在企業推動數位轉型的過程中，最令人擔憂的現狀莫過於：「邊界不寫下來，AI 的能力範圍就等於每個使用者的想像力範圍。」 尤其在金融保險營運場景，生成式 AI 與傳統系統截然不同；傳統系統沒開發的功能就是做不到，但 AI 只要使用者改一句提示詞（Prompt），就能輕鬆地「多走一步」。今天它在分類郵件，明天可能就在草擬回覆，後天那份草稿若被直接寄出，風險將瞬間失控。

核心框架：四層任務邊界表 (The 4-Layer Boundary Framework)

作為治理的第一道防線，我們不能僅憑感覺分工，而必須建立一套具備客觀判準的層級體系。這套框架的核心目的，是為了因應**「保險業自律規範」**。透過明確的邊界設定，我們可以確保 AI 應用不至於誤入「直接與消費者互動」或「影響交易權益」等高強度監管的紅燈區。

洞察：為什麼「標籤長得一樣」不代表「錯誤代價一樣」？

在開發「公用信箱需求分類」場景時，曾出現過一個極具教育意義的治理決策轉折。在 v0.1 版本中，我們直覺地將「需求分類」與「急迫度判斷」都設為「可自動執行」，因為兩者在技術形式上都是「貼標籤」。

然而，進一步審視後發現，這兩者的錯誤後果完全不同。當「需求分類」出錯（例如將 A 類標為 B 類），B 類承辦人一打開信件就會立刻發現並改派，這種錯誤代價是「對稱」且「顯性」的。但「急迫度」若判斷錯誤（例如將急件標為不急），這封信會安靜地沉在佇列底部，且因為沒人會主動檢查標示為「不急」的佇列，這個錯誤將變為隱形的「沉默錯誤」（Silent Error），直到造成嚴重客訴才被察覺。

> 「標籤長得一樣」不代表「錯誤代價一樣」。用產出形式分層是錯的，要用錯誤後果分層。

因此，在 v1.0 版本中，我們果斷將「急迫度判斷」降級為「僅供建議」，要求必須經由人工確認，未經確認的信件不得進入低優先序佇列。這種基於錯誤代價不對稱性的治理決策，正是確保 AI 安全落地的關鍵。

防禦機制：四道關鍵的自我檢核問句

為了將模糊的「直覺」轉化為「客觀判準」，我們要求團隊在定義 AI 任務層級時，必須依序詢問以下四個問題：

1. 輸出會離開內部系統嗎？：若會對外，層級至少必須是「必須人工決定」。
2. 最壞的錯誤是什麼？多久會被發現？：若錯誤難以被發現或代價不對稱，層級至少應設為「僅供建議」。
3. 錯了誰負責？指得出具體的人嗎？：這是責任歸屬的試金石。若無法指名一個具體的自然人作為最終負責人，該項任務絕對不得自動執行。
4. 輸入需要超出任務必要的資料嗎？：若涉及過度輸入敏感資訊，則應列為禁止項目。

不容觸碰的紅線：全域禁止清單 (The 7 Global Prohibitions)

除了場景專屬的邊界，企業必須設立一組優先於所有場景的「全域禁止清單」，以防杜法律與合規風險：

• G1：自動對外寄送任何內容（如郵件、簡訊、公文）。
• G2： 承諾處理期限、金額、費率或保單條件。
• G3： 判定或建議客戶權益結果（如核保、理賠、拒保、解約）。
• G4： AI 審核或核准自己的產出。
• G5： 輸入真實客戶資料、真實保單資料、真實業績數字。
• G6： 解釋未經確認的法規或公司政策並對外提供。
• G7： 找不到作業依據時，憑印象回答作業規則問題。

值得注意的策略細節是：「禁止自動外寄」（G1）是讓許多場景從風險黃燈轉為綠燈的關鍵。 透過切斷 AI 直接對外的鏈結，我們實質上規避了 AI 代表公司承諾其無法負擔之法律責任的風險，從而降低了整個專案的合規壓力，加速部署進度。

總結與未來展望

AI 治理的精髓在於「決策留痕」。我們之所以將「急迫度判斷」從 v0.1 的自動執行降級為 v1.0 的僅供建議，這背後的決策理由與邏輯必須被清晰記錄在治理文件（如 docs/governance/）中，而非僅存在於開發人員的記憶裡。這不僅是為了因應未來的合規稽核，更是為了建立組織的集體智慧。

當邊界定義完成，下一步（Day 4）我們將進入更細緻的「AI 規格」定義，將業務需求轉化為 AI 可執行的輸入、輸出與處理規則。

結尾提問： 在您的企業中，AI 的邊界是由嚴謹的制度與文件定義的，還是由員工隨興嘗試的提示詞（Prompt）定義的？