iPAS AI應用規劃師 考試重點
L12302 生成式AI導入規劃
篩選主題：
全部主題
導入規劃概論與目標設定
需求評估與範疇界定
資料與資源規劃
技術與模型考量
試點計畫(Pilot Project)
風險評估與管理
成功指標與效益評估
溝通與利害關係人管理
重要性：
全部重要性
★★★★★
★★★★
★★★
★★
★
搜尋：
搜尋
主題分類
1
導入規劃概論與目標設定
2
需求評估與範疇界定
3
資料與資源規劃
4
技術與模型考量
5
試點計畫(Pilot Project)
6
風險評估與管理
7
成功指標與效益評估
8
溝通與利害關係人管理
#1
★★★★★
生成式AI導入規劃
的目的與重要性
核心概念
生成式AI導入規劃
是
確保
GenAI
專案成功
的關鍵步驟。其目的在於
明確專案目標、界定範疇、評估可行性、規劃所需資源、識別並管理風險
，使
GenAI
的導入能
符合組織策略、解決實際問題並創造價值
。缺乏妥善規劃可能導致專案失敗、資源浪費或產生預期外的負面影響。(
課程規劃書L123; 製造業指引P39
)
#2
★★★★★
設定清晰的
導入目標
與
預期效益
核心概念
導入
GenAI
不應是為了技術而技術
，必須
與組織或業務目標緊密結合
。規劃初期需
明確定義想要透過
GenAI
解決的具體問題或達成的目標
（例如：提升效率、降低成本、改善客戶體驗、創造新服務）。同時，應
量化預期效益
，作為後續評估專案成功與否的基準。(
公部門手冊P19, P24; 製造業指引P20, P22; 金融業指引P4
)
#3
★★★★★
場景問題定義
與
痛點分析
核心概念
規劃的第一步是
找出適合應用
GenAI
的具體業務場景或流程
。需要
分析現有流程中的痛點、瓶頸或效率低落之處
，判斷
GenAI
是否為解決這些問題的
最適方案
。應
從具體的工作痛點出發
，連結
GenAI
能帶來的具體效益。(
公部門手冊P19, P22; 製造業指引P20-23
)
#4
★★★★
界定
專案範疇
與
可交付成果
核心概念
清楚界定
GenAI
專案的
範圍邊界
，包括
涵蓋哪些功能、不涵蓋哪些功能
，以及專案結束時應
產出的具體成果
（例如：一個可用的聊天機器人原型、一份自動生成的報告模板）。避免
範疇蔓延
(
Scope Creep
) 是成功規劃的關鍵。(
課程規劃書L123
)
#5
★★★★★
資料評估
：
可用性
、
品質
與
合規性
核心概念
GenAI
高度依賴資料。規劃階段需評估：1)
是否有足夠且相關的資料
可供模型訓練或應用？ 2)
資料品質如何
（完整性、準確性、一致性）？ 3)
資料的取得與使用是否符合
個資法
等法規要求
？資料是導入
GenAI
的重要前提。(
公部門手冊P22, P27-28; 金融業指引P13, P17; 製造業指引P44
)
#6
★★★★
資源盤點
：
人力
、
技術
、
預算
核心概念
評估組織內部是否擁有
執行
GenAI
專案所需的資源
。
人力
：是否具備
具備
AI
知識、資料處理、專案管理能力的成員
？是否需要外部專家？
技術
：是否具備所需的
運算能力 (如
GPU
)、儲存空間、開發環境
？
預算
：
初步估算
開發、部署、維護以及可能的授權費用。
(
公部門手冊P33-34, P50-51; 製造業指引P47
)
#7
★★★★
導入模式選擇
：
自建
vs
採購
vs
合作
核心概念
根據
專案目標、資源狀況、技術掌握度、時程壓力
等因素，決定
GenAI
的導入方式。
自建
：
完全掌握技術，客製化程度高，但投入成本與時間長
。
採購
：
快速導入成熟方案（如
API
服務、現成平台），但彈性受限，需評估供應商風險
。
合作
：
與外部廠商或研究機構合作開發，分攤風險與成本，但需協調管理
。
(
公部門手冊P33-36
)
#8
★★★
模型選擇
的初步考量
核心概念
雖然詳細的模型選擇在後續階段，但在規劃時需
初步考慮哪種類型的
GenAI
模型
（例如大型語言模型
LLM
、圖像生成模型）
可能適用
。考量因素包括：
任務類型（文本生成、圖像生成等）、對模型效能/精準度的要求、可用數據、運算資源限制
等。可能需要諮詢技術專家。
#9
★★★★
規劃
概念性驗證
(
PoC
) 或
試點計畫
(
Pilot Project
)
核心概念
對於
不確定性較高或首次導入
GenAI
的場景
，建議規劃小規模的
概念性驗證
(
PoC
-
Proof of Concept
) 或
試點計畫
。
目的是在有限範圍內快速驗證技術可行性、評估初步成效、識別潛在問題
，並為後續全面導入提供依據，
降低大規模投入的風險
。需定義
試點
的具體目標、範圍、時程和評估指標。(
製造業指引P40, P49
)
#10
★★★★★
風險識別
與初步
應對規劃
核心概念
在規劃階段就應
主動識別
GenAI
導入可能面臨的各種風險
，如
資料隱私與安全風險
、
模型偏見與公平性風險
、
幻覺風險
、
技術整合風險
、
成本超支風險
、
法規遵循風險
等。
針對主要風險，應初步規劃應對或緩解策略
。(
課程規劃書L123; 金融業指引P4; 公部門手冊P69; 製造業指引P41
)
#11
★★★★
定義
成功衡量指標
(
KPI
)
核心概念
規劃時需要
定義如何衡量
GenAI
專案的成功
。
指標應具體、可衡量、可達成、相關且有時限
(
SMART
原則)。可能的
關鍵績效指標
(
KPI
-
Key Performance Indicator
) 包括：
處理時間縮短 %
、
人力成本節省 $
、
使用者滿意度分數
、
模型預測準確率 %
等。(
製造業指引P40-43; 公部門手冊P24
)
#12
★★★
利害關係人
(
Stakeholder
) 識別與
溝通規劃
核心概念
識別
GenAI
專案的
所有
利害關係人
，包括內部使用者、管理層、技術團隊、法務合規部門，以及可能的外部使用者或受影響的公眾。
規劃與
利害關係人
的溝通機制與頻率
，確保他們了解專案目標、進度、風險，並
獲取他們的支持與回饋
。(
公部門手冊P50
)
#13
★★★
數據治理
(
Data Governance
) 的初步考量
核心概念
在規劃階段即應
考慮數據的生命週期管理
，包括
數據的來源、所有權、存取權限、儲存、安全與銷毀
等。雖然詳細的
數據治理
策略在後續建立，但
規劃時需意識到其重要性
，並確保有初步的合規性考量。(
公部門手冊P85
)
#14
★★★
倫理考量
的初步納入
核心概念
規劃
GenAI
專案時，應
初步思考潛在的倫理影響
，例如是否可能產生
偏見
、是否影響
使用者自主性
、是否足夠
透明
等。
將倫理考量納入早期規劃
，有助於引導後續的設計與開發朝向
負責任AI
的方向。(
公部門手冊P71-72; 金融業指引原則二
)
#15
★★★
初步
成本效益分析
(
Cost-Benefit Analysis
)
核心概念
基於預期效益和初步估算的成本（包括開發、部署、維護、人力、基礎設施等），進行
初步的
成本效益分析
。評估
導入
GenAI
的投資回報潛力
，判斷專案在經濟上的可行性。(
製造業指引P47
)
沒有找到符合條件的重點。
↑