一句話結論
勞動部在數位政府高峰會上揭露四個數位轉型案例，其中最亮眼的數字是把工程督導紀錄從「好幾天」壓到 8 分鐘。但四個案子裡最值得企業抄的那一個暫時還沒用到 AI——只是把 15 個機關的財產系統合併成一套，年度盤點就從 3 個月縮到 2 個月；丁玉珍估算，約相當於 5 個員額的工作量。負責人給的順序值得每個想導入 AI 的主管抄下來：能數位化就數位化，能資料治理就資料治理，能用 RPA 就用 RPA，這些都解決不了，才輪到 AI。
很多主管談 AI，一開口就是：「我們公司該導入什麼 AI？」
這個問題問得太早了。
而最近有一份公部門的成果分享，把「太早」這件事示範得非常清楚——講的人是勞動部，而且她自己就把順序講出來了。
四個案子，其中一個還沒用 AI
2026 年 8 月 26 日的數位政府高峰會上，勞動部綜合規劃司司長丁玉珍分享了四個案例。我把數字整理成一張表，你先看完再往下：
| 案例 | 用了什麼 | 結果 |
|---|---|---|
| 台灣就業通 職缺媒合 |
生成式 AI 建技能資料庫 （人工校正過） |
履歷優化功能預計 2026 年底上線，預估協助 3.5 萬名求職者 （尚未有成效數字） |
| 就業個案管理 | 語音辨識＋OCR＋ 自然語言處理＋生成式 AI |
單案行政 20 分 → 5 分 平均就業時間 9.5 週 → 6 週 就業率 38% → 73% |
| 財產管理 | 暫時沒有用 AI 只做系統整合與資料治理 |
年度盤點 3 個月 → 2 個月 省約 80 人月 丁玉珍估算，約相當於 5 個員額的工作量 臨時調查 1-2 天 → 1-2 小時 |
| 公共工程督導 | AIoT＋多模態 AI＋ 視覺化 RPA，拆成多個小任務 |
督導紀錄 數天 → 8 分鐘 危害預警 1 分鐘內發出 改善 1 天內完成 |
媒體會抓哪一個當標題？當然是 8 分鐘。
但如果你是要在自己公司做這件事的人，第三列才是你該看的那一列。
還沒用 AI 的那一個，省下約 5 個員額的工作量
勞動部及所屬機關有大約 80 個人在管財產和非消耗品——超過 6.4 萬件財產、帳面價值約 123 億元。除了新增、移轉、報廢，每年還要逐一確認每一臺筆電、電腦放在哪、誰在保管。
過去的痛點很具體：資料分散在 15 個機關各自的系統裡。上頭臨時要一份調查——比如「盤點各機關某個國家製造的資訊設備有幾臺」——承辦人得先做一張 Excel，層層轉寄給各機關填，光彙整就要一兩天。
他們做的事，說穿了一句話：把 15 套系統合併成 1 套，然後把權限設好。
結果：
- 臨時調查從一兩天變成一兩小時——系統直接列出初版清單，各機關只要核對
- 年度盤點從 3 個月縮到 2 個月
- 節省約 80 人月；丁玉珍以 80 多名財管人員估算，盤點少掉的這 1 個月，約相當於 5 個員額的工作量
- 39,311 份線上表單取代了原本每份三聯的紙本，預估少印 117,933 張紙
丁玉珍對這個案子的評語是：「光是資料治理，還沒導入 AI，就已經很強大了。」
我想請你把這句話跟你們公司上一次開的 AI 導入會議對照一下。那場會議裡，有多少時間花在討論「要買哪一家的模型」，又有多少時間花在「我們的資料現在散在幾個地方」？
順序：數位化 → 資料治理 → RPA → 才是 AI
這是報導裡我認為最有價值的一段。丁玉珍說 AI 幾乎「只有你想像不到，沒有不能做的」，但她也提醒：AI 不一定是每個問題最好的解法，因為模型仍可能產生偏誤。
然後她給了一個很清楚的階梯：
「如果能夠數位化，我們就數位化；如果能資料治理，我們就資料治理；如果能用 RPA，就用 RPA。」
——報導寫到，她表示直到這些方法仍無法解決問題，再考慮導入 AI。
這個順序為什麼重要？我的白話版是：它是由便宜到貴、由確定到不確定排的。
- 數位化：把紙本變成檔案。做完就是做完了，不會有幻覺。
- 資料治理：把散的資料合起來、把欄位對齊。一次投入，長期受益，而且後面每一層都靠它。
- RPA：把固定的點擊流程自動化。規則寫死，結果可預期，錯了看得出來。
- AI：處理需要判斷、需要讀懂語意的部分。強大，但輸出有機率性，需要人確認。
我看到很多公司的問題不是「沒有用 AI」，是跳過了前面三階，直接想用第四階去補。報導在財產管理案例裡也點出這個風險：如果沒有先整理資料，AI 只是更快地複製過去的錯誤。
報導寫到勞動部的顧慮：要是歷史資料的財產分類有錯，後續人員搜尋到舊資料可能直接沿用，錯誤就一路傳下去。所以他們目前正在清理歷史資料——排除重複、名稱不一致、明顯錯誤——再建財產智能標籤。
第二個可以直接抄的做法：把大任務拆小
8 分鐘那個案子，值錢的不是 8 分鐘，是它怎麼做到的。
背景是這樣：全國約 36 萬名公務人員中，土木職系只有約 1 萬人，平均每人負責約 6,000 萬元的工程量體。人少案多，工程督導紀錄經常趕不上現場進度。工程人員在現場要核對進度、施工狀況、材料品質、CNS 國家標準、職安規範；回辦公室還要整理照片、翻契約法規、完成查核紀錄、通知改善。過去這一段常常要好幾天，例如 7 天。
他們的系統設計，報導的描述大意是：
設計重點不是把整份複雜的督導表一次丟給單一 AI，而是先把工作拆成多個範圍較小、目標明確的任務，再交給不同模組分工處理——最後才把各自的結果整合成完整紀錄。這樣能降低 AI 一次處理大量複雜資料時出錯的風險。
督導表本身也拆成好幾個部分，像施工進度比對、施工狀況說明、材料品質與 CNS 標準核對、安全缺失整理、改善通知等。不同工具各自完成一項，再合併。
這件事跟你有什麼關係？關係很大，而且不用額外預算就能試。
你把一份 30 頁的合約丟給 AI 說「幫我看有沒有問題」，跟你把它拆成「先列出所有付款條件」「再列出所有違約責任」「再標出所有跟期限有關的條文」——後者每一步都能核對原文，哪一步要重查也比較看得出來。這是我把同一個原理搬到對話框的簡化版；勞動部是用不同工具分工做。
順帶一提，這套系統是跨域團隊做的：勞動部工程施工查核小組聯手法務部、交通部的工程人員，加上中央大學、東海大學與 AI／RPA 業者，團隊名字叫「真相只有一隊」。它拿下 2025 年總統盃黑客松的「AI 應用公共服務創新獎」。
誠實踩煞車：這些數字要怎麼讀
我很喜歡這批案例，但它不是稽核報告，讀的時候要留幾分。
- 這是成果分享，不是第三方驗證。資料來自機關在研討會上的簡報，報導沒有提到數字經過獨立稽核。這不代表造假，但成果分享通常會挑做出成果的案子講，讀的時候要記得這一點。
- 38% → 73%，報導沒有提到對照組。就業個管系統 2024 年 1 月上線，期間就業市場、政策工具、人員素質也可能在變。把整段成長全部歸功於系統，是過度歸因。這個數字能說明「值得繼續做」，不能說明「系統貢獻了多少」。
- 8 分鐘算的是「產出督導紀錄」的時間，不是「完成督導」。工程人員到現場拍攝、AI 產出後由承辦人與現場管理者核對、後續 1 天內改善——這些都還在。把 8 分鐘理解成「督導只要 8 分鐘」是誤讀。
- 公部門的痛點不等於你的痛點。他們的痛點多半是法規查詢、37 種就業促進工具的組合、多層級財產分類這類規則複雜的問題。如果你公司的痛點是「客戶需求講不清楚」，那是另一種問題，同樣的解法未必適用。
- 台灣就業通那個案子還沒有成效數字。履歷優化功能預計 2026 年底上線，3.5 萬名求職者是預估值不是實績。我把它列進表格是為了完整，不是當成戰果。
- 「約 5 個員額的工作量」不等於「裁掉 5 個人」。這是丁玉珍以財管人力估算的工作量，報導沒有說要減人。用它去論證 AI 會取代人力，是把話講歪了——更何況這個案子還沒用到 AI。
所以你該做什麼
如果你是一般上班族：學那個「拆小任務」的做法就值得了。下次你要 AI 處理一份長文件，不要下一個大指令，拆成三到五個小的、目標明確的問題分別問。每一步都短到你對得回原文，哪一步走樣也比較看得出來。
如果你要推動流程自動化：先做一次很無聊的盤點——你要處理的這份資料，現在散在幾個系統、幾個 Excel、幾個人的電腦裡？如果答案大於一，先解決這個。勞動部那約 5 個員額的工作量（丁玉珍估算），來自合併系統，不是來自模型。這一步沒人會幫你鼓掌，但它是後面所有事情的地基。
如果你是主管：下次有人拿 AI 導入提案來找你，問三個問題就好——第一，這件事數位化能不能解決？第二，資料現在乾不乾淨？第三，這個流程的規則寫得出來嗎（寫得出來就先考慮 RPA，規則固定的事通常比較便宜、結果也比較好預測）？第一、三題的答案都是不行，而且資料已經整理好，才輪到 AI。這是我的看法：這三個問題能先擋掉一些為了做而做的專案，也讓真正該用 AI 的案子，一開始就講得清楚為什麼非用 AI 不可。
你是機長，AI 是機組人員
起飛前有一份檢查清單：繞著飛機走一圈，用眼睛看。檢查輪胎、有沒有漏油、有沒有東西卡在進氣口。這些動作沒有任何科技含量，也不會有人因為做得特別好而被表揚，但清單上的項目一項都不會跳過。
但它排在所有精密系統的前面。因為再好的航電，也補不了一個沒人發現的機械問題。
資料治理就是那圈繞行檢查。它不性感、不會出現在新聞標題、做完了也沒有人會覺得你很厲害。但勞動部那四個案子擺在一起看，最值得先做的是那一圈繞行，不是駕駛艙裡的儀器。
你是機長。誰去繞那一圈可以分工，副駕駛或地勤都能做；但這架飛機能不能飛，最後決定的是你，責任也在你。不能因為新飛機比較先進就跳過。
常見問題 FAQ
Q：我們公司資料很亂，是不是就不能用 AI 了？
不是，但要選對題目。資料亂的情況下，AI 適合做「不依賴你內部資料」的事——寫草稿、翻譯、整理外部資料、腦力激盪。不適合做「要從你們資料裡找答案」的事，因為它可能很有自信地給你一個建立在錯資料上的答案。先從前者開始拿成果，同時整理資料，兩條線並行。
Q：RPA 跟 AI 到底差在哪？我們要買哪個？
簡單的判準是：這個流程的規則，你寫得出來嗎？寫得出來（每個月五號下載報表、貼到某個系統、寄給某個人）就先考慮 RPA——通常比較便宜、穩定，錯了也看得出來。寫不出來、需要「讀懂」內容才能判斷（這封客訴是哪一類、這段話重點是什麼）才需要 AI。很多公司花 AI 的錢，買的是 RPA 就能解決的問題。
Q：把大任務拆小，會不會反而更花時間？
第一次會多花一點，之後通常不會。因為拆過一次之後你就有一組固定的問法可以重複用。而且省下來的是更貴的時間——你不用再從一份看起來很完整的產出裡，一段一段找哪裡錯了。
Q：政府做得到，是因為他們有預算，我們中小企業怎麼比？
反過來看這件事。他們四個案子裡財產管理那個，花的不是 AI 的錢，是把系統合併的力氣——這件事中小企業其實比大機關容易做，因為你們的系統少、包袱小、不用跨 15 個機關協調。真正難的部分（跨單位協調）你們通常比較少。
Q：那 AI 到底什麼時候該上場？
當你已經知道流程長什麼樣、資料在哪裡、規則寫不出來的那一段具體是哪一段——這時候 AI 上場，目標明確、範圍夠小、驗收得出來。勞動部工程督導那個案子就是教科書：他們先把督導表拆成好幾個目標明確的部分，才分別交給不同工具處理。
資料來源
以下均於 2026 年 9 月 13 日查證：
- iThome：〈從找工作到查工地！勞動部揭4大數位轉型實例，數天工程督導作業靠AI縮短到8分鐘〉（ithome.com.tw/news/178524，2026 年 9 月 11 日，文／王若樸）：本文所有數字與引言的來源。含四個案例的完整描述、就業個管 20 分→5 分／9.5 週→6 週／38%→73%、財產管理 15 個機關系統整合／6.4 萬件財產／約 123 億元帳面價值／3 個月→2 個月／約 80 人月、丁玉珍估算約相當於 5 個員額的工作量／39,311 份線上表單／117,933 張紙、工程督導數天→8 分鐘／1 分鐘危害預警／36 萬公務人員中土木職系約 1 萬人／平均每人約 6,000 萬元工程量體、以及丁玉珍司長「如果能夠數位化，我們就數位化……」與「光是資料治理，還沒導入 AI，就已經很強大了」兩段引言。
查證說明（誠實揭露）：①本文是單一來源報導——原始場合是 2026 年 8 月 26 日的數位政府高峰會，講者為勞動部綜合規劃司司長丁玉珍。我沒有取得簡報原檔或會議錄影，所有數字均轉引自 iThome 的現場報導，未能與勞動部官方文件二次核對，這是本文最主要的限制。②這些是機關自述的成果，不是第三方稽核數字，且研討會場合通常以分享成果為主，本文已在正文標明。③38%→73% 等前後對比，報導沒有提到對照組，無法排除其他因素，正文已說明不可歸因於單一系統。④「如果沒有先整理資料，AI 只是更快複製過去的錯誤」一句是報導者的歸納，不是丁玉珍的原話，本文引用時已改寫為敘述而非引號引言。⑤關於「拆小任務可以套用在一般人的對話框」、四階梯「由便宜到貴、由確定到不確定」的解讀，以及三個提問的檢查法，都是我的教學經驗與判斷，不是原報導的內容。⑥台灣就業通的 3.5 萬名求職者為預估值，功能預計 2026 年底上線，截至查證日尚未有實際成效數字。⑦本文未對勞動部以外的機關或企業做任何成效推估。
先問「這需要 AI 嗎」，再問「要用哪一家」
我會把這類案例拆成可以照著做的順序，寫在電子報裡。電子報大約一到兩週一封 → startupforyou.substack.com
如果你是主管：我會建議企業內訓先帶團隊把自己的流程攤開來，再談要用哪個工具——當場分出哪些該數位化、哪些該用 RPA、哪些才真的需要 AI，課堂上就可以產出貴公司自己的優先順序表。想聊聊寫信到 ai@autolab.cloud，或看看 AI 顧問教練團。
公司想導入 AI、安排內訓 → 企業內訓諮詢表單
關於作者
黃敬峰（AI峰哥／阿峰老師），企業 AI 實戰培訓專家，服務客戶包含國泰人壽、工研院、士林電機、電通、城邦媒體等。聯絡方式：ai@autolab.cloud