引言：那個關於「貼資料問 AI」的常見誤區

月結前夕的辦公室，空氣中瀰漫著一種焦慮。我常看到同仁將整份業績 Excel 貼進 AI 對話框，急切地問：「幫我看這份資料有沒有問題？」結果 AI 第一次說缺值 3 筆，第二次說 5 筆，第三次又給出了另一組統計數據。

這種將大型語言模型（LLM）當作「全能計算機」的行為，是 AI 落地過程中最具代表性的誤區。作為架構師，我們必須在「確定性邏輯」與「機率性生成」之間劃出一道嚴格的非軍事區（DMZ）。本文將透過 TASK-002 業績品質檢核任務的實作，分享我們在構建 AI 稽核系統時，如何透過 5 個反直覺的教訓，實踐**「確定性計算不交給模型」**的核心美學。

重點一：分工的藝術——讓 Pandas 數數，讓 Claude 說話

在自動化架構中，我們將職責區分為「計算引擎」與「生成引擎」。直接讓 LLM 進行數值計算是極其不可靠且不可重現的。即便模型在 99 次測試中表現完美，只要有一次產生細微的「數值漂移」，整個稽核系統的公信力就會瞬間瓦解。

1. 計算引擎 (Pandas)： 負責邏輯比對與異常偵測。它是乾淨、不可變（Immutable）的真理來源。
2. 生成引擎 (Claude)： 負責將結構化的 Findings 轉譯為流暢、具備洞察力的文字報告。

這種分工確保了數據的嚴謹性，並貫徹「只讀不寫」的原則：計算引擎負責找出真相，模型(生成引擎)負責賦予真相溫度。

「缺值幾筆是 Pandas 數的，Claude 只負責把數好的結果寫成人話。」

重點二：最小必要資料原則——別讓模型看到每一筆保費

從資訊安全的視角來看，將 42 列原始業績資料整份丟給 AI 是極其魯莽的。這不僅增加了資料暴露面，更是在用「最大暴露面去做最小的事」。

在 TASK-002 的設計中，我們餵入的是「結構化 Findings (JSON)」，而非原始資料。例如，當系統偵測到「R-240 保費異常」時，模型只需接收到該筆紀錄的 ID 與異常說明，它完全不需要知道另外 41 列正常成交的細節。透過將輸入內容精簡為純粹的異常結果，我們在實現自動化的同時，也守住了資訊安全的邊界。

重點三：全形數字的背後靈——當規則「看得懂」反而變成了錯

在測試中，我們遇到了一個極具啟發性的「審查悖論」。我們原本以為使用正則表達式 \d 能攔截所有非 ASCII 的髒資料。然而，在處理全形數字「１２０００００」時，系統竟然判定通過。

這是因為 Python re 模組的 \d 依據 Unicode 定義，會將全形數字視為合法的十進位數字；更危險的是，int() 函式也能「貼心」地將其轉型。這種隱式轉型與過度聰明的規則，讓全形字元在不同場景戴上兩張臉：它在格式檢查中瞞天過海，卻在下游統計與顯示時導致排版或計算失真。

架構師的修正： 將 \d 改為明確的 [0-9]。這告訴我們，在稽核系統中，我們不需要「聰明」的寬容，而需要「嚴謹」的刻薄。

重點四：被極端值「繳械」的統計學——為什麼 3σ 會失效？

在偵測異常值時，傳統的「平均值 ±3 標準差 (3σ)」極易陷入「遮蔽效應 (Masking Effect)」。

假設資料中有一筆 5,000 萬的鉅額保單，它會強行拉高整體的平均值與標準差。結果會導致另一筆同樣異常的 800 萬保單（遠高於平均 30 萬至 260 萬的區間），因 z-score 不足而顯得「正常」。巨大的異常值會為其他異常值打掩護，讓統計引擎在極端情況下自動繳械。

實戰建議： 改用「IQR (四分位距) 法」，這是一種基於分位數、不受極端值干擾的穩健統計法。同時，我們嚴禁 AI 判定「錯誤」，僅能標註為「待人工確認」，並揭露資料缺失帶來的下游代價——例如因 R-225 缺分行代號導致統計失真，讓原本 -75% 的業績變動率在報表中呈現為 -83.3%。

重點五：數位閘門 (Digital Gate)——專治 AI 幻覺的數字守門員

為了防治 AI 在產出草稿時產生「熱心推估」的幻覺（例如看見趨勢便自創「推估全年影響約 1.2 億」），我們建立了一套無狀態的數位閘門 (Digital Gate)。

這套機制不依賴 AI 的理解力，而是簡單的「集合交集」運算：

• 白名單： 從計算引擎產出的 JSON 中提取所有合法數字。
• 檢查： 掃描 AI 草稿中的每一個數字，若該數字不在白名單內，即刻攔截。

這項技術的價值在於**「保險」而非戰績**。雖然在我們的測試中，Claude 的表現優異到讓這道閘門鮮少開火，但在那關鍵的 1% 幻覺時刻，數位閘門就是防止虛假資訊流向決策層的最後一道物理屏障。

結論：AI 是優秀的文書，而非獨立的稽核員

在 TASK-002 的實驗中，我們成功讓 50 個測試案例全數通過。這項成功的關鍵不在於擁有了更強大的 AI，而在於我們為它打造了一個更嚴密的籠子。

我們必須承認：AI 是那位能把冰冷 JSON 轉化為優美敘事的「文書」，但它絕對不應是握有裁決權的「稽核員」。精確的邏輯必須留在傳統程式碼中，而 AI 則負責在精確的基礎上進行表達。