不管是地方政府的「市長信箱」、1999 市民投訴熱線，還是中央部會的「首長信箱」，公家機關承擔了整個社會無處發洩的怒火與千奇百怪的疑難雜症。
民眾會寫信進來抱怨：「隔壁半夜在敲牆壁」、「我的長照補助怎麼還沒下來」、「為什麼馬路昨天鋪好今天又挖」甚至只是一大串純粹情緒性的謾罵。
研考人員或負責分案的基層公務員，每天都要以人工方式閱讀這數百封混亂的信件，判斷該把這封信派給「工務局」、「社會局」還是「環保局」。一旦派錯局處，公文又會被退回重跑，浪費極大的行政資源。
[!TIP] 💡 本篇定位 這篇文章是公部門 AI 應用系列的實戰篇。如果你還沒看過整體技能樹，建議先讀 公部門 AI 技能樹總覽；如果你對公文撰寫的 AI 輔助有興趣，可以接著看 AI 輔助公文寫作。
📞 實戰一：陳情信的自動分案與情緒預警 (Triage & Routing)
你可以利用去識別化的自動化工作流（No-code + LLM），讓大語言模型當作第一線的「超級分案機台與警報器」。
這套邏輯其實跟民間企業的客服情緒分析原理完全一致——差別只在公部門多了一層「機關職權劃分」的路由邏輯。
[!CAUTION] 隱私防護！ 在將信件送到 OpenAI 或其他雲端 API 進行分類前，強烈建議在單位內建立一個「本地小模型 (Local SLM）」過門，將姓名、電話、門牌地址全部替換為
[REDACTED]，再進行意圖分析。
📌 實戰 Prompt：市民陳情信的 AI 分流大師
身為市政府聯合服務中心的資深研考督導。
我將貼上一則市民寫給「市長信箱」的冗長抱怨信（內容已去除敏感個資）。
請幫我閱讀這封含有大量情緒字眼與錯別字的信件，並輸出以下結構化分案報告：
1. 【核心訴求總結】：用 50 個字以內，寫出民眾具體遇到什麼困難或想檢舉的真正目的。
2. 【情緒風險等級】：1~5 分評估。若民眾揚言採取極端行為（如自殘、找媒體爆料、訴諸法院），請直接標記為最高級別 5 分（紅色警戒）。
3. 【主責分派局處】：請根據公務職權劃分，從以下三個選項選出一個最適合負責回函的局處，並說明為什麼：
[A. 警察局]、[B. 環保局]、[C. 社會局]。
民眾信件全文：
「你們這群薪水小偷到底有沒有在做事啊？！我家樓下那個開資源回收的阿伯，把破銅爛鐵疊得比一樓招牌還高，每天半夜三點還在敲敲打打，這都幾年了！我阿嬤被吵到神經衰弱住院，檢舉幾百次都沒用。我絕對會投訴給蘋果日報，看看你們這種怠惰的政府有多爛！」AI 回傳分析摘要：
- 核心訴求：檢舉深夜噪音與一樓資源回收物違規堆置問題。
- 情緒風險：5 分（紅色警戒，民眾揚言找媒體投訴，且涉及老人家就醫）。
- 分派局處：B. 環保局（主責廢棄物堆置與噪音污染稽查），但建議同時副知 A. 警察局（深夜妨害安寧之即時勸導）。
📊 導入前後的效率對比
透過這個自動化過程，能把分案科員從每日四百封信的苦海中拯救出來，將注意力全部集中在「情緒 5 分」的重大危機案件上。
| 指標 | 導入 AI 前（純人工） | 導入 AI 後（人機協作） |
|---|---|---|
| 每封信平均分案時間 | 8–12 分鐘 | 30 秒–1 分鐘 |
| 每日可處理量（1 人） | 40–60 封 | 300–400 封 |
| 誤派率（退件重跑） | 約 15–20% | 降至 3–5% |
| 高風險信件漏判 | 偶有遺漏 | 即時標記，漏判趨近零 |
| 人力需求（以日處理 400 封計） | 7–10 人 | 1–2 人覆核 |
以一個直轄市研考會編制 10 名分案人力、年度人事費約 600 萬估算，導入 AI 分案後即使保留 2 名覆核人員，每年仍可節省約 480 萬行政人力成本，同時大幅降低退件造成的二次處理浪費。
如果你想進一步了解客服流程自動化的完整架構，可以參考客服自動化全流程。
📚 實戰二：利用 RAG 打造不怕被告的便民法治知識庫
許多民眾寫信來問的問題，其實在「政府官網的 Q&A 專區」都有解答。但他找不到，或者是法規用詞太文言文看不懂（例如《建築法》、《都市計畫法》的建蔽率規定）。
公務員最怕回答民眾問題時「給錯承諾」導致衍生國家賠償或被告。因此，我們不能讓 ChatGPT 亂編法規來回答。
🔒 絕對合規的解法：企業級知識庫（RAG 技術）
這與企業建置員工手冊機器人（Agent Builder）的原理一樣——技術細節可以參考 RAG 技術入門，或者看實作導向的 Agent Builder × RAG 實戰。資訊局或研考會可以使用開源平台（如 Dify/AnythingLLM）在市政府內部的機房，將高達數千頁的《社會救助法》、《低收入戶補助辦法》丟進去，成為一個「便民 AI 問答大腦」。
🧩 運作邏輯：從白話文到法條依據
它的運作邏輯是：
- 民眾在 LINE 官方帳號用白話文問：「我月薪四萬，但要養三個小孩一個失智老人，這樣可以領低收入補助嗎？」
- AI 絕對不承諾結果，而是去龐大的法規庫裡搜尋條件。
- AI 產出回覆：「您好，真辛苦您了！根據《XX市低收入戶審核作業規定》第四點，申請資格需檢視全戶每人每月平均所得是否低於…（中略）。您的情況【有機會】符合中低收入資格，但仍須看您配偶與直系血親的財產總額。為避免耽誤您的權益，建議您備妥戶口名簿等以下五樣文件，直接到區公所社會課臨櫃試算。」
這種充滿同理心、有法條憑據、且將最終核准裁量權收回行政機關的回覆，才是公部門導入 AI 對市民與基層人員創造的最大雙贏。
⚠️ RAG 在公部門的三個地雷
即使用了 RAG，也不代表就能安枕無憂。公部門導入時有三件事要特別留意：
- 法規版本同步——法規每年都在修，知識庫裡的 PDF 如果還停留在兩年前的版本，AI 就會引用過期條文。務必設定每季自動更新機制。
- 回覆附帶出處——每筆回覆都要附上「依據條文編號」和「最後更新日期」，讓覆核人員五秒內就能判斷正確性。
- 拒答比答錯重要——當 AI 的信心分數低於門檻，寧可回覆「這個問題建議您直接撥打 1999 或臨櫃詢問」，也不要硬擠出一個似是而非的答案。
🔄 實戰三：跨局處協作與進度追蹤
市民最常抱怨的一句話就是：「我上次已經反映過了，為什麼到現在都沒人處理？」
問題往往不是沒人處理，而是案件在局處之間流轉時「斷了線」——社會局以為環保局在辦，環保局以為已經結案。
📋 AI 輔助的案件追蹤儀表板
利用 AI 搭配自動化流程（例如 n8n 或 Make），可以建立一套「陳情案件進度追蹤系統」：
- 自動建票——每封陳情信進入分案系統後，AI 自動在看板（如 Notion / Google Sheets）建立一張追蹤卡，包含案件摘要、主責局處、情緒等級、預計回覆期限。
- 逾期自動催辦——超過法定回覆天數（通常 7 個工作日）未結案，系統自動發出催辦通知給承辦人與主管。
- 結案摘要自動產出——承辦人只要填入處理結果的關鍵欄位，AI 就能自動草擬一封對民眾的結案回覆函，再由主管審核後發出。格式細節可以參考 AI 輔助公文寫作。
💰 ROI 估算：以六都等級的直轄市為例
| 項目 | 年度成本 / 效益 |
|---|---|
| 現行人力（分案 + 追蹤 + 催辦 + 回函） | 約 1,200 萬（含加班費） |
| AI 系統建置（第一年，含 RAG + 自動化） | 約 150–200 萬 |
| AI 系統維運（第二年起，年度） | 約 40–60 萬 |
| 導入後人力需求 | 約 360 萬（3–4 人覆核） |
| 第一年淨節省 | 約 800–850 萬 |
| 第二年起年省 | 約 780–800 萬 |
上述估算尚未計入「因誤派退件減少」所省下的隱形行政成本，以及「高風險案件提前攔截」避免後續國賠訴訟的潛在節省——這兩項的價值往往遠大於帳面數字。
❓ 常見問題 FAQ
Q1：AI 分案會不會洩漏民眾個資？
不會——前提是你在架構設計上有做到「先去識別化，再送 AI 分析」。具體做法是在單位內部建立一道本地小模型（Local SLM）的過門程序，把姓名、電話、地址這些個資欄位全部替換成 [REDACTED] 之後，才把去識別化的文本送進雲端 API 做意圖分類。只要這道程序落實，AI 看到的就只是「有人在抱怨噪音」，而不會知道是誰在抱怨。
Q2：我們局處沒有資訊背景的人，真的能導入嗎？
可以。目前主流的 No-code / Low-code 工具（如 Dify、n8n、Make）已經把技術門檻降到「會用 Excel 就能上手」的程度。最關鍵的其實不是技術能力，而是有沒有一位熟悉業務流程的承辦人願意配合測試。技術端可以由資訊局或外部顧問協助，但「這封信到底該派給哪個科」的 domain knowledge，只有你們自己最清楚。整體技能養成路徑可以參考公部門 AI 技能樹。
Q3：RAG 知識庫的法規如果過期了怎麼辦？
這是最容易被忽略的維運風險。建議設定每季（至少每半年）一次的法規版本更新機制：指定一位法制人員負責確認各知識庫文件的版本是否與現行法規一致。同時，AI 的每一筆回覆都應該附上「引用條文最後更新日期」，這樣覆核人員一眼就能看出是不是引用了過期條文。更多 RAG 技術的細節，請參考 RAG 技術入門。
Q4：導入 AI 之後，現有的分案人員會不會被裁員？
短期內不會，也不應該。AI 在這個場景的角色是「輔助」而非「取代」——它負責初篩和建議，最終的分案決定、高風險案件的處理、以及對民眾的正式回覆，仍然需要有經驗的公務人員把關。比較務實的做法是：把原本花在重複性分案工作的人力，轉調到更需要人類判斷力的崗位，例如複雜陳情案件的深度調查、跨局處協調，或者民眾滿意度的追蹤改善。
📚 客服 AI 實戰系列
- 🧭 客服 AI 轉型指南（總覽）
- 🤖 智能客服與知識庫打造
- 💔 客訴情緒分析與安撫
- 🏨 多語系智慧管家與客訴防禦
- 🏛️ 你在這裡 — 市政信箱與便民客服