案例01｜AI Value Compass：用四個向量篩選 AI 倡議

一、案例定位

本案例依原書第 1 章的框架重組，並非原書正式案例研究。

用人工智慧價值羅盤（AI Value Compass）的四個向量，先判斷一個人工智慧（Artificial Intelligence, AI）倡議是否值得進一步優先排序。

二、學習目標

區分商業問題、AI 能力、價值影響與倫理可行性。
理解四個向量不是線性一次性流程，而需反覆檢查。
避免因技術新穎就直接進入概念驗證。

三、案例情境

組織收到多個 AI 構想，但資源有限，需要先建立一致的篩選方式。原書提出 AI Value Compass，要求每項倡議同時接受四個方向的檢查。

四、開始資料

向量	核心問題	原書要求檢查的內容
Business Challenge Identification	真正要解決什麼問題？	問題定義、範圍、利害關係人、現況、SMART 目標
AI Capability Mapping	AI 是否是合適技術？	技術版圖、能力、成熟度、整合需求、技能缺口
Value and Impact Assessment	價值是否足以支持投入？	ROI、KPI、成本、風險、機會成本、敏感度
Ethical Implementation Feasibility	能否負責任地實作？	倫理一致性、偏誤公平、透明可解釋、隱私安全、社會影響、治理責任

五、Excel／AI 分析方法

Excel 可建立「倡議 × 四向量」評估矩陣，記錄已知證據、缺口與待查項目；AI 可依已提供資料整理每個向量的證據與缺口，但不得自行補造 ROI、風險或法規結論。

六、計算結果

本案例沒有原書可直接計算的數值。四個向量共同產生一份可供後續優先排序的 AI 倡議清單。

七、結果分析與管理解讀

原書強調 Value Compass 是反覆迭代的框架。若新資訊改變技術成熟度、成本、風險或倫理條件，就應重新檢查其他向量，而不是把第一次評估視為永久結論。

八、AI 提問詞

請依我提供的資料，分別用 Business Challenge Identification、AI Capability Mapping、Value and Impact Assessment、Ethical Implementation Feasibility 四個向量整理此 AI 倡議。只列出已有證據、資訊缺口與待驗證問題，不得自行補造數字或法規結論。