第 1 題
某金融科技公司計畫導入大型語言模型作為智慧客服，同時處理投資商品條款、帳戶操作與金管會法規常見問答。IT 負責人估算整合 CRM、工單、法遵審核三個既有系統需時六個月。董事會要求在投入完整預算前，先取得「模型在自家知識庫與真實客訴題目上能不能用」的具體證據。專案經理應優先規劃哪一類工作，才能以最小投入取得董事會需要的判斷依據？
(A) 直接進入全量上線，以真實客流量驗證模型效能，邊上線邊蒐集完整數據回報董事會。
(B) 先與 LLM 供應商簽定三年採購合約以鎖定單位 Token 成本，再逐步切換客服功能。
(C) 先在受限環境進行 PoC，驗證模型回答品質、延遲與對內部知識庫的適配度是否達標。
(D) 直接進入 Pilot 階段，讓 AI 客服並行接待 30% 客戶，以滿意度調查衡量是否值得投資。
深度導讀解析
正確答案：C
核心考點：PoC 與 Pilot 分工
理論拆解：PoC 在受限範圍驗證技術可行性與效能門檻，投入最小；Pilot 則在真實客群驗證運營與整合。董事會此刻只需「能不能用」的答案，應先做 PoC 再談下一步。
選項坑洞掃描：A 跳過驗證直接全量，風險過高。B 先綁合約放大試錯成本。D 把 Pilot 當 PoC 用，階段錯置。
破題反射字：驗證技術可行 → PoC ／ 驗證真實運營 → Pilot
第 2 題
某電子代工廠想將 AI 瑕疵檢測系統導入 SMT 產線。初步盤點發現：影像資料量大但標註一致性低、現場 PLC 僅有 CPU 而無 GPU 運算資源、品管部門對假陽性容忍度極低、客戶端要求三個月內完成試運行。AI 規劃師撰寫可行性分析報告時，下列何者最完整反映此專案的可行性判斷？
(A) 同時啟動技術、資料、商業三面向的可行性評估，列出風險矩陣呈現三者交互影響，再依綜合風險提出取捨建議。
(B) 以技術面為核心評估，由 AI 團隊優先完成模型與硬體選型並驗證效能，資料與商業面等技術方案定案後再補做。
(C) 以資料面為核心評估，先投入預算完成 5 萬筆影像的重新標註與樣本平衡，資料就緒後再回頭處理技術與商業問題。
(D) 以商業面為核心評估，先與客戶協議誤判成本賠償機制與時程彈性，技術與資料細節依專案進度滾動補齊即可。
深度導讀解析
正確答案：A
核心考點：可行性分析三面向
理論拆解：AI 可行性分析須同時涵蓋技術、資料、商業三面向，缺一面都可能讓專案後期崩盤。標註品質低、硬體資源有限、誤判成本高、時程緊迫，都必須在報告中同框處理。
選項坑洞掃描：B 只以技術為核心，資料與時程風險後置，上線後補做成本放大。C 只以資料為核心，忽略硬體與時程瓶頸，可能投入過多資源仍無法上線。D 只以商業為核心，等於沒評估技術資料。
破題反射字：可行性 → 技術/資料/商業 ／ 標註不一致 → 資料面風險
第 3 題
某跨國電子商務集團在歐盟推出 AI 履歷自動篩選系統，用於第一輪應徵人員分類。法遵長在導入前進行合規評估，發現此系統涉及自然人就業機會的決策，擔心觸犯《歐盟 AI 法案》的分級管制。法遵長應將此系統歸為下列何種風險分類，並對應採取哪一類合規措施？
(A) 不可接受風險（禁止使用），應立即停止開發並撤除系統以避免鉅額裁罰。
(B) 高風險系統，須符合資料治理、文件保留、人工監督、透明度等強制性義務。
(C) 有限風險系統，僅需在使用前向應徵者揭露「與 AI 互動」即屬合規，無其他義務。
(D) 最小風險系統，屬自由使用類別，採取自願性最佳實踐即可，無強制規範。
深度導讀解析
正確答案：B
核心考點：EU AI Act 四級分類
理論拆解：歐盟 AI Act 將用於就業、教育、信用評分、執法等涉及個人權益之系統列為高風險，須符合資料治理、文件保留、人工監督、透明度等強制義務。履歷篩選屬典型高風險案例。
選項坑洞掃描：A 混淆高風險與禁止用途。C 有限風險僅需揭露，適用聊天機器人。D 最小風險限垃圾信過濾等低敏感應用。
破題反射字：履歷篩選 → 高風險 ／ AI Act → 四級管制
第 4 題
某連鎖零售品牌推動 AI 商品推薦引擎導入，初期對推薦邏輯、資料欄位、A/B 測試方法都還有諸多變動。專案經理選擇以 Scrum 方式管理開發，希望在高度不確定的情況下仍能穩定交付。下列敘述何者最正確描述 Scrum 於此類 AI 專案的適用理由？
(A) Scrum 強制每日交付可用產品至正式環境，整體導入時程可壓縮到兩週內完成。
(B) Scrum 在專案啟動後鎖定需求，讓工程師能在穩定規格下投入模型調校取得最高效能。
(C) Scrum 要求所有需求於專案啟動前完整定義，適合 AI 這類不確定性高的探索型專案。
(D) Scrum 以兩到四週 Sprint 為迭代節奏，允許需求隨驗證結果持續調整，契合 AI 專案的探索性。
深度導讀解析
正確答案：D
核心考點：Scrum 與 AI 專案節奏
理論拆解：Scrum 以兩到四週 Sprint 為迭代節奏，每輪檢視成果並允許需求調整，契合 AI 專案「邊驗證邊修正」的探索性。推薦邏輯尚未定型時，這種節奏最能吸收不確定性。
選項坑洞掃描：A Scrum 交付節奏是每個 Sprint（2-4 週）而非每日；『每日』僅指 Daily Standup 會議。B Scrum 歡迎需求變更，不鎖定規格。C 需求事前全定清楚是瀑布式，非 Scrum。
破題反射字：探索性 AI → Scrum ／ Sprint → 2~4 週迭代
第 5 題
某區域醫院規劃導入 AI 醫療影像輔助診斷，病患的 CT 與 MRI 影像屬高度敏感醫療個資，須符合《個人資料保護法》與醫療主管機關資安要求。院方 IT 部門有三位熟悉 GPU 叢集維運的工程師，預算也相對充裕。在自建、公有雲 SaaS、外包代管三種路徑中，最適合的導入策略為何？
(A) 自建私有化部署，模型與影像皆留在院內環境，完全掌握資料流與合規稽核軌跡。
(B) 採公有雲 SaaS 快速上線，影像經加密後上傳共享環境，利用通用模型降低初期成本。
(C) 外包給第三方廠商代管並由廠商負責資料存取權限，院方不需自行投入維運量能。
(D) 採混合部署，推論引擎放院內但病患影像儲存於公有雲，以節省本地儲存空間。
深度導讀解析
正確答案：A
核心考點：敏感資料部署選型
理論拆解：醫療影像屬最高敏感個資，外洩風險不可逆。在院方已有 GPU 運維量能且預算足夠的前提下，私有化部署能讓模型、資料、稽核軌跡都留在院內，合規成本最低。
選項坑洞掃描：B 影像加密上雲仍有外傳風險。C 外包不能轉移個資法主體責任。D 混合部署若影像上雲同樣觸及資料外傳。
破題反射字：醫療敏感資料 → 私有化 ／ 合規稽核 → 自建
第 6 題
某銀行使用 AI 信用卡申辦審核模型，整體準確率達 87%，上線三個月後總通過率為 65%。風控部門收到外部投訴，懷疑模型可能對特定客群不公平，希望在報請董事會前先做一次偏見檢測。下列作法何者最能有效揭露演算法偏見？
(A) 使用 XAI 工具（如 SHAP）分析全模型特徵重要性，檢視輸入中是否有敏感屬性直接進入模型，以此判定偏見存在與否。
(B) 引入對抗樣本測試，刻意生成反向申辦資料餵入模型，若整體準確率仍維持 85% 以上即代表對偏差具備抵抗力。
(C) 依性別、年齡區間、居住地區等敏感屬性將申辦人分群，比較各群核准率、偽陽性率與偽陰性率差異。
(D) 擴大訓練資料重新訓練，以「多總比少好」原則加入更多歷史樣本直至整體準確率突破 90% 再比較上線前後結果。
深度導讀解析
正確答案：C
核心考點：偏見檢測方法
理論拆解：偏見檢測須分群比較各族群的核准率與錯誤率差異，才可能揭露 Disparate Impact。整體準確率與 Loss 都會把群體差異平均掉。
選項坑洞掃描：A 特徵重要性與偏見檢測不同，敏感屬性可能透過代理變數間接影響。B 對抗樣本是穩健性測試非公平性檢測。D 擴大歷史資料反而放大既有偏見。
破題反射字：演算法偏見 → 分群比較 ／ Disparate Impact → 群體核准率
第 7 題
某教學醫院部署 AI 糖尿病風險預測模型輔助門診醫師。醫師在向病患解釋預測結果時，需要清楚知道「這位病患被判為高風險，BMI、空腹血糖、年齡、家族史等特徵各自貢獻了多少」，並希望所用的解釋方法在理論上具備局部準確性與一致性保證。AI 團隊最適合導入下列哪一類解釋方法？
(A) 僅呈現模型的全域特徵重要性排名，讓醫師知道模型在整體資料上在意哪些欄位。
(B) 採 SHAP 值計算每個特徵對當次預測的貢獻，並具備可加性與一致性的理論保證。
(C) 使用 Saliency Map 在醫師介面上標示影像中對模型影響較大的像素區域。
(D) 採反事實解釋，列出「如果某些輸入改變，預測結果會如何翻轉」作為決策依據。
深度導讀解析
正確答案：B
核心考點：SHAP 單案解釋
理論拆解：SHAP 以 Shapley Value 將單次預測結果分配給各特徵，具備可加性與一致性理論保證。醫師問「這位病患的特徵各貢獻了多少」，正是 SHAP 的定義。
選項坑洞掃描：A 全域重要性無法解釋單筆預測。C Saliency Map 用於影像 CNN，結構化特徵不適用。D 反事實解釋回答「如何改變結果」，不是「各特徵貢獻」。
破題反射字：單筆預測貢獻 → SHAP ／ 全域重要性 → Feature Importance
第 8 題
某電信業者完成 AI 客服問答 PoC，技術驗證顯示語意理解準確率達 82%、延遲可控。會議上有人主張直接全量上線，有人主張先做 Pilot。下列何者最正確闡述 Pilot 相較於 PoC、全量上線的核心價值？
(A) Pilot 在受限的真實客群中驗證系統整合、使用者接受度與運維流程，是全量上線前的最後把關。
(B) Pilot 屬於開發測試的延伸，主要在技術實驗室中反覆調校模型，與 PoC 幾乎重疊可擇一進行。
(C) Pilot 與全量上線的差異只在於時程先後，功能範圍、SLA、風險控管皆應與全量一致。
(D) Pilot 僅驗證模型準確率，客服人員訓練與異常轉真人流程應留待全量上線後再規劃。
深度導讀解析
正確答案：A
核心考點：Pilot 定位
理論拆解：Pilot 銜接 PoC 與全量上線，在受限的真實客群中驗證整合、使用者接受度、運維 SOP，找出 PoC 在實驗室內看不到的實戰問題。
選項坑洞掃描：B 把 Pilot 誤認為 PoC 的延伸。C Pilot 規模本就小於全量。D Pilot 必須含人員流程驗證。
破題反射字：PoC 後 → Pilot ／ 小規模真實 → 運維驗證
第 9 題
某保險公司導入 AI 核保決策輔助系統，風險長召集風控、法遵、資訊三部門共同盤點專案風險，並要求撰寫風險識別報告供董事會核閱。下列何項風險識別與評估作法最完整？
(A) 舉辦風險識別工作坊邀集三部門，各提出最擔心的 10 項風險後由與會者投票選出熱度最高的 Top 10 列管。
(B) 委託外部顧問以同業過去三年公開 AI 事故為基礎產出風險清單，直接採用同業經驗以節省重新盤點成本。
(C) 由法遵單位維護全公司風險登記冊，統一蒐集各部門回報後以「法規敏感度」單一維度排序風險優先級。
(D) 分別盤點技術、資料、法遵、營運、聲譽五類風險，並以發生機率 × 衝擊程度建立風險矩陣排序管理優先序。
深度導讀解析
正確答案：D
核心考點：風險矩陣方法
理論拆解：風險識別須跨面向盤點（技術、資料、法遵、營運、聲譽），再以「發生機率 × 衝擊程度」排序出優先處理項目。這是標準的企業風險評估矩陣。
選項坑洞掃描：A 熱度投票缺乏客觀評估，易被部門政治影響。B 同業事故忽略本公司特有情境與資料流程。C 單一「法規敏感度」維度會漏掉技術與營運風險。
破題反射字：風險優先序 → 機率×衝擊 ／ 多面向盤點 → 風險矩陣
第 10 題
某直轄市社會局計畫導入 AI 輔助低收入戶補助資格初審，希望縮短案件審查時間。AI 規劃師在撰寫導入計畫時，參考數發部《公部門人工智慧應用參考手冊》。下列導入原則，哪一項最符合手冊精神？
(A) 設立 AI 快速通道讓 70% 明顯合格案件由 AI 直接核定完畢，僅 30% 邊界案件進入人工審查與申訴流程以兼顧效率與公平。
(B) 上線前辦理兩場公聽會並公布白皮書摘要揭露模型用途，上線後若發生民眾申訴再個案召開臨時審查會議即符合透明原則。
(C) 採人機協作，AI 對全部案件提供分類與判定理由，所有核定決策皆由社工複核並設申訴機制，並定期公開系統效能與偏誤檢測報告。
(D) 與受委託的 AI 廠商簽訂完整 SLA 與責任歸屬條款，若民眾爭議由市府轉介廠商釐清責任，以降低公部門行政負擔。
深度導讀解析
正確答案：C
核心考點：公部門 AI 治理
理論拆解：《公部門人工智慧應用參考手冊》強調人機協作、決策可解釋、保留人工複核與申訴機制，且公部門不得將最終決策責任外包。補助資格涉及民眾權益，尤須保留人工把關。
選項坑洞掃描：A 即使 70% 自動核定仍違反「關鍵決策保留人工」原則。B 事後個案處理缺乏事前人工複核機制。D 公部門對民眾的最終決策責任不得外推給供應商。
破題反射字：公部門 AI → 人機協作 ／ 權益決策 → 人工複核
