本案例涉及人工智慧（Artificial Intelligence, AI）。
把原書列出的八項最佳實務轉成企業生成式人工智慧專案檢核案例。
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。
原書指出，設計模式之外，企業還需同時處理資料品質、偏誤、隱私、模組化、有效提問、持續監控、倫理，以及規模與速度。原書提到以資料版本控制與輸入驗證降低雜訊；以偏誤稽核、資料平衡與公平限制處理偏誤；並可用夏普利加法解釋（SHapley Additive exPlanations, SHAP）或局部可解釋模型無關解釋（Local Interpretable Model-agnostic Explanations, LIME）提高透明度。
| 最佳實務 | 原書要點 |
|---|---|
| 資料品質優先 | 乾淨、多樣且具代表性的資料；版本控制與輸入驗證 |
| 處理偏誤 | 偏誤稽核、平衡資料、公平限制、SHAP／LIME |
| 隱私設計 | 匿名化、聯邦式學習、差分隱私、加密與最少暴露 |
| 模組化系統 | 分離資料前處理、模型訓練與實作 |
| 有效提問 | 處理模糊輸入與邊界情況 |
| 監控與改善 | 監控關聯性與延遲、蒐集回饋、持續學習 |
| 倫理考量 | 評估濫用、揭露人工智慧使用、可解釋決策 |
| 規模與速度 | 容器化、負載測試、快取與高效率服務 |
在 Excel 建立專案檢核表，為八項實務記錄證據、負責人、狀態與待補事項；請 AI 只根據已提供證據指出缺口，不可把「計畫中」判定為「已完成」。
原書沒有提供可直接計算的數據，因此不補造結果。
最佳實務需與設計模式共同使用。單一模式無法同時保證效能、公平、隱私、使用者滿意與長期適應。表 3-4 與表 3-5 的完整對照目前無法讀取，因此本頁只依正文八項說明整理。
請依八項最佳實務審查我的生成式人工智慧專案，對每項輸出「已有證據」「部分證據」「無證據」，並引用我提供的原句；不得自行補證據。