把獎助學金公告接上 AI 助理，我們怎麼做的
3 分鐘閱讀
問題是什麼
獎助學金公告分散在各單位、格式也不統一，學生得花時間翻公文才知道「有沒有我能申請的」；行政端則是同樣的問題一遍又一遍手動回答。我們在做國立彰化師範大學學務處的獎助學金平台時，遇到的正是這個問題：公告資訊沒有整理成「AI 讀得懂」的形式，做出來的助理只能回答表面的問題，一問到細節就卡住或亂答。
我們怎麼拆
把「讓 AI 準確回答」拆成幾個具體的工程問題來解，而不是丟給模型自己想辦法：
- 先把公告集中，再談 AI。校內外公告全部集中在一個平台，統一欄位（申請資格、截止日、金額）。這一步不做好，後面接的 AI 只會學到一堆殘缺的資訊。
- 資料生命週期為 AI 而設計。公告一建立或更新，就整理成 AI 容易檢索的形式寫進知識庫；下架自動移除，每天再校正一次，避免 AI 拿過期資料回答。AI 回答前一定先查知識庫，查不到才上網並標明來源。
- 記憶要先問過學生。AI 會依對話建議「要不要記住身分、成績、設籍地」之類的資訊，但一定要學生按下「同意加入」才會寫入，記憶庫也能查看、修改、清空。
- 三個介面共用一份帳號與資料。網頁、Android App、LINE 登入同一個帳號、看到同一份資料。網頁設定的截止提醒，App 和 LINE 都收得到；跟 AI 的對話也接得上，不用重新交代背景。
這幾件事分開看都不難，難的是把它們接成一條線：公告的每一次異動都要正確地反映到 AI 能看到的知識庫，而不是另外維護一份「AI 專用」的內容，兩邊遲早會對不上。
結果
平台上線後，AI 直接吃公告內容回答，學務處不用再一則一則手動回覆常見問題。以生輔組的估算，處理相關詢問的時間減少了 98%。同時，學生按「👎」的對話會進入知識缺口分析，AI 依此草擬 FAQ，學務處審核後發布，答不好的問題會隨著時間越來越少，而不是停在上線那一天的水準。
學到的事
AI 助理的品質，多半決定在「餵給它的資料乾不乾淨、新不新」，而不是模型本身有多強——把資料生命週期設計對，往往比換一個更強的模型有用。「AI 幫你做決定」跟「AI 幫你準備好、你來按確認」是兩件不同的事，後者更適合處理提醒、記憶這類牽動學生個人資料的動作。多個介面共用一份帳號與資料，看起來只是工程方便，實際上是讓 AI 的回答不管在哪裡問都一樣的前提。