LAYERS
可落地 AI 架構的六個層次
每一層都有不同負責人與驗收方法。把它們混在一起，通常就是專案後期不斷追加成本的開始。
01 EXPERIENCE
使用流程
誰在什麼情境使用、需要看到多少資訊、何時必須人工接手。
02 ORCHESTRATION
流程編排
提示、工具呼叫、規則、佇列與例外處理如何組合。
03 MODEL
模型與路由
依任務、成本、資料限制與品質需求選擇模型，不綁單一供應商。
04 DATA
資料與檢索
資料來源、切分、更新、權限過濾與引用如何被追溯。
05 GOVERNANCE
治理與稽核
記錄輸入、輸出、版本、覆核與異常，讓責任可以還原。
06 OPERATIONS
維運與降級
監控品質、成本與延遲；當模型或外部服務失效時，仍能維持核心流程。
DATA BOUNDARY
哪些資料能上雲、哪些應留在受控環境？
| 資料類型 | 主要判斷 | 常見處理方式 |
|---|---|---|
| 公開資料 | 是否可自由散布、是否有版本需求 | 可使用雲端服務，但仍需記錄來源與更新時間 |
| 內部營運資料 | 商業機密、合約與供應商限制 | 最小化傳送欄位、去識別、設定保存與刪除政策 |
| 個人與敏感資料 | 合法依據、目的限制、跨境與存取權 | 優先在受控環境處理；必要時採遮罩、權限過濾與人工覆核 |
| 高風險決策資料 | 錯誤是否影響權益、安全或合規 | AI 僅輔助，保留人為決定、理由與完整稽核軌跡 |
不是資料越多，模型就一定越好
應依任務目的採最小必要資料，資料品質、權限正確與更新機制通常比大量匯入更重要。
BLUEPRINT
架構規劃的交付物
現況與目標架構圖
清楚標示現有系統、資料來源、模型、外部服務、使用者與信任邊界。
資料流與權限矩陣
說明每一類資料從哪裡來、誰能看、傳到哪裡、保存多久，以及如何刪除。
非功能需求與驗收規格
包含延遲、可用性、資安、成本上限、日誌、品質監控、降級與退出機制。
分階段施工順序
先驗證高風險假設，再串接核心系統；每一階段都有可停止、可替換的邊界。
FAQ
常見問題
地端模型一定比較安全嗎？
不一定。安全取決於權限、更新、日誌、弱點管理與操作流程。地端部署若缺乏維運能力，風險可能反而更高。
架構規劃會綁定特定雲端或模型嗎？
不會。架構應以能力、介面與驗收條件描述，讓模型與供應商可以在可控成本下替換。
既有系統很舊，還能導入嗎？
可以先透過批次、事件或受控 API 接入，不一定要先全面改寫；但需清楚定義資料一致性與失敗回復。