iPAS AI應用規劃師 考試重點

L12301 生成式AI導入評估
主題分類
1
評估導入的必要性與目的
2
場景與問題評估
3
資料狀態評估
4
資源與能力評估
5
技術與工具評估
6
風險與效益評估
7
導入模式與可行性評估
8
衡量指標與驗收標準評估
#1
★★★★★
評估導入生成式AI的必要性：為何需要GenAI？
核心概念
導入GenAI (Generative Artificial Intelligence) 前，首要評估是否真的需要這項技術。應從組織的業務目標、策略方向出發，思考GenAI能帶來哪些獨特價值（例如：自動生成內容、提升創意、改善人機互動），以及現有工具或流程是否無法滿足需求。避免為導入而導入，確保技術應用能解決實際問題或創造機會。(公部門手冊P18-19; 製造業指引P21)
#2
★★★★★
定義清晰的導入目標與預期成果
核心概念
在評估階段，必須明確定義導入GenAI想要達成的具體目標。目標應該是可衡量的（例如：減少客服回覆時間20%、每月自動生成新聞稿5篇、提升設計提案多樣性30%）。清晰的目標有助於聚焦資源、評估效益，並作為後續衡量專案成功的依據。(公部門手冊P24; 製造業指引P20, P22; 金融業指引P4)
#3
★★★★★
評估應用場景的適合性
核心概念
並非所有問題都適合用GenAI解決。需評估目標應用場景的特性，例如：是否涉及創意生成、自然語言處理、內容摘要、程式碼輔助等GenAI擅長的任務？場景的複雜度、對精確度的要求、容錯率等都是評估重點。應選擇能發揮GenAI優勢且風險可控的場景。(公部門手冊P22-23; 製造業指引P22)
#4
★★★★
分析現有流程與痛點
核心概念
深入了解當前與目標場景相關的工作流程，識別其中的瓶頸、效率低落、人力密集或易出錯的環節（即痛點）。評估GenAI技術能在哪些環節帶來改進或自動化，以量化潛在的效益。(公部門手冊P22; 製造業指引P23)
#5
★★★★★
評估資料的可用性與品質
核心概念
GenAI的表現高度依賴訓練資料（對於需要微調或從頭訓練的模型）或用於提供上下文的資料（例如 RAG - Retrieval-Augmented Generation）。評估階段需確認：1) 是否有足夠數量、與任務相關的資料？ 2) 資料是否準確、完整、無偏見？ 3) 資料的格式是否適合模型使用？資料的缺乏或品質不佳是導入失敗的常見原因。(公部門手冊P27-28; 製造業指引P25, P44; 金融業指引P17)
#6
★★★★
評估資料隱私與合規性
核心概念
評估所需資料是否涉及個人可識別資訊 (PII) 或其他敏感資訊？資料的收集、儲存、處理和使用是否符合個資法、資安法及相關行業規範？若使用第三方模型或平台，需評估其資料處理政策。(公部門手冊P27, P76; 金融業指引P13; 製造業指引P44)
#7
★★★★
評估組織內部能力：技術與人才
核心概念
檢視組織是否具備導入與運營GenAI所需的技術基礎設施（如運算資源、儲存空間、網路環境）與專業人才（如資料科學家、AI工程師、領域專家）。若能力不足，需評估是否需要外部支援、人才招募或內部培訓。(公部門手冊P50-51; 製造業指引P25)
#8
★★★
評估預算與資源投入
核心概念
初步估算導入GenAI所需的總體成本，包括技術採購/開發、資料準備、基礎設施建置/租用、人才成本、維運成本等。評估組織是否有足夠的預算支持，並將其納入整體資源規劃。(公部門手冊P34; 製造業指引P25, P47-48)
#9
★★★★
評估技術方案：模型選擇、平台與工具
核心概念
根據應用場景和目標，初步評估可能採用的GenAI模型類型（如LLM、擴散模型等）、技術平台（雲端 vs. 地端）、以及開發與部署工具。需考量技術的成熟度、效能、成本、可擴展性及與現有系統的整合性。(公部門手冊P44-47; 製造業指引P25-26)
#10
★★★
評估No Code/Low Code方案的可行性
核心概念
對於技術資源有限或希望快速驗證概念的組織，可評估使用無程式碼 (No Code) 或低程式碼 (Low Code) 的GenAI平台。<評估重點在於這些平台的功能是否滿足需求、客製化彈性、成本以及供應商的可靠性。(課程規劃書L121)
#11
★★★★★
風險評估：識別潛在技術、倫理、安全風險
核心概念
系統性地識別導入GenAI可能伴隨的各種風險，包括：
  • 技術風險：模型效能不佳、幻覺、整合困難。
  • 倫理風險：偏見與歧視、缺乏透明度、影響就業。
  • 安全風險：資料外洩、提示注入、惡意使用、智財權侵犯。
  • 營運風險：成本超支、專案延遲、使用者接受度低。
(課程規劃書L123; 公部門手冊P69; 金融業指引P4)
#12
★★★★
評估潛在效益與投資回報 (ROI)
核心概念
除了風險，也要評估導入GenAI可能帶來的正面效益，如提升生產力、降低營運成本、改善決策品質、增強創新能力等。嘗試量化這些效益，並與預估成本進行比較，進行初步的投資回報率 (ROI - Return on Investment) 評估，判斷專案的經濟價值。(製造業指引P29, P47, P51-52)
#13
★★★★
評估不同的導入模式與可行性
核心概念
綜合考量目標、資源、風險、技術等因素，評估不同導入模式（自建、採購、合作、使用現有服務等）的優劣與可行性。選擇最適合組織現況與專案需求的導入路徑。例如，對於核心業務或涉及敏感資料的應用，可能傾向自建或嚴格控管的合作模式。(公部門手冊P33-36; 製造業指引P26)
#14
★★★
概念性驗證 (PoC) / 試點計畫的評估
核心概念
如果決定進行PoC或試點計畫，需要明確定義其評估標準和成功條件。評估重點應放在驗證核心技術的可行性、初步效益的展現，以及找出放大導入時可能遇到的挑戰，而非追求完美的系統。(製造業指引P49)
#15
★★★★
建立衡量指標 (Metrics) 與驗收標準
核心概念
基於導入目標與預期效益，設定具體的、可量化的衡量指標，用於追蹤專案進度與評估最終成效。同時，明確定義專案的驗收標準，讓所有利害關係人對於「成功」有共同的理解。這些指標與標準應在評估階段就開始構思。(公部門手冊P59-61; 製造業指引P40, P43, P54, P56)
#16
★★★
評估溝通計畫與變革管理需求
核心概念
評估導入GenAI對組織內部流程和人員可能帶來的改變。初步規劃溝通策略，讓相關人員了解導入的目的、效益與影響。評估是否需要相應的變革管理措施（如：教育訓練、流程調整），以提高使用者接受度並確保順利過渡。(公部門手冊P50, P55; 製造業指引P41)
沒有找到符合條件的重點。
↑