iPAS 備考專區 登入

iPAS AI 應用規劃師 初級 科目二 生成式 AI 應用與規劃・115 年第一次・L12・第 33 題

醫院行政表單 AI 化應選哪種技術組合?

原題

某醫療院所希望改善行政效率,規劃讓各科室人員可自行建立行政回報與內部申請表單,並導入 AI 功能以自動判讀與分類填寫內容(如問題類型或需求性質),同時需兼顧流程調整彈性與降低系統開發維護負擔。下列哪一種技術組合最適合?

白話

一家醫療院所希望讓各科室人員自行建立行政回報與內部申請表單,並導入 AI 功能自動判讀、分類填寫內容(例如問題類型或需求性質),同時要兼顧流程調整的彈性,也要降低系統開發和維護的負擔。

問你:這種需求(自建表單、AI 自動分類、低維護負擔)最適合哪種技術組合?

一句話總結

「讓非技術人員建表單 + AI 自動分類內容 + 維護成本低」這三個需求,最對口的是Low-Code 平台(讓各科室自建表單流程)搭配預訓練語言模型 API(呼叫現成 AI 能力做分類,不需要自己訓練模型)。

情境

先感受問題:醫院行政人員怎麼自建智慧表單?

「仁愛醫療院所」的資訊組長振宇面對一個難題:各科室(急診、門診、護理部、藥劑科)各有不同的行政表單需求,例如急診要填「設備故障回報」、護理部要填「耗材申請」,目前每個表單都要請 IT 部門開發,排程要等兩個月。

振宇想要:一、各科室護理師、行政員能自己拉出新表單,不等 IT;二、員工填完表單後,AI 能自動讀懂「這是設備問題還是耗材問題」,自動轉發給對的部門;三、整套系統上線後維護量要低,不要每次小改動就要工程師介入。

這三個需求對應三個技術決策:低門檻建表單(Low-Code)、語言理解分類(預訓練語言模型 API)、低維護成本(用 API 不自建模型)。

舊方法

沒有這個組合,醫院行政 AI 化會卡在哪裡?

  1. 全部靠 IT 開發:每個表單都要排 IT 開發時間,等待週期長,科室的需求都是臨時性的,等到上線需求已經變了
  2. 規則式自動化(Rule-based):把所有分類規則寫死(如「含『設備』關鍵字就分到設備組」),醫療場景詞彙複雜,漏判、誤判率高,規則越寫越多越難維護
  3. 自己訓練深度學習模型:需要大量標注資料、GPU 算力、ML 工程師,對醫院資訊部門來說資源投入太重,且每次有新類型都要重新訓練
  4. 用 Excel 手動整理:人工分類、手動彙整,填表量一大就出錯,也無法即時處理
  5. Pure No-Code(完全不能客製化):有些需求(如特定科室流程邏輯)No-Code 做不到,需要 Low-Code 加少量程式邏輯

新方法

Low-Code + 預訓練語言模型 API 怎麼解

Low-Code 平台負責表單建立部分:護理師或行政員在 Low-Code 平台(類似 Microsoft Power Apps、AppSheet)上,用視覺化方式拖拉出表單欄位、設定流程路由,不需要工程師寫程式。少量的邏輯(如「急診的表單自動附帶科室代碼」)可以用 Low-Code 平台支援的簡單腳本設定。

預訓練語言模型 API 負責 AI 分類部分:員工填完表單提交後,系統自動把填寫內容傳送給語言模型 API(如 OpenAI API、Azure OpenAI),請模型判斷「這個需求屬於哪個類型」,API 回傳分類結果,系統根據結果自動轉發。不需要自己訓練模型,呼叫現成 API 即可,維護成本低。

這套組合恰好滿足三個需求:彈性建表單(Low-Code)、智慧分類(語言模型 API)、低維護成本(API 呼叫不自建)。

這就是選項 A 描述的:Low-Code 平台 × 預訓練語言模型 API。

錯選項

為什麼其他選項是錯的

BNo-Code 平台 × 規則式自動化(Rule-based Automation)

字面在說什麼

用 No-Code 平台讓大家建表單,用預先設定好的規則(如關鍵字比對)自動分類。

為什麼不對

規則式自動化無法應對醫療場景語意的複雜性。「血壓計數值不準」和「血壓計電池沒電」都是設備問題,但用關鍵字規則要列出所有可能的說法幾乎不可能。而且題目說需要 AI 功能「自動判讀與分類」,規則式不算 AI,功能上達不到要求。

誰會選錯

以為 Rule-based 等於 AI 的人,或不清楚語言模型 API 可以直接呼叫解決分類問題的人。

C傳統程式開發 × 自建深度學習模型

字面在說什麼

工程師用傳統方式開發系統,同時自己從頭訓練一個深度學習分類模型。

為什麼不對

題目明確說要「降低系統開發維護負擔」,傳統程式開發 + 自建深度學習模型是最重的技術路線,需要大量工程人力、標注資料、訓練算力,完全違背需求。且醫院的表單需求多樣且會變動,每次需求變更都要改程式,維護成本極高。

誰會選錯

認為「自己建模型才最準」的人。在很多應用場景,呼叫預訓練模型 API 就夠用,不需要自建,且維護成本遠低。

D試算表工具 × 手動資料標記分析

字面在說什麼

用 Excel 之類的試算表工具收集表單,再靠人工看資料、手動分類和分析。

為什麼不對

這根本不是 AI,是純人工作業。題目明確要求「AI 功能以自動判讀與分類」,D 完全沒有自動化,也沒有 AI。而且手動標記分析在量大時效率極低,完全不符合「改善行政效率」的目標。

誰會選錯

沒有仔細讀題,或認為只要有工具就算符合需求的人。D 連題目的基本要求(AI 自動分類)都沒達到。

變形題

同個考點下次怎麼變形

延伸

想再往下看,這 5 個

答案、題目或解析有問題?回報這題

出處:iPAS 經濟部產業人才能力鑑定 ・ 115 年第一次 iPAS AI 應用規劃師 初級 科目二 生成式 AI 應用與規劃 第 33 題

看官方原文 PDF

原題 © 經濟部產業發展署,AITerms.tw 僅作教學解析使用,本站解析以 CC BY-NC-SA 4.0 授權。