美國政府AI應用受阻 專家點出結構性問題大於技能落差

根據《WFED》報導，美國聯邦政府在導入人工智慧（AI）應用時，面臨的挑戰並非單純的技能短缺，而是根深蒂固的結構性問題。專家指出，政府過於側重員工培訓，卻忽略了組織流程、決策機制與預算編列等環節的改革，這可能導致成本更高且成效不彰的結果。

政府機構在面對 AI 技術時，常將其視為一項單純的資訊科技工具，著重於「雲端認證」或「資安意識模組」般的員工培訓計畫，期望透過提升技能來推動 AI 導入。然而，AI 技術從根本上改變了工作性質、決策流程及資訊流動模式，若僅止於工具操作層面的培訓，效益將會大打折扣。舉例來說，儘管 AI 輔助分析能將研究時間從數週縮短至數天，但若現行繁瑣的審核流程仍需耗時數月，AI 帶來的效率提升便形同虛設。這是公部門面臨的典型結構性挑戰，即政府部門的線性工作設計，與 AI 壓縮時間線的能力產生嚴重衝突。

報導強調，若要有效運用 AI，周邊的角色分工、審批鏈條以及資金循環都必須跟上 AI 的速度。目前許多機構的審核架構是為較慢的節奏所設計，即使 AI 能加快研究與創作，這些架構仍會形成監管瓶頸。因此，聯邦政府的勞動力現代化必須包含角色重新設計，明確 AI 洞見與行動之間的決策權責。領導者也需要適應更高速度、疊代式的決策模式，而非等待完全釐清後才做判斷。

智庫 CSET（Center for Security and Emerging Technology）的研究也呼應了這項觀點。CSET 的畢業研究助理 Sophie Mayo 與合著者 Amelia Probasco 及 Lauren Kahn 共同指出，AI 決策支援系統（AI DSS）的潛力遠不止於戰場上的目標鎖定，在諸如聯合作戰等「幕後」功能中，AI DSS 能發揮巨大作用。例如，協助建立和維護全面性的作戰圖像（common operating picture），也就是整合不同作戰夥伴的軍事與民用資產資訊，克服各方系統不相容的問題。

此外，AI DSS 也能簡化複雜的跨國資訊共享政策。在國際聯盟中，政府政策、國內法規與國際協定共同規範資訊揭露範圍，導致繁瑣的官僚程序。AI DSS 可協助執行明確的指導方針，管理政策變更，並支援解讀不同的資訊共享條款，例如外國資訊揭露程序（foreign disclosure process）。它還能解決聯合作戰中常見的語言障礙，尤其軍事技術高度結構化且術語密集，更適合 AI 系統處理。過去，在阿富汗等地的國際維和部隊，曾因「國家保留條款（national caveats）」的管理失誤而險些釀成事故。AI DSS 可建立這些條款與武器平台的集中資料庫，讓指揮官專注於兵力分配而非行政瑣事。

北約（NATO）在導入 AI 決策支援系統方面已取得顯著進展。其聯盟 AI 決策支援系統 NATO MAVEN，從需求提出到實際系統採購僅耗時六個月，成為北約史上最快的採購案。除了戰場應用，NATO MAVEN 也為訓練演習節省了數百萬美元的開支。專家認為，美國國防部的五角大廈與 Chief Digital and Artificial Intelligence Office 可借鑑北約的成功經驗，將其視為操作資產與學習實驗室，加速與印太地區夥伴的 AI 合作部署。這項成功案例證明，具備完善的基礎設施、政策框架與政治意願，是成功推動 AI 採用的關鍵前提。