本案例涉及人工智慧（Artificial Intelligence, AI）。
比較兩種原書提出的人工智慧模型測試模式。
本案例依原書第 3 章的設計模式、範例或流程重組，並非原書正式案例研究。
人工智慧預測具有機率性，使測試更具挑戰。原書指出，A/B 分流測試讓兩個模型版本在真實環境比較表現；影子測試則讓新模型與正式模型並行運作，但不影響使用者，以便在全面部署前驗證。
| 比較面向 | A/B 分流測試 | 影子測試 |
|---|---|---|
| 目的 | 比較兩個模型版本的實際表現 | 在不影響使用者下驗證新模型 |
| 使用者影響 | 原書表示在真實條件下比較；本段未進一步說明分流細節 | 新模型不影響使用者 |
| 決策用途 | 選擇較有效的模型 | 全面部署前的安全驗證 |
在 Excel 設計測試登錄表，分別記錄模型版本、測試期間、輸入範圍、使用者是否受影響、評估指標與核准結果；請 AI 檢查兩種測試是否被混用。
原書沒有提供可直接計算的數據，因此不補造結果。
A/B 分流測試重點在版本比較；影子測試重點在無使用者影響的並行驗證。原書表 3-1 應提供更完整比較，但目前可讀來源只保留表名與空白儲存格，因此本頁只整理正文可確認內容。
請只依提供的測試描述，判斷哪些情境適合 A/B 分流測試、哪些適合影子測試；資訊不足時請標示「無法判定」。