本案例依原書第 4 章金融服務文件處理情境重組，並非原書正式案例研究。
理解一個原本服務單一團隊的 AI 系統，在跨部門與全球辦公室採用後，為什麼需要重新思考架構基礎。
原書描述一家金融服務公司的文件處理系統，最初只服務一個 Trading Desk，每天處理數百份文件。數月後其他部門開始採用，需求變成處理數百萬份文件、符合多套 Regulatory Frameworks，並在全球辦公室維持一致效能。
| 維度 | 初始 | 擴張後 |
|---|---|---|
| 使用範圍 | 單一 Trading Desk | 多部門、全球辦公室 |
| 文件量 | 數百份／日 | 數百萬份 |
| 法規 | 較集中 | 多套 Regulatory Frameworks |
| 效能要求 | 局部環境 | 跨全球位置維持一致 |
Excel 可把每個部門的 Volume、Regulation、Latency、Availability 需求列成矩陣；AI 可協助找共同與不同需求。因原書只寫「hundreds」與「millions」，不應自行換成精確倍率。
原書沒有精確的「數百」與「數百萬」數值，因此不能計算準確放大倍數。
Enterprise Scale 同時增加資料量、法規複雜度與地理分布。架構問題因此從「能不能工作」轉成「能不能可靠、安全、有效率地大規模工作」。
請將單一部門系統擴到企業規模時的需求分成 Volume、Regulation、Global Performance 三類。只使用我提供的數字；若只有「數百」「數百萬」等範圍描述，不要假造精確倍率。