本案例涉及人工智慧（Artificial Intelligence, AI）與生成式人工智慧（Generative Artificial Intelligence, GenAI）。建立評估、優先排序、修訂、再部署與監控的閉環。
本案例依原書第 6 章的框架、範例或情境重組，並非原書正式案例研究。
原書指出沒有單一指標能完整衡量生成系統：提高準確率可能降低多樣性，提高效率也可能犧牲品質。團隊需蒐集自動指標、使用者回饋與持續測試，分析重複錯誤、幻覺、事實錯誤與偏誤，依嚴重度及影響排序，再調整模型參數、提問範本、訓練資料或架構；完成再訓練或微調後重新部署並監控。
| 步驟 | 原書行動 |
|---|---|
| 蒐集 | 自動指標、使用者回饋與持續測試 |
| 分析 | 找出重複錯誤、偏誤與根因 |
| 排序 | 依嚴重度與潛在影響決定優先級 |
| 調整 | 模型參數、提問、資料或架構 |
| 再訓練／微調 | 針對弱點使用整理或合成資料 |
| 再部署與監控 | 檢查改善是否有效並發現新問題 |
在 Excel 建立問題—根因—嚴重度—調整—版本—再測結果鏈；AI 可歸類模式並比較改善前後。
原書沒有提供可直接計算的數據，因此不補造結果。
改善不一定只發生在模型。資料管線、提問結構、推論流程與資源瓶頸也可能是根因。每次調整都應保留版本與回歸測試。
請依錯誤與回饋紀錄找出重複模式，提出可驗證的模型、提問、資料或架構調整，並定義再測證據。