案例02｜FinCorp 六個月交易資料：簡單交易走 Fast Path，複雜風險才觸發 Agent

一、案例定位

本案例依原書第 6 章「The Reality of Real-World Data: FinCorp’s Story」重組。

用六個月真實交易資料比較傳統快速流程與 Agentic Deep Analysis 的適用邊界。

二、學習目標

理解同一 Business Workflow 可同時存在 Fast 與 Slow Path。
區分 Simple Transaction、Complex Risk Pattern 與 Edge Case。
避免所有交易一律交給 Agent 深度分析。

三、案例情境

FinCorp 提供 6 個月 Transaction Data，內容包含 Simple Transactions、Complex Risk Patterns 與 Edge Cases。團隊提出 Parallel Processing：Simple Transactions 經 Traditional Pipeline；Complex Cases 才觸發 Agent Analysis。

四、開始資料

資料／工作	原書內容	建議處理路徑
測試資料期間	6 個月	用來比較不同 Approach
Simple Transactions	路徑與規則較清楚	Traditional／Fast Pipeline
Complex Risk Patterns	需要更多 Context、Pattern Matching、Investigation	Agent Analysis
Edge Cases	不一定符合既有 Blueprint	可能需要 Slow Thinking／Human Oversight

五、Excel／AI 分析方法

Excel 可標記 Transaction Type、Complexity Evidence、Route、Review Result；AI 可協助整理可能的 Route Criteria，但原書沒有提供固定 Complexity Threshold，因此不能自行設定。

六、計算結果

原書提供 6 個月資料期間，但沒有 Transaction Count、Fraud Rate 或 Fast／Slow Route 比例，因此不能計算 Agent 使用占比。

七、結果分析與管理解讀

最有效率的設計不是 Agent Everywhere，而是把 Agent 放在真正需要深度分析的位置。Routine Work 保持 Predictable、Fast、Cost-effective，複雜情境才使用 Slow Thinking。

八、AI 提問詞

請把交易流程分成可由固定規則快速處理、需要深度 Agent Analysis、以及需 Human Review 三類。只依我提供的 Complexity Evidence 判斷；沒有門檻時請標示待定。