iPAS AI應用規劃師初級

#1

★★★★

關於 無程式碼 (No Code) 與 低程式碼 (Low Code) 的基本概念，以下哪一項最為正確？

A

No Code 平台完全不需要任何技術知識，Low Code 平台僅適合專業開發者使用。

B

No Code 平台主要依靠圖形化介面 (UI) 進行開發，而 Low Code 平台結合了簡單程式設計與視覺化工具。

C

No Code 與 Low Code 平台主要針對傳統 IT 團隊而設計。

D

Low Code 平台完全不需要程式設計知識。

答案解析 (Ref: p3-14)

No Code 平台的核心特點是使用視覺化、拖放式的圖形化介面 (UI)，讓沒有程式設計背景的使用者也能開發應用程式。
Low Code 平台則結合了視覺化開發工具和少量程式碼編寫的能力，主要面向具有一定技術背景（但不一定是專業程式設計師）的使用者，或讓專業開發者能更快地建構和客製化應用，特別是需要深度整合或複雜邏輯時。
選項 (B) 準確描述了兩者的核心差異與特點。
選項 (A) 錯誤，Low Code 也可被非專業開發者使用，只是允許進一步程式設計；No Code 雖然目標是無技術知識，但基本邏輯概念還是需要的。
選項 (C) 兩者都旨在降低開發門檻，讓非 IT 背景人員也能參與，而非僅針對 IT 團隊。
選項 (D) 錯誤，Low Code 平台允許（有時甚至需要）少量程式設計來實現進階功能。

#2

★★★★

No Code / Low Code 技術的主要優勢不包括以下哪一項？

A

加速開發流程，降低企業開發成本。

B

幫助非技術人員創建應用和自動化流程。

C

完全消除對專業技術人員的需求。

D

加速企業數位轉型並提升競爭力。

答案解析 (Ref: p3-14)

No Code / Low Code 平台的主要優勢在於降低開發門檻、加速開發速度、降低成本，並使非技術人員也能參與開發，進而推動數位轉型。
選項 (A), (B), (D) 都是這些平台帶來的顯著好處。
然而，選項 (C) 的說法過於絕對。雖然這些平台大幅降低了對專業程式設計師的依賴，尤其是在簡單應用或原型設計上，但對於複雜系統的整合、深度客製化、安全性維護、效能調優以及平台本身的管理與擴展，仍然需要專業技術人員的參與和支持。Low Code 平台更是明確允許專業人員介入編碼。因此，這些平台是賦能而非完全取代專業技術人員。

#3

★★★★

下列何者最能表達 No Code / Low Code 平台的主要特色？

A

需要撰寫大量程式碼。

B

運用模板快速建立應用程式。

C

僅供專業開發人員使用。

D

只能製作靜態網站。

答案解析 (Ref: p3-14)

No Code / Low Code 平台的一個核心特色是提供視覺化的開發介面和預先構建好的模組、元件或模板。使用者可以透過拖放、配置參數等方式，快速地將這些現成的元素組合起來，從而大幅縮短應用程式的開發時間和降低技術門檻。因此，運用模板快速建立應用程式 (選項 B) 是其主要特色之一。
選項 (A) 與 No Code/Low Code 的理念相反。
選項 (C) No Code 主要面向非專業人員，Low Code 也降低了專業門檻。
選項 (D) 這些平台通常支援開發具有動態功能和互動性的應用程式，不僅限於靜態網站。

#4

★★★★

關於 No Code 平台，下列敘述何者較為準確？

A

已經完全取代傳統的 AI 開發模式。

B

只適用於大型企業。

C

是一種降低 AI 技術複雜性和開發成本的新興方法。

D

工具都具有完全相同的功能和效能。

答案解析 (Ref: p3-14)

No Code 平台的出現，其主要目的就是透過圖形化介面和預建模組，簡化應用程式的開發過程，讓使用者無需編寫程式碼即可創建應用。這有效地降低了開發 AI 驅動或其他類型應用的技術門檻和複雜性，同時也因為減少了對專業開發人力的依賴和縮短了開發週期，進而降低了開發成本。因此，選項 (C) 是對 No Code 平台較為準確的描述。
選項 (A) No Code 是對傳統開發模式的補充和賦能，尤其是在特定場景下，但並未完全取代需要深度開發的傳統模式。
選項 (B) No Code 特別適合中小型企業、部門級應用或個人開發者，因為它成本相對較低、上手快。大型企業也可能使用，但非唯一適用對象。
選項 (D) 不同的 No Code 平台在功能、效能、專注領域、整合能力等方面存在差異。

#5

★★★★

關於 No Code / Low Code 平台，下列敘述何者較正確？

A

兩者完全相同。

B

Low Code 平台不需要任何程式設計知識。

C

Low Code 平台更適合開發靈活且可擴展的解決方案。

D

No Code 平台可以無限客製化。

答案解析 (Ref: p3-14)

No Code 和 Low Code 平台雖然相似（都使用視覺化工具），但有明顯差異。No Code 完全針對非技術使用者，幾乎不允許或完全不允許編寫程式碼，因此客製化程度和靈活性受限 (選項 D 錯誤)。Low Code 則允許開發者透過少量程式碼進行更深度的客製化、整合與邏輯擴展，因此通常具備更大的靈活性和擴展性，更適合開發需要應對複雜需求或未來可能需要調整擴展的解決方案 (選項 C 正確)。
選項 (A) 兩者不同。
選項 (B) Low Code 平台允許（甚至鼓勵）使用少量程式碼，因此需要使用者具備基本的程式設計知識才能充分利用其潛力。

#6

★★★★

下列哪一項不是 No Code / Low Code 平台在推動 AI 民主化 (AI Democratization) 過程中的挑戰？

A

使用者缺乏對 AI 的深層理解。

B

可能引發模型偏差或誤用。

C

需要加強人員相關教育和規範。

D

提供昂貴的開發工具。

答案解析 (Ref: p3-15)

AI 民主化意指讓更多人能夠使用和受益於 AI 技術。No Code / Low Code 平台是實現此目標的重要工具，因為它們降低了技術門檻。然而，這個過程也伴隨著挑戰：

(A) 使用者可能只會操作工具，但缺乏對底層 AI 原理和限制的深入理解。
(B) 由於理解不足或平台限制，使用者可能無意中引入偏差或在不適當的場景誤用 AI。
(C) 為應對 A 和 B，需要加強相關的教育訓練，讓使用者了解 AI 的能力與風險，並建立使用規範以確保負責任地應用。

選項 (D) 提供昂貴的開發工具不是這些平台推動民主化過程中的挑戰。相反地，No Code / Low Code 平台通常旨在降低開發成本（相較於傳統的從頭開發模式），使得更多中小型企業或個人能夠負擔得起，這本身就是推動民主化的一個因素，而不是挑戰。挑戰在於如何正確、負責任地使用這些變得更容易取得的工具。

#7

★★★★

生成式 AI (GAI) 在金融業的應用不包括以下哪一項？

A

風險評估與管理

B

投資組合優化

C

自動化生成病歷

D

提供個人化投資建議

答案解析 (Ref: p3-15, p3-3)

PDF 文件中提到了生成式 AI (GAI) 在金融業的應用實例（p3-3），包括：

(A) 風險評估與管理：模擬市場情境，協助進行風險評估與策略規劃。
(B) 投資組合優化：結合數據與趨勢分析，提供投資組合建議。
(D) 提供個人化投資建議：分析客戶數據，生成個人化的建議（類似個人化行銷的延伸）。
此外還提到自動化合規監管。

選項 (C) 自動化生成病歷，是 GAI 在醫療保健領域的應用（p3-3），例如整理病歷、提供初步診斷建議等，而不屬於金融業的典型應用。

#8

★★★★

No Code 平台的設計目標是降低技術門檻，使哪一類使用者能夠開發應用程式，而無需撰寫程式碼？

A

技術專家

B

非技術背景的使用者

C

資深開發者

D

系統管理員

答案解析 (Ref: p3-15)

根據 PDF 的描述 (p3-1, p3-2, p3-4)，No Code 平台的核心目標群體就是那些沒有或僅有很少程式設計背景的「非技術背景使用者」。這些平台透過直觀的圖形化介面、拖放操作和預置模板，讓這些使用者也能夠獨立創建應用程式或自動化工作流程，解決他們在業務中遇到的問題，而不需要學習複雜的程式語言。這也是 AI 民主化得以推動的關鍵因素之一。
技術專家、資深開發者和系統管理員通常具備程式設計能力，他們可能更傾向於使用 Low Code 平台或傳統開發工具以獲得更高的靈活性和控制權，儘管他們有時也可能利用 No Code 工具快速搭建原型或簡單應用。

#9

★★★★

關於生成式 AI (GAI) 與 No Code / Low Code 平台的應用，下列何者最不適合？

A

自動生成程式碼以實現客製化功能。

B

自動化生成行銷文案。

C

快速開發個人化 App。

D

自動化生成法律判決。

答案解析 (Ref: p3-15)

PDF 文件提到了 GAI 結合 No Code / Low Code 的多種應用場景 (p3-2)：

(A) 自動生成程式碼：AI 協助開發客製化功能，節省時間。
(B) 自動化行銷文案生成：輸入產品資訊，AI 產生行銷內容。
(C) 個人化 App 快速開發：AI 透過用戶數據分析，生成符合需求的應用。

選項 (D) 自動化生成法律判決，這是一個高度專業、涉及複雜倫理、法律解釋和社會影響的領域。<目前的 AI 技術（無論是否結合 No/Low Code 平台）遠未達到能夠獨立、可靠地做出法律判決的程度。法律判決需要專業的法律知識、嚴謹的邏輯推理、對案情的細緻理解以及符合法規和倫理的判斷，這超出了當前自動化工具的常見應用範疇，並且涉及重大的合規性和責任風險。因此，這最不適合作為目前的應用。

#10

★★★★

在選擇 No Code / Low Code 平台時，下列何者為考慮功能與擴展性時最重要的因素？

A

平台的購買成本。

B

平台的技術整合能力和自訂性。

C

使用者的程式設計能力。

D

平台的市場評價。

答案解析 (Ref: p3-15, p3-5)

根據 PDF 第 3-5 頁的平台選擇與評估因素，功能與擴展性是核心考量之一。這主要體現在以下兩點：

系統整合能力 (技術整合能力)：平台是否能與企業現有的系統（如 CRM, ERP 等）順暢地連接和交換數據，確保業務流程的連續性。
高度自訂性：平台是否提供足夠的選項和靈活性，讓開發者能夠根據特定的業務需求進行調整和客製化，而不是只能使用固定的模板或功能。

這兩個因素直接決定了平台能否滿足當前及未來可能變化的業務需求，是評估其功能深度和未來擴展潛力的關鍵。因此，選項 (B) 是最重要的因素。
選項 (A) 購買成本是成本效益考量。
選項 (C) 使用者的能力是選擇 No Code 或 Low Code 的前提，但不是平台本身功能擴展性的衡量標準。
選項 (D) 市場評價是參考因素，但不如具體的技術整合與自訂能力來得直接。

#11

★★★★

下列何者是使用生成式 AI (GAI) 進行圖像生成時需要考慮的問題？

A

生成圖像的解析度。

B

版權和合法性。

C

模型的推論時間（生成速度）。

D

以上皆是。

答案解析 (Ref: p3-29)

使用生成式 AI (GAI) 生成圖像時，需要綜合考慮多個方面的問題，以確保生成結果符合預期且合規可用：

(A) 解析度：生成的圖像是否足夠清晰，滿足應用需求（例如，網頁使用 vs. 印刷品使用）。
(B) 版權和合法性：生成的圖像是否可能侵犯他人的版權（例如模仿特定風格或包含受版權保護的元素）？生成的圖像本身是否具有版權？使用生成的圖像是否符合相關法律法規？尤其是在商業應用中，這是非常重要的考量。
(C) 推論時間：模型生成一張圖像需要多長時間？這關係到使用者體驗和應用的可行性，特別是在需要即時生成的場景。

因此，解析度、版權合法性以及推論時間都是使用 GAI 生成圖像時需要重點考慮的問題。選項 (D) 正確。

#12

★★★★

學校教師應如何引導學生正確使用生成式 AI (GAI) 工具？

A

不應使用 AI 工具於教學場域。

B

無限制地使用 AI 工具。

C

訂立清晰的使用規範並進行說明。

D

僅鼓勵學生利用 AI 完成課堂作業。

答案解析 (Ref: p3-29)

生成式 AI (GAI) 工具具有強大的潛力，但也伴隨著誤用、過度依賴和倫理風險。在教育場景中，完全禁止（選項 A）或無限制使用（選項 B）都非理想做法。僅鼓勵用來完成作業（選項 D）可能導致學生失去獨立思考和學習的機會。
最恰當的方式是正視 AI 工具的存在和影響力，並採取積極引導的策略。選項 (C) 訂立清晰的使用規範，並向學生說明工具的適用場景、潛在限制、倫理考量（如學術誠信、內容偏見、版權問題等），以及如何將 AI 作為輔助學習和激發創意的工具，而非替代思考和努力，這才能幫助學生建立批判性思維和負責任的使用態度，實現平衡使用的教育目標。

#13

★★★★

下列哪一種技術方案最適用於改善客戶體驗，例如提供自動化客服或個人化推薦？

A

預測性維護工具

B

自然語言處理 (NLP) 和生成式回應模組

C

智慧排程系統

D

消費行為洞察模型

答案解析 (Ref: p3-29)

改善客戶體驗通常涉及更自然、更智能、更個人化的互動。
選項 (B) 自然語言處理 (Natural Language Processing, NLP) 技術使機器能夠理解人類的語言（例如客戶的詢問或反饋），而生成式回應模組（通常基於生成式 AI）則能夠生成自然、相關且有用的回應。這兩者的結合是實現智能客服機器人（Chatbot）、自動化郵件回覆、個人化產品推薦或內容生成等功能的核心技術，這些都能直接提升客戶的互動體驗和滿意度。
選項 (A) 預測性維護主要應用於工業設備維護。
選項 (C) 智慧排程系統主要用於資源或任務調度。
選項 (D) 消費行為洞察模型主要用於分析，雖然其結果可用於驅動個人化推薦，但 (B) 中的技術方案是實現這些互動體驗的更直接的手段。

#14

★★★★

下列哪一種方式可以最有效幫助現職員工提升 AI 應用能力？

A

提高薪資來吸引 AI 人才。

B

安排跨部門交流和測試專案。

C

減少員工的工作負擔。

D

員工視需求選擇性自學 AI 技術。

答案解析 (Ref: p3-29, p3-32)

提升現職員工的 AI 應用能力，需要結合理論學習與實踐應用。
選項 (B) 安排跨部門交流可以讓員工了解不同業務場景下 AI 的潛在應用；參與測試專案（試點應用）則提供了實際操作和解決問題的機會（實務操作，如 p3-32 所述）。這種「做中學」的方式，讓員工在真實的工作情境中接觸、使用並驗證 AI 技術，通常比單純的理論學習或被動等待外部人才更為有效，也更能培養內部解決問題的能力和推動 AI 在組織內的落地。
選項 (A) 是引進外部人才的方式，而非提升現有員工能力。
選項 (C) 減少工作負擔本身不直接提升能力，需要配合學習或實踐安排。
選項 (D) 自學很重要，但缺乏組織性的引導、實踐機會和交流，效果可能不如結構化的專案參與來得快速和深入。提供客製化培訓課程和實務操作機會（p3-32）是更主動的做法。

#15

★★★★

下列何者為企業導入 AI 技術後最直接的影響？

A

增加人力需求。

B

提升生產力和效率。

C

減少數據處理能力。

D

降低市場競爭力。

答案解析 (Ref: p3-29, p3-19)

企業導入 AI 技術（包括生成式 AI）的一個最主要和最直接的目標與影響，就是透過自動化重複性任務、優化流程、輔助決策、加速內容創建等方式，來提升整體的生產力和營運效率（p3-19 直接效益）。
選項 (A) AI 可能會改變人力需求的結構（例如減少重複性工作，增加 AI 訓練師等新職務），但不一定直接導致總人力需求的增加，甚至可能因自動化而減少某些崗位。
選項 (C) AI 通常增強而非減少數據處理能力。
選項 (D) 成功導入 AI 通常旨在提升而非降低市場競爭力。

#16

★★★★

下列哪一項技術是生成式 AI (GAI) 的基礎？

A

決策樹模型

B

生成對抗網路 (GAN)

C

聚類演算法

D

隨機森林技術

答案解析 (Ref: p3-29, p3-20)

生成式 AI (GAI) 指的是能夠生成新內容的 AI 模型。PDF 文件在第 3-20 頁明確指出，GAI 的技術突破主要得益於幾項關鍵技術，其中包括：

生成對抗網路 (Generative Adversarial Networks, GAN): 引領了高品質圖像生成潮流。
變分自編碼器 (VAE) 和流式模型 (Flow-based Generative Model): 提供穩定的生成方法。
Transformer 架構與Self-attention: 改變了語言生成，支持多模態。
擴散模型 (Diffusion Models): 在圖像生成中表現優異。

選項 (B) GAN 是這些核心技術中最具代表性的生成模型之一，是 GAI 的重要基礎。
選項 (A) 決策樹、(C) 聚類演算法、(D) 隨機森林主要是鑑別式模型（用於分類、迴歸）或非監督式分群的方法，其核心目標不是生成新的數據。

#17

★★★★

下列何者是人工智慧 (AI) 未來發展中最迫切需要解決的挑戰？

A

計算資源的過剩。

B

資料隱私與道德規範問題。

C

人才培育與跨領域合作的不足。

D

無法應用於小型企業場景。

答案解析 (Ref: p3-29, p3-19, p3-45)

PDF 文件中多次強調了 AI 發展（特別是生成式 AI）所面臨的挑戰，其中資料隱私、安全性、倫理偏見、法律合規性以及責任歸屬等問題被反覆提及 (p3-19 技術層面挑戰, p3-45 風險管理重點)。這些問題不僅涉及技術本身，更關乎社會接受度、使用者信任以及法律框架的建立，是 AI 要能健康、可持續且負責任地發展所必須優先解決的關鍵挑戰。因此，選項 (B) 是最迫切需要解決的問題。
選項 (A) 計算資源通常是需求大於供給，尤其是對於大型模型訓練，不太可能過剩。
選項 (C) 人才培育與跨領域合作確實是挑戰 (p3-19 社會層面, p3-32 C)，但相較於隱私與道德規範的根本性和緊迫性，可能稍次。
選項 (D) No Code / Low Code 平台以及 AIaaS 的發展正在降低 AI 的應用門檻，使其逐漸能應用於小型企業場景 (p3-11, p3-15)，所以這不是最迫切或普遍的挑戰。

#18

★★★★

使用生成式 AI (GAI) 生成的內容時，應採取什麼措施以確保內容品質與避免學術不端？

A

使用內容直接進行學術報告。

B

適當標注引用來源。

C

減少人工參與的審查過程。

D

排除所有生成的資料。

答案解析 (Ref: p3-30)

生成式 AI (GAI) 生成的內容可能基於其訓練數據，不一定保證完全原創或絕對準確。在學術或其他正式場合使用時，為了確保內容品質、尊重知識產權並避免抄襲或學術不端行為，採取適當的措施至關重要。
選項 (B) 適當標注引用來源，是最基本且必要的措施。如果 AI 生成的內容參考或整合了某些來源的信息，或者使用者將 AI 作為一種工具輔助寫作，都應該誠實地註明，說明 AI 在其中的作用或標示出參考的原始來源（如果可追溯）。這有助於維持內容的可追溯性與可靠性，並避免抄襲的指控。
選項 (A) 直接使用生成的內容進行學術報告，可能構成學術不端。
選項 (C) 人工審查對於確保 AI 生成內容的準確性、適當性和原創性非常重要，不應減少。
選項 (D) 完全排除生成的資料過於極端，無法充分利用 AI 技術的潛力。關鍵在於負責任地使用和適當標註。

#19

★★★★

下列哪一項不是 生成式 AI (GAI) 工具在使用者體驗 (UX) 方面的優化方向？

A

提供更直觀的操作設計。

B

支援自然語言指令。

C

提供智慧化的參數調整建議。

D

限制使用者自訂生成內容。

答案解析 (Ref: p3-30)

優化生成式 AI (GAI) 工具的使用者體驗 (User Experience, UX)，目的是讓使用者能夠更方便、更有效、更愉悅地使用這些工具來達成目標。
選項 (A)、(B)、(C) 都是提升使用者體驗的常見方向：

(A) 更直觀的操作設計：簡化介面，讓使用者容易上手。
(B) 支援自然語言指令：讓使用者可以用說話或打字的方式下指令，降低操作難度。
(C) 智慧化的參數調整建議：對於調整生成結果的各種參數（如溫度、風格強度等），提供智能建議或預設選項，幫助使用者更容易得到想要的結果。

選項 (D) 限制使用者自訂生成內容，這通常會降低工具的靈活性和使用者的控制感，反而不利於使用者體驗。優化方向通常是提供更多、更易用的自訂選項（在合理範圍內），讓使用者能夠更好地控制生成結果，滿足其個性化需求。因此，限制自訂不是優化使用者體驗的方向。

#20

★★★★

企業導入生成式 AI (GAI) 的第一步應是什麼？

A

確保硬體設備升級。

B

設定可量化、可追蹤的經營目標。

C

安排員工進行 AI 相關培訓。

D

購買生成式 AI (GAI) 相關軟體。

答案解析 (Ref: p3-54)

根據 PDF 第 3-31 頁及 3-34 頁的描述，企業導入生成式 AI (GAI) 的起始階段（規劃初期），最重要的一步是明確導入 AI 的目的。這意味著需要定義清晰的經營目標，例如希望透過 AI 解決哪些業務痛點、提升哪些效率、達成哪些業績增長等。這些目標應該是具體的、可量化的、可追蹤的，這樣才能在後續的導入過程中評估成效，並確保 AI 的應用與企業的整體策略方向保持一致。有了明確的目標，才能接著進行需求分析、資源評估、方案選擇等後續步驟。
選項 (A) 硬體升級、(C) 員工培訓、(D) 購買軟體都是導入過程中可能需要的環節，但它們都應該服務於預先設定好的經營目標，因此設定目標是更為優先的第一步。

#21

★★★★

以下哪一項屬於企業在評估導入生成式 AI (GAI) 時需識別的問題領域（痛點）？

A

市場趨勢預測能力有限。

B

設計更高效能的運算資源。

C

增加銷售團隊人力。

D

減少 AI 模型參數數量。

答案解析 (Ref: p3-54)

導入 AI 的前提是識別出現有的業務挑戰或「痛點」，也就是 AI 可以幫助解決的問題領域。企業需要分析現有營運模式與挑戰 (p3-31)，挖掘流程瓶頸、資源分配失衡或決策過程的不足 (p3-31)。
選項 (A) 市場趨勢預測能力有限，這是一個典型的業務挑戰或痛點。AI（包括 GAI 或其他分析型 AI）可以透過分析大量數據來提升預測的準確性，輔助企業制定更有效的市場策略。
選項 (B) 設計運算資源是解決方案的一部分，不是問題本身。
選項 (C) 增加銷售人力是可能的策略，但不屬於 AI 導入前要識別的問題領域（痛點）。
選項 (D) 減少模型參數是模型優化技術，不是業務痛點。

#22

★★★★

企業若要有效支援生成式 AI (GAI) 的運行，內部 IT 環境最需要具備下列何種條件？

A

提供更多的辦公設備，以提升員工生產力。

B

精簡企業內部流程，以加速決策效率。

C

擁有高效能運算資源與彈性儲存空間，以支援 AI 模型訓練與推理。

D

增加部門之間的交流機會，以促進跨部門合作。

答案解析 (Ref: p3-54)

生成式 AI (GAI) 模型，尤其是大型模型，其訓練和運行（推理）通常需要大量的計算資源和數據儲存。因此，企業的 IT 基礎設施必須能夠滿足這些需求。
選項 (C) 明確指出了高效能的運算資源（例如強大的伺服器、GPU）和彈性的儲存空間（能夠處理和儲存大量訓練數據及模型本身）是支援 AI 模型訓練和推理的關鍵條件。這包括了企業自建的伺服器、雲端服務等硬體與系統架構 (p3-31)。
選項 (A) 辦公設備與 AI 核心運算需求關聯不大。
選項 (B) 精簡流程是管理優化，雖有助於 AI 導入，但非 IT 環境的核心條件。
選項 (D) 跨部門合作是組織文化層面，而非 IT 環境條件。

#23

★★★★

在生成式 AI (GAI) 導入過程中，資料安全與隱私保護的哪一方面是最重要的考量？

A

權限控管與合規要求。

B

增強客服回饋（反饋）能力。

C

資料視覺化能力。

D

設定目標優先級。

答案解析 (Ref: p3-54)

生成式 AI (GAI) 的訓練和應用常涉及大量數據，其中可能包含敏感的個人資訊或商業機密。因此，確保資料安全和隱私保護是導入過程中至關重要的環節。
選項 (A) 權限控管（確保只有授權人員能存取敏感數據和模型）與合規要求（遵守相關的資料保護法規，如 GDPR、CCPA 等）是保障資料安全與隱私的核心措施 (p3-32, p3-45)。未能妥善處理這些問題可能導致數據洩露、法律訴訟和聲譽損害。
選項 (B) 客服回饋、(C) 資料視覺化、(D) 設定目標優先級，這些雖然在 AI 導入或營運中可能相關，但不屬於資料安全與隱私保護的最核心考量。

#24

★★★★

成功導入生成式 AI (GAI) 的關鍵在於哪三個因素？

A

提供更多數據、加強合作、減少成本。

B

清晰定義痛點、技術匹配、培養人才。

C

投資高端設備、增加技術人員、縮短流程。

D

推行技術改革、調整市場策略、強化品牌。

答案解析 (Ref: p3-54)

成功導入生成式 AI (GAI) 是一個系統工程，需要多方面的配合。綜合 PDF 中關於導入評估與規劃的內容 (Section 3.3)，可以歸納出幾個關鍵成功因素：

清晰定義痛點/目標 (p3-31, p3-35 A.a)：首先必須明確要用 AI 解決什麼具體的業務問題或達成什麼目標。
技術匹配/可行性 (p3-31 (1), p3-35 B.a, p3-37 C.a)：選擇的 AI 技術方案需要能夠有效地解決定義的問題，並且在技術上是可行的、與現有基礎設施能對接的。
人才培養/組織能力 (p3-31 (2), p3-32 C, p3-34 C)：需要有足夠的技術人才來開發、部署和維護 AI 系統，同時也需要培養員工使用 AI 工具的能力，並營造支持創新的企業文化。

選項 (B) 涵蓋了這三個核心要素：定義問題（痛點）、選擇合適的技術方案（技術匹配）以及建立相應的人才儲備（培養人才）。
其他選項雖然包含了一些相關因素，但不如 (B) 全面和核心。(A) 減少成本是結果而非要素，數據多不代表好。(C) 設備投資和人員增加是資源投入，縮短流程是目標之一，但非全部關鍵。(D) 這些偏向更高層次的策略調整，而非導入本身的關鍵執行因素。

#25

★★★★

在導入生成式 AI (GAI) 的構想（初始）階段，企業應首先專注於什麼？

A

提升內部資料儲存容量。

B

明確經營目標與核心價值。

C

進行員工 AI 基礎培訓。

D

購買市面上的 AI 軟體。

答案解析 (Ref: p3-60)

與第 20 題類似，導入 AI 的最初階段（構想階段），最關鍵的是確立方向和目的。企業需要回歸到自身的經營目標和核心價值 (p3-34)，思考導入 AI 究竟是為了達成什麼戰略目的？是提升效率、降低成本、改善客戶體驗、還是開拓新的業務模式？只有明確了這些高層次的目標，後續的技術選型、資源投入、人才培養等才能有依據且聚焦。
選項 (A)、(C)、(D) 都是後續執行階段可能需要考慮的事情，但在最初的構想階段，確立戰略目標和價值定位是首要任務。

#26

★★★★

在 AI 導入正式實施階段，企業應優先進行的活動是什麼？

A

增加行銷預算。

B

調整產品價格。

C

確保相關人員熟悉新流程與工具。

D

減少生產規模以減少風險。

答案解析 (Ref: p3-60, p3-42)

當 AI 解決方案開發完成並進入正式實施（導入實務運作）階段時，一個關鍵的成功因素是確保使用者能夠順利地接納和使用新的系統或流程。因此，優先活動應包括：

員工培訓 (p3-42 c)：幫助員工熟悉 AI 系統的功能與操作。
流程整合 (p3-42 a)：將 AI 方案嵌入現有業務流程，明確角色分工。
使用者支援：提供必要的技術支持和問題解答。

選項 (C) 確保相關人員熟悉新流程與工具，直接對應了員工培訓和流程適應這兩個核心環節，是確保 AI 系統能夠在實際工作中被有效使用的基礎，因此是此階段應優先進行的活動。
選項 (A) 行銷預算、(B) 產品價格調整屬於市場或商業策略層面。
選項 (D) 減少生產規模通常不是導入新技術的直接目的。

#27

★★★★

下列何者為風險分析階段的主要目的？

A

找到更多的數據來源。

B

增強模型的效能。

C

評估風險的影響與發生可能性。

D

降低模型運行成本。

答案解析 (Ref: p3-60, p3-49)

風險管理是 AI 導入過程中的重要環節 (p3-45)。風險分析是風險管理的第一步，其主要目的在於識別出潛在的風險，並評估這些風險可能帶來的負面影響程度（Impact）以及它們發生的可能性（Probability/Likelihood）。透過這種評估，可以了解各類風險的嚴重性（權重），從而決定哪些風險需要優先處理，並為後續制定應對策略（如風險緩解、轉移、接受或規避）提供依據（p3-49 A, p3-50 D）。因此，選項 (C) 是風險分析階段的核心目的。
選項 (A) 找數據來源、(B) 增強模型效能、(D) 降低運行成本，這些都不是風險分析本身的主要目的。

#28

★★★★

若企業將資料安全管理外包給第三方服務供應商，屬於哪種風險應對策略？

A

風險緩解

B

風險轉移

C

風險接受

D

風險規避

答案解析 (Ref: p3-60, p3-51)

風險應對策略通常包括緩解、轉移、接受和規避。

風險緩解：採取措施降低風險發生的可能性或影響。
風險轉移：將風險的全部或部分後果轉移給第三方承擔，常見方式包括購買保險或將特定業務/管理職能外包給專業服務商。
風險接受：認知到風險存在，但不採取措施改變它（通常適用於影響小的風險）。
風險規避：改變計畫或策略以完全避免風險。

將資料安全管理外包給第三方服務供應商，意味著將與資料安全相關的部分責任和潛在損失（例如因安全事件導致的賠償）轉移給了該供應商。這正是風險轉移 (p3-51 F) 策略的典型應用。儘管如此，企業仍需保留監督和審核的權利與責任。

#29

★★★★

為了確保風險管理的持續有效性，當企業發現原有風險管理策略的效果下降時，應如何應對？

A

繼續沿用原策略。

B

停止 AI 應用以防意外。

C

快速調整並進行必要改進。

D

將策略移交給外部顧問。

答案解析 (Ref: p3-60, p3-50)

風險管理是一個動態且持續的過程，因為內外部環境（如技術、市場、法規、威脅）總是在變化。當監控顯示原有的風險管理策略效果下降（例如，未能有效預防新的風險事件，或控制措施不再適用）時，固守原有策略顯然是不恰當的 (選項 A 錯誤)。
選項 (C) 快速調整並進行必要改進，體現了風險管理的持續改進原則。企業應分析效果下降的原因，重新評估風險，並更新或修改應對策略，以確保風險管理措施能持續有效地應對當前的風險狀況 (p3-50 B, D)。
選項 (B) 停止 AI 應用過於消極，可能喪失 AI 帶來的價值。
選項 (D) 尋求外部顧問意見可以，但最終調整和執行的責任仍在企業自身，不能完全移交。

#30

★★★★

像是 DALL-E 或 Midjourney 這類工具，它們主要應用了生成式 AI (GAI) 的哪種能力來實現「文生圖」？

A

大型語言模型 (LLM) 的文本摘要能力。

B

生成對抗網路 (GAN) 的數據分類能力。

C

多模態生成能力，將文本描述轉化為圖像內容。

D

強化學習 (RLHF) 的人類偏好對齊能力。

答案解析 (Ref: p3-20, p3-21, p3-22)

DALL-E 和 Midjourney 是著名的「文生圖」工具，它們的核心能力在於理解輸入的文字描述，並生成符合描述的全新圖像。這體現了生成式 AI (GAI) 在多模態（Multi-modal）處理方面的進展，即能夠跨越不同的數據類型（文本和圖像）進行理解和生成 (p3-21 A, p3-22 (2))。它們通常基於 Transformer 架構（如 GPT 系列啟發了 DALL-E）或 擴散模型 (Diffusion Models) (p3-20, p3-21 C) 等先進的生成模型技術。
選項 (A) 文本摘要是 LLM 的能力之一，但不是文生圖的核心。
選項 (B) GAN 本身是生成模型，但這裡強調的是跨模態生成，且分類是鑑別器的任務。
選項 (D) RLHF 用於使模型輸出更符合人類偏好，是訓練優化技術，而非核心生成機制本身。

iPAS AI應用規劃師 初級