任何專案的成功規劃都始於清晰的目標設定。在導入生成式 AI 前，必須先釐清想要利用 AI 解決什麼樣的具體業務問題（例如：提升客服回應效率、自動生成報告初稿），以及預期達到什麼樣的可衡量目標（例如：客服平均回應時間縮短 20%、報告撰寫時間減少 30%）。沒有明確的目標和問題定義，後續的資源投入、技術選擇和成效評估都將失去依據，容易導致專案失敗或偏離方向。這是規劃階段最基礎且最重要的一步。
#2
★★★★
在生成式 AI 導入規劃中，設定關鍵績效指標（KPI, Key Performance Indicator）的主要目的是什麼？
A
用於向競爭對手展示技術實力。
B
量化評估 AI 導入後的成效以及是否達成預期目標。
C
決定需要採購多少 GPU。
D
作為懲處專案成員的依據。
答案解析
KPI 是可量化的衡量標準，用於追蹤和評估特定目標的達成情況。在生成式 AI 導入規劃中設定 KPI，是為了能夠客觀、量化地衡量 AI 導入後對業務流程、效率、成本、使用者滿意度等方面產生的實際影響，判斷專案是否成功達成了最初設定的目標。例如，客服回應時間、報告生成數量、用戶採用率等都可以是 KPI。
#3
★★★★★
規劃生成式 AI 導入專案時，需要考量的資源通常不包括下列哪一項？
A
人力資源（如 AI 工程師、資料科學家、領域專家）
B
運算資源（如 GPU、雲端平台）與資料資源
C
財務預算（包含開發、維護、授權等費用）
D
競爭對手的市場佔有率
答案解析
生成式 AI 導入規劃需要周詳的資源盤點與規劃。這包括組建具備相應技能的團隊（人力資源）、確保有足夠的運算能力（硬體或雲端）來訓練和運行模型以及可用的高質量數據（運算與資料資源）、並編列充足的經費來支持整個專案生命週期（財務預算）。競爭對手的市場佔有率雖然是企業策略分析的一部分，但它本身並不屬於直接投入到 AI 導入專案中的資源。
#4
★★★★
在生成式 AI 導入規劃過程中，利害關係人（Stakeholder）管理的重要性在於？
A
只需要獲得高階主管的支持即可。
B
需要識別所有受影響的群體，了解其需求與擔憂，並進行有效溝通以獲得支持。
C
主要目的是向利害關係人推銷 AI 技術。
D
利害關係人管理只在專案結束時才重要。
答案解析
生成式 AI 的導入可能影響到組織內外的多個群體，包括高階主管、開發團隊、業務單位使用者、IT 維運人員、法務合規人員，甚至客戶或公眾。有效的利害關係人管理需要早期識別這些群體，理解他們對於 AI 導入的期望、需求、可能的擔憂（如工作被取代、資料隱私、倫理問題），並在整個規劃和執行過程中與他們保持暢通的溝通，爭取他們的支持與配合，及時處理疑慮，這對於專案的順利推行至關重要。
#5
★★★★
相較於傳統的瀑布式開發（Waterfall Model），生成式 AI 專案的導入規劃更適合採用哪種專案管理方法？
A
敏捷式開發（Agile Development），強調迭代、彈性與快速回饋。
B
嚴格的瀑布式開發，按順序完成每個階段。
C
完全不需專案管理方法。
D
僅依賴個人的專案管理經驗。
答案解析
生成式 AI 技術本身仍在快速發展，且其應用效果往往需要在實際部署和使用後才能充分評估，需求也可能隨之調整。這種高度的不確定性和探索性，使得傳統按部就班的瀑布式開發方法難以適用。敏捷式開發強調短週期的迭代、持續交付可用成果、快速回應變化與使用者回饋，更能適應生成式 AI 專案探索性強、需求可能變動的特點。
#6
★★★★
在規劃生成式 AI 導入時，關於系統整合的考量，下列何者最重要？
A
選擇最新潮的程式語言。
B
評估生成式 AI 系統如何與現有業務系統、資料庫、工作流程進行串接與互動。
C
確保使用者介面設計美觀。
D
盡量避免任何系統整合。
答案解析
生成式 AI 系統很少能獨立運作，通常需要嵌入或整合到現有的業務流程或資訊系統中才能發揮價值。因此，在規劃階段就必須仔細評估如何將 AI 系統與現有的基礎設施（如客戶關係管理系統 CRM、企業資源規劃系統 ERP、資料倉儲、內部應用程式等）進行有效的數據交換、流程串接和互動。這涉及到 API 設計、資料格式轉換、安全性考量等，是確保 AI 成功落地應用的關鍵。
#7
★★★★
生成式 AI 的導入可能改變現有的工作模式，因此規劃中應包含哪項重要內容？
A
立即淘汰所有可能受影響的員工。
B
制定變革管理（Change Management）計畫與人員培訓方案。
C
禁止員工討論 AI 對工作的影響。
D
維持現狀，讓員工自行適應。
答案解析
導入生成式 AI 往往不只是技術升級，更可能帶來工作流程、角色職責甚至組織文化的轉變。為了降低變革阻力，確保員工能順利適應新的工作方式並有效利用 AI 工具，周詳的變革管理計畫（包括溝通、利害關係人參與、處理疑慮等）以及針對性的人員培訓（教授如何使用新工具、培養與 AI 協作的技能）是導入規劃中不可或缺的一環。忽略這些，很可能導致技術導入了，但員工不會用、不願用，最終成效不彰。
#8
★★★
在生成式 AI 導入後，進行持續優化的規劃通常涉及什麼？
A
固定模型版本，不再更新。
B
定期監控模型性能，收集使用者回饋，並進行模型再訓練或調整。
C
只關注硬體升級。
D
將所有維護工作外包。
答案解析
生成式 AI 模型並非一勞永逸，其性能可能隨時間、數據變化（資料飄移Data Drift）或使用者需求的演變而下降。因此，導入後的持續優化規劃非常重要。這通常包括：建立監控機制追蹤模型的關鍵指標（如準確率、回應品質、使用者滿意度）；收集和分析使用者回饋；並根據監控結果和回饋，定期進行模型的再訓練（使用更新的數據）、微調（Fine-tuning）或參數調整，以維持或提升其效能。
生成式 AI 是數據驅動的技術，其性能高度依賴於所使用的資料。因此，資料資源規劃是導入過程中的關鍵一環。這包括：識別模型訓練或應用所需的資料類型；評估這些資料是否可取得、數量是否充足、品質是否達標；規劃資料的收集、清洗、標註（如果需要）等前置處理工作；以及考慮資料的儲存和管理。
#11
★★★
採用敏捷式開發規劃生成式 AI 專案時，一個重要的實踐是？
A
在專案開始前就確定所有細節。
B
將專案拆分成較小的、可管理的迭代週期（Sprints）。
C
盡量減少與業務使用者的溝通。
D
避免任何計畫的變更。
答案解析
敏捷開發的核心思想之一是迭代。它將大型複雜的專案分解為一系列短期的、固定時長的開發週期（通常稱為 Sprint 或Iteration）。在每個週期結束時，團隊都會交付一部分可運作的功能，並根據回饋進行調整，然後進入下一個迭代週期。這種做法使得團隊能夠逐步推進、靈活應對變化、並及早獲得回饋，特別適合生成式 AI 這樣具有探索性的專案。
#12
★★★
在規劃生成式 AI 的部署策略時，概念驗證（PoC, Proof of Concept）階段的主要目標是？
A
完成最終產品的全面部署。
B
在小範圍內快速驗證核心想法或技術的可行性。
C
對所有使用者進行大規模培訓。
D
簽訂長期的雲端服務合約。
答案解析
概念驗證 (PoC) 是專案早期的一個階段，目標是用最小的成本和時間，在一個有限的範圍內驗證一個想法、一個演算法或一個技術方案是否基本可行，能否解決核心問題。對於生成式 AI 這種新興技術，進行 PoC 可以幫助團隊快速評估技術潛力、識別關鍵挑戰、降低早期投入風險，然後再決定是否投入更多資源進行更大規模的開發與部署。
#13
★★★
針對生成式 AI 導入帶來的工作流程改變，規劃人員培訓時應該側重於？
A
僅教授 AI 的底層數學原理。
B
僅提供 AI 工具的安裝指南。
C
教授如何有效使用 AI 工具完成工作任務，以及如何與 AI 協作。
D
僅強調 AI 可能帶來的失業風險。
答案解析
當生成式 AI 導入工作流程時，對員工而言，最重要的不是深入理解其複雜的內部原理，而是學會如何在實際工作中有效地使用這些新工具來提升效率或完成任務。培訓應側重於具體的操作方法（例如，如何下達有效的提示Prompt）、工具的功能與限制、以及如何將 AI 的輸出整合到現有工作中，培養人機協作的能力。
#14
★★★★
在評估生成式 AI 導入效益時，除了量化的 KPI，還應該考慮哪些非量化效益？
A
伺服器的耗電量。
B
模型的訓練時間。
C
員工滿意度提升、決策品質改善、創新能力增強等。
D
程式碼的行數。
答案解析
生成式 AI 的導入效益不僅僅體現在可以量化的指標（如成本降低、效率提升）上。它也可能帶來許多難以直接量化但同樣重要的質性效益，例如：透過自動化繁瑣任務提升員工的工作滿意度；提供更全面的資訊或新的視角來改善決策品質；激發新的想法和解決方案，從而增強組織的創新能力。在規劃和評估時，應全面考慮這些量化與非量化的效益。
#15
★★★
在生成式 AI 的迭代開發過程中，「使用者回饋」扮演什麼角色？
A
僅用於最終的專案驗收。
B
作為持續改進模型和應用功能的重要輸入。
C
主要用於計算開發人員的績效。
D
在開發過程中應盡量避免。
答案解析
敏捷和迭代開發非常強調快速獲取回饋並進行調整。對於生成式 AI 應用，使用者回饋（例如，關於輸出內容的相關性、準確性、風格，以及使用介面的便利性等）是評估 AI 實際效果和發現問題的關鍵來源。開發團隊應積極收集並分析這些回饋，將其作為指導後續迭代方向、優化模型、改進功能和提升使用者體驗的重要依據。
在生成式 AI 導入規劃的效益評估中，計算投資回報率（ROI, Return on Investment）需要考慮哪些主要因素？
A
僅考慮專案的總支出。
B
僅考慮專案帶來的總收益。
C
專案的總投資成本（包括開發、部署、維護等）與專案帶來的總效益（包括成本節省、收入增加等）。
D
僅考慮模型的預測準確率。
答案解析
ROI 的基本計算公式是「(總效益 - 總投資成本) / 總投資成本」。因此，要計算 ROI，必須同時估算專案的總投入成本和預期產生的總效益。總投資成本應涵蓋整個專案生命週期，包括人力、硬體、軟體、雲服務、培訓、維護等所有支出。總效益則應包括可量化的收益，如降低的營運成本、提高的生產力、增加的銷售額等。全面評估成本和效益才能準確計算 ROI，判斷專案的經濟價值。
#21
★★★
在生成式 AI 導入的目標設定階段，區分「必須完成」（Must-have）和「最好能有」（Nice-to-have）的功能有何幫助？
A
增加專案的複雜度。
B
有助於確定專案的優先級，在資源或時間有限時聚焦核心功能。
C
讓所有功能看起來同等重要。
D
僅用於技術可行性評估。
答案解析
在專案規劃初期，可能會有許多關於 AI 功能的想法。區分「必須完成」的核心功能（直接解決痛點、達成關鍵目標）和「最好能有」的附加功能（能錦上添花但非必要），是一種重要的需求排序方法。這有助於團隊明確專案的核心價值，在面臨資源限制或時間壓力時，能夠做出取捨，優先確保核心功能的實現，避免專案失焦或延宕。
#22
★★★
規劃生成式 AI 相關的變革管理時，有效的溝通策略應該包含什麼？
A
只向高階主管報告進度。
B
持續、透明地向所有受影響的利害關係人傳達導入的目標、進展、影響及應對措施。
C
在專案完成後才一次性公布結果。
D
盡量隱瞞可能帶來的負面影響。
答案解析
變革管理中的溝通目標是建立信任、減少不確定性、爭取支持。因此，有效的溝通策略應該是持續且透明的。這意味著需要定期向所有可能受 AI 導入影響的利害關係人（不僅僅是高管）傳達專案的目標、目前的進展、預期會對他們的工作或流程帶來什麼改變（正面和潛在的挑戰），以及組織為應對這些改變所準備的措施（如培訓、支援）。隱瞞資訊或溝通不足容易引發謠言、焦慮和抵制。
「製造業 AI 導入指引」強調 AI 導入應緊密結合企業的營運目標與實際需求。規劃 AI 導入不應是為了技術而技術，而是要將 AI 視為一種工具或方法，用來解決特定的業務挑戰（如提高良率、優化排程、預測設備故障）或達成明確的業務目標（如降低成本、提升效率、改善品質）。因此，規劃的起點應是業務問題與目標，而非 AI 技術本身。
在規劃生成式 AI 導入專案時，若預期 AI 將顯著改變某部門的工作流程，與該部門員工溝通的最佳時機是？
A
在 AI 系統完全開發完成並準備上線時。
B
只在發生問題時才溝通。
C
在專案規劃的早期階段就開始溝通，並在過程中持續進行。
D
不需要與該部門員工溝通。
答案解析
有效的變革管理需要及早且持續地與受影響的利害關係人溝通。在專案規劃早期就讓員工了解導入 AI 的原因、目標、預期影響，並聽取他們的意見和擔憂，有助於建立信任、減少阻力。在專案進行過程中，持續更新進展、提供必要的培訓和支持，更能幫助員工順利適應變革。等到系統完成才溝通，往往為時已晚，容易引發反彈。
#29
★★★
根據「製造業 AI 導入指引」，計算投資效益（如 ROI）時，除了考慮直接的財務回報，還應該注意什麼？
A
只計算第一年的效益。
B
忽略所有間接成本。
C
考慮效益實現的時間以及可能的間接效益或質化效益。
D
只計算技術團隊的薪資成本。
答案解析
指引的圖 27 在計算 ROI 時，除了直接的投資效益和投資成本外，還提到了量化和質化的考量。這意味著評估效益時，不能只看短期的直接財務數字，還需要考慮效益需要多久才能顯現（時間因素），以及一些難以直接量化但對企業有價值的效益，例如提升品牌形象、改善員工士氣、增強市場競爭力等（間接或質化效益）。同時，成本評估也應全面，包含直接與間接成本。
#30
★★
在規劃生成式 AI 服務與現有系統整合時，使用標準化的 API（Application Programming Interface）的主要優點是？
A
可以完全避免任何安全性問題。
B
提供一個定義良好、相對穩定的介面，簡化不同系統間的連接與溝通。
C
保證 AI 模型永遠不會出錯。
D
不需要任何開發人員介入。
答案解析
標準化的 API 提供了一種約定好的溝通協議和格式，讓不同的軟體系統可以更容易地相互連接和交換資訊。在整合生成式 AI 服務時，使用 API 可以隱藏底層 AI 模型的複雜性，開發者只需要按照 API 的規範發送請求和接收回應即可，大大簡化了整合的難度和工作量。同時，標準化的 API 通常具有較好的穩定性，即使後端 AI 模型更新，只要 API 介面保持兼容，前端應用就不需大幅修改。