AI 出錯時的處理劇本：3 種錯誤、3 種處理方式

AI 出錯是正常的，不是意外。

很多團隊導入 AI 工具時，預設的心態是「希望它不要出錯」。這個預設本身就是問題。AI 會出錯，跟新人會犯錯、供應商會漏件一樣，是系統的一部分。真正的差異在於：出錯的時候，你有沒有準備好處理流程。

沒有處理流程的團隊，每次出錯都是火災。有處理流程的團隊，每次出錯都是迭代。

以下三種是 AI 在實務中最常見的錯誤類型，以及對應的處理方式。

錯誤類型一：格式錯誤

AI 產出的格式不對。該用表格的給了純文字，該用 JSON 的給了散文，欄位順序跑掉，多餘的空行或漏掉的標題層級。

這類錯誤通常不影響內容正確性，但會直接卡住下游流程。格式錯了，自動化接不上；人工也得花時間重新整理。

處理方式：自動校正 + 人工確認。

具體做法是建一層格式校正腳本，用正規表達式或結構化模板把 AI 產出統一成目標格式。校正完之後，跑一個簡單的結構驗證——欄位齊不齊、型態對不對。通過驗證的才進入人工確認環節，不通過的退回重產。

這裡的關鍵是：不要讓人工做格式修正的活。人工的時間要花在確認內容，不是調排版。

AI 產出的格式沒問題，但內容不對。數字算錯、事實引用錯誤、邏輯推導有漏洞、建議跟實際狀況不符。

這是最危險的一種錯誤，因為表面上看不出來。格式正確會給人一種「應該沒問題」的錯覺，反而降低警覺。

處理方式：人工覆核 + 記錄原因 + 調整 prompt。

人工覆核是必要的，但不是隨便看一下。要針對高風險欄位逐項檢查——數字類的核對原始資料，事實類的確認來源，建議類的評估合理性。

覆核完不是結束。每次發現內容錯誤，都要記錄三件事：錯在哪裡、為什麼會錯（prompt 夠不夠清楚？上下文有没有缺失？）、以及怎麼調整 prompt 來降低同類錯誤的機率。

調整 prompt 是這裡的核心動作。不改 prompt，同樣的錯誤會反覆出現。

AI 漏掉了應該處理的項目。該列的條款沒列，該檢查的步驟沒檢查，該回覆的問題漏了一半。

遺漏通常不是 prompt 寫錯，而是 trigger 的設計有盲區。例如 AI 只處理了顯性指令，沒有處理隱性需求；或者輸入資料結構不一致，導致部分項目被跳過。

處理方式：補處理 + 檢查 trigger 設計。

先手動把漏掉的項目補完，確保當前任務不被卡住。然後回頭檢查觸發 AI 處理的整個鏈路：輸入資料是不是完整送進去了？prompt 有没有涵蓋所有該處理的情境？有没有被截斷或過濾掉的部分？

trigger 設計的調整往往是結構性的，可能需要重新拆分任務、增加前置檢查、或是在流程中加入完整性驗證的步驟。

不管是哪種錯誤，記錄的格式都一樣：

這份記錄不是文件，是資產。下一次試點、下一個導入場景，直接拿來用。没有記錄的話，每個錯誤都是第一次犯，每次處理都是從零開始。

很多團隊的 AI 導入卡關，不是因為 AI 能力不夠，是因為犯過的錯沒有被系統性地記住。同樣的坑踩三次，不是 AI 的問題，是流程的問題。

AI 導入的成熟度，不是看犯錯次數，是看同樣的錯會不會犯第二次。每個錯誤都是流程改進的機會。前提是你把它記下來了。

建一個簡單的錯誤記錄表，每次出錯就填。不用複雜，四個欄位就夠。一個月回頭看一次，你會發現 pattern 浮現出來，哪些 prompt 需要重寫、哪些流程需要加檢查點，答案都在記錄裡。

準備好比不犯錯重要。開始記錄，就是準備的起點。