案例
圖解
理想化的版本：把流程抽象成可建模的因果關係，彷彿輸入一組參數就能得到穩定的最佳輸出。
Source in book: Chapter 1
現實的版本：每個現場的設備、環境、操作習慣、資料品質不同，系統行為也跟著漂移。
Source in book: Chapter 1
例子（案例裡常見的失真）
- 問題句子會滑動：今天在預測 A，明天變成預測 B，最後變成「順便把整套流程自動化」。
- 資料名詞表看起來一致：欄位名稱相同，採樣方式不同，語意也跟著不同。
- 現場差異被當成小噪音：結果在部署階段一次爆出來，變成每個現場都要重做。
- 介面缺少保護欄：系統一旦不可靠，使用者只能放棄或繞路，產品失去存在感。
方法（把教訓收斂成可檢核的問題）
方法（把討論落在同一張表）
下面這張表就是「風險雷達」的最小版。你寫完，會知道下一步要補的是更清楚的定義與邊界，也會知道哪些模型實驗值得做。
| 面向 | 你要寫下的內容 | 用來問誰 |
|---|---|---|
| 問題句子 | 一句話定義：誰在什麼情境下，要完成什麼任務 | PM / Domain expert |
| 輸入資料 | 來源、採樣方式、缺值與校正方式 | Data / Eng |
| 場域差異 | 3 個會讓結果變形的差異來源 | Domain expert |
| 失敗樣態 | 3 種最可能的錯，使用者會看到什麼症狀 | UX / Support |
| 保護欄 | 替代流程、提示方式、回退機制 | UX / Eng |
練習
- 選一個你正在做的 AI 題目。
- 用上面的表填完五列，每列先寫一句話就好。
- 回去看案例：你的表裡有沒有出現「每個現場一套」的跡象？
想看一個很短的示範
問題句子：客服主管要在高峰時段把重複問題交給自動回覆，並把高風險案件快速分流給真人。
保護欄：信心不足時自動轉真人，並把原因與對話脈絡完整交接。