公務機關 AI 雙語導覽員：用 LINE@官方帳號消除語言隔閡

當外國人走進台灣監理所

一位只會說英文的商務人士走進監理所，手持護照和國際駕照，想要換發本地駕照。

他面對的是：全中文的指示看板、陌生的號碼牌系統、業務分窗不清楚，以及窗口人員有限的英語能力。最後他可能在錯誤的窗口排了二十分鐘的隊，才發現自己少帶了一份文件。

這不是個案。隨著台灣推動雙語國家政策，如何讓政府機關真正服務到外籍民眾，成為各機關的實際課題。

---

需求背景

本案源於政府「跨機關推動友善雙語環境」計畫，某縣市監理機關希望在不增加現場人力負擔的前提下，提供外籍民眾即時、準確的英語服務。

核心需求有兩個：

1. 讓民眾用英文問，得到正確的中文法規對應解答
2. 確保 AI 的回答有官方依據，不能給出錯誤資訊

第二點是政府場域 AI 應用最關鍵的限制！錯誤的法規指引可能讓民眾白跑一趟，甚至影響辦理進度。

---

為何選擇LINE@官方帳號

考量到外籍民眾的使用習慣，不需要安裝新 APP，入口設計為：

現場張貼 QR Code → 掃碼加入 LINE@官方帳號 → 輸入問題 → 即時取得雙語回答

整個互動在 LINE 內完成，民眾無需學習新介面，操作成本極低。

---

技術核心

一般的 AI 聊天機器人存在「幻覺」問題——模型會在不確定時自信地給出錯誤答案，在法規諮詢場景中這是無法接受的風險。

本案的設計採用 RAG（Retrieval-Augmented Generation，檢索增強生成） 架構，流程如下：

民眾用英文提問
    ↓
AI 即時理解問題意圖（語意理解，非關鍵字匹配）
    ↓
從核可的繁體中文知識庫中精準召回相關法規段落
    ↓
以召回的原文內容為依據生成英文回答
    ↓
回答附上來源文件與出處，民眾可自行核對

「先檢索、再生成」的機制，確保 AI 說的每一句話都有官方文件支撐，而不是憑模型記憶推測。

---

五大功能模組

1. 知識資產管理（KAM）

集中管理所有業務知識，包含換照流程、所需文件、規費標準、辦理時間等。支援版本控管，管理員更新文件後即時生效，AI 永遠使用最新核可版本，不會用到過期資訊。

2. 檢索增強生成引擎（RAG Engine）

採語意理解而非關鍵字匹配，能理解民眾的真實意圖。即使民眾用非正式英文詢問，系統也能對應到正確的繁體中文法規段落。

3. 回答品質治理（AQG）

服務人員可對 AI 的每一則回答進行評分與校正。人工校正結果用於優化系統提示，不需重新訓練模型，兼顧效率與資安。這讓 AI 的準確度隨時間持續提升。

4. 問答行為與趨勢分析（Analytics）

系統記錄每次查詢，分析哪些問題被問最多、哪些問題 AI 無法回答（知識缺口）。這讓機關能主動發現知識庫需要補充的方向，而不是等民眾抱怨。

5. 平台治理與稽核（Governance）

每一次查詢、檢索與回答都有完整日誌，符合政府機關的合規與資安要求。

---

幾個關鍵討論

中文知識庫 × 英文提問的跨語言挑戰

監理機關的所有官方文件都是繁體中文，但民眾用英文提問。RAG 系統需要能跨越語言差異，用語意理解而非直接翻譯的方式，在中文知識庫中找到正確的對應內容。這是本案技術選型的核心考量之一。

AI 不能說「我不確定」就算了

在一般對話場景，AI 說「我不確定，請洽相關單位」是合理的。但在監理所現場，民眾正在等待辦理，這樣的回答等於沒有幫助。因此設計上要求系統在無法從知識庫召回依據時，明確告知民眾「此問題超出系統可回答範圍，請至服務窗口詢問」，並提示相關窗口號碼。

知識庫維護的人力成本

法規異動、表單更新是常態，如果每次更新知識庫都需要技術人員介入，長期維護成本會讓機關卻步。本案設計為讓業務人員可自行透過後台上傳與更新文件，技術門檻降至最低。

---

系統架構

• 前端入口：LINE@官方帳號（LIFF 或 Webhook）
• AI 引擎：RAG 架構，LLM + 向量檢索
• 知識庫：繁體中文官方文件（流程說明、法規、表單說明）
• 跨語言處理：英文語意理解 → 繁體中文知識庫檢索 → 英文回答生成
• 後台：知識管理介面（非技術人員可操作）、稽核日誌、回答評分

---

這個案子的核心學習

政府機關導入 AI 服務，「回答準不準確」比「回答夠不夠聰明」更重要。

民眾不需要一個能聊天的 AI，他們需要的是一個說話有依據、不會把人帶錯路的 AI。RAG 架構的核心價值正在於此——它不是讓模型更聰明，而是讓模型的每一個回答都有來源可以被驗證。

這個場景讓我們更清楚地認識到：在任何涉及法規、流程、官方資訊的 AI 應用中，「知識治理」的重要性不亞於模型本身的能力。