國立臺灣藝術大學長期使用一套已運行超過 20 年的校務系統，隨著校務流程、法規與服務需求不斷演進，系統每年需進行近 700 次功能調整。在缺乏結構化文件與標準化流程的情況下，系統逐步累積大量技術債，形成難以追溯與治理的「技術黑盒」。
在資安層面，傳統維運模式亦面臨瓶頸：弱點修復平均耗時 111 天，單一弱掃事件往往需反覆執行 20 次以上 才能完成修補，已難以支撐校務規模與合規要求。為因應校務數位治理與智慧校園發展需求，臺藝大正式啟動 AI 驅動校務系統再造計畫，攜手 HPE 及合作夥伴，重構可治理、可擴充的校務資訊架構。
痛點與 AI 導入動機
有限人力下的高複雜度系統治理
臺藝大電子計算機中心僅以 10 人編制，長期支援約 7,000 名師生的教務、行政與校務服務。隨著系統模組化不足、文件與程式碼不同步、跨系統流程高度仰賴人工整合，維運負載已接近飽和。
校方極需一套能同時回應三大問題的解決方案：
- 開發治理：降低功能調整與交接風險
- 資安治理：縮短弱點修補週期、提升可視性
- 流程治理：減少跨系統人工處理與重工成本
導入 AI 的三大核心考量
在 HPE、鉅晶國際與云碩科技的三方共創架構下，臺藝大以 高效能 AI 基礎設施 為核心，將校務系統再造劃分為三個可並行推進的治理主軸：
1. 開發治理：CI/CD 自動化 × AI 註解 × API 標準化
透過 CI/CD 自動化管線與 AI 註解機制，每次功能變更皆同步生成可追溯的說明文件，使程式邏輯與業務規則即時對齊。文件更新時間由原本的「數週」大幅縮短至 5 分鐘內，整體開發效率提升 超過 40%。
API 標準化後，各校務模組能以一致介面串接，避免重複開發與資料孤島，為後續 AI 應用與系統擴充奠定穩定基礎。
2. 資安治理：左移修補 × 自動化弱掃整合
在資安流程左移（Shift Left）策略下，弱點掃描與修補被前移至開發與部署階段，顯著縮短修復週期。結合 RPA 跨系統自動化，原本需耗時 一週 的全校系統與 IoT 弱掃彙整作業，縮短至約 1 小時 即可完成，大幅降低人力負擔與風險暴露時間。
3. 流程治理：RPA × 向量檢索 × 知識結構化
透過 RPA 與向量資料庫，校務流程中大量非結構化資訊得以被整理為可檢索、可驗證的知識資產。跨單位資料存取更一致透明，師生在選課、證明文件申請、場地借用等流程中，能即時獲得清楚指引與回應。
地端 AI 算力支撐長期演進：HPE AI Server＋NVIDIA GPU
臺藝大選擇 HPE AI Server 搭配 NVIDIA RTX PRO 6000 GPU 作為集中化運算核心，支援校務系統升級、生成式 AI、RAG 知識檢索等多元應用場景。經一年 PoC 驗證，此架構在效能、成本與維運可控性間取得最佳平衡。
透過標準化部署流程，平台具備支援 1,200 億參數大型語言模型（LLM） 與 VLLM（大型視覺語言模型）的能力，同時避免因硬體或驅動版本差異導致效能不一致，確保長期可擴充與可維運。
導入成效與未來展望
冗長校務系統到可治理數位資產
導入 AI 驅動校務再造後，臺藝大已取得具體、可驗證的成果：
- 文件更新時間：數週 → 5 分鐘
- 開發效率提升：+40% 以上
- 全校弱掃彙整：1 週 → 約 1 小時
- 智慧客服回答正確率：提升逾 30%
校務系統不再是難以理解的黑盒，而是轉化為結構化、可追溯的數位資產清單，支援持續優化與治理。
智慧客服與視覺 AI 拓展校園治理邊界
臺藝大智慧客服 AITa 已正式上線，系統能即時反映組織異動、精準辨識權責分工，並在涉及敏感個資時自動導向對應單位，在效率與治理間取得平衡。
未來，校方將進一步導入 VLLM 視覺語言模型，分析表演影像等非結構化資料，輔助招生與人才辨識，讓決策從經驗導向走向資料佐證。同時透過完善的資料治理與審計機制，確保模型輸出具備可解釋性與可追溯性。
以標準化 AI 基礎建設支撐智慧校園
本案由鉅晶國際協同規劃，云碩科技負責系統建置與維運，採用 HPE ProLiant DL385 Gen11 伺服器，單台即可支援最多兩張 NVIDIA RTX PRO 6000 Blackwell Server Edition 或 NVIDIA H200 GPU，滿足教育與研究單位快速導入 AI 的需求。
在 HPE 協同架構下，臺藝大以算力為基、以標準為綱、以 AI 為引擎，將技術債轉化為長期可用的數位資產，使校務服務更即時、治理更透明、決策更有據，智慧校園正全面落地為可衡量的成果。
報導來源：iThome新聞網 https://hpe.pse.is/8h43qt
