前兩天我們先確認了兩件事情。

Day 1 談的是：

企業不是不想用 AI，而是不敢把決策直接交給 AI。

Day 2 再往下拆：

不是每一件事情都該交給 AI。

所以今天，我反而想先把 AI 拿掉。
先做一個最簡單、最可靠的審核版本。
這個版本不需要 LLM、不需要 RAG，也不需要 Agent。
只需要三個東西：

Rule Engine + Risk Level + Approval Matrix

這會成為後面 27 天最重要的一條基準線。

為什麼一定要先做 Baseline？

很多 AI 專案會直接從模型開始。
先接 API、寫 Prompt、做 Demo。
畫面看起來很厲害。

但到最後常常答不出一個很基本的問題：

加了 AI 之後，到底有沒有比原本更好？

如果沒有 Baseline，我們就沒有比較基準。
最後很容易只剩下：

「感覺 AI 比較聰明。」
但工程上不能只靠感覺。

所以今天我們先做一個「不用 AI 也能跑」的版本。

先定義一個最簡單的審核規則

繼續沿用前兩天的案例。
假設某張工單：

公司規定如下：

這個邏輯非常適合直接寫成 Rule Engine。
例如：

IF deviation <= 3%
    PASS

ELSE IF deviation <= 5%
    SUPERVISOR_REVIEW

ELSE
    HIGH_RISK_REVIEW

我們這筆資料是 7%。

所以結果很清楚：

HIGH_RISK_REVIEW

完全不需要 AI。

再加一層：Risk Level

企業裡很多審核，光看一個數字其實還不夠。
同樣是 7% 差異，如果金額只有幾千元，跟影響幾百萬元，處理方式可能不一樣。
所以我們再加一個 Risk Level。
例如：

LOW
MEDIUM
HIGH

可以先用很簡單的規則：

差異 <= 3%
→ LOW

差異 > 3% 且 <= 5%
→ MEDIUM

差異 > 5%
→ HIGH

我們目前這筆資料：

Deviation = 7%
Risk = HIGH

第三層：Approval Matrix

有了 Risk Level，下一個問題就是：

誰來核准？
這就是 Approval Matrix，也可以理解成「簽核權限表」。
例如：
| Risk | 處理方式 |
| ------ | ------ |
| LOW | 系統自動通過 |
| MEDIUM | 課級主管覆核 |
| HIGH | 部門主管覆核 |

所以這一筆最後的結果會是：

差異率：7%
風險：HIGH
處理方式：部門主管覆核

到這裡，一個很基本的審核流程其實已經成立了。

我們現在已經有第一版流程

整個流程其實很簡單：

Request
   ↓
Data Validation
   ↓
Rule Engine
   ↓
Risk Level
   ↓
Approval Matrix
   ↓
Decision

注意一件事情。
這一版完全沒有 AI。
但它有三個很大的優點。

1. 結果可以預測

同樣輸入 7%，每一次都會得到 HIGH。
不會今天是 HIGH，明天突然變 MEDIUM。

2. 很容易測試

例如我們可以直接準備三筆資料：

2% → PASS
4% → SUPERVISOR_REVIEW
7% → HIGH_RISK_REVIEW

馬上就知道系統有沒有寫錯。

3. 很容易稽核

主管問：

為什麼這筆是 HIGH？
答案很清楚：
因為差異率 7%，規則設定大於 5% 為 HIGH。
沒有模糊空間。

那既然這麼簡單，為什麼還需要 AI？

這才是今天真正想留下的問題。
如果所有案件都只需要：

數字
+
固定規則

那根本不需要 AI。

問題出現在這裡：
申請人會寫：

因設備切換導致起機損耗增加。

這句話，Rule Engine 很難知道：

• 這個理由合不合理？
• 真的是設備切換嗎？
• 是否符合 SOP？
• 過去有沒有類似案例？
• 文字說明跟 MES 紀錄有沒有衝突？

這些事情才是後面 AI 真正可以幫忙的地方。
也就是說：

AI 不應該取代 Rule Engine，而是補上 Rule Engine 做不到的部分。

這個觀念我覺得很重要。

Baseline 的真正用途

從今天開始，我們有了一個可以拿來比較的版本。
假設未來加入 AI 之後，我們可以開始問：

這樣我們才知道：

AI 到底是「增加能力」，還是只是「增加複雜度」。
這兩者差很多。

今天的重點

Day 3 我只想留下三個觀念。
第一個：

先做 Baseline，再談 AI。
第二個：
能用 Rule Engine 解決的事情，就不要急著交給 LLM。
第三個：
AI 真正的價值，不是取代原本可靠的規則，而是補上規則處理不了的模糊判斷。
這樣後面每加一個 AI 能力，我們都能很清楚知道：
它到底解決了什麼問題。

明天：開始讓系統看懂「原因」

目前我們的系統只看得懂：

100 kg
107 kg
7%
HIGH

但它還看不懂這句話：

「因設備切換造成起機損耗。」
Day 4，我們會正式把 LLM 放進來。
但只讓它做一件事：
理解文字，不做最終決策。
這會是我們第一次真正使用 AI。
而且從一開始，就把它的責任範圍限制清楚。

明天見 ~