是目前全球唯一能同時解決「AI 幻覺」和「紀錄經驗」的系統與策略。
只要每天花 10 分鐘極少的時間，
3 個月即可上線服務，提供一個高品質且不會胡說八道的 AI 服務。
有問題要問誰？
現實情況往往是
- 不知道要問誰
- 對方在忙
- 問題會不會太簡單兒不好意思問
- 每個人的回答不一致
- 對方忘記了
- ...
在AI 時代，當然就問 AI 呀。
只是現實和我們的期待不一樣，
撇開 AI 幻覺不說，即使是100分的回答也不一定內部的做法。因此就引入了 RAG 技術，讓回答的內容是依據內部的資料。
只是我們的經驗有被紀錄成「文件」的比例極低，只有不到 5%，
且因為維護困難，導致這些資料有過時、不完整、重複、不一致、甚至互相矛盾 … 的問題。
AI 參考這些極其有限且可能有問題的資料來回答，
就必然會產生 2025 年 MIT 研究報告中觀察到的現象：
95% 的企業投資在 AI 是零報酬
90% 的人更相信人類同事
在「AI 幻覺」以及「經驗紀錄」無法突破的前提之下，
AI 就很難真正落地，即使勉強導入，AI 就只能是一位陪你聊天 (Chat) 的博士，講得頭頭是道，但很可能是扭曲錯誤的資訊。
因此，記錄經驗在 AI 時代就更急迫了
以前，資訊頂多找不到 (沒記錄 or 找錯關鍵詞)
現在，AI 卻會很有自信的「亂掰」
這問題對有經驗的人還好，
因為可以敏銳地發現問題，並繼續有智慧的「追問」。但對 AI 需求最大的對象 (沒經驗的人)，就很可能弄巧成拙，AI 反而成為麻煩製造者。
透過 xms+ 的 AI 技術與策略，只要每天花 10 分鐘，就能成功記錄重要且常見的「隱性經驗」，解決「經驗不容易記錄」這個最根本的問題，並突破「AI 幻覺」，解決關鍵的需求 ~
有問題要問誰？
問 AI 就對了
從「電算中心」回答教職員的各種問題，到各單位的經驗傳承，以及學校最核心的「教學活動」，都可以透過 xms+ AI 獲得極高效率的改善，成為學校數位轉型的關鍵基礎。
在高度資訊化的校園環境中，
學校行政單位常需要面對各種千奇百怪的問題，負擔非常大。
以學校的電算中心為例，
涵蓋的服務範疇廣泛且複雜，除了由專職同仁提供服務外，還需要聘用大量工讀生來應對需求，大量的教育訓練和高強度的服務壓力成為一項沉重的負擔。
為此，各單位就需要建立大量的文件或 FAQ，
由於書寫不易，人工逐條編輯標題與解答，導致行政端反彈劇烈，難以落實。
在「缺乏組織內資料」和「AI 幻覺」雙重夾擊之下，
導入 AI 的成效通常不如預期，就如 MIT 報告中的數據所揭露的。
此外，很多單位都期望能採購設備，自己訓練模型，
除了在極少數特定領域的應用外，這也完全不行！
因為這需要採購高昂的硬體設備（如 H200 伺服器），且模型訓練與調校過程勞心勞力且相當專業，即使連 meta 等級的科技巨頭，新模型 LLama 4 就完全失敗，國內由國家推動的 TAIDE 計畫也是，花了大量資源訓練出來的模型，根本沒人在用。
隨著 AI 技術的進步，這一切迎來了轉機！
本計畫提出一個極其簡單的「需求驅動」解決方案 ~
- 問 AI
帶出需求，因為「問」就代表需求。
- 整理 FAQ
這是記錄經驗最簡單、有效的格式。 (模仿人類經驗運作的方式：看到 A 想到 B 的關係)。
建立 AI 知識庫的過程共 2 個階段。
第一階段 ~
將現有文件上傳到系統，通常 3 個工作天內就可以完成。
這就是一般生成式 AI 的做法，從現有文件回答使用者的問題。
但缺點是無法避免的 AI 幻覺 ~
用流暢且自信的語氣回應，
但卻是無腦的 copy & paste 東拼西湊
第二階段 ~
落實「需求驅動」的紀錄經驗 (問AI、整理FAQ)，過程大約 3 個月即可完成。
流程如下：
- 請同仁每天花 10 分鐘，將遇到的問題 PO 在「AI 小幫手」
- 由專人從中挑選重要且常見的問題，從 AI 的回應儲存並快速調整成 PREP 結構，在 AI 的輔助下，整理一個 FAQ 通常 3 分鐘內就可以搞定。
如果一天 3 個問題，
一個月就有近 70 個問題，３個月後就收集到 200 個問題，涵蓋 8 成以上實際的應用需求。
過程中，可以先開放給內部的人使用。
當資料越來越完善、AI 回應的正確率越來越高後，就可以開放全面服務。同時透過線上問答的過程中收集數據並分析，進行 PDCA 持續改善，提高覆蓋率與回應的品質。
透過「需求驅動」的策略，就能實現 80-20 法則，
讓關鍵的 20% 發揮 80% 的巨大效益，讓 80% 以上的常見問題透過 AI 解決，同仁只需負責另外 20%，大幅降低人力後，將有限的資源專注在更有價值的地方。
本計畫將透過「手把手導入、持續輔導」的方式推動落地，
先從電算中心開始，逐步擴大影響力，最終形成全校性的 AI 知識庫。
- 種子試行 (電算中心)
在現有資料的基礎上，什麼都問 AI。並根據 AI 分析出來的統計資料，請主管每天花 10 分鐘整理 1~3 則 Q&A，逐步優化知識庫。
當 AI 滿意度高達 90% 以後，就可以開放給師生使用，並積極引導師生養成 「有問題就問」 的習慣。
- 典範轉移
藉由辦成果說明會，邀請其他單位參與。由電算中心擔任推動角色，協助分享實際經驗與成果，帶動更多單位參與。
透過突破「收集經驗」和「AI 幻覺」這兩大關鍵，以下成果就是可預期的。
- 更高品質的諮詢服務
因為 AI 可以 24h 輕鬆解決傳統的問題：人會忘記、回答不一致、找不到、 ...
- 經驗傳承
有效解決現今世代「人難找、也難教」的痛點。
- 數位轉型
以 AI 知識庫為基礎，並順勢導入 xms+ AI 的專案管理功能，就能讓組織從「經驗」到「執行」徹底數位化，讓時間花更少、事情做更好。
以下是導入時的常見問題，只要對症下藥，問題都不大喔。
- 每天只花 10 分鐘，時間真的夠嗎？
10 分鐘這麼短，當然不夠！但如果一個人一天只整理 1 個 Q&A ，那就完全沒問題。
- 大家都不想寫 Q&A
教會怎麼寫 (PREP) 之外，再用 AI 幫忙寫，降低門檻就對了。
- Google 查得到的、ChatGPT 問得到的，還要問嗎？
當然要！因為即使 Internet 外面的知識再好，也不一定是學校內的做法。
- 已經有很多文件了，可以直接給 AI 用嗎？
可以，但會有 AI 幻覺，一本正經胡說八道風險。
更多的 FAQ，
xms+ AI 是台灣數位學習科技針對企業教育訓練應用需求所設計的平台，也是政大使用多年的知識管理平台。這套系統已經廣泛應用在各大醫學中心、企業、學校，並獲得極高的肯定，甚至在嚴謹的醫療領域，市佔率超過 70%。
xms+ 同時結合知識管理、教學、計畫管理、會議管理、AI等多向強大功能，本計畫主要聚焦在「AI 知識庫」這部分的功能。
以下是 AI 主要的操作教學 (待補)