API、人工覆核與故障轉人工是否真的可用
選模或概念驗證階段的比較依據 個資、著作權、營業秘密、資安與採購契約是否已處理
要求廠商提供更多測試證據的起點 上線後漂移、版本更新、事故回報、停用與移交責任是否已約定

最安全的做法,是把外部評測當成「供應商主張的佐證之一」,再用自己的真實情境測試。數產署新聞稿也把評測定位為協助業者掌握產品優勢與精進方向、讓使用端依實際場域選擇模型;這和通案合規證書或固定採購門檻不同。

採購前先問供應商 12 題

這不是主管機關核定問卷,而是依官方手冊、人才指引與評測資料整理的需求訪談底稿。答案若只有「有」、「支援」或「業界領先」,都還不算可驗收。

類別 要問供應商 應拿到的證據
產品身分 實際交付的模型、版本、部署位置與第三方服務是什麼? 版本清單、架構圖、次處理者或外部服務清單
使用邊界 系統可做、不可做及必須轉人工的情境是什麼? 使用情境、排除情境、轉人工規則
資料來源 訓練、微調、RAG、提示詞與紀錄各用了哪些資料? 資料盤點、來源/授權說明、資料流圖
資料處理 輸入資料會不會留存、跨境、再訓練或交給第三方? 保存刪除設定、合約條款、部署與傳輸說明
權限 使用者、管理者、API 與 AI Agent 能做哪些事? 權限矩陣、金鑰管理、人審與到期撤權設定
測試方法 測試集從哪裡來,是否包含真實業務、邊界與失敗案例? 測試集說明、版本、樣本分層與測試報告
指標門檻 為什麼選這些指標與門檻?高風險錯誤是否另算? 指標定義、通過門檻、錯誤分類與逐案結果
外部評測 提到 AIEC、認證或排行榜時,測的是哪個版本與哪些項目? 官方結果連結、送測版本、日期、適用限制
安全風險 提示注入、資料外洩、越權操作與惡意輸入怎麼測? 安全測試、修正紀錄、攔截與事件處理流程
監控更新 模型、知識庫或規則更新後,誰核准、何時重測? 版本紀錄、變更流程、監控與重新驗收條件
事故責任 發生錯誤、侵權、資安或服務中斷時,誰通知、修復與留證? 服務水準、事故通報、責任與補救流程
移交退出 契約終止時,資料、帳號、日誌、設定與文件如何取回或刪除? 移交清單、可匯出格式、刪除證明與退出測試

問卷的目的不是讓廠商多填一張表,而是把每一個「產品宣稱」接到「可查證證據」與「驗收門檻」。可直接複製的欄位與會議表格放在 AI 專案驗收檢查表。

供應商答覆怎麼接成驗收紀錄

不要在收到「支援」兩個字時就勾選通過。比較好追查的做法,是讓同一項需求一路接到答覆、附件、測試與覆核決定。以下欄位是本站建議,不是主管機關的核定表單:

  1. 需求或問卷題號,以及供應商答覆日期。
  2. 實際交付的系統、模型、知識庫、提示詞與權限設定版本;雲端服務無法鎖定版本時,寫清楚限制與變更通知方式。
  3. 證據編號與可取得的位置,例如文件、設定匯出、測試報告或受控日誌;標明適用範圍,不在公開附件放個資、機密或金鑰。
  4. 測試案例編號、測試資料版本、測試帳號角色,以及事前約定的指標、門檻或預期行為。
  5. 實測結果、覆核人、日期與決定,分開記通過、未通過、待補證或不適用及理由。
  6. 缺失、改善責任人、期限與重測紀錄。修正版另記版本,保留原失敗結果。

例如第 5 題「權限」可以接到權限矩陣 E-05、越權測試 T-02,再接到覆核與重測紀錄。只有廠商簡報、附件取不到、測的是另一個模型版本,或根本沒有執行測試,都應先保留缺口;外部評測與自我宣稱可以作附件,但不能代填實測結果。

RAG 驗收示例:先測三種情境

假設要買一套「內部作業文件問答」工具。下面用虛構文件與測試帳號示範,不含真實公文、客戶資料,也沒有真的執行產品測試。所有結果因此先列「待測」,不能拿這張表當已通過的報告。

測試情境 事前約定的行為示例 要留下的證據 本例狀態
T-01:有權限、文件有答案 回覆要能對上當次有效文件與可開啟的來源段落,不只列文件名稱 問題與預期依據、文件版本、引用位置、輸出與覆核紀錄 待測
T-02:一般測試帳號問受限文件 不能洩露無權限內容;也測直接網址、API 與誘導改寫的繞過方式 測試角色、權限矩陣、攔截結果與受控日誌 待測
T-03:查無資料或只有過期文件 說明無法確認,依約定流程轉人工;不把過期內容說成現行答案 測試資料的有效日期、輸出、轉人工紀錄與處理窗口 待測

正式專案仍要依使用者、文件類型與錯誤後果擴大測試,不是三題通過就足夠。事前也要講好樣本、重複測試方式、引用正確率與回應時間怎麼算;未執行、缺資料和不適用要分開,不用缺失當作零分後混進平均。若發生越權洩露或已約定不可接受的重大錯誤,先處理該項缺失,不能用其他答對的題目抵掉。

更多場景可接 RAG 驗收檢查表 或 AI 客服驗收檢查表。文件與測試證據完整,也不等於個資、著作權、資安或契約問題已全部解決。

更新後,哪些驗收證據要重查

舊報告記的是當時的版本與情境。正式手冊把營運管理接在導入後面,NIST AI RMF 也可協助持續風險管理;但下表是本站的變更管理建議,不是「每次更新依法都得重辦採購」。

發生的變更 優先重查或重測 要補的紀錄
模型、提示詞或檢索設定改了 原測試集、引用、拒答、敏感輸出與轉人工是否仍符合約定 新舊版本、變更影響、失敗案例與重測結果
知識庫增刪文件或改有效日期 是否仍引用現行文件,舊文件與撤下內容是否還會被取出 文件清單、有效日期、授權/使用範圍與更新紀錄
帳號、部門權限、API 或 Agent 工具改了 越權、撤權、人審與日誌是否仍有效 新權限矩陣、測試角色、核准人與攔截證據
外部服務、資料留存、跨境或再訓練設定改了 原資料處理約定是否仍適用,哪些資料不能繼續送出 資料流、服務條款/契約、處理者與保存刪除設定

依改動與風險決定重測範圍,由有權負責的人覆核。若版本無法確認、重大缺失未排除,或新的資料流超出原先核准範圍,可先暫停受影響功能或轉人工,待補證與重測後再決定恢復;不要讓自動更新沿用舊報告的「通過」。停用、回復可用版本與通知方式也應先約定,而不是事故發生後才問廠商。

人員認證也要放對位置。人事總處已有「公務 AI 共通核心能力認證」民間認證機構採認公告,證明這一層有人才認證作業,不代表專案規劃類認證、產品測試或每一項採購要求都已完成。廠商提出證照時,先核對名稱、對象與範圍,再看它能支撐哪項能力,不能當成整套系統的驗收證明。

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。

若供應商或交付市場在海外,先補上產品、使用者、部署與資料流的連結點,再用 台灣、美國與歐盟比較 找應查的法律層次。與日本供應鏈合作時,可接 日本 AI 事業者指引 看開發、提供與使用的分工;不要因買了外國模型,就把該國全部義務搬成台灣採購條件。

現在不能講太滿的地方

這份主題頁是從數發部正式手冊、AI 公務人才 Beta 指引與課綱,以及 AIEC 官方評測資料整理出的實務方向。正式手冊是供機關參考運用的指南,不是新的採購法規;Beta 人才指引不能寫成已定案制度;AIEC 模型基準也不是通案合規認證或固定採購門檻。2024 年的 AI 產品與系統評測參考指引頁仍是一筆草案預告,AIEC 已實際運作不代表可以反推該草案已成為強制規則。

還要繼續追的是:

  • 各類人才認證的最新採認範圍與作業;共通核心能力認證不能混稱專案規劃認證或產品驗收。
  • 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、AIEC 評測、資安與個資規範,會怎麼接到各機關的實際採購與驗收。

正式標案與驗收仍需採購、法務、資安、技術及主管機關的個案判斷;本站問卷、編號、虛構情境與更新處置建議,均不保證合規或取代實際契約。

讀完後通常還會問

01

這篇是在說政府 AI 採購已經有新規定嗎?

這篇不是宣告新的通案驗收門檻。正式手冊供機關參考運用,人才指引是 Beta 文件,本站問卷與示例也不是官方規定。但 AI 基本法第19條另有政府使用 AI 的風險評估、因應措施及使用規範或內控要求,實際採購程序、契約與其他適用法規仍須確認。

02

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。

03

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。

04

模型在 AIEC 或其他排行榜分數高,就能直接通過專案驗收嗎?

不能直接畫等號。模型基準能提供比較線索,但專案仍要用自己的業務資料、使用者、權限、整合方式、錯誤後果與維運條件測試。評測高分不是合規證書,也不是所有採購案的固定通過門檻。

05

供應商問卷都填有支援,還要追問什麼?

請廠商指出實際交付版本、文件或日誌編號、可重做的測試案例與限制,再由業主確認結果。沒有附件、未測試或版本對不上的答案,先列待補證,不能把自我宣稱當成驗收通過。

06

模型或 RAG 知識庫更新後,舊驗收報告還能用嗎?

舊報告只能證明當時的版本與情境。先比較模型、文件、提示詞、權限與外部服務的改動,再按影響重測引用、越權、查無資料、轉人工等項目;不必把每次小修都當成重新採購,但不能默認舊報告證明新版本已通過。

07

廠商說符合 NIST,或人員有 AI 證照,就代表系統驗收完成嗎?

不是。NIST AI RMF 是自願性風險管理框架,不能把自稱遵循當成 NIST 核發的系統合規證書。公務 AI 人才認證評估的是人員能力;仍要確認實際產品、版本、測試範圍、風險與契約交付證據。

回到官方原始頁面

14 筆來源
  1. 01公部門人工智慧應用參考手冊公告頁數位發展部 / 查證 2026-10-04開啟
  2. 02公部門人工智慧應用參考手冊 V1.0 PDF數位發展部 / 查證 2026-10-04開啟
  3. 03數位治理職能培力數位發展部 / 查證 2026-10-04開啟
  4. 04AI 公務人才認定指引 PDF數位發展部 / 查證 2026-10-04開啟
  5. 05AI 公務人才學習模組與課綱 PDF數位發展部 / 查證 2026-10-04開啟
  6. 06AI 公務人才認定指引 Beta 版新聞稿數位發展部 / 查證 2026-10-04開啟
  7. 07AI 公務人才發展辦公室專區行政院人事行政總處 / 查證 2026-10-04開啟
  8. 08AIEC 主要評測項目AI 產品與系統評測中心 / 查證 2026-10-04開啟
  9. 09AIEC 2026 年 8 月語言模型基準評測結果AI 產品與系統評測中心 / 查證 2026-10-04開啟
  10. 10臺灣主權 AI 評測結果新聞稿數位發展部數位產業署 / 查證 2026-10-04開啟
  11. 11AI 產品與系統評測參考指引草案預告數位發展部數位產業署 / 查證 2026-10-04開啟
  12. 12人工智慧基本法(政府使用 AI 的第19條)國家科學及技術委員會主管法規共用系統 / 查證 2026-10-04開啟
  13. 13公務 AI 共通核心能力認證民間認證機構採認清單行政院人事行政總處 / 查證 2026-10-04開啟
  14. 14NIST AI Risk Management Framework 官方說明NIST / 查證 2026-10-04開啟