30. 某大型物流公司計畫導入 AI 系統，以改善客服與配送作業的效率。專 案團隊規劃了以下四個步驟，請問正確的執行順序為何？
1. 建立符合公司服務流程的 AI 對話邏輯與應答範本，確保顧客體驗一致
2. 明確定義導入 AI 的目標並設定關鍵績效指標(KPI)
3. 蒐集與清理過往客服紀錄與配送相關資料，作為模型訓練素材
4. 評估並選擇合適的 AI 技術供應商或開源方案，確立技術方向與架構
(A)2 → 3 → 4 → 1；
(B)3 → 2 → 1 → 4；
(C)2 → 1 → 3 → 4；
(D)1 → 4 → 3 → 2

這題正確的執行順序為：2 → 3 → 4 → 1。

在企業導入 AI 或資料科學專案時，標準的實務流程強烈依賴 CRISP-DM（跨產業資料探勘標準流程） 或類似的 AI 專案管理生命週期。以下是每一步驟的邏輯推理與依據：

執行順序與邏輯推導

第一階段：釐清商業需求 (Business Understanding)

• ? 2. 明確定義導入 AI 的目標並設定關鍵績效指標(KPI)

• 邏輯依據： 任何系統導入的起點必定是「確認需求」。企業必須先知道「為什麼要做」（例如：是要縮短客服回應時間 50%，還是降低配送錯誤率 10%），確立可量化的 KPI 後，後續的資料收集與技術評估才有標準可循。若無目標就開始弄資料或買系統，專案極容易失敗。

第二階段：資料盤點與準備 (Data Understanding & Preparation)

• ? 3. 蒐集與清理過往客服紀錄與配送相關資料，作為模型訓練素材

• 邏輯依據： AI 專案是「資料驅動（Data-Driven）」的。在決定要使用哪種技術之前，企業必須先盤點自身擁有什麼資料（資料準備度）。資料的品質、數量與格式，將直接決定下一步能採取什麼技術（例如：如果內部有大量高品質的歷史標註資料，可以選擇開源方案自行微調訓練；如果內部缺乏資料，可能就得依賴技術供應商的現成模型）。因此，整理資料必須優先於技術定案。

第三階段：技術評估與架構確立 (Modeling & Architecture Selection)

• ? 4. 評估並選擇合適的 AI 技術供應商或開源方案，確立技術方向與架構

• 邏輯依據： 帶著明確的「專案目標（步驟 2）」與實際的「資料素材（步驟 3）」作為評估基準，專案團隊才能進行 PoC（概念驗證），精準判斷哪一家的技術、API 或開源模型最能處理企業的實際資料，並確立最終的軟硬體架構。

第四階段：應用開發與部署 (Deployment & Business Logic Integration)

• ? 1. 建立符合公司服務流程的 AI 對話邏輯與應答範本，確保顧客體驗一致

• 邏輯依據： 底層的模型與技術架構確立後，最後才是進入應用層（Application Layer）的開發。在此階段，團隊會根據公司既有的 SOP 建立對話樹、防呆機制或 Prompt 提示詞範本，將冷冰冰的 AI 模型包裝成符合企業品牌形象與服務流程的最終產品，準備上線面對顧客。

補充說明（排除其他可能的疑慮）： 在傳統的軟體工程（如 ERP 系統導入）中，有時會先買系統（4），再來整理與倒資料（3）。但在 AI 專案中，「先買系統再找資料」是業界的大忌。若未先盤點與清理資料就直接採購 AI 方案，常會遇到系統與資料格式不容、或資料量不足導致模型「垃圾進、垃圾出（Garbage In, Garbage Out）」的窘境。因此 2 → 3 → 4 → 1 是最具邏輯且符合業界標準的唯一順序。