二、對政府各部會與各級政府：目前台灣的開放政府推動已有相當成效，而各級機關與單位長年委託或自行提供的統計數據也有一定累積或公開上網。然而這些往往都是只與該單位業務工作量有關的統計，用來應付民意代表的詢問，而缺乏從研究或未來發展角度而有的完整性數據。舉例來說，最近教育單位很重視大學生的心理健康議題。但是我們並未有任何全國性的資料架構，足以讓研究者了解各校學生實際使用諮商資源的人數/人次與學校類型、系所、性別、年級、求助主題等等關係。目前只有各校自行用不同的方式來統計，無法整合也數量不足。沒有統一的數據結構來評估問題可能的原因與癥結點，就像在矇著眼打一場不知道敵人的戰爭。就算現在想要開發某些AI應用來協助改善校園心理健康，又要拿甚麼資料來訓練或評估成效呢？
當然，心理諮商的資料有隱私的問題，需要較嚴謹的倫理審查(其實可以有效的去個資)，但是重點是許多沒有機密隱私的開放資料，也常常是片面不全的，只是反映相關單位作了甚麼事，而非從資料治理的角度發現還有甚麼可以知道得更完整，找出足夠的特徵(feature)來作研究分析或應用。因此關鍵的第二步是要在各中央與地方政府設置類似資料治理且有相當層級的專責單位：由具有統計或量化研究專長的主管領導，並不只是被動地蒐集統計，而是要有前瞻性的預想可能的發展方向與相關因素，將蒐集這些不直接與其單位職務相關的資料(但是間接相關)列為第一線公務人員的KPI，並以標準化的格式儲存，未來才能以原始資料形式讓AI發揮更大的功能。
三、對各級教育或國民教育單位：目前各界已經意識到A I素養的重要性，但是在教育領域面對AI這種快速變化的科技，不應只是買設備或軟體，教學生如何複製使用。因為給魚很快就過期(演算法會更新)，而是應該教他們如何釣魚(也就是用AI思維來評估資料與應用)。各級教育除了在逐步加強演算法能力外，應謹記AI是靠資料學習且在特定領域才能應用的，而甚麼樣的資料結構或品質往往也就決定了甚麼樣的AI發展。因此更應加強學生對資料分析的跨領域合作能力以及敏感度：包括從資料源頭的取得、清理、標註到最後的應用場域、市場、對象等等，有整體的視野，了解自己可以在哪些方面可以有獨特的貢獻(例如開發新的資料來源或發想新的應用情境)，而非一窩蜂去寫程式，才是現在教育面對AI發展所欠缺的核心根本。
四、對人文社會領域的學者：以上提到的這些能力都與現有的人文社會各個領域密切相關，因為人社領域原本就擅長探討關於如何界定問題、分析資料，甚至參與建立各個領域的制度，而這些也是未來打造適合在地的AI所需要的重要專業。當然，各人社領域也都可能因為AI的引入而會撼動原來的研究方式或看待問題的視角。因此，人文社會專業在A I時代不會消失，反而會以不同的形式變得更為重要。尤其是若要發展一般功能的A I，台灣就資料量上很難與國際大公司或國家比較，但以語言資料為例，台灣是擁有豐富的南島語系資料，就南島語系，甚至是台語、客語等，則有相對較高優勢。此外關於台灣的各種社會治理、文化與互動的A I發展都需要在地的人社參與。從這個角度，人社學者中應該可以有更多人願意投入資料整理的工作，讓這些資料有機會被整理好且有適當的標註(見圖一)。雖然這部分的工作可能不容易直接發表到頂尖的期刊論文，但卻是未來AI相關發展的重要基石。當然國科會或政府單位應該要加大力道補助或支持學者參與若干重要資料庫的建置計畫，也要調整相關的升等與評量機制，作更長遠的投資。
