北卡財政部生成式 AI 實測：12 週省千萬公帑的政務革命

Q: 北卡財政部的 AI 試點模式可以被其他國家複製嗎？

原則上可以，但需克服幾個前提：首先要與 AI 服務商建立資料安全協議；其次要有能力處理多語言、多格式的政府資料；最後需建立完善的人機協作流程與問責機制。北卡案例的成功關鍵在於「明確的業務目標」與「小範圍驗證」。

北卡財政部生成式 AI是這篇文章討論的核心

美國政府 AI 政務大革命：北卡財政部如何用生成式 AI 省下千萬公帑？2026 年公共部門採用 Agentic Workflow 的完整解析

公共部門正加速導入生成式 AI 與 Agentic 工作流程，從北卡財政部的成功案例可見一斑。

快速精華區

💡 核心結論：北卡羅來納州財政部與 OpenAI 合作，成功將生成式 AI 嵌入日常政務流程，12 週試點後生產力提升 10%，驗證了 LLM 在公共服務的實用價值。
📊 關鍵數據：Gartner 預測 2026 年全球 AI 支出將達 2.52 兆美元，年增 44%；Capgemini 報告指出 90% 公共部門機構計畫在 2-3 年內導入 Agentic AI。
🛠️ 行動指南：欲借鏡北卡模式的政府單位，可從小範圍試點開始，聚焦高重複性數據處理任務，同時建立完善的人機協作審核機制。
⚠️ 風險預警：數據治理、合規性與信任建立仍是公共部門部署生成式 AI 的三大瓶頸，需參照 OECD 與 G7 AI 公共部門工具包建立框架。

文章目錄

北卡財政部的 AI 實驗：從試點到全面部署

說到政府機構應用新科技，多數人的直覺反應可能是：「又來了，又是那种雷聲大雨點小的政策宣示。」但北卡羅來納州財政部的這個案例，还真讓人不得不重新評估一下。

2025 年 3 月，北卡羅來納州財政部長 Brad Briner 宣布與 OpenAI 合作，在該部門啟動為期 12 週的 ChatGPT 試點計畫。這個專案由北卡羅萊納州中央大學（North Carolina Central University）共同參與，是全美首創的公私部門合作生成式 AI 計畫。試點範圍涵蓋兩個核心部門：無人認領財產組（Unclaimed Property Division）與州與地方政府財務組（State and Local Government Finance Division）。

結果出爐後，連內部員工都感到驚訝——生產力提升幅度達到 10%。不僅如此，AI 工具在深度資料搜尋中挖掘出數百萬美元潛在財產，這些資金過去因人工篩查效率低落而長期沉睡。更關鍵的是，該部門每年需審計北卡境內超過 1,100 個地方政府單位，AI 能快速標記潛在財務問題，大幅降低人工審核負擔。

💡 Pro Tip 專家見解

北卡財政部案例的關鍵成功因素在於「人機協作」設計——AI 負責初篩與資料彙整，人類官員專注判斷與決策。這種模式避免了完全自動化可能帶來的風險，同時保留了 AI 的效率優勢。根據 OECD 建議，公共部門應將 AI 定位為「 augmenting human decision-making 」而非「replacing human judgment」。

什麼是 Agentic Workflow？為何公共部門離不開它

如果你對「Agentic Workflow」這個詞還有點陌生，別擔心——你並不孤單。簡單來說，傳統的 LLM 就像一個超級聰明的助理，你問什麼它答什麼；但 Agentic AI 更像是一個能自主規劃、分解任務並執行的數位代理人。

在公共部門場景中，這意味著：過去需要多名承辦人員接力完成的流程——從資料抓取、格式轉換、風險評估、報告生成到決策建議——現在可以由 Agentic Workflow 一氣呵成自動搞定。麥肯錫的研究指出，Agentic 組織將圍繞五大支柱重構：商業模式、營運模式、治理機制、人才文化，以及技術與數據基礎建設。

Capgemini 研究學院 2025 年 5 月發布的報告提供了更具體的數據：全球約三分之二的公共部門組織已在探索或實際使用生成式 AI 專案來提升公共服務品質。更驚人的是，90% 的公共部門機構計畫在未來 2-3 年內導入 Agentic AI 技術。這個數字意味著，公共部門即將迎來一波前所未有的 AI 採用浪潮。

千萬財產失而復得：AI 如何翻轉財務預測

回到北卡財政部的實際成果。試點期間，AI 工具被用來執行deep data searches——這可不是簡單的關鍵字搜尋，而是能理解上下文語義、跨資料庫比對、並從非結構化文件中挖掘價值的進階能力。在無人造產追討業務上，AI 協助識別出數百萬美元沉睡資金，這些錢來自銀行帳戶、股票、保險理賠等長期未被認領的資產。

而在地方政府財務審計方面，過去承辦人員需要逐一翻閱厚厚的預算書、財報、會議紀錄，才能標記異常。現在，AI 可以快速掃描 1,100 個地方政府的資料，自動生成風險評估報告，將原本可能需要數週的工作壓縮到數天完成。

不過，別以為 AI 就是萬靈丹。參與試點的工作人員回饋，使用 ChatGPT 做研究、寫作與編輯確實節省時間，但人工審核與修正 AI 輸出結果仍是不可或缺的環節。這點非常重要——AI 生成內容的準確性需要把關，特別是在涉及納稅人金錢的政務場景。

💡 Pro Tip 專家見解

公共部門導入生成式 AI 的最佳實踐是「Human-in-the-loop」模式——AI 處理初稿與數據篩選，最終決策由人類官員負責。這不僅能確保輸出品質，也為演算法決策建立問責機制。OECD 建議各國政府應優先制定 AI 使用倫理指南，再擴大部署規模。

2026 年全球公共部門 AI 採用趨勢與市場規模

看完北卡的在地案例，我們把視角拉高到全球層面。根據 Gartner 最新預測，2026 年全球 AI 支出將達到 2.52 兆美元，年增率高達 44%。這個數字涵蓋基礎設施建設、企業採用與消費終端整合，其中 AI 優化伺服器成長 49%，占總支出 17%。

在公共部門面向，Capgemini 報告特別指出數據治理是最大挑戰。許多政府機構的資料庫仍處於孤島狀態，格式不一致、元資料混亂，導致 AI 模型難以有效訓練與推理。此外，法規遵循與公眾信任也是推廣障礙——畢竟，納稅人對「AI 幫政府花錢」這件事，多少會有點過敏。

儘管挑戰不少，但趨勢已不可逆。G7 工具包（由 OECD 與 UNESCO 參與制定）建議各國政府應將 AI 整合至內部營運、政策制定與公共服務交付三大領域。麥肯錫則提出「Agentic 組織」概念，預測未來企業與政府將以 AI Agent 為核心重新設計營運流程。

對台灣或其他亞洲市場而言，北卡模式最值得參考的關鍵是：從具體業務痛點出發，而非追求技術酷炫。北卡財政部選擇從「無人造產追討」和「地方政府財務審計」切入，因為這兩個場景有明確的成功指標（找回多少錢、審完多少單位），也容易量化 AI 的貢獻。

常見問題 FAQ

1. Agentic Workflow 和一般 ChatGPT 聊天機器人有什麼不同？

普通 ChatGPT 是你問我答的互動模式，每次對話相互獨立。而 Agentic Workflow 中的 AI Agent 能自主拆解複雜任務、建立子目標、調用外部工具、並依據執行結果動態調整策略。想像成普通助理 vs. 能自主完成專案的數位顧問。

2. 公共部門導入生成式 AI 的最大風險是什麼？

根據 Capgemini 報告，數據治理（Data Management）、法規合規（Compliance）與公眾信任（Trust）是三大主要障礙。具體風險包括：AI 輸出錯誤資訊導致決策失誤、隱私資料外洩、以及民眾對「AI 取代人類官員」的疑慮。建議參照 OECD AI 公共部門工具包建立倫理框架。