企業導入 AI 前需要準備哪些資料與流程

企業準備導入 AI 時，常先整理一個大型資料夾，希望系統讀完後就能回答所有問題。但文件數量多，不代表內容一致、適用範圍清楚，或每位使用者都能查看。

導入前的準備，是讓團隊知道哪些資料可以用、誰負責更新，以及出錯時怎麼處理。

一、先選定工作與責任人

將目標寫成具體任務，例如「協助客服從現行產品文件找出操作步驟」，比「建立企業 AI 平台」更容易驗證。還需指定業務負責人，負責判定回答是否適用。

如果沒有人能確認答案，開發團隊就難以知道模型究竟是在幫忙，還是只是產生流暢文字。

二、盤點資料來源與可用範圍

列出文件、資料庫、既有系統與外部資料，記錄來源、格式、更新頻率與存取方式。確認是否允許將資料交由選定服務處理，以及能否滿足企業的資料管理要求。

可先使用去識別或模擬資料測試介面與流程，再於權限及處理方式確認後導入正式資料。測試方便不應成為把整個資料庫直接複製出去的理由。

三、清理版本與內容矛盾

同一份作業辦法可能有草稿、舊版與正式版。應標明狀態、生效時間、適用對象與維護者，並決定哪些版本能進入知識庫。

若兩份文件規則矛盾，應由業務單位釐清，不能要求模型自行選擇。對掃描文件則需抽查文字辨識，特別是型號、數值、單位與表格欄位。

四、設計權限與資料生命週期

員工、主管與不同客戶可能有不同存取範圍。這些規則應延伸到檢索、回答、附件與使用紀錄，避免問答介面成為額外的資料入口。

還需安排資料更新、撤回、保存與刪除。文件從來源移除後，索引、快取與其他副本如何同步處理，應有負責人及可檢查的結果。

五、建立測試題與正確依據

從真實工作整理代表性問題，記錄可接受答案、來源與不能回答的條件。測試題應涵蓋一般情境、模糊問題、缺漏資訊與權限限制。

例如詢問不存在的產品型號，合理結果應是要求確認，而不是生成完整規格。涉及新舊版本時，也要確認系統能辨識適用時間。

測試資料應與調整提示詞時反覆使用的例子有所區隔，否則可能只證明系統熟悉少數題目。

六、安排人工處理與持續監控

定義哪些內容只能提供草稿、哪些結果可直接使用，以及遇到來源不足或工具異常時交給誰。介面應讓使用者能回報問題，並附上必要的查詢脈絡。

上線後可追蹤正確性、來源支持程度、無法回答比例、完成時間與人工修正量。文件、模型或流程變更後，應重新測試重要案例，不能把第一次驗收當成永久保證。

啟動前，至少準備一份資料清單、一位規則負責人、一組代表性測試題，以及一條人工接手流程。這些基礎工作越清楚，越容易判斷 AI 是否適合繼續擴大使用。