2019 NPOst 年會以「撐起一個地球的好事」為題，邀請到 AI4SG 分享如何以 AI 推動數位轉型並應用於公民社會與公益議題，法律扶助協會的數據小組嘗試將服務結合 AI 科技，獲得 2019 AI4SG「社會進步獎」的肯定，本文揭開他們跨足科技的方法與歷程。
在大數據浪潮席捲之下，資料科學成為備受關注的顯學，數據分析協助企業、政府、 NPO 在既有資料庫中挖掘新世界。當科技與人文社科產業結合時，又能扮演什麼樣的輔助角色呢？數據，能讓社福產業更好嗎？
財團法人法律扶助基金會（以下簡稱法扶）是社福領域結合大數據應用的一例，法扶由司法院捐助成立，提供需要法律服務但是無力負擔訴訟與律師費用的人，專業性、制度性的法律協助。成立 15 年來，案件量逐年攀升，法扶面對人力不足、案件負擔沉重等考驗，再加上大環境對「科技」接納度提高，讓其開始思考導入數據分析，進而優化服務、提升效能的可能性。
2017 年年底，法扶組成一個跨部門、臨時編制的數據小組。歷經創新試驗的 2 年，數據小組藉由 4 個專案，初嚐到數據分析對組織帶來的助益，但同時，也無法逃避組織數據化必然要面對的瓶頸。
面對龐雜資料庫，組成「挖礦」團隊
訴訟程序流程繁複，耗時冗長，以 2018 年為例，法扶全年收到約 21 萬件申請案，除了11萬件法律諮詢的申請案件量外，有近 9 萬件的法律扶助申請案件，經過審查後，准予扶助的案件高達 6 萬件，龐大的案件量與業務流程，再加上法扶雖有業務軟體系統，但服務十數年下來，法規多有更迭，案件登錄系統可用的資料欄位不盡相同，讓資料整理的負擔相當大，而有了想進行「數據清理」的念頭，間接促成法扶借助數據化之力，提升服務效能的契機。
圖／法扶提供
法扶自成立以來累積了數十萬筆案件，擁有龐大的資料庫。十多年來，這些資料僅作為業務上使用，法務處研究員張毓珊說：「資料庫到底呈現什麼面貌？我們的申請人長什麼樣子？這幾年來，案件屬性有什麼走向？這些問題，我們都沒有非常清楚的掌握。」她表示，法扶的資料是「礦」，但之前卻從來沒有人挖礦。
2017 年年底成立跨部門的數據小組，契機來自於一場協助 NPO 實現資料科學公益願景的「資料英雄計畫」（ D4SG Felllowship ，以下簡稱 D4SG ），為了參加 2018 年初的 D4SG 計畫，法扶由會內法務處、業務處、資訊組、會計處、宣導暨國際處等跨部門職員合作，組成一個臨時編制小組，而這也成為「挖礦」的起點。
從數據清理，到發想 AI 雛形
大數據的應用在科技公司行之有年，但跨領域與 NPO 合作卻較為少見。 「 D4SG 資料英雄計畫」協助媒合 NGO 及資料科學家，運用資料科學家的數據處理專業，解決 NGO 於真實世界所遭遇的問題，以資料力來實踐公益。法扶在 D4SG 計畫中，與專業資料分析公司 SAS 聯手，以「挖掘未被滿足的法律扶助需求」為題，結合政府外部資料，剖析各地分會負責的案件覆蓋率、人口特徵以及案件屬性，希望能「撈」出潛在需要法律扶助者。
之後，數據小組又接連參加 2018 年首屆的總統盃黑客松，獲選為最終 5 組的卓越團隊獎，也參與東吳大學及 SAS 的合作專案，這一年來的成果，獲得了 2019年 AI4SG 「社會進步獎」的肯定。同年，數據小組也繼而再度參與 D4SG 計畫，並與台大法律資料分析研究室的資料英雄團隊合作。
法扶在與東吳大學、 SAS 合作的專案中，利用文字探勘技術嘗試提出「 AI 預測律師辦案心力」的雛形，舉例來說，假設在「扶養費」案件中，透過程式能解析出「家暴」、「離婚」、「安置中心老年人」找出不同種類的關鍵字詞，期望作為律師辦案耗時或其他預測，作為未來改善的基礎。
圖／法扶提供
法扶藉由資料清理，將案件的分項細目結構化，試圖找出一些關聯，期望從申請人走進分會、職員記錄資料、一對一跟審查委員諮詢、到派案予扶助律師至結案的整體流程，都能有更具體的評估，提高流程效率。
用數據比對現實經驗，找到服務缺口
對以法律服務為本的非營利基金會來說，法扶接觸數據、理解數據、想像數據的過程非一點就通，而是藉由一次一次的實驗中，揣摩數據能為組織帶來什麼。
宣導暨國際處主任葉瓊瑜說：「以前聽到『大數據』可能會覺得跟自己沒關係，但其實是有關係的。我們也不認為我們做的是真正的大數據，但嘗試去做數據分析後，資料科學開啟了基金會的想像。」
張毓珊也認同數據分析的重要性，「很多時候，我們按著主管機關的要求提供數據，可是這些數字如果沒有導向管理意涵，就會變得沒意義。」舉例來說，法扶有資料庫，數據小組與外部數據公司在資料清理的過程中，得出了數據間的關聯性，或潛在的因果關係，使得法扶能持數據跟各地分會的經驗比對。
以法扶與 D4SG 「挖掘未被滿足的法律扶助需求」為例，先透過各分會的案件數據與外部資料進行比對，找出不同弱勢族群的服務缺口，再以此資料與各分會深度訪談，經由分會在地經驗來驗證數據分析的正確與否，並以此作為分會在進行宣傳人力或是資源配置上的依據。例如，在某些地區法扶分會人力僅有 4 人，宣傳預算也很有限，透過數據分析找到某個鄉鎮服務缺口最大，就可以先往那裏進行宣傳與在地網絡聯繫。
圖／法扶提供
投入數據分析之前，既有的登載系統有其有限性；數據分析導入之後，可以作為組織佐證、思考、回頭調整業務方向的依據，尤其搭配在地經營經驗，受扶助人口的輪廓就會變得更立體。數據分析讓個案不再只是業務軟體中一個一個數字，也提供分會管理上不一樣的視角，主動尋找有需求的民眾可能在哪，法扶找到他了沒？
法務處律師吳富凱說：「以前就是單純地做資料登載，但現在開始想用數據分析指出邏輯性問題，檢驗與現實中的經驗如果不一樣，就可以去思考差異在哪。」從一開始參賽不知道要往哪個方向去，一路摸索，藉助統計學家或科技團隊的幫忙，法扶也開始釐清、優化業務。
除了透過資料比對，挖掘可能的服務缺口，有趣的是，與外部團隊合作過程中，更有機會挖出新的「礦」，對外合作讓跨組織的團隊創造新的可能。張毓珊說：「外部資料科學家運用他們的技術整理我們的資料時，我們也學習對非法律專業領域的人來說，會怎麼看資料，有哪些是他們感到興趣、可以延伸分析的資料。」
隱私個資棘手、外部資料難以嫁接
無可避免地，對法扶來說，個資保護是組織數位化最大的顧慮。吳富凱說：「低收、家暴、身心障礙等群體在我們的申請人當中佔有一定比例，如果貿然公佈，就會有標籤化的問題。」有鑑於此，法扶目前對外揭露只侷限在參加比賽的成果報告，雖然上述趨勢資料對管理有所幫助，但只要觸及地域、敏感族群，就會相當小心。
此外，負責資訊管理業務的資訊組專員巫奎澤提到，外部公開資料有其侷限，各單位在收集資料時的邏輯思維不同，資料顆粒度也無法統一，使得法扶想探討的問題難以獲得外部機構資料支撐。巫奎澤說：「我們也曾想與政府社福單位進行高風險案件資料比對，但礙於個資保護，他們也難以提供更細部資料。」
圖／法扶提供
法務處律師吳富凱也說：「政府機關有在努力開放合理、有限度的內部資料，但還沒有很精細，實質助益不大，不只是法扶，對外界也是如此。」目前，數據取得困難一事，也只能先擱置。而除了敏感數據與對外部的嫁接，組織文化亦是挑戰。
數據化的最大瓶頸：翻轉組織文化
「如果我們想成為以數據為本的組織，要做的事之一是教育整個組織、提供一種文化，就連最日常的資料登載、資料定義就需要教育。」張毓珊說，在組織內部養成數位文化不是一件容易的事，法律界相對保守，要讓科技取代一些關乎組織文化、領導的事務，涉及很多業務流程與心態的改變。
更進一步來說，NPO 要做數位導入，組織是否能接受他所關注的群體被資料科學標籤、量化？如果 NPO 要數據化，那組織就必須要去調適。張毓珊解釋：「在我們登載案件資料時，很多選項的選擇會有『其他』這個欄位，造成資料分類上的困難，『其他』經常變成整個系統中未被深究的漏洞，我覺得我們應該也反映了其他 NPO 的難處。」
很多時候，社福產業對於數位科技的接受度不如科技業或製造業，因為要在一個案件、一個人身上貼上標籤、定義並分類，社福組織本質上，可能無法認同這種哲學。同時，每個部門都有各自的文化以及關注事項，當理想走入實際作業流程後，即遇到各種瓶頸。
此外，組織領導也是關鍵，尤其在人數龐大、風氣保守的機構要數據化，必須要有由上而下的力量，帶動組織流程改變，法扶數據小組也仍在掙扎中。吳富凱說：「我們一直希望讓這個臨時編制的組合成為專責部門，延續這 2 年的成果。不過礙於金錢、人力與上級決策，目前仍無法如願。在這個狀況下，工作起來就會比較辛苦，或是找不到一個長期目標去執行。」
科技結合法律，讓工人智慧變成人工智慧
張毓珊強調：「把業務用科技的方式呈現，不是為了展現酷炫或搭上潮流，最重要的目的還是希望受扶助人、服務使用者能更快、更有效地接觸我們，某種程度也是減輕我們的工作，我們希望翻轉業務流程，讓大家可以越來越輕鬆工作。」
數據小組目前的成果仍僅停留在清理過去的資料，雖然期待整理後的結果可以應用在「預測」，但目前距離開發出應用系統，還有很長的一段路。儘管社會科學有太多影響因素，但若能找到影響研究主題的相關因子，對於法扶服務流程的優化與效能提昇，亦會有所助益。
圖／法扶提供
近兩年的研究專案，不管協助分會找出潛在的服務缺口或是優化派案流程，數據小組漸漸看到法扶推展數據化可能的輪廓。不過，資料在各部門實務運作變數也很多，且對第一線的工作人員衝擊沒有那麼大，不是每個單位都已體驗到數據化帶來的正向回饋。因此，數據小組僅能旁敲側擊，希望讓每個部門都能分享成果，慢慢帶動數位化的意識、慢慢轉型。
張毓珊觀察到，一直以來，法律工作者所受的訓練會特別留意倫理、法規、隱私權的問題，在法律服務業內推動科技應用者，往往必須花更多時間與精力推動新的科技應用。科技能作為輔助工具，走到今天這一步，已經是很好的事情。數據小組的經驗證明，科技結合法律仍有很大的可行性，端看法扶如何定位，以及決定要開多大的門。
科技日新月異，今天所談論的願景，也許過了幾年又是新的局面，吳富凱說：「我們也只能就現在的基礎，逐漸去摸索，找到適合我們的方向。」不過，清楚可見的是，在大數據的浪潮下，蒐集並擁有數據者，將更有機會透過對於數據的清理與耙梳，累積產業的知識，作為進一步發展人工智慧的基礎。
正如同數據小組兩年來的心得，張毓珊說：「要有人工智慧前，要先有工人智慧（資料的蒐集、清理及耙梳）。這兩年的工作對我們來說，最大的啟發，就是累積這麼多資料後，工人智慧開始有機會變成人工智慧了。」
延伸閱讀
