本案例依原書第 2 章 Generative AI Canvas 第二部分重組，並非原書正式案例研究。
在使用案例通過策略驗證後，把構想轉成可執行的成果、成功標準、資料需求、依賴與採用計畫。
原書第二張畫布把「what if」轉成「how to」，要求團隊在開發前定義成功、資料與系統依賴，也規劃使用者如何真正採用方案。
| 畫布區塊 | 核心工作 | 原書重點 |
|---|---|---|
| Outcomes | 定義具體成果 | 不能只寫「提高效率」等模糊目標 |
| Success Criteria | 把成果轉成可衡量基準 | 回答「如何知道成功？」 |
| Data Requirements | 定義資料需求 | 分為 case data、training data、feedback data，並考慮品質、可存取與可持續性 |
| Dependencies | 映射系統與組織依賴 | 找出變更可能如何影響其他部分 |
| Adoption Strategy | 規劃人如何使用新方案 | 技術再完美，沒有採用仍會失敗 |
Excel 可建立成果、成功指標、資料來源、依賴、負責人與採用里程碑；AI 可協助檢查目標是否模糊、資料需求是否缺項，但不能替組織自行設定未提供的 KPI 門檻。
原書沒有一套固定數值公式；每個專案必須自行定義可衡量 Success Criteria。
此畫布把 AI 專案從概念推進到專案計畫。特別重要的是 Data Requirements 不只問「資料有沒有」，而是區分營運、開發與持續改善所需資料；Adoption Strategy 則把人員行為視為成功條件，而不是部署後再處理。
請將我提供的 GenAI 構想整理成 Outcomes、Success Criteria、Data Requirements、Dependencies、Adoption Strategy。若成功標準不可量測或資料來源未提供，請指出缺口，不要自行補數字。