公司資料散在雲端、電腦和訊息裡，還能開始評估 AI 嗎？木異方程建議先縮小題目：這次要改善的工作，究竟需要哪些資料，現在誰最知道它們在哪裡？
先定用途，再決定整理範圍
如果目標是協助同仁查找產品資訊，就先找產品文件與常見問題；如果要整理詢問內容，就先看實際收到的訊息。不同用途需要的資料不一樣。從一段工作所需的資料開始盤點，能讓整理行動有明確目的，也避免漫無邊際地搬動整間公司的檔案。
為每一類資料記下存放位置、格式、負責人與使用方式。也要看實際工作是否有依賴未寫下來的經驗：如果重要條件只存在某位同仁腦中，整理文件之外，還需要把判斷依據問出來。
分清楚正確版本與可用內容
同名文件不代表內容一致，最新上傳也未必就是有效版本。先確認哪些文件仍適用、由誰更新，以及過時內容要如何標記。若資料互相矛盾，應回到業務負責人確認；把矛盾資料一起交給 AI，並不會自動得到公司的正式答案。
挑選一批代表性資料，檢查缺欄位、難辨識掃描、重複紀錄與格式差異。保留常見問題，也保留少量例外，才能看出後續處理方式是否適合實際情境。整理的標準應由工作需求決定，無須先追求所有資料長得一模一樣。
資料找得到，也要確認誰能看
在接入新工具前，先確認資料是否適合這次用途、哪些人有權查看，以及哪些內容需要遮蔽或排除。客戶資訊、內部文件與個人資料可能有不同限制。不能因為技術上讀得到，就把它們視為所有使用者都能查詢的共同資料。
權限也要沿著流程檢查：原始檔案、暫存內容、執行紀錄與回答結果，是否都符合預期的存取範圍？如果評估知識助理，要測試使用者是否可能從答案中取得自己原本無權閱讀的內容，再決定如何實作。
用一組問題驗證，並安排更新責任
列出使用者真的會問的問題，為每一題標記可用來源、合理答案與無法回答的情況。這組問題能幫助檢查檢索是否找到正確內容，也能分辨問題出在資料缺漏、版本不明，還是回答方式。驗證時要看答案依據，不能只憑語氣順不順。
最後，指定內容更新與異常回報的負責方式。資料整理是一個會隨工作持續變動的流程。先建立範圍清楚、有人維護的小資料集，再依試行結果補齊內容，通常比等待整間公司的文件全部整理完，更容易開始具體討論。
從用途明確的小資料集開始，先確認來源、版本、權限與維護責任，再用真實問題驗證可用程度。
本文為木異方程依實務導入方法整理的觀點，實際方案需依企業資料與系統條件評估。
看看 AI 應用情境
