我覺得蠻好的是，像電信合併案，就非得馬上處理，事實上就是五家要變三家。
電信整併案是公開可見的流程銜接案例。它顯示頻譜資源治理與通訊傳播監理分工後，雙主管機關需要清楚流程、並行審查與判準銜接。
一開始當然花了相當多時間去協調，但也因為電信合併案的關係，促使雙方的分工流程快速實作。所以不能說沒有磨合成本，但它可以說是轉銜成本前置化，也就是在一成立的時候就進入磨合。
那時候像韌性建設司、資源管理司，還有包含我們的常務次長，他們都是在 NCC 有非常久的淵源，甚至是 NCC 成立初期就在了。
所以我覺得這部分也是蠻重要的。雖然組織法說各司司長可以從學術界取才，但是在轉銜初期，實務上我們都任命熟悉原業務的文官承接。其中一個目的，就是在轉型期，由於司長多具原業務機關歷練，有助於降低轉銜期間的制度摩擦。
是的。當時的兩個署長，當然也都非常熟悉本來的公務體系。
可以。概念上，降低內部協調成本，不表示外部協調成本自動降低。
在 moda 裡面，像推出 111 簡碼，這個是很快就可以做到。但是像你剛剛提到的資安跟打詐，或者另外一個例子，像未來的個資會跟各目的事業主管機關的相對責任等等，這些部分當然都需要協調。
以資安來講，它的特性是，全政府當然都要負責，但是這些專職人員一定要有人提供共同標準跟支援能力。不然的話，這些專職人員沒有辦法真正意義上橫向協調。
因此，相關稽核、通報、演練、應變與支援制度，需由主管機關及資安專責機關依法規劃、推動與執行，但也不能變成全部都由資安署細部地微操控，這也不可能。所以怎麼樣把本來手動做的，盡可能多用 AI 來協助，就是由資安院來提供研發跟專業能量。這樣下來，各目的事業主管機關才能對主管的關鍵基礎設施負責。
所以中央進行整合，但是中央並不是包辦。這裡面就有非常多細節，因此《資安法》修正涉及跨機關權責與制度轉銜，推動上需要較長時間。現在看起來，在制度面已有明確進展。
第二個，就《詐欺犯罪危害防制條例》授權之一定規模網路廣告平臺業者防詐義務、廣告主身分驗證、資訊揭露與相關平臺責任來說，數位發展部依法承擔相應主管機關角色；至於金融、醫療、藥品、司法偵查等專業判斷，仍由各目的事業主管機關及司法機關依法辦理。
在我交接的時候，雖然已經推出《詐欺犯罪危害防制條例》草案，但當時還沒有三讀通過。所以雖然有設計進去，但並不知道它實際運轉起來如何。目前就法制文本與公開政策文件來看，分工與交接點已較草案階段更明確。
以我任內已推動的 AI 治理基礎來說，moda 就已經著手規劃包含風險分類，以及資安院跟工研院合作的 AIEC，也就是 AI 評測的機制。
安全、責任歸屬與可驗測性，是全球 AI 治理討論中的核心議題，這我們在 AlphaGo 2016 年的時候就知道了。當 AI 能力越來越強的時候，你運用它的能力有沒有也越來越強？還是事實上變成，它出了什麼問題，都沒有辦法找到人負責，因為它只是一個預測機器呢？這就是為什麼需要風險分類、評估驗證工具與資料治理等工作，來協助各目的事業主管機關訂定以風險為基礎之管理規範。
至於說編科技預算，去讓各個部會運用 AI，這個從前瞻基礎建設開始，就是當時科技部、後來國科會的角色。
所以我覺得一個是說，AI 在治理上會產生什麼新的風險，我們要怎麼更好地去運用，能夠提供哪些基礎建設。但是後面那一個，比較是每個部會怎麼樣透過 AI 增強它們的能力。這兩個有點不一樣。
這個其實我在余紀忠基金會那一次來訪時，大概已經很詳細地談了。
如果你看那個逐字稿，裡面有一段非常詳細在講國家人工智慧戰略特別委員會的部分。
所以我的意見就是如我那次所說，我沒有太多要補充。
我覺得有一個很好的例子。
各個地方機關之前如果要互相共享基礎建設，在以前是沒有簡單方法做這件事情的。
也就是說，一個縣市很難去採購另外一個縣市已經做好的東西。它們本身並不是廠商，所以很難去擔任供應者。
這在疫情的時候尤其明顯。你會看到有些縣市可能資源比較豐富，就會自己先做出一些疫情相關的對應。但是當它想要讓別的縣市採用的時候，就算中央很同意，也不容易。
因為在整個採購流程裡面，並沒有這樣子的做法。
所以就會變成，你要等中央下一個年度的預算來，把它變成一個中央系統，然後各地方再去用等等。地方跟中央中間，速度差主要是這樣。
我們在當時就提出了一個叫做公共程式，也就是 Public Code 的策略。
現在你在 code.gov.tw 就可以看到相當多各縣市政府提供出來的系統，也就是它們開發來解決自己問題的系統。
所以如果你去 code.gov.tw，就會發現並不只是中央開發的，像 ODF 文件工具等等，而是地方政府使用的、解決地方政府問題的系統。
你可以看到中山區濱江國小、臺南市政府、臺北市資訊局等等，都有提出它們的系統。像公有資產管理平臺，這是臺南市提供的；或者城市通的服務跟架構，這是臺北市提供的等等。
這樣之後要再運用的時候，就可以降低重新採購與重複開發需求，因為它等於是建築的基礎材料，已經提供出來。這樣跨縣市要互通、整合等等，都變得相當容易。
以前的困難是，這麼多原始碼，你要一下子消化，要把兩個原始碼接在一起比較花力氣。但現在因為智慧體開發流程的興起，很有機會大幅降低其中部分成本。
是的。就是把各地方政府的網站或軟體系統，在那個地方公開釋出，讓大家共同使用跟維護。
當然中央的也有放上去。只是你這次是問地方。
依公開資料顯示，moda 跟人事行總處已經成立 AI 公務人才發展辦公室，不管是 Try AI、AI Bot 等等，這些都是很正面的後續發展。
當時我在 moda 的經驗是，數位服務需要補進一些傳統資訊職系較少明確定義的職能，例如 AI 治理、使用者研究、資料治理、產品管理等。這些跨域專業人才進入行政體系的目的，不是取代常任文官，而是和既有文官共同建立方法、工具與基礎建設，最後讓整個公務體系都能使用。
這就是全面賦能。這部分當然 moda 責無旁貸，但是也必須要有人事行政總處，甚至考試院的協助，目前看來包括 Try AI、AI Bot 等等，都已經在推動。
當然，本來就有行政院資訊長的制度。如果是個資的話，也有聯繫會報的制度。這些制度都是現成的。
至於你剛剛講的新興議題，可能每個新興議題都要有自己的 RACI 矩陣。
我在任的時候，當然有詐欺防制、AI、資安、資料治理、海纜韌性等等議題。未來，好比數位憑證皮夾，它是不是需要有更多跨部會的導入整合？有沒有需要它在每一個部會都有長期預算、產品負責人、服務水準等等？這就是一個我覺得很好的例子。
我們也看到，數位憑證皮夾試行時的協調範圍，比跨部會更廣。舉例來說，由電信商製發憑證，然後各大超商驗證憑證，就可以作為跨公私部門協調的觀察案例。
我覺得產業的部分，現在有一個很正面的狀況，就是在補助之外，也更重視需求端與市場機制。
在我那個時候，其實一大部分的想法是，我們要創造出一個制度，讓進行軟體工作的人有一個對他公平的《政府採購法》，避免資訊服務採購中額外需求未被合理計價。
也就是說，作為專業資訊服務者的誘因，不是去降低成本，而是增加對創新的投資。這裡面就做了很多，好比採最有利標精神等等。《資訊服務採購契約範本》、《機關委託資訊服務廠商評選及計費辦法》等整個改變過程蠻大的，也希望提高品質、創新與合理計價的誘因。
而就公開資料觀察，現行政策方向是重視需求與市場機制設計，確保國內新創業者可以可預期、可驗收的需求出現，讓訂單可以進得來，而不是只靠政府補助。
是。就是可預期、可競爭、可驗收的需求。包含運用 Demo Day，或者把他們帶出去、出海，或者加強投資 AI 新創的實施方案等。
從制度工具來看，除了補助，也可以透過國發基金，來支持 AI 導入與新創成長。除了通用模型，也應支持多個垂直領域、具在地資料與法遵需求的產業共用模型與應用生態。
以後續公開啟動的案例來說，例如金融業者共建在地金融法規與產業知識模型，顯示垂直領域共用模型可以降低重複投入成本。若未來能結合資料、評測與算力等基礎建設，也可能有助於累積可被其他場域參考的 AI 法遵經驗。
對。至於剛剛講到的算力基礎建設，以公開資料來看，除了數位產業署自己有建置 GPU 算力池外，為了讓政府需求、公共治理與民間投資能力互補，在制度工具上，除了採購與補助，也有將數位基礎建設納入《促參法》的配套做法。
這個問題可以理解。制度上，通訊傳播監理與頻譜資源治理本來就有不同政策目標；關鍵是不要讓業者因雙主管機關分工而面臨重複審查或時程延宕。
