政府出题、全民解题、AI助攻 新北黑客松把市政挑战带进竞赛现场

生成式AI、数据分析与云端服务加速进入企业与公共部门，应用从文书生成、客服与知识查找，延伸到预测、风险识别与流程辅助。城市治理涉及分散数据、行政流程与权责分工，AI能否发挥效益，取决于是否能对接第一线需求与既有业务流程。新北市政府2026年首度举办「2026新北市AI智能城市黑客松竞赛」，由五个局处提出实际市政命题，邀请青年及开发者提出解方，并由Amazon Web Services (AWS)提供云端与AI技术支持，协助参赛团队完成可展示的系统原型。

市府出题、AWS助攻  让AI直接面对治理问题

「2026新北市AI智能城市黑客松竞赛」于9月12日至13日举行决赛与颁奖，由青年局、教育局、法制局、交通局及地政局分别提出第一线业务挑战，共吸引71组、245人参与，参赛者经28小时密集开发后，最终由5组团队获得各组优胜，市府后续也将进一步评估，推动竞赛成果的实际落地可能性。

新北市副市长刘和然表示，公部门每天面对许多治理问题，部分工作受限于既有制度与作业方式，未必容易找到新的解决路径，因此需要外部人才与不同观点进入。这次竞赛由政府提出实际问题，邀请青年、新创与技术团队参与解题，再结合AI工具协助数据蒐集、分析与应用，希望为既有行政工作带进更多可行的解法。

AWS台湾董事总经理王定恺指出，组织导入新技术需要由上而下推动、高端主管建立共识，同时提供足够的工具、技术与训练资源，最后还要真正投入实作。此次竞赛的题目直接来自市府第一线治理需求，参赛团队必须在有限时间内理解业务问题，再利用AI与云端技术建立可以操作与展示的原型。

五组解方涵盖交通、法务、地政、教育与青年政策

对公部门而言，AI能处理的工作也不限于内容生成。五组优胜方案分别切入交通调度预测、诉愿文件处理、不动产估价审查、教保机构风险预警，以及青年数据整合，反映AI进入政府业务后，实际扮演的角色可能包括预测、识别、数据整理、文件生成与决策辅助。

其中，交通局命题由「9月离去时叫醒我」团队提出YouBike智能调度方案。团队取得交通局提供的六个月历史数据后，希望找出各站点车辆进出规律，预测未来30、60、90甚至120分钟的流入与流出量，让管理端能在站点实际缺车或满车前，提前安排现场调度。

该团队使用AWS上的云端虚拟服务器 - Amazon EC2、ECR、ECS与物件存储服务 Amazon S3处理运算、容器与数据存储，并利用生成式AI托管平台Amazon Bedrock串接AI模型；若未来系统扩大，也规划透过Amazon SageMaker AI进行完整模型训练。

团队成员认为，AI在其中一方面负责从大量历史数据中找出人力短时间不容易发现的规律，另一方面也能随数据累积持续改善模型。

法制局组优胜团队「直接处理」则锁定诉愿案件审理流程。局处人员目前处理诉愿文件、拟定草稿可能需花费数日，该团队开发的「诉愿审议AI辅助工作台系统」，结合RAG检索增强生成与大型语言模型（LLM），先进行案件信息整理与检索，再由模型产生草稿，并透过另一套AI机制协助检查生成内容，希望将草稿作业压缩至5至10分钟。这类应用主要是把重复性高的数据检索、整理与初步撰拟交由系统处理，承办人仍负责最终内容确认与法律判断，以兼顾作业效率与行政责任。

地政局命题由「AI城市起风」团队提出不动产估价案件审查工具取得优胜。不动产估价案件涉及查估书表、地图以及大量数值计算，承办人需要逐项比对数据，该团队运用Amazon EC2与Amazon Bedrock开发审查系统，先以AI进行图片与文件识别，撷取文字及数字后，再依相关公式进行计算与交叉比对，最后产生可能需要再次检查的审核结果，协助承办人缩小人工查核范围，也让原本仰赖人工逐笔确认的作业流程，增加一层自动化筛选与辅助判读机制。

教育局组优胜团队「中之民」则将AI用于教保机构风险预警。该团队整合政府公开财务数据、裁罚纪录，以及新闻与社群相关信息，利用自行训练的模型搭配大型语言模型建立风险分数，希望协助主管机关识别较需要关注的对象，再将有限的人力与查核资源优先投入风险较高的机构。

在这套架构中，大型语言模型主要负责新闻与社群内容分析，相关数据存放于Amazon S3，系统则部署在Amazon EC2，并透过Amazon Bedrock使用模型服务。 这类风险分数较适合作为预警与资源配置依据，后续仍须配合人工查核，确保判定的准确性。

青年局组优胜团队「TheWeeklyBlend」聚焦政府常见的数据分散问题，整合人口、区域、薪资等公开数据，再利用AWS建立云端架构与视觉化界面。此公开网站可供一般民众查看青年相关数据，市府内部版本则增加政策判读、数据分析与汇出功能，并依不同指标呈现高、中、低等风险层级，供局处进一步研判。

这套方案先将分散在不同来源的青年数据整理成可持续分析与更新的基础，再透过视觉化与指标设计，协助局处掌握青年族群变化与政策需求，作为后续资源配置与政策研拟的参考。

串接技术与场域  推进AI实际应用

参赛团队完成原型验证后，市府团队也实际检视各项成果，其中已有作品展现相当程度的实用性，让后续导入有了更具体的方向。接下来，相关局处将持续评估各项成果的应用可行性，并依实际业务需求检视系统导入与后续应用方式，让竞赛原型有机会进一步衔接既有行政流程。

王定恺指出，AWS已在台湾设置本地基础设施，本地部署环境有助于政府及企业处理数据落地与系统导入需求，也可支持后续AI应用的扩充与持续开发。新北市青年局也将串联青创基地、顾问谘询及创业辅导等资源，协助有意愿的团队延续开发，让竞赛成果有机会从原型进一步走向实际应用。

相较于单纯的创意发想，「2026新北市AI智能城市黑客松竞赛」更强调真实问题、实际数据与技术操作，也提供云端资源与实作环境。搭配赛前工作坊与技术支持，参赛者得以在28小时内完成数据分析、系统建置与原型开发，并实际运用AWS云端与AI工具解决市政命题。

多数参赛团队成员表示，这次经验让他们累积了实务解题与系统开发经验，面对快速发展的AI应用，也更能掌握从需求理解、数据处理到系统实作的完整流程，为后续投入相关技术应用与职涯发展打下更扎实的基础。