AI 試點結束後一定要做的復盤：4 個問題就夠
試點跑完了，報表交了，大家鬆了一口氣。
但試點結束不等於專案結束。如果你沒有在記憶還新鮮的時候做一次正式復盤，下一次試點你會犯一模一樣的錯——而且不會有人記得上次錯在哪。
復盤不需要豪華的簡報，也不需要三小時的會議。四個問題，一張紙的結論，就夠了。
問題一：我們設定的 KPI 達成了嗎？
不要用「感覺不錯」「團隊反應正面」這種話來回答。
翻出試點啟動時寫下的 KPI，逐項對數字：
- 處理量是多少？目標是多少？
- 錯誤率多少？比基線降了多少？
- 節省的工時，有沒有實際換算成成本？
達成了就說達成，沒達成就說沒達成。不用加但書。如果當初沒有設定可量化的 KPI，那這本身就是第一個要記取的教訓——下次試點，先寫清楚你要衡量什麼。
問題二：流程在試點期間穩定嗎？
AI 上線後，流程是不是比之前更順？還是你反而需要更多人工介入？
具體看這幾件事：
- 有沒有異常中斷或需要人工接手的次數？
- 這些介入是預期中的（例如邊界案例），還是系統性的不穩定？
- 人工介入的成本，有沒有吃掉 AI 帶來的效率增益？
如果試點期間人工介入次數異常多，那不是「磨合期正常現象」，是流程設計有問題。穩定性是擴大規模的前提，不穩定就不能放大。
問題三：Review 的品質夠嗎？
AI 產出的東西，誰在看？看的人有沒有真的攔截到問題？
Review 機制不是裝飾品。你需要確認：
- Review owner 是不是實際攔截過錯誤？如果整個試點期間一次都沒攔到，要嘛品質真的完美（機率很低），要嘛 review 流程形同虛設。
- 被攔截的問題是什麼類型？是理解錯誤、格式問題、還是事實錯誤？分類之後才知道要調哪裡。
- Review 本身的工時成本是多少？如果 review 花的時間跟人工做差不多，那 AI 的價值就要重新評估。
好的 review 機制會越來越輕。如果試點結束 review 負擔沒有下降，流程設計需要調整。
問題四：如果要擴大，第一件要改的是什麼？
只挑一件事。
不是因為只有一個問題，而是因為資源有限，你必須排序。問團隊：如果明天要把這個 AI 流程從 10% 擴展到 50% 的業務量，最卡的那一點是什麼？
可能的答案：
- 資料品質不夠，AI 吃不到正確的輸入
- Review 流程太重，擴大後人力撐不住
- 某個邊界案例沒處理好，放量後會變成主要問題
- 團隊對工具的信任度不夠，使用率偏低
只改一件事，改完再跑下一輪試點。不要試圖一次修十個問題，那只會讓你不知道哪個修改有效。
復盤的產出：一張紙的結論
復盤結束後，產出不是一份二十頁的報告。是一張紙，包含：
- KPI 達成與否（數字）
- 流程穩定度評估（穩定／不穩定，關鍵事件）
- Review 攔截了什麼、沒攔截什麼
- 下一步：只改一件事
超過一張紙就是太囉嗦。如果你寫不出一張紙，代表你對試點的理解還不夠清楚，那更需要回去把數字補齊。
結語
復盤是給下一次試點用的。
不做復盤，每次試點都是第一次。你會重複踩同樣的坑，花同樣的時間摸索，團隊也會對「又來一個 AI 專案」失去耐心。
花三十分鐘，四個問題，一張紙。這是投資報酬率最高的三十分鐘。