AI 幫忙整理資料很快，但資料一多，我不可能每個儲存格都從頭看完。問題來了：只抽查幾筆，真的驗得出問題嗎？如果剛好抽到三筆都正常，會不會只是運氣很好？

今天不用真實研究資料，而是用一份明確標示的示範資料來測：假設有一張活動問卷表，包含年級、參與次數、滿意度與文字意見，請 AI 協助統一格式、標示缺漏。示範資料刻意放入空白值、超出範圍的分數、重複列，以及格式不同的日期。

隨機抽查不夠，還要挑「容易出事的」

如果只隨機看三筆，有機會全部正常。因此我把抽查分成三層：

1. 隨機樣本：檢查一般資料有沒有被意外改壞。
2. 邊界樣本：專看最小值、最大值、空白、超長文字。
3. 異常樣本：專看重複、格式不一、邏輯衝突的資料。

這不是宣稱抽幾筆就能證明整份資料百分之百正確，而是用有限時間優先碰高風險位置。

驗收不能只看最後的乾淨表格

AI 若把空白值補成 0，畫面會變整齊，意思卻可能完全不同；「沒有填答」不等於「參與零次」。若它刪掉重複資料，也要確認那是真重複，還是兩位受訪者剛好答案相同。

因此我要求保留三份資訊：原始值、處理後的值、處理理由。再套用五項查核：

這次示範抓到的典型錯誤

第一種是「好心補值」：AI 把缺漏填成看似合理的數字，卻沒有說明依據。第二種是「過度統一」：日期格式統一了，但無法判斷日月順序的資料也被強行轉換。第三種是「重複誤刪」：只因答案相同，就當成同一筆。

修正方式是把任務改成「只標示、不自行決定」：可確定的格式轉換才執行；需要研究判斷的項目另外列入待確認清單。

我的抽查清單

• 至少一筆正常資料，確認沒有誤傷。
• 每種邊界情況至少一筆。
• 每種異常規則至少一筆。
• 處理前後筆數是否合理。
• 隨機回查幾筆原始資料。
• 每項自動修改是否留下原因。

今日結論

抽查不是少看幾筆就算了，而是要讓樣本代表不同風險。AI 可以幫我找異常、做格式整理，但它不能替研究者決定空白代表什麼、哪些資料該刪。抽得少沒關係，不能抽得毫無策略；比起只看三筆正常值，我更願意看一筆正常、一道邊界和一個最可疑的地方。