本案例涉及人工智慧（Artificial Intelligence, AI）、生成式人工智慧（Generative Artificial Intelligence, GenAI）與負責任人工智慧（Responsible Artificial Intelligence, RAI）。用資料遷移血緣檢查理解可靠性。
本案例依原書第 7 章的框架、範例或情境重組，並非原書正式案例研究。
原書將可靠性描述為系統在不同條件下持續依預期運作。示例指出，在遷移階段若資料來源追溯映射能標示遺失或不相符的資料表，就能協助確保建立於遷移資料上的模型或商業智慧報表與原系統一致。
| 檢查項目 | 原書情境 |
|---|---|
| 缺少資料表 | 遷移後找不到原系統資料表 |
| 不相符資料表 | 名稱、結構或映射不一致 |
| 下游影響 | 模型或商業智慧報表可能不可靠 |
| 可靠性目標 | 與原系統維持一致並依預期運作 |
在 Excel 對照原系統與新系統的資料表、欄位、映射、狀態及下游資產；AI 可列出缺漏與不一致，但不能替未驗證資料標記成功。
原書沒有提供可直接計算的數據，因此不補造結果。
可靠性需要可追溯的上游一致性。下游模型本身正常運作，也可能因遷移資料缺漏而產生不可靠結果。
請比較遷移前後資料表與映射，列出缺漏、不一致及受影響下游資產；未提供的欄位標示無法判定。