數據可以協助決策,更可以解決爭執--首爾市資訊長兼助理市長金景瑞專訪(下)
數據可以協助決策,更可以解決爭執--首爾市資訊長兼助理市長金景瑞專訪(下)

金景瑞,「智慧首爾」、「行動首爾」的推動者,現任首爾市助理市長,主掌資訊業務(資訊長),韓國Yonsei
Univeristy電機工程及工業工程博士,在民營企業工作13年後,加入市政府,協助現任市長朴元淳推動市政。年僅40歲的他,在決策上採取了不同以往的作法,他以數據做為施政基礎,傾聽民眾的聲音,更迅速回應民眾需求。
由於一名學生的提議,去年4月,首爾決定推出午夜公車服務,為夜色增添一抹溫暖,其中憑藉的就是數據分析。透過大數據分析,他們不僅發現市民對市政的抱怨,高達7成是與交通有關,他們還可根據數據資料制定路線,進行溝通。金景瑞坦承,是因為大數據的吸引力,讓他決定走入公職,「數據可以協助決策,更可以解決爭執。」研究主力為人工智慧及數據的他強調。
因為推動韓國智慧化的表現卓越,金景瑞有了許多機會到各地分享智慧城市的相關經驗,看到更多可以發揮的地方。他認為智慧城市的構想與體現,正是為市政的推行找到「新價值」,讓人民有感。在6月前來台灣參加「智慧城市國際論壇」前夕,金景瑞接受越洋電話專訪,暢談強烈企圖心下的未來大商機。

Q 首爾的資訊中心組織及工作重點又是如何?

A 首爾市資訊長(Chief Information Officer)的設置始於1999年,目前整個團隊共有將近200位工作人員,分為4組,重要的工作是提供首爾市民更好的市政服務。其中,規劃部門負責整體資訊發展規劃,過程中與其他國家城市的經驗交流分享,為首爾找到了更多新的應用。值得一提的是,規劃部也負責與開發商聯繫交流。
資訊部門的任務是,負責讓市民得到政府的公開資訊,數據中心除了隨時搜集相關資訊,並且負責分析外,也提供市民相關教育訓練,讓他們更了解數據的功能與意義。我們也有資安部門負責資訊的安全,包括個人資料的維護,也有專屬團隊提供所有相關即時訊息,在一個人口1千萬,每天搭乘大眾交通工具人口高達600萬的城市,對於位置及交通情況掌握非常重要。
在傳統上,資訊科技所扮演的角色只是提供資訊、支持決策的制定、提高工作效率,現在的角色已經不同以往,資訊科技已經不只是支持政策,它已經開始主導改變的發生,希望透過資訊科技,找到市政推行的新價值。未來我們將陸續推出與觀光相關的服務,比如餐廳資訊、工作機會、即時路況等。
雖然我們施政的重要依據是來自大數據,可是我們非常重視市民個人資訊的隱私及安全性,絕不會主動地蒐集市民的資料,我們多半是利用其他單位或是調查機構的資料,如電信業者等,都是為了避免侵犯市民的隱私權。
我們和全世界的各大廠商都有非常密切的聯繫,只有應用面的發展,我們是以國內開發業者為主,一方面是因為應用的開發在經營規模上不需要太大,加上應用必須貼近市民的實際需求,本身的業者有文化及社會的優勢,比較容易掌握。

Q 在資訊長的角色上,你如何看待自己的工作?

A 在我個人的職涯發展上,1997年,我攻讀博士學位時,就加入Daum Communication,爾後軟體部門獨立營運,自己的公司隨之成立。從此之後,我有長達10年時間都在擔任總經理職務。
當我決定加入首爾市政府團隊時,真正吸引我加入的原因是大數據,因為除了政府,很少會有任何地方可以提供這麼龐大的數據資料。首爾實施電子化政府已經有一段時間,本身就累積了非常多的資料,這些數據如果經過適度地分析與解讀,一定可以提供非常有效的施政參考,這正是我決定加入市政工作的緣由。
事實證明的確如此,資訊處更名以後,工作重心也由資訊提供轉為分析資料,為施政提供參考,也為自己的工作找到新價值。我們更在去年重新自己定位:結合大數據、行動通訊與資訊分析,全面整合資訊,為市民提供適切服務。

Q 如你所說,市政涉獵的範圍非常廣泛,放眼未來,資訊處或首爾市要成為智慧城市所面對的挑戰會是什麼?

A 近年來首爾在智慧城市及市政上得到許多認可,比如我們連續5年得到美國羅格斯(Rutgers)全球電子化政府調查首獎,以及世界電信組織(International Telecommunication Union,ITU)2013年的報告「Technology Watch Report」中,也將首爾列為世界智慧城市的典範。
我們自己也成立世界電子化政府組織WeGO(World e-Governments Organization of Cities and Local Governments),希望與全世界其他的城市及政府分享經驗、進行交流。目前共有74個城市是我們組織的成員,我們提供相關教育訓練,也設置獎項,發掘並認可全世界的典範。
我們以大數據為本,傾聽市民的聲音與回饋,期待推出符合市民需求的服務與應用。我們時時以「連結」(connectedness)做為我們的價值核心,資訊科技的價值不只是讓人群進行連結,更是讓人們藉由這個平台可以交換資訊。
所以我們必須持續努力,讓人與人、人與事、人與環境可以隨時連結,不論是在理想或是實際,都能將城市生活所面對的問題,在現實生活中得到妥善地解決。資訊處的角色是提供連結的工具與平台,我們會持續發展新的平台與工具,讓它們與人民的生活連結更密切,也讓人民可以更自由地得到需要的資訊。

enter image description here

首爾
●韓國的首都及最大城市
●面積為台北市的3倍,人口為台北市的4倍
●數位機會指數(Digital Opportunity Index)排名全世界第一
●頻普及率全球第一
●連續5年贏得美國羅格斯大學電子化城市評比世界第一名

關鍵字: #智慧城市
往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
一次搞懂Vibe Coding
© 2025 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓