InfoMiner 政府 AI 幕僚：從輿情監測到施政決策支援

每天數萬則新聞、社群討論、會議紀錄與政策文件，真正重要的不是蒐集更多資料，而是讓首長及時知道：現在發生什麼？為什麼會發生？有哪些風險？接下來應該怎麼處理？InfoMiner 政府 AI 幕僚整合外部即時輿情與機關內部知識，自動產製首長簡報、事件研判、質詢準備與處置建議，並保留完整資料來源與人工審核流程。

為什麼機關現在需要 AI 幕僚？

機關現在需要政府 AI 幕僚，是因為資訊環境、幕僚人力與課責環境三項結構性壓力同時出現，而不是因為生成式 AI 成為熱門技術。過去以人工剪報、輪值監看與臨時調卷支撐的幕僚作業方式，已經跟不上議題發展與長官問話的節奏。以下三項壓力，多數機關目前都同時面對。

一、資訊環境：議題從萌芽到爆發以小時計

一則地方性的抱怨貼文，可能在同一個上班日之內經過社群轉貼、內容農場改寫、地方記者查證與全國性媒體跟進。等到剪報單位在隔日晨會呈上紙本摘要，議題已經進入第二輪發酵，機關能做的只剩下事後說明。人工剪報的作業節奏以日為單位，議題的發展節奏卻以小時為單位，兩者之間的落差不會因為增加剪報人力而縮小，只會因為監看時段拉長而讓承辦人更加疲乏。

二、幕僚人力：員額固定，監測面持續擴大

機關的幕僚員額多年來變動有限，需要監看的平台卻持續增加：從報紙與電視新聞，擴大到 PTT、Dcard、Facebook 社團、YouTube 留言，以及近年成長最快的短影音平台。每增加一個平台，就多一套操作介面、一組關鍵字與一份人工摘要，而承辦人還要同時處理本職業務。監測面擴大與人力不變之間的缺口，最後往往由只看熟悉的那幾個來源來填補，代價是漏掉真正在其他角落升溫的議題。

三、課責環境：不知道的政治成本上升

議會質詢、媒體聯訪與線上直播讓長官的回應被即時記錄與比對，追問的速度也比過去快得多。當長官被問到一件當日上午才在社群出現的事情，回答「這個我們再瞭解」所付出的政治成本，已經明顯高於過去。機關真正需要的不是更多資料，而是在被問到之前就知道有這件事、知道爭點在哪裡、知道哪個局處主辦，以及知道目前可以講到什麼程度。

一般政府 AI 助理 vs InfoMiner AI 施政幕僚

多數政府 AI 助理擅長找公文、摘要資料、撰寫新聞稿與致詞稿。但真正的首長幕僚還需要回答：今天最需要注意的三件事是什麼？哪個局處可能被質詢？應該回應、觀察，還是啟動跨局處處理？這正是兩者的根本差異：

AI 幕僚五階段模型

InfoMiner 政府 AI 幕僚以五個階段構成完整的施政決策支援循環，而不是單次的問答或摘要。五個階段各自回答一個問題、各自有明確的輸入資料與典型產出，機關可以依實際需求逐階段啟用，也可以先從感知與理解兩階段建立基礎。

階段一：感知——現在有什麼新的訊息？

感知階段負責把外部世界持續發生的事情，轉換成機關可以處理的即時資料流。系統涵蓋超過十萬個頻道的新聞、社群、論壇與影音來源，並可加入機關自行指定的地方版面、社團或民意信箱。這個階段不做價值判斷，只做兩件事：確保該進來的訊息沒有漏掉，以及在聲量、情緒或發文帳號出現異常變化時立即標記。感知階段的涵蓋率決定後面四個階段的上限，因此關鍵字體系與來源清單需要隨施政重點定期調整。

階段二：理解——這些訊息在講什麼、彼此有什麼關係？

理解階段把零散的貼文與報導，整理成有結構的事件脈絡。系統辨識議題類別、涉及的人物與機關、發言立場與情緒傾向，並把描述同一件事的不同來源歸併到同一條事件之下。對機關而言，這個階段的價值在於把今天有三百則相關貼文，轉換成這三百則其實在講兩件事、其中一件與去年的陳情案有關。缺少理解階段，後續的研判就只會是對聲量高低的直覺反應，而不是對議題本身的掌握。

階段三：研判——這件事有多嚴重、會往哪裡發展？

研判階段針對每一條事件脈絡給出風險等級與影響範圍評估：目前集中在哪些平台、擴散速度如何、是否已有媒體跟進、可能牽動哪些既有爭議。系統會標記需要長官注意的異常訊號，例如同一套論點在短時間內跨平台同步出現，或原本平穩的議題突然湧入大量新帳號。研判結果的用途是排序，目的是讓有限的幕僚時間，優先花在真正可能升溫的事情上。

階段四：建議——現在應該做什麼？

建議階段結合研判結果與機關內部知識，提出可以直接進入幕僚會議討論的處置選項：由哪個局處主辦、建議回應或先行觀察、若要回應則可用的口徑與已確認的事實依據，以及不宜使用的說法。所有建議都清楚區分已確認事實、輿情觀察與 AI 推論三種性質，並附上可回溯的原始資料連結。系統提供的是選項與依據，最終決策仍然由長官與幕僚會議作成。

階段五：追蹤——做了之後有沒有效？

追蹤階段把交辦事項與後續輿情變化放在一起比對：交辦給哪個局處、預計何時回報、目前辦理情形，以及該議題在回應之後的聲量與情緒是否確實下降。若議題並未收斂，系統會把它重新推回每日簡報的追蹤欄位，避免出現回應過就視同結案的情形。追蹤階段同時累積機關自己的處置紀錄，成為下一次類似事件的參考案例。

三大核心應用情境

情境一：每日首長情報簡報

每天自動整理今日三大施政議題、輿情升溫事件、主要支持與反對論點、媒體關注角度、相關局處、建議處置優先順序，以及昨日重大議題的變化。同一事件可依首長、局處首長、幕僚與公關等不同角色，呈現不同深度的簡報版本。

每日首長簡報固定包含六個欄位，讓長官在一頁之內掌握當日情勢：

• 今日三大議題：依風險等級與媒體關注度排序，並附上排序的判斷依據。
• 輿情升溫事件：聲量或情緒出現明顯變化的事件，標示變化發生的時段與平台。
• 主要論點整理：支持、反對與中間立場的具體說法，而不只是正負比例數字。
• 媒體關注角度：各家媒體目前切入的角度，以及可能的後續追問方向。
• 相關局處與建議優先順序：指出主辦與協辦單位，以及建議先行處理的順位。
• 昨日議題追蹤：昨日列入簡報的議題目前的發展情形與辦理進度。

情境二：緊急事件決策支援

食安、治安、交通事故或政策爭議發生時，AI 自動整理事件時間軸、目前已知與未知資訊、各平台輿情變化、主要質疑與錯誤訊息、利害關係人立場、媒體可能追問的問題、建議回應口徑，以及後續需追蹤事項——這比「幫忙寫新聞稿」高一個層次。

事件研判報告以八個欄位呈現，目的是讓幕僚會議可以直接以這份報告開會：

• 事件時間軸：從最早出現的訊息到最新發展，逐一標註時間與來源。
• 目前已知與未知資訊：明確分開已查證事實與尚待確認事項，避免誤用未查證資訊。
• 各平台輿情變化：各平台的聲量與情緒走勢，辨識主要擴散管道。
• 主要質疑與錯誤訊息：整理民眾主要質疑，並標示流傳中與事實不符的說法。
• 利害關係人立場：相關團體、地方人士與意見領袖目前的公開立場。
• 媒體可能追問：依現有報導角度推估記者接下來最可能提出的問題。
• 建議回應口徑：可用的說法與其事實依據，並標示需要先行確認的部分。
• 後續需追蹤事項：需要持續觀察的指標與需要回報的局處事項。

情境三：議會質詢與政策攻防準備

輸入議員、政策或議題後，產出過去質詢與發言紀錄、近期媒體及社群討論、可能追問問題、政策弱點及爭議、事實與數據依據、建議答覆架構，以及可回溯的原始資料。搭配議事智慧化應用，形成「會前掌握議題、會中整理質詢、會後追蹤交辦」的完整閉環。

備詢資料依七個欄位整理，可以依議員產出，也可以依議題產出：

• 議題名稱與風險等級：標示該議題被質詢的可能性與延燒程度。
• 可能的提問方式（含追問路徑）：不只列出主問題，也列出對方可能接續的第二層追問。
• 已確認事實與數據依據：可公開引用的辦理情形、統計數字與其出處。
• 建議答覆架構：先講什麼、後講什麼的回答順序，以及必須交代的重點。
• 不宜使用的說法：可能引發後續爭議或與既有立場不一致的表述。
• 相關歷史承諾與辦理情形：機關過去對同一議題的公開承諾與目前進度。
• 原始資料連結：每一項依據都可以點回原始報導、公文或會議紀錄。

政府可落地的可信任設計

政府使用者最怕的不是 AI 不夠華麗，而是「長官問這是從哪裡來的，答不出來」。InfoMiner 政府 AI 幕僚以三項設計回應公部門的信任要求：

• 可追溯性：每個結論都能點回新聞原文、社群貼文、公文或政策文件、會議紀錄與系統分析依據。
• 事實與建議分離：畫面上清楚區隔已確認事實、輿情觀察、AI 推論、建議行動與尚待查證事項。
• 人工審核與稽核紀錄：對外稿件及決策建議保留 AI 產出版本、人工修改版本、修改者、核准者、引用資料與產出時間，完整支援機關稽核。

產品組合：外部情報 × 內部知識

InfoMiner 負責外部世界：新聞、社群、論壇的議題監測、情緒分析、預警與自動報表；RAGi 負責內部知識：政策資料、歷史公文、首長裁示、議會答詢、新聞稿、FAQ、法規與會議紀錄。兩者結合，才是真正組織層級的政府 AI 幕僚系統，並支援地端部署與政府資安合規要求。

InfoMiner 輿情分析平台 · RAGi 企業AI檢索增強生成引擎

導入流程與時間軸

政府 AI 幕僚的導入不需要從系統開發開始。以既有的 InfoMiner 輿情監測為基礎，多數機關的導入工作集中在監測範圍盤點、關鍵字設計與簡報格式確認，實際案例中曾透過政府共同供應契約採購，兩週內完成上線。整個流程分為五個階段，機關端需要投入的是熟悉業務的承辦人，而不是資訊開發人力。

五個階段之中，最需要機關投入的是關鍵字設定與對照期試運行。關鍵字體系決定感知階段的涵蓋率，需要承辦人提供機關內部才知道的用語：地方慣用的路段名稱、陳情案的舊稱、民眾對某項服務的口語說法。對照期則是把系統的議題排序與承辦人的專業判斷放在一起比對，承辦人每日回饋哪一則應該往前、哪一則其實不重要，讓排序邏輯逐步貼近機關實際的關注重點。

共契採購兩週上線是已驗證的實績，而不是規劃時程。該案例中，輿情報告的產製時間從 4 小時縮短為 30 分鐘，整體作業效率提升 80%，並建立 24 小時即時預警機制。詳細的導入節奏、機關端實際投入時間與上線後的每日作業方式，可參考政府 AI 幕僚導入案例：輿情報告從 4 小時到 30 分鐘。

適用機關類型

政府 AI 幕僚適用於任何需要對外說明施政、而且會被公開追問的機關，但不同類型機關最先啟用的功能並不相同。以下四類機關的核心痛點與建議起手式，可作為貴機關評估的參考；公部門的完整應用範圍可參考政府與公部門 AI 解決方案。

一、縣市政府：跨局處統一情報

市政議題分散在交通、環保、社會、教育等局處，各局處各自監看自己的部分，市長辦公室拿到的往往是格式不一的片段資訊。統一的資料來源與同一份每日首長簡報，可以讓跨局處議題在升溫初期就被看見。這類機關通常從每日首長簡報與跨局處交辦追蹤先行啟用。

二、中央部會：政策風險預警與媒體問答

政策在正式公告前後的輿論反應，往往決定後續推動的難度；發言人與新聞單位需要在記者會之前掌握各界主要質疑與可能追問。這類機關通常從政策議題的風險預警與媒體問答準備先行啟用，穩定之後再擴大到各司處的議題分工與交辦追蹤。

三、議會幕僚與府會聯絡單位：質詢攻防

質詢前需要在短時間內備妥各議員關注議題、過去發言紀錄與相關數據，會期中的工作量高度集中在少數幾週。這類單位通常從備詢資料自動彙整與議員議題追蹤先行啟用，會後再銜接交辦事項的辦理進度追蹤，形成完整循環。

四、公營事業與關鍵基礎設施：服務中斷事件的輿情應對

停水、停電、系統中斷或運輸延誤發生時，民眾抱怨與錯誤訊息通常會在官方說明發布之前就大量擴散。這類機構通常從 24 小時即時預警與錯誤訊息辨識先行啟用，確保值班人員第一時間掌握擴散範圍與主要爭點，再據以決定對外說明的時機與內容。