258 項工作拆解出的優先地圖——判準先於名單，能力上限不等於導入順序
NPO 想導入 AI，第一個問題往往不是「能不能做」，而是「先做哪一項」。NPO 工作地圖與 AI 導入知識庫把 NPO 日常工作拆成 258 項，從中篩出 40 項「高重複行政工作」作為優先候選，再依風險分成三階段推進——這篇整理判準是什麼、三階段各自包含哪些工作，以及哪些工作其實找得到直接證據支持。
母體：258 個工作項（治理共通 98、服務類 120、高重複行政 40），本文只談後 40 項。〔本研究統計〕
判準：①錯誤可在同一工作循環內被發現並回復；②高風險子類已切割為例外；③不產生對個人具法律或服務效果的判斷。三條全過才進第一階段。
這是任務結構的判斷，不是導入成效的實證：40 份深度研究中，以可重跑的字串重掃有 35 份、以逐份實質判讀有 37 份，明文宣告文獻池內沒有端到端可查證的導入案例。〔本研究統計，雙口徑須一併引用；完整方法與限制見〈台灣 NPO 的 AI 證據空白地圖〉〕
前置控制：自動動作留可回溯紀錄且可回復（CTL009）；擷取分類類另掛「低信心不得自動放行」（CTL008）；對外文字類掛發布雙重核准（CTL004）與來源附註（CTL006）。抽查率須書面化——知識庫內無現成基準值，須自訂。
特徵：錯誤不會在同一循環內自動顯現，要靠抽查或申訴才會被發現。前置：代理人跨系統操作先掛停止開關（CTL010）；不可逆動作前人工核准（CTL005），財務類加雙重核准與職務分離（CTL001／CTL002）；涉個資者加同意取得與資料最小化（CTL013／CTL014）；例外佇列須指定處理人與時限。
這五項工作，正是NPO 用 AI 的九條紅線會落地的地方，須具名人工做最終判斷，詳見〈NPO 用 AI 的九條紅線與人工控制點〉。
12 項的能力天花板可達 L4（在明確規則內自動執行，人工負責監測與例外升級）：R001、R002、R007、R008、R011、R012、R018、R019、R026、R030、R031、R032。其中 R030、R031、R032 涉實體資產、系統存取權限與個資，順序歸第二階段——能力上限與起跑順序是兩個軸，混用會得到互相矛盾的指令。〔本研究統計〕
以下只列 T1 直接證據（可重跑、可回溯到原始快照的最強一級證據）：
發票與收據欄位擷取（R008）：8 個多模態大型語言模型於 3 個公開發票資料集零樣本擷取，直接影像處理策略普遍優於「先轉 markdown 再解析」（Berghaus 等, 2025）[1]。
限制：國際預印本，未驗證台灣單據格式。
收件與分流（R001）：嘉義縣財政稅務局與靜宜大學合作的 AI 智慧分文系統準確率 99.4%（蔡智明, 2025）[2]。
限制：對象是政府稅務公文，不等於 NPO 文件場景，不得外推。
個案文書與家系圖製作（社福個案紀錄場景）：立心慈善基金會建單一數據平台後社工繪製家系圖時間縮短 58 小時、信望愛基金會以 Ragic 管理個別化服務計畫每案文書減少 3.5 小時（數位發展部資料創新司, 2025）[3]。
限制：屬數發部「數據賦能 公益創新」家族，同源家族不得互證為多筆獨立成效。
公開資訊蒐集（R023）：資策會為台灣事實查核中心開發不實訊息快篩平台，查核團隊編務會議頻率由一週兩次提升到每天一次（謝宜婷, 2022）[4]。
開放題與訪談分析（R020）：以 AI 做訪談逐字稿主題分析的案例研究結論是——AI 最適合輔助而非取代質性分析（Kelley 等, 2025）[5]。
訪視紀錄初稿（R003／R015 交界）：清華大學團隊開發「AI 社工訪視紀錄系統」（測試版），以 Claude API 為背景模型並採 HIPAA 醫療級隱私保護標準，將訪視錄音自動轉為專業格式訪視紀錄與處遇計畫初稿（清華大學人文社會 AI 應用與發展研究中心, 2025）[6]。
限制：僅為草稿工具；診斷、風險等級、通報與否、處遇決定四類判斷仍須具名人工為之，見〈九條紅線與人工控制點〉紅線一。
40 項中只有 14 項掛得上 T1 直接證據，其餘 26 項僅有類比或框架級佐證（R015 即 14 項之一，上述訪視紀錄範例即該項既有 T1 掛靠之一，不改變此計數）。〔本研究統計，完整覆蓋率三欄制見〈台灣 NPO 的 AI 證據空白地圖〉〕
40 項中 3 項的建議層級低於原始評估表：R003 錄音轉逐字稿（L4→L2-L3）與 R016 排班配對（L3→L2）屬原表內部算術校正（原表自身能力欄位的層級上緣低於它給該工作項的層級）；R004 文件命名歸檔（L4→L3-L4）屬池內查無同場景證據可支持全自動。
在本研究拆解的 258 項 NPO 日常工作中，40 項「高重複行政工作」最值得優先評估 AI 導入，依風險分三階段：24 項可立刻做、11 項須先建控制、5 項建議暫緩。
判準是：錯誤能否在同一循環內被發現並回復、高風險子類是否已切割為例外、是否會做出對個人具法律或服務效果的判斷。三條全過才能列入第一階段，否則須先建控制或暫緩。
24 項如收件分流、會議排程、長文件摘要、發票收據欄位擷取、捐款收據與感謝、補助機會監測、KPI 儀表板等高重複、可回復的行政工作，前提是留可回溯紀錄並將抽查率書面化。
服務資格與初步分流、個案與服務紀錄整理、轉介與後續追蹤、風險事故與申訴追蹤、稽核抽樣與異常偵測。這 5 項落在 NPO 用 AI 的九條紅線範圍內，須具名人工做最終判斷。
不一定。12 項的能力上限可達 L4，但其中 3 項涉實體資產、系統存取權限或個資，順序仍歸第二階段——能力上限與起跑順序是兩個不同的判斷軸，混用會得到互相矛盾的指令。
只有 14 項掛得上 T1 直接證據（如發票擷取、公文分文、服務紀錄），其餘 26 項僅有類比或框架級佐證，證據密度並不高。
不行。三階段是評估與排序建議，不是採購清單；每項都要先確認前置控制到位、例外佇列有人在看。小型組織建議把第一階段縮到 3–5 項先試。
證據基礎：NPO 工作地圖與 AI 導入知識庫（平台碼 NW），依據《總覽研究報告 v2》（2026-08-08 終審版）。本頁僅列 T1 直接證據；完整方法論、證據等級三欄制與檢索邊界，見〈台灣 NPO 的 AI 證據空白地圖〉。