引入AI之際，應先確保建立完善的「資料治理」（data governance）運作框架，實現資料管理標準化，落實治理成熟度評估等關鍵管理實務，AI才能真正為HRM帶來革命性改變。
AI驅動HRM的革新與挑戰
人工智慧（Artificial Intelligence, AI）正迅速成為推動人力資源管理（Human Resource Management, HRM）變革的關鍵力量。AI在HRM中的應用範疇極為廣泛，從自動化的招募流程，到員工的培訓與發展，乃至於績效評估和以數據為基礎的策略性人力資源管理，都展現出巨大的潛力與挑戰，這些應用不僅提升組織運作效能，還為HRM帶來全新思維與工作模式。
在招募徵選的過程中，AI的應用展現出顯著優勢。如生成式AI工具（如ChatGPT）能大幅加速簡歷的篩選和與應徵者的溝通，不僅提升行政效率，還減少人為錯誤的可能，確保篩選結果的客觀與全面性。此外，AI 透過自動化處理重複性任務，簡化了招募流程，使相關成員能更專注於具策略性的職責。在員工管理與培訓方面，透過深度學習的演算法和分析工具，AI可為內部成員提供個人化的學習與發展建議，幫助他們掌握新技能，提升工作滿意度與參與感。更進一步，AI 還能即時監測員工情緒狀態，提供心理支持，改善整體工作體驗。
在績效管理中，AI 利用預測性分析工具，整合多項資料源，協助 HR 部門更科學地評估員工的表現與穩定性，從而制定有效的變革措施。如同考試院在「數位轉型委員會」的任務編組下，規劃了未來新聞輿情平台的應用、會議紀錄語音辨識系統的導入，以及數位教材製作與相關訓練課程的推動，同時持續探索AI技術在國家考試辦理及智慧銓審作業應用的條件與可能性。
然而，值得注意的是，AI的成功應用並非僅僅依賴技術本身，還必須仰賴高品質的資料和非技術性資源的投入。資料來源的多樣化與品質參差不齊，可能會阻礙AI 的準確性與有效性。此外，資料透明性與可解釋性不足，亦可能削弱員工對AI決策的信任度。因此，在推動數位轉型並大量引入AI之際，首要之務應是確保建立完善的「資料治理」（data governance）運作框架，實現資料管理的標準化，並落實治理成熟度評估等關鍵管理實務。只有在這些基礎穩固的情況下，AI才能真正為HRM帶來革命性改變，而不致產生負面影響。[1]
資料治理的視角與定義
資料治理這一領域仍處於探索階段，目前尚未形成廣泛認可的明確定義。學術討論主要聚焦於兩個視角。其一，從品質管理的角度來看，資料治理被視為一種提升資料品質的工具，重點是確保資料符合法規要求，並且能夠滿足使用者需求。亦即，資料能否被有效利用，取決於使用者的需求與期望，因此資料治理需要更關注相關人員的角色與責任，例如資料的擁有者、管理者和使用者。其二，資訊科技治理領域則將資料治理視為提升資料價值的手段，關注於將資料作為組織的核心資產，最大化資料對組織的價值。此界定下，資料治理的關鍵在於設計決策架構並分配責任，以確保資料治理與組織目標相一致，進而實現價值的最大化。
綜上，Zhang等（2022）整合此兩視角，將資料治理視為一種合法且標準化的管理過程，透過一些程序、規則甚至價值觀的介入，將資料轉化為組織的重要策略性資產。[2]在資料治理概念下，考試院及所屬機關蒐集的業務資料可視為組織的核心資產。若能推動跨部會資料整合，制定標準化管理流程，並設計明確的決策架構與責任分配機制，將能有效將分散的資料資源轉化為策略性價值，呼應考試院整體組織目標，增強院務效能，同時支持各部會業務推動。目前，數位轉型委員會雖已完成階段性任務，未來或可轉型為「資料治理委員會」，聚焦跨部會資料串接及角色與權責配置，推動「數位轉型2.0」的升級。[3]
資料治理框架與成熟度評估
為使資料治理的概念更具操作性，下一步應聚焦於透過框架設計，將資料治理原則轉化為具體的實施機制，確保其在組織中的有效應用。雖DGI與PwC的框架提供了實務導向的參考，[4]但較少考慮組織情境多樣性與長期策略價值，因此，近年來學者基於研究成果提出了更多實用且適應性強的資料治理框架供參。
Alhassan等（2018）認為，資料治理活動可以分成三個重要階段：界定、執行和監控。在界定階段，組織需要先制定好資料政策和標準；執行階段則重點在於分配角色、選擇合適的技術，並改進操作流程，確保政策實踐；最後的監控階段，就是要評估資料策略的成效，確保治理活動與組織目標保持一致[5]Abraham等（2019）則提出了一個多維度的概念框架，以治理機制為核心，細分為結構性、程序性與關係性三大機制。結構性機制在確立資料治理的相關角色與責任分工；程序性機制確保資料的安全儲存與有效使用；關係性機制則強調資料相關利害關係人的跨部門溝通與協作，提升資料治理整體效能。該框架還涵蓋組織範疇、資料範疇與領域範疇，對應不同層次的治理需求，並強調先決因素如組織文化及法律要求對治理實踐的影響。[6]針對政府機構，Mao等（2021）提出資料中台（Data Middle Platform）框架，旨在透過集中化資料管理應對跨部門整合挑戰。整體而言，資料治理框架是一個動態且整合的工具，涵蓋從策略目標的確立到資料生命週期各階段的全方位管理。[7]
為使資料治理概念能在考試院的院務中具體實踐，建立資料治理委員會將是邁向數位轉型2.0的重要一步。該委員會似可依據資料治理框架的理論與實務基礎，設計適合考試院組織需求的治理架構。藉由委員會的運作可制定資料政策與標準，確保資料管理符合法規並支持組織策略性目標；透過明確分工、選擇技術工具與流程再造，確保資料政策的有效實施；最後，以委員會形式持續評估資料策略的成效，確保治理活動與考試院的目標保持一致。
資料治理並非一次性專案，而是一項需要組織長期投入的動態管理實務，涵蓋從框架要素的界定與執行，到定期審視治理成熟度的完整過程。因此，僅制定資料策略、政策與程序並不足以應對需求。資料治理應被視為一個持續循環的過程，通過不斷的監控與成熟度評估，持續提升組織的資料管理能力，從而創造長久的價值與競爭優勢。
本文作者為淡江大學公共行政系助理教授、協力治理研究中心主任王千文，授權轉載自《國家人力資源論壇》。更多精彩內容，請<點此>
[1]如Amazon的AI招募工具因依賴帶有偏見的歷史資料進行運作，導致決策結果出現性別偏見的不公平現象。此外，人員數據的缺乏或非結構化，亦可能影響演算法的訓練與應用效果。
[2]Zhang, Q., Sun, X., & Zhang, M. (2022). Data matters: A strategic action framework for data governance. Information & Management , 59(4), 103642.
[3]資料治理委員會與開放資料委員會在職能與目標上有明顯差異：前者專注於內外部資料管理與治理框架的政策制定，包括資料安全、品質維護及跨部門整合，旨在將資料轉化為支持組織目標的核心資產；後者則聚焦於資料公開與共享，強調透明度與公共參與。資料治理委員會的運作範疇更廣且著重內部策略執行，與以對外公開為導向的開放資料委員會有所不同。
[4]有關DGI資料治理框架的詳細資訊，可參考其官方網站： https://reurl.cc/nqZG02；有關PwC的資料治理框架，可參考其報告： https://reurl.cc/oVZEzl
[5]Alhassan, I., Sammon, D., & Daly, M. (2018). Data governance activities: A comparison between scientific and practice-oriented literature. Journal of Enterprise Information Management, 31(2), 300-316. https://reurl.cc/1X0NYX
[6]Abraham, R., Schneider, J., & Brocke, J.V. (2019). Data governance: A conceptual framework, structured review, and research agenda. International Journal of Information Management, 49, 424-438.
[7]Mao, Z., Wu, J., Qiao, Y., & Yao, H. (2021). Government data governance framework based on a data middle platform. Aslib Journal of Information Management, 74(2), 289–310. https://reurl.cc/qnZWOg