AI風險預警搭配社工專業 提升決策精準度
趙曉芳表示，AI風險預警分析模型是一個多數人的決定與經驗，在演算法下產出的集合體，與傳統風險評估量表相較，運用在保護性案件上的好處包含，避免因為社工經驗不足或人為因素，造成開案決定的誤差或誤判；當開案準確率提高，提升行政效率，省下錯誤嘗試的人力與時間，社工可以將心力放在困難的案例服務上，思考如何連結更多資源、發展更多網絡，甚至參加教育訓練，提升社工專業量能。趙曉芳也認為，在現今社工流動率高，服務經驗無法累積傳承的狀態下，AI風險預警分析模型的協助，可以減輕社工對於誤判的心理壓力，降低誤判結果的罪惡感，幫助社工提高工作掌握度。大數據應用是時代趨勢，AI風險預警分析模型也能提供保護性工作不錯的預警效果，那麼，AI可以取代社工進行個案風險評估嗎？趙曉芳直言，不行。在實務現場有許多細節，可能是家屬與個案的一個眼神互動，可能是現場環境的一種氛圍，需要社工的專業經驗及敏感度來查覺與判斷，大數據不能取代社工在現場看到的細節，單靠AI也無法辨識計算。趙曉芳表示，AI人工智慧技術與社工最好的搭配，是提供社工各式各樣的輔助工具，協助他們做出一個相對適當、比較安全的決策，累積經驗與自信，讓社工專業化發展更快更好。
串接外部資料 精進風險判斷因素
以AI風險預警分析模型作為社工判斷個案風險輔助，剛開始上線運用時不管是社工心態上的調整，或是對AI判斷風險結果的信任，都需要適應。趙曉芳表示，AI分析出來的結果其實也能作為傳統評估量表設計的省思，將繁複的評估內容化繁為簡，更精準地協助社工做出判斷。
趙曉芳也提醒，在分析預測保護性案件風險時，可能某些很重要、卻不在系統規範裡的判斷因素，是需要串連到各部會才能獲得的訊息。因此「建構老人保護個案之AI預警分析實驗計畫」後續的精進重點，將著重在如何從開案後的服務資料或其他外部介接資料中，找出可幫助辨別該風險群體的相對人、被害人或家庭特質，提升風險預警的精準度。
