如何用 AI 製作持份者地圖，並轉成有負責人的參與計劃

要用 AI 製作持份者地圖，先界定決策或項目，再憑證據登記角色和機構。請 AI 按透明準則提出影響力、興趣、依賴和參與需要的分類。把每個評分視為可覆核的假設，而非對某人的隱性判斷，並把獲批的地圖轉成有具名負責人和覆核日期的計劃。

英國政府分析職能部門把持份者地圖描述為：識別、分析、排序並聯繫受工作影響或能影響工作的人士或群體。［1］ AI 適合為角色清單去重、找出欠缺的關係，但對非正式權力或個人動機並無特殊了解。先閱讀如何使用 AI，再把結果連接到經覆核的項目計劃。

關鍵要點

• 圍繞一個決策、服務、政策或交付範圍繪製地圖。
• 先描述角色和群體，再點名個人。
• 每項影響力或興趣評估都附上證據和日期。
• 讓事實、團隊詮釋和 AI 建議明顯分開。
• 絕不把推斷出的輪廓用於僱傭或其他影響重大的決定。
• 把分類轉化為相稱、無障礙的參與行動。

步驟 1：定義地圖範圍

把目的寫成決策：「確定誰必須就新退貨流程在兩個地區的試行提供意見並批准。」記錄預期結果、界線、交付階段、地域、時間跨度、決策負責人，以及地圖不會用於甚麼。

服務探索用的地圖有別於實施或事故應變用的地圖。「把對公司重要的人都畫出來」這類籠統指示，會招來泛泛分類和侵擾性描畫。收窄範圍也令「影響力」有意義：監管機構對法律合規影響很大，對研討會議程卻幾乎沒有影響。

寫明分析單位，優先用角色、團隊、機構、社群或代表團體。只有參與行動確實取決於某人的正式職責時，才點名個人。不要把公開社交資料、私人通訊或職場行為變成暗中的性格評估。

步驟 2：建立可追溯登記表

請 AI 分類之前，先建立登記表：

ID	角色或群體	證據與日期	受何影響	能影響甚麼	依賴	聯絡依據	負責人
S-001	地區支援負責人	章程 §3，2026-07-15	流程及更表	營運準備	培訓計劃	正式職責	交付負責人

使用權威來源，如管治文件、服務藍圖、法例、合約、組織架構圖、過往諮詢記錄和經確認的團隊知識。把資料標為已核實事實、詮釋或待解問題。在獲批的 AI 環境使用前，刪除個人聯絡資料；AI 私隱指南提供了實用界線。

不要把「文件裏沒有」理解為「不感興趣」。受決策影響的社群，可能幾乎沒有正式文件或機構權力。OECD 的參與指引強調，參與應圍繞清晰的問題設計，並納入相關群體，特別是可能受影響的群體。［3］

步驟 3：用 AI 製作持份者地圖時查找缺口和重複項

把範圍說明、持份者登記表和受控的分類體系交給 AI，請它找出可能的重複項、欠缺的角色類別、證據不清之處和需確認的依賴關係。要求說明理由，禁止加入新的個人事實。

一個有用的指示是：

只審閱所提供的持份者記錄。提出可能重複的角色和欠缺的持份者類別。每項建議都要引述促成它的記錄或範圍規則。不要推斷政治立場、性格、表現、私人關係或個人利益。把沒有根據的建議列為問題，交團隊覆核。

AI 或會察覺「支援營運」和「聯絡中心管理層」有重疊，但是否屬同一持份者由負責人決定。它也可能因範圍提及重新設計的表格而建議納入無障礙倡議者，但這只是探索提示，並非某群體已同意參與的證據。

步驟 4：定義透明的影響及興趣準則

分配類別前，先寫下可觀察的準則。例如，影響力可指正式批准權、對必需資源的控制、阻止交付的能力、安全實施所需的營運專長，或代表受影響用戶的能力。興趣可指直接受影響、法定職責、表達過參與意願，或依賴該結果。

避免「有權勢」「難應付」「支持」這類含糊標籤。定義一個小尺度及其證據門檻：

維度	高	中	低或未知
影響力	有正式批准權或阻止權的文件證據	提供意見或控制一項依賴	尚無證據
興趣或影響	直接受影響或承擔正式責任	間接受影響或已表達關注	尚無證據

「未知」不等於「低」。沒有證據的評分，在覆核前應保持未分類。管治文件與團隊說法不一致時，使用來源比較流程。

步驟 5：建立參與矩陣

請 AI 把獲批準則套用到登記表，並交回每個擬議分類所用的證據。補充依賴、參與目標、方法、頻率、無障礙需要、負責人和下次覆核日期。類別應引出具體行動，而非成為永久標籤。

常見的參與行動包括告知、諮詢、邀請參與、協作和取得正式批准。選擇負擔最輕、同時讓受影響人士有實質機會表達意見的方法。英國的諮詢原則指出，諮詢應清晰、資料充分、相稱而有針對性，給予足夠時間，並就回應作出回饋。［2］ 只寫「密切管理」卻不說明如何做、為何做、由誰做的矩陣，並不是參與計劃。

檢查擬議方法是否無障礙。只用書面諮詢可能令部分群體無法參與；現場研討會可能排除不同時區或需照顧家人的人。適用時，記錄翻譯、替代格式、酬勞規則和代表渠道。

在影響—興趣視圖以外，再加一個依賴視圖。幾乎沒有正式批准權的持份者，可能提供關鍵數據、營運下游流程、代表安全攸關的用戶群，或承擔延誤成本。記錄每項依賴的方向及其無法提供時的後果，以免兩軸網格掩蓋比籠統評分更重要的營運關係。

每個分類都註明日期和背景。「高影響力」應寫成「根據章程第 4 節擁有試行的正式批准權，7 月 15 日確認」，而非沒有根據的標籤。權力若屬臨時或只適用於一個地區，就寫明。可請模型指出欠缺的限定語，但由負責人核實。

步驟 6：進行跨職能質詢覆核

召集決策負責人、交付負責人、研究或參與負責人，以及相關的政策、法律、無障礙或人事專家。對照證據覆核每個分類，追問甚麼會改變它。特別留意欠缺的「低權力、高影響」群體，以及把正式職銜誤當作實際決策權的情況。

外部說法以 AI 事實核查流程核實，內部角色向負責人確認。記錄分歧，不強求共識。兩個團隊對誰批准某決定意見不一，是待解決的管治問題，不是交給 AI 取平均的分數。

NIST 的生成式 AI 風險概況強調虛構、私隱、有害偏見、資訊完整性和人工監督方面的風險。［4］ 不要把模型生成的持份者分類用於招聘、表現評核、晉升、紀律處分、政治針對或其他影響重大的決定。也不要只因資料可公開取得，就在地圖中加入敏感的個人特徵。

步驟 7：轉化為可問責的參與計劃

為每個持份者記錄參與目標、訊息或問題、方法、時間、負責人、所需準備、回應渠道和參與確已進行的證據。把行動與項目里程碑掛鈎，而非維護裝飾性的矩陣。

把溝通與參與分開。發出一次更新或已滿足知情需要，但不算諮詢。同樣，邀請某人開會，也不能證明他的意見影響了決定。按照參與原則，記錄聽到了甚麼、如何考慮，以及作出了甚麼回饋。［2］［3］

執行前先檢查人手。一名參與負責人無法同時負責任地維繫二十段「高接觸」關係。可調整頻率、分派負責人或合併適當的群體會議，但別抹去各自的需要。

界定每次互動的成果。研討會可能需記錄風險和未決問題；正式批准可能需簽署的決定記錄；資訊更新可能只需送達確認和回應途徑。寫明預期記錄，可防止把出席誤當同意，也為下次覆核提供證據，說明哪些關係和假設確實有變。

完成回饋循環：告訴參與者團隊聽到了甚麼、改了甚麼、沒改甚麼及原因。保密要求不容許詳細披露時，說明界線。沒有回饋的參與會削弱信任，也令地圖上「已參與」的狀態具誤導性。

步驟 8：版本化並覆查假設

隨着工作由探索走向批准、交付和營運，持份者關係亦會改變。設定覆核觸發條件：範圍改變、新依賴、管治決定、諮詢結果、正式職位的人事變動、風險升級或項目階段轉換。

維護一份變更記錄，列明版本、日期、受影響的持份者 ID、新增或撤除的證據、分類改變、覆核人和對參與計劃的影響。受控的人工批准的 AI 工作流程可防止新生成的矩陣悄悄取代已覆核的判斷。

曾為重大決定提供依據的舊版本要存檔。現行地圖應顯示其用途和覆核日期，以免有人在獲批語境以外沿用某個分類。

每次覆核時，抽幾項參與記錄與地圖對照。若「低興趣」群體不斷提出重大風險，或「高影響力」角色因權力被誤解而從未參與，就同時更新證據和準則。地圖應從有記錄的互動中學習，而非固守最初的假設。

常見問題

AI 能自動識別持份者嗎？

它可根據所提供的範圍和文件提出角色類別，但須由團隊確認誰真正受影響、負責、具影響力或被遺漏。

應繪製個人還是角色？

由角色、群體和機構開始。只有當正式職責或參與行動取決於某人時才點名個人，並盡量減少個人資料。

影響—興趣矩陣客觀嗎？

不客觀。維度、證據門檻、日期和覆核人都清晰時，它更站得住腳，但仍屬視乎情境的判斷。

未知影響力是否等於低影響力？

不等於。未知代表證據欠缺或互相矛盾。保持未分類，並安排一項核實行動。

這份地圖能用於員工評價嗎？

不能。不要把 AI 推斷或參與類別挪用於表現評核、招聘、晉升、紀律處分等重大僱傭決定。

如何公平納入邊緣群體？

識別誰受影響，使用合適的代表渠道，消除參與障礙，不把正式權力低等同於不重要。

參與計劃要包含甚麼？

目標、方法、時間、負責人、無障礙需要、回應途徑、與決策的關聯，以及意見如何被考慮的記錄。

持份者地圖應多久覆核一次？

在階段轉換時，以及範圍、管治、依賴、代表性或證據有變時覆核，並保存有版本的決策記錄。

來源

1. UK Government Analysis Function, Stakeholder Mapping — https://analysisfunction.civilservice.gov.uk/policy-store/stakeholder-mapping/
2. GOV.UK, Consultation principles: guidance — https://www.gov.uk/government/publications/consultation-principles-guidance
3. OECD, Guidelines for Citizen Participation Processes — https://www.oecd.org/en/publications/oecd-guidelines-for-citizen-participation-processes_f765caf6-en.html
4. NIST, Artificial Intelligence Risk Management Framework: Generative Artificial Intelligence Profile — https://nvlpubs.nist.gov/nistpubs/ai/NIST.AI.600-1.pdf

Sources checked 2026 年 8 月 30 日。