# L21201 AI 導入評估 — 模擬試題 30 題 > 題型：四選一單選題（iPAS AI 規劃師中級 標準題型） > 教材來源：`chunks/L21201.txt`（每題解析末標 chunks 行號） > 視覺輔助：`output4/L21201_AI導入評估/images/` 投影片 > 命題原則：用易混淆概念設計干擾項（同類項換位、屬性錯配、定義 partial swap） --- ## 第一部分｜前言與導入評估核心目的（Q1–Q2） ### Q1 下列關於 AI 導入評估「核心目的」的敘述，何者**正確**？ - (A) 僅評估技術是否可實現，不需要關注業務面或財務面 - (B) 判斷導入是否具有實質價值與可行性，避免資源浪費與決策失誤 - (C) 主要目的是說服員工接受 AI 取代人力 - (D) 純粹是為了符合法規而走的儀式性流程 **答案：(B)** 解析：AI 導入評估的核心目的「是判斷導入是否具有實質價值與可行性」，不僅聚焦技術可實現，更需關注是否解決企業痛點、與業務目標契合，並具備合理成本效益。（chunks line 11） --- ### Q2 AI 導入評估框架**通常**涵蓋下列哪幾個面向？ - (A) 需求面、技術面、財務面與風險面 - (B) 僅限技術面與硬體面 - (C) 僅限財務面與行銷面 - (D) 僅限員工滿意度與人事面 **答案：(A)** 解析：教材明確指出本節從「需求面、技術面、財務面與風險面」建立可實作的導入評估框架。（chunks line 13） --- ## 第二部分｜業務需求與痛點分析（Q3–Q6） ### Q3 辨識 AI 可解決的具體問題，**通常**透過下列哪些方式勾勒「現況流程（As-Is）」與「理想流程（To-Be）」的差距？ - (A) 跨部門訪談或利害關係人訪談（Stakeholders）、流程觀察與資料分析 - (B) 直接購買 GPU 後再決定要做什麼 - (C) 全公司一律改用 ChatGPT 就好 - (D) 完全交給外部供應商決定需求 **答案：(A)** 解析：教材列出辨識需求的方法 =「跨部門訪談或利益關係人訪談（Stakeholders）、流程觀察與資料分析等，清楚勾勒出『現況流程（As-Is）』與『理想流程（To-Be）』之間的差距」。（chunks line 21） --- ### Q4 下列何者**並非**教材列出「AI 技術能夠高效介入」的業務流程典型特徵？ - (A) 重複性高的工作 - (B) 決策規則清晰的流程 - (C) 數據驅動的決策 - (D) 涉及人類同理心、個案藝術性高度創造的審美評論 **答案：(D)** 解析：教材明列「重複性高的工作、決策規則清晰的流程、數據驅動的決策」是 AI 高效介入的典型流程；同理心 / 藝術性創造領域並非教材列舉的高效介入點。（chunks line 25） --- ### Q5 組織辨識 AI 導入需求時，下列何者**最不適合**作為主要驅動因素？ - (A) 流程瓶頸或服務缺口需被解決 - (B) 需要提升關鍵績效指標（KPI），如效率、準確率、回應速度 - (C) 因為跟風技術潮流而盲目導入 AI - (D) 既有人力資源不足，AI 可扮演輔助或替代角色 **答案：(C)** 解析：教材警告「避免因為追隨技術潮流而盲目導入 AI，從而導致效果不佳或資源浪費」。(A)(B)(D) 才是教材列舉的合理驅動。（chunks line 27–35） --- ### Q6 KPI（Key Performance Indicators）在 AI 導入需求分析中**主要扮演**何種角色？ - (A) 純粹用於員工薪資考核 - (B) 用於量化「應被 AI 提升的具體業務目標」，如效率、準確率、回應速度 - (C) KPI 與 AI 導入無關，無需提及 - (D) 僅用於計算 GPU 採購數量 **答案：(B)** 解析：教材指出「是否有需要提升的關鍵績效指標（Key Performance Indicators, KPI）？例如提高效率、準確率、回應速度等」是 AI 導入需求分析的核心提問之一。（chunks line 31） --- ## 第三部分｜技術可行性初探（Q7–Q9） ### Q7 下列關於 AI 模型「資料品質（Data Quality）」的敘述，何者**錯誤**？ - (A) AI 模型的效能高度依賴資料的完整性、一致性與代表性 - (B) 需具備高品質的結構化資料，並且資料集已完成標註 - (C) 資料是否能有效支撐模型訓練是技術可行性的關鍵 - (D) AI 模型對資料品質完全不敏感，髒資料也能跑出高準確率 **答案：(D)** 解析：教材明示「AI 模型的效能高度依賴資料的完整性、一致性與代表性」；(D) 與此直接矛盾。（chunks line 43） --- ### Q8 技術可行性評估中，IT 能力與系統整合性（IT Resources, System Integration）**通常**包含下列哪些項目？ - (A) 伺服器規格、網路頻寬、雲端架構、資料倉儲 - (B) 員工伙食津貼 - (C) 公司股價 - (D) 行政人員的英語能力 **答案：(A)** 解析：教材明列 IT 能力評估「包括伺服器規格、網路頻寬、雲端架構以及資料倉儲等是否能夠支持預期的需求」。（chunks line 47） --- ### Q9 若技術條件尚未成熟，**通常建議**採取下列哪一策略？ - (A) 直接放棄所有 AI 導入計畫 - (B) 將技術條件強化納入中長期規劃，先建立資料治理與 IT 基礎，並進行小範圍試點 - (C) 立刻採購全公司大型 GPU 叢集再說 - (D) 跳過資料品質與標註，直接訓練模型 **答案：(B)** 解析：教材建議「若技術條件尚未成熟，可將其納入中長期規劃，先進行資料和 IT 基礎的強化，再逐步導入 AI」，並可選簡單情境小範圍試點。（chunks line 53–57） --- ## 第四部分｜成本效益與財務指標（Q10–Q14） ### Q10 下列關於投資報酬率（ROI, Return on Investment）的計算公式，何者**正確**？ - (A) ROI =（投資回報 - 投資成本）/ 投資成本 × 100% - (B) ROI = 投資成本 / 投資回報 × 100% - (C) ROI = Σ（每期現金流 /（1 + 折現率）^ 期數） - 初期投資 - (D) ROI = 初期投資成本 / 每年淨現金流 **答案：(A)** 解析：教材明列「ROI =（投資回報 - 投資成本）/ 投資成本 × 100%」。(C) 是 NPV 公式；(D) 是回收期公式，常見干擾混搭。（chunks line 75） --- ### Q11 下列關於淨現值（NPV, Net Present Value）的敘述，何者**正確**？ - (A) NPV 是計算未來現金流量的折現總和，減去初期投資成本；NPV 為正代表專案有價值 - (B) NPV 為負表示專案能帶來超額回報 - (C) NPV 不考慮折現率，只看名義現金流總和 - (D) NPV 是衡量投資成本回收所需時間長短的指標 **答案：(A)** 解析：教材定義 NPV =「Σ（每期現金流 /（1 + 折現率）^ 期數） - 初期投資」，且「若 NPV 為正，代表專案可以帶來超過初期投入的價值」。(D) 是回收期定義。（chunks line 81–85） --- ### Q12 下列關於回收期（Payback Period）的敘述，何者**正確**？ - (A) 回收期 = 初期投資成本 / 每年淨現金流，越短代表投資風險越低 - (B) 回收期完全考慮投資回報的時間價值 - (C) 回收期計算結果越長代表投資越優 - (D) 回收期是衡量 GPU 效能的指標 **答案：(A)** 解析：教材定義「回收期 = 初期投資成本 / 每年淨現金流」，越短表示投資風險越低；同時警告「回收期並未考慮到投資回報的時間價值，因此在綜合評估時應該與 NPV 等指標搭配使用」。(B) 與此矛盾。（chunks line 89–91） --- ### Q13 下列關於 AI 導入初期成本組成的敘述，何者**錯誤**？ - (A) 包含內部人力資源、技術訓練、資料清洗、模型開發 - (B) 包含系統整合、第三方顧問或平台授權費 - (C) AI 導入完全沒有任何初期成本，僅有後期效益 - (D) 這些都是 AI 導入的必要開支 **答案：(C)** 解析：教材明列初期成本「包括內部人力資源、技術訓練、資料清洗、模型開發、系統整合、第三方顧問或平台授權等項目」，皆屬必要開支。(C) 與教材直接矛盾。（chunks line 65） --- ### Q14 若企業資源有限，**通常**應依下列哪些條件設定優先導入項目？ - (A) 技術成熟度、效益預期和可擴展性 - (B) 純粹以高階主管個人喜好為主 - (C) 完全隨機抽籤決定 - (D) 以公司過去最古老的業務流程為優先 **答案：(A)** 解析：教材建議「若企業資源有限，應根據技術成熟度、效益預期和可擴展性來設定優先導入的項目」，並選擇技術成熟、效益可快速驗證、可跨部門擴展的情境。（chunks line 95） --- ## 第五部分｜組織成熟度與導入條件（Q15–Q18） ### Q15 數位成熟度（Digital Maturity）評估的**主要關注**為何？ - (A) 現行作業流程是否已具備數位化基礎，如 ERP、CRM、資料倉儲系統建置完善程度 - (B) 員工的早餐喜好 - (C) 公司 Logo 設計美感 - (D) 對手公司的辦公室裝潢 **答案：(A)** 解析：教材定義數位成熟度 =「評估現行作業流程是否已具備數位化基礎，如 ERP、CRM、資料倉儲等系統是否建置完善」。（chunks line 107） --- ### Q16 下列關於資料治理（Data Governance）的敘述，何者**錯誤**？ - (A) 包含資料正確性、可追溯性與權限控管 - (B) 需設有資料標準、資料管理制度與負責單位 - (C) 是 AI 成功導入的關鍵 - (D) 完全不涉及資料合法性與權限管理 **答案：(D)** 解析：教材明示資料治理「是否完備？是否設有資料標準、資料管理制度與負責單位？具備完善的資料治理機制，能確保數據在使用過程中的準確性與合法性」。(D) 與教材直接矛盾。（chunks line 109） --- ### Q17 組織能力（Organizational Capability）盤點**主要關注**哪些核心人才？ - (A) AI、資料分析、系統整合的核心人才；若無，是否已有培訓或外部合作規劃 - (B) 僅關注行政與接待人員的數量 - (C) 純粹評估董事會成員的學經歷 - (D) 重點在物業管理人員的證照 **答案：(A)** 解析：教材明示組織能力評估「是否有具備 AI、資料分析、系統整合的核心人才？若無，是否已有明確的培訓或外部合作規劃」。（chunks line 117–119） --- ### Q18 下列關於導入推動責任單位的敘述，何者**正確**？ - (A) 設立 AI 專案辦公室、數位轉型小組或指定單位負責導入落地，能有效提升專案的推動效率與成功率 - (B) AI 導入不需要任何專責單位，由全體員工自由發揮即可 - (C) 應由競爭對手公司指派人員代為推動 - (D) 完全交由 AI 模型自行決定推動順序 **答案：(A)** 解析：教材建議「有無 AI 專案辦公室、數位轉型小組或指定單位負責導入落地？為專案指派負責單位並設立監督機制，能有效提升專案的推動效率與成功率」。（chunks line 123） --- ## 第六部分｜風險與合規（Q19–Q24） ### Q19 下列關於 AI 導入「法規遵循（Legal Compliance）」的敘述，何者**正確**？ - (A) 依台灣《個人資料保護法》、歐盟《GDPR》等法規，需審視 AI 模型所使用的資料是否具備合法來源與處理依據 - (B) 法規遵循僅針對醫療業，其他產業可忽略 - (C) AI 模型訓練資料完全不受任何法律規範 - (D) GDPR 是台灣專屬法規，僅在台灣適用 **答案：(A)** 解析：教材明示「依照地區法規如《個人資料保護法》（台灣）、《GDPR》（歐盟）等，企業需審視 AI 模型所使用的資料是否具備合法來源與處理依據」。GDPR 是歐盟法規，常見干擾項把適用範圍搞反。（chunks line 155） --- ### Q20 下列何者**屬於**生成式 AI 特有的「侵權與版權風險」情境？ - (A) 模型可能生成的文本、圖像、音樂等內容侵犯第三方版權或專利 - (B) 模型訓練速度太慢 - (C) GPU 過熱燒毀 - (D) 員工早退影響進度 **答案：(A)** 解析：教材指出「生成式 AI 可創建文本、圖像、音樂等內容，這些內容可能會侵犯第三方的版權或專利」，企業需確保使用的資料合法授權，且模型生成內容不侵犯他人智慧財產權。（chunks line 161） --- ### Q21 下列關於可解釋 AI（Explainable AI, XAI）的敘述，何者**錯誤**？ - (A) XAI 能讓使用者理解模型如何做出預測或決策 - (B) XAI 主要目標包括增強使用者對 AI 決策的信任、協助開發者理解模型行為與潛在偏誤 - (C) XAI 支援模型的合規性、道德性與審核需求 - (D) XAI 只能用於遊戲娛樂領域，無法應用於醫療或金融 **答案：(D)** 解析：教材列出 XAI 應用情境包含「醫療診斷、金融風控、人才招聘 / 教育、公部門 / 法務」等高合規場景；(D) 與教材直接矛盾。（chunks line 181–199） --- ### Q22 下列關於風險矩陣（Risk Matrix）的敘述，何者**正確**？ - (A) 以「風險發生的可能性（Likelihood）」與「風險影響程度（Impact）」交叉評估，形成二維矩陣 - (B) 僅以單一維度評估風險，不考慮影響程度 - (C) 風險矩陣只能採用 1x1 的單格式 - (D) 風險矩陣只能用於財務分析，不能用於 AI 風險 **答案：(A)** 解析：教材明示「風險矩陣是一種風險視覺化工具，常用於將『風險發生的可能性（Likelihood）』與『風險影響程度（Impact）』交叉評估，形成二維矩陣，進行風險分類與優先處理判斷」，常見 3x3 或 5x5 格式。（chunks line 223） --- ### Q23 下列關於風險等級（Risk Level）的計算與分類，何者**正確**？ - (A) 風險等級 = 發生機率 × 影響程度；高風險應優先處理，必要時迴避或延後導入 - (B) 風險等級 = 發生機率 + 影響程度 - (C) 風險等級僅看影響程度，與發生機率無關 - (D) 高風險可接受、低風險才需優先處理 **答案：(A)** 解析：教材公式「風險等級 = 發生機率 × 影響程度」；分級「低風險（可接受可監控）、中風險（需規劃因應對策）、高風險（應優先處理，必要時迴避或延後導入）」。(D) 高低風險敘述顛倒。（chunks line 235–243） --- ### Q24 下列關於風險緩解策略（Risk Mitigation）與風險轉移（Risk Transfer）的敘述，何者**錯誤**？ - (A) 可簽署具保固責任的委外合約、引入 AI 專業顧問、先行進行資料清理以降低風險 - (B) 透過保險或第三方協力，將部分風險轉移 - (C) 設計概念驗證（POC）避免一次性全面投入造成損失擴大 - (D) 風險緩解的最佳方法是直接無視所有潛在風險 **答案：(D)** 解析：教材建議的風險緩解 / 轉移 / 保障機制包含 (A)(B)(C) 三類；(D) 與整節風險管理精神完全相反。（chunks line 245–247） --- ## 第七部分｜POC 概念驗證設計（Q25–Q30） ### Q25 POC（Proof of Concept）在 AI 導入評估中**主要功能**為何？ - (A) 在最小風險的情況下驗證導入假設、發掘問題，並逐步建立關鍵能力與策略 - (B) 取代正式上線部署，永遠不需要全面導入 - (C) 純粹用於行銷宣傳，無實質技術驗證價值 - (D) 必須包含全公司所有部門的全範圍試點 **答案：(A)** 解析：教材定義 POC「在最小風險的情況下驗證導入假設、發掘問題，並逐步建立起 AI 專案導入的關鍵能力與策略」。POC 應「小範圍單位、部門或資料集進行測試」，與 (D) 全範圍試點矛盾。（chunks line 257–261、313） --- ### Q26 下列關於 POC 設計原則的敘述，何者**錯誤**？ - (A) 範圍清晰、風險可控：以小範圍單位、部門或資料集進行測試 - (B) 具代表性業務流程：選擇能反映未來擴展應用邏輯的場景 - (C) 資料與技術資源具備初步條件 - (D) 應選擇沒有任何利害關係人支持的單位以挑戰自我 **答案：(D)** 解析：教材建議「選擇具有支持共識與合作意願的業務單位進行測試。這能提高推動成功的機率」；(D) 與此原則完全相反。（chunks line 257–279） --- ### Q27 POC 過程中的「量化評估」**通常**設定哪類指標？ - (A) 效能指標（Performance Metrics），如準確率、處理速度、錯誤率、成本節省等 - (B) 員工每日喝咖啡杯數 - (C) 公司公告中使用的 emoji 數量 - (D) 老闆每週發脾氣的次數 **答案：(A)** 解析：教材定義 POC 量化評估 =「根據應用情境設定具體的量化指標，如準確率、處理速度、錯誤率、成本節省等」，與既有 KPI 比較。（chunks line 287–289） --- ### Q28 POC 過程中的「質性評估」**通常**透過下列哪些方式進行？ - (A) 問卷、訪談或使用日誌等方式收集實際使用者的體驗與建議 - (B) 僅以 GPU 效能跑分為唯一指標 - (C) 純粹靠模型自評輸出 - (D) 由競爭對手代為評估 **答案：(A)** 解析：教材定義 POC 質性評估「透過問卷、訪談或使用日誌等方式收集實際使用者的體驗與建議」，特別關注使用障礙、文化抗拒或流程磨合問題。（chunks line 293–295） --- ### Q29 POC 結果作為後續導入決策的依據，下列何者**並非**教材列舉的關注重點？ - (A) 技術適配性：AI 模型能否順利與現有系統整合 - (B) 預期效益驗證：是否顯示明確的價值（效能提升、效率改善、使用者體驗） - (C) 組織接受度：部門或使用者對 AI 應用的正向接受與學習意願 - (D) 公司股票於 POC 期間的單日漲幅 **答案：(D)** 解析：教材列出 POC 後續導入決策關注點 = ① 技術適配性 ② 預期效益驗證 ③ 組織接受度 ④ 問題與瓶頸辨識；股價波動非教材列舉的初步可行性判斷依據。（chunks line 301–307） --- ### Q30 下列關於 AI 導入評估中「跨境傳輸與外包風險」的敘述，何者**正確**？ - (A) 若將資料儲存於海外雲端或交由第三方處理，須留意跨境傳輸規範與契約保障 - (B) 跨境資料傳輸完全不受任何法規約束，可自由使用 - (C) 外包資料處理完全沒有風險，無需簽訂任何協議 - (D) 第三方供應商與企業之間不需簽訂合法且具保障的協議 **答案：(A)** 解析：教材明示「若將資料儲存於海外雲端或交由第三方處理，須留意跨境傳輸規範與契約保障。確保合規的跨境數據處理協議，並確保與第三方供應商簽訂合法、具保障的協議」。(B)(C)(D) 皆與教材直接矛盾。（chunks line 159） --- ## 答案速查表 | Q | 答 | Q | 答 | Q | 答 | |---|---|---|---|---|---| | 1 | B | 11 | A | 21 | D | | 2 | A | 12 | A | 22 | A | | 3 | A | 13 | C | 23 | A | | 4 | D | 14 | A | 24 | D | | 5 | C | 15 | A | 25 | A | | 6 | B | 16 | D | 26 | D | | 7 | D | 17 | A | 27 | A | | 8 | A | 18 | A | 28 | A | | 9 | B | 19 | A | 29 | D | | 10 | A | 20 | A | 30 | A | ## 命題分布統計 | 章節 | 題號 | 題數 | 重點 | |---|---|---:|---| | 前言與導入評估核心目的 | Q1–Q2 | 2 | 評估核心目的／四面向框架 | | 業務需求與痛點分析 | Q3–Q6 | 4 | As-Is/To-Be 差距／高效介入流程特徵／KPI | | 技術可行性初探 | Q7–Q9 | 3 | 資料品質／IT 能力／中長期規劃策略 | | 成本效益與財務指標 | Q10–Q14 | 5 | ROI／NPV／Payback Period／初期成本／優先順序 | | 組織成熟度與導入條件 | Q15–Q18 | 4 | 數位成熟度／資料治理／組織能力／責任單位 | | 風險與合規 | Q19–Q24 | 6 | 法規遵循／侵權風險／XAI／風險矩陣／風險等級／風險緩解 | | POC 概念驗證設計 | Q25–Q30 | 6 | POC 目的／設計四原則／量化 vs 質性／決策關注點／跨境風險 | | **合計** | — | **30** | — | ## 易混淆考點清單（找混淆提示詞輸出） | # | 易混淆對 | 差異 | |---|---|---| | 1 | ROI vs NPV vs Payback Period | ROI=（回報-成本）/成本；NPV=折現現金流總和-初期投資；Payback=初期投資/每年淨現金流（Q10/Q11/Q12） | | 2 | NPV 為正 vs 為負 | 為正代表可帶來超額回報；為負代表無價值（Q11） | | 3 | Payback Period 限制 | 沒有考慮時間價值，需搭配 NPV 使用（Q12） | | 4 | As-Is vs To-Be 流程 | As-Is = 現況；To-Be = 理想；用訪談、流程觀察、資料分析勾勒差距（Q3） | | 5 | 風險矩陣 vs 風險等級 | 風險矩陣 = Likelihood × Impact 二維視覺化；風險等級 = 發生機率 × 影響程度的量化評分（Q22/Q23） | | 6 | 低/中/高風險處理策略 | 低=可接受可監控；中=規劃對策；高=優先處理或迴避延後（Q23） | | 7 | GDPR（歐盟）vs 個資法（台灣） | 適用地區易張冠李戴（Q19） | | 8 | POC 量化 vs 質性評估 | 量化=效能指標（準確率、速度、錯誤率）；質性=問卷/訪談/日誌（Q27/Q28） | | 9 | POC 設計原則 | 範圍清晰可控／代表性／資料與技術初步具備／**利害關係人支持度高**（Q26） | | 10 | XAI 應用場景 | 醫療、金融、人才招聘/教育、公部門/法務皆需 XAI；不限娛樂（Q21） | --- — 命題：Heiter（2026-05-12） — 對應投影片版本：L21201 AI 導入評估（共 12 頁 / 教材 4-3 ~ 4-15）