三、公務機關的管理者可以透過人工智慧協助決策，其有那些風險或缺點需 要注意？(25 分)

核心風險：AI 模型的預測與建議高度依賴歷史數據。如果過去的行政數據或社會現象本身存在不平等（例如：某些弱勢地區的特定犯罪率紀錄、特定族群的福利申請歷史），AI 就會學習並放大這些偏見。

負面影響：當主管依賴 AI 進行補助金發放審查、公共資源分配或警政勤務布署時，可能導致系統性的不公平，違反憲法上的平等原則與公務員應公正無私的職責。

核心風險：深度學習等複雜的 AI 模型具有高密度的非線性運算，其決策邏輯即使是系統開發者也難以完全解釋。

負面影響：公務機關決策依法必須具備「理由說明義務」。當民眾對行政處分（如：稅務裁罰、資格審查退件）不服提出訴願時，管理者若無法清楚說明「AI 到底是如何算出這個結果的」，將導致行政程序違法，並嚴重侵害民眾的知情權。

核心風險：管理者容易產生「自動化偏誤」，盲目信任系統給出的高信心度數據，放棄自身的專業裁量。

負面影響：一旦 AI 決策出錯導致公共利益受損或侵害人民權利，責任歸屬將變得極其模糊。究竟是系統開發商、資料餵養人員、還是最終蓋章核准的機關首長該負責？這將嚴重衝擊公務體制的課責制度（Accountability）與國家賠償責任。

核心風險：公務機關掌握大量的人民戶籍、財稅、醫療等高度敏感個資。若將這些數據輸入外部或未經嚴格安全認證的 AI 平台進行分析，極易發生資料外洩。

負面影響：可能違反《個人資料保護法》及資訊安全相關法規。若使用國外開發的模型（如未落實地化部署的生成式 AI），更可能涉及國家安全與資料主權轉移的危機。

核心風險：AI 決策追求的是統計上的「最大機率」與「通則」，但公務行政往往需要處理特殊個案、情理法的衡平，以及法規中的「不確定法律概念」（如：顯失公平、正當理由）。

負面影響：過度依賴 AI 會導致公務員失去對個案的同理心與彈性，使公權力流於冷酷的機械化操作，無法做到真正的因地制宜或因人制宜，引發民怨。