運用科技結合社會福利 勢在必行
在保護性案件通報現場，為輔助社工判斷通報案件的風險等級，過往多開發風險評估工具，來評估被害人相關風險，例如親密關係暴力案件使用臺灣親密關係暴力危險評估表（TIPVDA），兒少保護案件有兒少保護標準化評估決策模型(SDM)等評估量表。
評估量表的運用屬於輔助性質，作為判斷通報個案的風險等級，還需要加上社工的實務經驗分析，才能得到完整的決策結果。國立臺灣大學社工系副教授趙曉芳表示，對沒有太多實務經驗的社工來說，很多時候表單上的問題都問了，卻還是無法很自信地做出判斷，擔心個案可能有受虐風險，於是選擇全部開案，這種不確定的做法容易造成行政資源浪費、效率不彰等結果。在沒有有效風險評估輔助工具的狀況下，各種人為、環境等因素，都可能影響社工在實務現場的決策與表現。而社工長期獨自承擔是否錯判的心理壓力，甚至因而引咎辭職，也是社工經驗無法傳承累積的原因之一。因此如何將人工智慧技術結合社會福利，發展風險預警機制，將是勢在必行。
透過AI預警分析推論模型 輔助社工研判個案風險
人工智慧技術快速發展，透過資料分析與行為預測，可進行風險預警與必要處置，已陸續運用在各行業別，如醫療、金融業等。隨著政府開放資料（Open Data）的推展，保護性案件領域亦開始運用大數據分析，例如2017年臺北市家庭暴力暨性侵害防治中心整理歷年家暴案件，透過區域資料建立家暴案件特徵地圖，化被動處理為主動偵測，進而達到社區預防作用；新北市政府社會局也接續提出高風險危機警示模組，針對高風險兒少通報案件，找出容易重複被通報的案件以及預測個案是否有機會進入家暴防治中心，避免再次發生兒虐事件；2018年衛福部保護服務司（簡稱保護司）提出兒少保護案件之風險預警提示機制，作為兒少保社工安排案件調查順序的輔助參考，並利用再通報特徵預測，找到潛在高關注個案。
