不要把部落櫃台做成冷冰冰的機器：原鄉公共服務 AI 的資料主權底線

數位櫃台不能只會說「請重新輸入」

很多地方政府談 AI，第一個想到的是聊天機器人。它可以回覆問題、引導申請、查詢進度、減少電話量，聽起來像一位不會請假的櫃台人員。問題是，原鄉公共服務不是一般商品客服。民眾來問的可能是補助、災害、長照、土地、就業、文化活動、戶政、教育、醫療交通，也可能是一句很簡單但系統很難理解的話：「我不知道要找誰。」

把這樣的需求丟給一個只會分類、轉接、罐頭回答的機器，效率或許提高，尊嚴卻可能下降。最糟的 AI 公共服務不是答錯，而是把人逼到不知道怎麼說才算正確。它要求使用者配合系統語言，卻不讓系統學會地方脈絡。於是民眾站在數位櫃台前，像站在一面會發光的牆前：牆很先進，也很冷。

原鄉服務的資料不是普通原料

原鄉公共服務牽涉的資料，常常不是單純的個人資料。它可能包含族群身分、家戶狀態、土地使用、部落位置、災害風險、祭儀時間、文化活動、語言內容、老人照護、弱勢補助、身心障礙需求與社群關係。這些資料放在一般行政系統裡，可能被看成欄位；放在部落脈絡裡，卻可能涉及尊嚴、歷史、權利與禁忌。資料不是礦石，不是誰先挖到誰就可以加工。

因此，原鄉 AI 系統的第一個問題不是「模型準不準」，而是「資料由誰決定」。誰決定哪些資料可以收集？誰決定哪些資料不能進模型？誰可以查詢？誰可以刪除？是否有族人、身心障礙者、長者、地方公所與部落代表參與規則制定？是否保留人工申訴？是否允許社群對敏感資料設定更嚴格的使用邊界？如果這些問題沒有先回答，後面再談智慧治理，就有點像在沒有地基的地方裝智慧門鈴，門鈴很會響，房子可能是歪的。

CARE 不是口號，是治理順序

國際上討論 Indigenous Data Governance 時，CARE Principles 經常被提及：Collective Benefit、Authority to Control、Responsibility、Ethics。它提醒我們，資料治理不能只看資料是否容易找到、能否互通、能否再利用，也要看資料是否對社群有集體利益、社群是否有控制權、使用者是否負責任、研究與技術是否符合倫理。這對原鄉 AI 特別重要，因為 AI 系統很容易把「可用」誤認為「可取」。

以公共服務聊天機器人為例，系統可能需要學習常見問答、公告、申請流程、災害資訊與交通醫療資料。這些資料多半可以公開使用。但若進一步把族語對話、老人故事、地方名稱、祭儀知識、狩獵採集經驗、親屬網絡或傳統領域細節納入訓練，界線就完全不同。公共服務需要的是可驗證的行政知識，不是把整個部落生活拿去餵模型。AI 不是比較會吃資料的神獸；它吃進去的每一口，都應該知道誰同意、誰受益、誰承擔風險。

無障礙不是附加功能，而是服務入口

共同作者劉展瑞的觀點提醒我們，原鄉公共服務 AI 若沒有把身心障礙者納入設計，一開始就會走偏。許多身心障礙族人、長者或慢性病照護家庭，面對的不只是網路不穩或表單難填，而是交通、視覺、聽覺、理解、語言、照顧負擔與資訊落差交疊在一起。AI 櫃台若只提供文字輸入，可能排除視覺障礙者；若只提供語音互動，可能排除聽覺障礙者；若使用艱深行政語言，可能讓心智障礙者、長者與不熟悉華語行政詞彙的族人更難取得服務。

因此，原鄉 AI 公共服務不應該把無障礙當成最後上線前的補丁。它應該從設計一開始就思考多通道輸入、清楚語言、圖像輔助、人工協助、代理申請、離線服務、電話回撥與地方窗口。真正的數位近用不是把服務放到網路上，而是讓不同能力、不同語言、不同設備、不同照護處境的人，都能找到一條可用的路。否則所謂智慧化，只是把櫃台搬到更難敲門的地方。

人工轉接不是落後，是責任設計

許多系統把「人工轉接」當成不得已的備案，好像只要 AI 夠強，就應該讓人類櫃台退場。這是錯誤想像。公共服務的人工轉接不是失敗，而是責任設計。當案件涉及資格爭議、語意不明、文化敏感、弱勢處境、急迫安全、法律權利、身心障礙需求或行政裁量，就不該讓機器硬答。好的 AI 應該知道自己何時不能答，並且把使用者帶到真正能負責的人面前。

原鄉場景更需要這種轉接能力。不是每個人都熟悉線上表單，不是每個地方都有穩定網路，不是每位長者都能用標準華語清楚描述需求，也不是每個問題都能被「請選擇一到五」解決。系統若只追求自動化率，最後可能把最需要幫助的人排除在外。公共服務 AI 的指標不該只有「減少來電」與「回覆速度」，還要看「錯誤轉接率」「弱勢使用成功率」「申訴可追蹤性」「多語脈絡理解」「離線補救機制」。否則所謂智慧化，很可能只是把人的麻煩轉嫁給使用者。

族語支援不能變成表演功能

原鄉 AI 很容易被包裝成「支援族語」的亮點。這當然重要，但也最容易變成展演。真正的族語支援不只是介面上出現幾句問候語，也不是把族語語料丟進模型，讓它生成看似親切的回答。族語與文化脈絡相連，詞彙可能牽涉地景、親屬、禮俗、禁忌、世代差異與部落差異。沒有在地審查與社群授權，系統很可能把族語做成漂亮但不可靠的裝飾。

更好的做法是分層。行政流程、公告摘要、交通資訊、申請文件說明，可以優先做成清楚的多語輔助；涉及文化知識、祭儀、傳統領域、禁忌內容，則要由社群自行決定能否數位化、如何呈現、誰能存取。不是所有知識都必須公開，不是所有公開都等於傳承。傳承有時需要說出來，有時也需要知道什麼不能說。AI 系統若不懂沉默的價值，就不適合碰文化資料。

從歐盟 AI Act 看風險分類的啟發

歐盟 AI Act 以風險為核心設計規則，雖然不直接適用於台灣地方政府，但其精神值得參考：不是所有 AI 應用都同樣危險，也不是所有系統都可以用同一套審查。公共服務若涉及福利資格、教育機會、就業、醫療、公共安全或權利義務，就應該提高透明度、可解釋性、人工監督與申訴機制。原鄉公共服務 AI 更應該在一般風險分類之外，加上文化資料風險、身心障礙近用風險、社群權利風險與地方脈絡風險。

這不是為了讓創新變慢，而是避免錯誤規模化。人工櫃台答錯一次，通常是一個人的問題；AI 系統若把錯誤規則部署出去，可能同時影響一整個地區。更麻煩的是，錯誤不一定明顯，它可能以「看似合理」的方式持續排除某些用語、某些族群、某些不擅長數位操作的人。演算法的偏見有時不會大吼大叫，它只是安靜地把你排到「其他」分類裡。

好的原鄉 AI，是把權力還給地方

真正好的原鄉公共服務 AI，不是取代地方人員，而是讓地方人員有更好的工具；不是抽走資料，而是讓地方更清楚資料怎麼被用；不是把民眾變成工單，而是讓需求更快找到負責窗口。系統可以協助整理公告、翻譯行政語言、提醒申請期限、建立常見問題、追蹤案件進度、降低重複填寫，也可以協助地方政府發現哪些服務最常被問、哪些流程最難懂。這些都值得做。

但前提是，系統必須把同意、資料邊界、人工轉接、申訴、稽核、無障礙近用與社群參與放在核心。原鄉 AI 不是在部落門口放一台漂亮的機器人就叫創新。它應該像一座更好的橋：讓行政語言與生活需求互相看見，讓中央政策與地方經驗互相修正，讓數位工具服務社群，而不是讓社群被迫服務工具。否則所謂智慧櫃台，最後只會變成一個很會說「請重新輸入」的冷冰冰門神。

延伸閱讀與資料來源｜source-check notes

1. UNESCO，New report and guidelines for indigenous data sovereignty in artificial intelligence developments，2023-12-11，last update 2025-09-23，https://www.unesco.org/ethics-ai/en/articles/new-report-and-guidelines-indigenous-data-sovereignty-artificial-intelligence-developments 。人工核對重點：確認 UNESCO 對 Indigenous Peoples-centered AI、participatory inclusion、data operation respecting autonomy、prevent inappropriate cultural adoption 等描述；本文台灣原鄉應用屬評論延伸。

2. Global Indigenous Data Alliance，CARE Principles for Indigenous Data Governance，https://www.gida-global.org/careprinciples 。人工核對重點：核對 CARE 四項原則、其與 FAIR 的互補關係、對 Indigenous innovation and self-determination 的強調；避免簡化為一般隱私框架。

3. European Commission，AI Act，Regulation (EU) 2024/1689，https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai 。人工核對重點：確認 AI Act 是 risk-based framework，並注意本文僅借用治理思路，不宣稱其直接適用台灣地方政府。

4. Open Data Policy Lab / GovLab，Selected Readings on Indigenous Data Governance: 2026 Update，2026-02-17，https://opendatapolicylab.org/articles/data-sovereignty-selected-reading-2026/ 。人工核對重點：可作為補充閱讀清單，核對最新 Indigenous data governance 相關文獻方向，不應作為單一政策依據。