提出人工智能用例前，如何先看清真實工作

同事說客戶迎新簡報做得太慢，這是值得認真處理的研究線索，卻還不是一個人工智能用例；由記憶畫出的流程圖，也不等於真實工作。假如團隊立即設計摘要工具，可能只加快最顯眼的寫作步驟，卻錯過困難個案一直等候商業決定、來源欄位互相矛盾，以及資料補齊後需要重寫的真正制約。較可靠的起點，是界定一段可觀察的工作，查看實際個案及其後果，再判斷人工智能是否比簡單改動更值得測試。

觀察工作流程前，必須先界定甚麼？

開始觀察前，先把工作界定為一段有觸發點、結束條件、產出及下游使用者的流程，並列明參與角色、慣常個案與例外個案。人工智能用例探索應由反覆出現的工作、真實產出、觸發條件、頻率及下游使用者開始；訪談規劃亦應先確定研究問題，以及研究人員需要了解的流程或技術。這個邊界不是永久規格，觀察若揭示重要的上游依賴或後續補救，便要明確修訂。

• 觸發：甚麼事件令工作正式開始？
• 完成：甚麼條件代表產出已被接受？
• 產出：實際交付甚麼，而非系統顯示完成甚麼？
• 角色：誰準備、判斷、批核、接收及處理例外？
• 個案組合：哪些屬常規、不完整或範圍改動？
• 研究問題：今次需要找出位置、原因線索，還是後果？

以客戶迎新簡報為例，可把範圍定為「已批核的銷售交接」至「交付主管接受簡報」，同時納入常規、資料不全及範圍有變的個案。不要預設每次都要做齊五種研究：訪談、觀察、成品、日誌與紀錄的組合是編輯部綜合多種方法而成的實務做法，並非由單一來源驗證的標準程序。應選擇最小而相稱、足以回答問題及補足盲點的組合。

近期個案訪談如何還原實際經過？

近期個案訪談要從一宗已完成的實例開始，按時間次序重建觸發、輸入、行動、判斷、交接、偏離及獲接受的產出。這種訪談聚焦真實例子，以開放、中性的追問重建事件，而不是只收集「通常怎樣做」的一般描述。員工提出的困擾是有效的經驗證據，研究目的並非推翻其說法，而是補上制約在哪裏出現、是否重現及造成甚麼後果。

1. 請說出一宗最近完成的個案。
2. 最初由甚麼事情觸發？當時收到甚麼？
3. 之後發生甚麼？你憑甚麼線索決定下一步？
4. 哪一點存在不確定性？你考慮過哪些做法？
5. 你聯絡了誰？交接時對方收到甚麼？
6. 個案在哪裏偏離預期路徑？
7. 可以展示當時使用的文件、訊息、範本或草稿嗎？
8. 最後誰接受產出？曾要求哪些修正？

提問者不應在重建期間要求參與者設計人工智能功能，否則對話很容易由證據轉向想像。可比較一宗常規簡報與一宗困難簡報，並訪問協調員、銷售營運及交付主管；共同提供服務的人可按需要以二人或小組形式受訪，訪談亦可配合實際任務觀察。另要追問資訊線索、替代做法、風險感知與困難判斷，但只能稱為精簡的認知需求追問，不應冒稱正式ACTA程序。

工作在日常環境發生時，應觀察甚麼？

在日常環境觀察時，要看整項工作如何與真實設備、文件、數據、干擾及依賴互動，而不只記錄畫面上的按鍵。留意資料來源切換、等候、核實、重做、交接、變通方法，以及參與者要解讀缺漏或互相衝突資訊的時刻。靜默觀察最少打斷流程，卻可能不明白動機；間中提問換取背景；持續講解最深入，但亦最容易改變工作。團隊應預先選擇並記錄模式。

• 個案背景及當時條件
• 可直接看見的行動
• 所使用成品或資料的識別資料
• 判斷、資訊需要或不確定之處
• 交接對象及交付內容
• 打斷、等候或繞道
• 對時間、重做或質素的可見後果
• 研究者的詮釋，與觀察事實分開記錄

工作觀察應明確定位為研究流程而非評核個人表現。參與者要知悉目的、範圍、記錄方式及誰可取閱資料；只收集研究問題真正需要的內容，新增錄音或錄影前再次確認同意，並安全保存個人資料。涉及員工、客戶、機密或受規管資料時，應按情況讓私隱、資訊保安、法律、勞資、無障礙及相關專業負責人參與。觀察結束後請參與者修正流程重建；這能改善理解，卻不會令小型、具詮釋性的樣本代表整個團隊。

哪些證據能補上訪談或觀察看不到的工作？

工作成品、短期任務日誌及營運紀錄，可以補上回憶、短暫觀察或單一角色視角未能捕捉的部分。範本、清單、試算表、訊息、草稿、紙張筆記及佇列畫面可能承載官方流程圖沒有記錄的狀態、優次、記憶提示與協調方式。不過，研究員不可單憑便利貼顏色或欄位排列猜測用途，必須請實際使用者解釋它在該宗個案中如何產生、更新及傳遞。

若事件間歇出現、分散於不同時段，或預約觀察很可能錯過關鍵時刻，可請參與者就真實任務作簡短日誌記錄，之後再訪談澄清。一個GOV.UK應用項目曾在使用指引期間或剛完成後收集日誌意見，並配合訪談及任務觀察；這只說明日誌可作互補證據，並不建立通用研究期限。日誌始終是自述資料，不應因貼近事件便當成客觀全貌。

如有可用的個案、活動及時間戳紀錄，可檢查等候、處理時間、重做、重複個案、偏離、期限及反覆質素問題，但事件紀錄可能遺漏離線工作、分散於不同系統，亦未必有一致個案定義。較少出現的例外路徑仍可能帶來顯著負擔，因此不能只按佔比剔除。迎新示例可核對表格、來源紀錄、訊息、清單、草稿版本、退回原因及佇列年齡，同時標明時間戳沒有記下的線下澄清。

一個痛點何時才成為可信的樽頸假設？

痛點要升格為可信的樽頸假設，至少要有多宗相關個案或多種證據把同一制約放在相同流程位置，並連結至可觀察的營運後果。這仍然是待測假設，不是因果結論。團隊應保留避開問題的個案、不同角色的異議、取樣缺口及其他解釋，而不是把各種證據壓成一個看似精確的信心分數。研究者的機制解釋也要交回實際工作人員確認或修正。

1. 重現：相同制約是否見於多於一宗相關個案、角色或證據來源？
2. 位置：佇列、等候、重做迴圈、資訊缺口或判斷負荷在哪裏進入流程？
3. 後果：能否連結至延誤、重複處理、修錯、遺漏、不一致、額外工夫或風險？
4. 機制：制約如何導致後果？實際工作的人是否同意或提出修正？
5. 反證：哪些個案沒有問題？差異在哪裏？還有哪些資料缺口及其他解釋？
6. 可行動性：改變此處能否影響結果？人工智能是否真的優於規則、責任重整、流程改動、培訓、改善資料或不介入？

在迎新示例，證據可把假設由「摘要寫得慢」改為「困難個案欠缺商業決定，且來源欄位互相矛盾，令協調員等候及在資料補齊後重寫」。常規簡報能較快完成，較長簡報也不一定較慢，而系統時間戳沒有記錄離線澄清；這些反證限制了結論。六問測試只是編輯部綜合研究做法而成的決策規則，不是正式統計檢定。若重現、位置或後果仍不清楚，應保留為待研究線索。

未能指出制約在哪裏反覆出現、造成甚麼後果及仍有甚麼未知之前，不要先問人工智能放在哪裏。

ModelFold編輯部

有證據支持的人工智能機會卡應包括甚麼？

機會卡應把實地證據整理成一份有邊界、可追溯而不預設答案的決策紀錄。先寫觸發、完成條件、產出、下游使用者及角色，再交代觀察期間、個案類型、所涵蓋角色與方法組合。把「誰表示困擾」和「實際觀察到甚麼模式」分開；每項重要判斷連至實地筆記、經刪減的成品識別資料、日誌條目或紀錄查詢，沒有證據的內容則明確標為假設。

• 工作邊界與受影響角色
• 觀察期間、個案類型及證據方法
• 陳述的困擾及具體近期例子
• 觀察到的步驟、判斷、交接、變通與變體
• 等候、重做、修錯、不一致、棄置或風險等後果
• 證據識別資料及其可取閱範圍
• 反證、缺口、分歧及其他解釋
• 誰需要哪一項有邊界的協助，以及期望改善甚麼
• 資料可用性、質素、權限、保安、私隱、勞資、無障礙、專業領域及人類監督限制
• 下一個最小測試、所測假設、成功與失敗證據、負責人及覆核日期

NIST AI RMF Playbook的Map功能要求記錄預定目的、使用者、營運環境、業務價值、限制、影響、應用範圍及人類監督，並建議考慮人工智能以外及非科技方案；這是自願指引，不是法律清單，也沒有規定哪個方案勝出。團隊應以同一批工作證據比較人工智能輔助、確定性規則、流程或責任改動、培訓、改善資訊及不介入，並只測試足以分辨關鍵假設的最小改動。

• 測試人工智能
• 測試非人工智能改動
• 收集更多證據
• 停止

迎新示例的合理下一步，是先測試必填交接欄位、明確的銷售交接負責人及可見的例外佇列，觀察等候與重做是否改變；只有資料齊全的個案，才值得另行測試有邊界的草擬輔助。提出人工智能前，應能展示一項清楚任務、反覆制約、可觀察後果、可用資訊、人類監督，以及相對簡單方案的可測優勢。若位置、後果或可行動性仍模糊，收集更多證據或停止，都是負責任的結論。