先限定一個流程的資料
如果第一個試點是「把客戶表單整理成待辦」，先處理表單欄位、分類規則與負責人，不需要同時清理 ERP、客服對話和所有歷史文件。資料準備的範圍應跟驗收任務一致。
七項資料準備檢查
- 來源：資料來自表單、Email、LINE、試算表、雲端硬碟或內部系統？
- 負責人：誰知道欄位意義、誰能確認內容正確？
- 品質：是否有空白、重複、過期、格式不一或互相矛盾的內容？
- 權限：哪些人與系統可以讀取、修改或匯出？
- 敏感性：是否包含個資、帳密、付款、醫療、契約或未公開資訊？
- 更新：資料多久變動一次，AI 使用的是哪個版本？
- 例外：哪些情況不能自動判斷，必須交回指定人員？
資料品質怎麼快速檢查？
| 檢查面向 | 實際做法 | 不處理的風險 |
|---|---|---|
| 完整性 | 統計必要欄位缺漏，準備缺資料的測試案例 | AI 猜測不存在的內容 |
| 一致性 | 統一日期、金額、名稱與狀態格式 | 分類與計算結果無法比較 |
| 時效性 | 標記更新日期與有效版本 | 引用舊價格、舊流程或失效規則 |
| 可追溯性 | 保留來源、處理紀錄與人工修改 | 出錯時無法知道答案從哪裡來 |
建立可驗收的測試資料
測試不能只放「正常範例」。至少要包含完整資料、缺少必要欄位、格式錯誤、重複資料、敏感內容與規則外案例。每一組都先寫出期望結果：自動完成、要求補充，或轉交真人。
經濟部的中小企業 AI 推動資料，也把資料治理與人才培育列為導入能力的一部分。這代表資料準備不是一次性的清洗工作，而是要有人持續維護來源、規則與權限。
準備完成後的下一步
先用 第一個 AI 導入流程篩選方式確認題目，再把資料樣本、人工判斷與驗收條件交給 AI 顧問與系統開發評估。不要在需求還沒定義前就上傳整包公司資料。
參考資料
常見問題
資料還不完整，可以先做 AI 導入嗎？
可以先做小型試點，但要明確標記缺漏、限制使用範圍並保留人工確認。不要把不完整資料直接當成正式知識庫。
AI 導入一定要先整理所有公司資料嗎？
不需要。先整理第一個流程實際會用到的資料即可；一次清理全公司的檔案通常範圍太大，也不利於驗收。
客戶資料可以直接上傳到 AI 工具嗎？
不能一概而論。要先確認蒐集目的、使用權限、個資與契約限制、工具的資料處理方式及公司規範；不確定時應去識別化或停止上傳。