AI-translated from English; not yet reviewed by a fluent editor.

# 盤點自己的工作，選擇首個待測試的 AI 任務

> 為自己負責的任務建立註明日期的決策圖，記錄產出、檢查、權利與人工核准。選擇一項日後測試的 AI 任務，或說明為何目前沒有任務準備就緒。

By BIG CHANGE Editorial

Published: 2026-10-20T12:07:38.357Z
Updated: 2026-10-20T12:07:38.357Z
Canonical: https://bigchange.ai/blog/map-work-choose-first-ai-task-guide

![Conceptual charcoal illustration of blank task cards in a wall-mounted wooden rack, beside one empty orange-edged slot.](https://bigchange.ai/api/media/file/blank-task-rack-hero-v2.png)
AI-generated conceptual illustration by BIG CHANGE.

選擇 AI 工具前，先寫下自己實際能掌控的工作。某項任務的答案可能容易查核，卻仍涉及私人資料、不可逆操作，或應由人作出的判斷。本指南協助你為自己的任務建立註明日期的決策圖。最終成果是一項擬議的首次測試，或一份說明目前沒有任務就緒的決策紀錄。完成這件事不需要執行 AI。

最初構想來自[Andrej Karpathy 於 2025 年 11 月發表的可驗證性文章](https://karpathy.bearblog.dev/verifiability/)。他認為，當嘗試可以重設、有效率地重複，並得到可靠的獎勵訊號時，環境更有利於 AI 最佳化。這些是需要調查的問題，不是職場核准規則。以下任務紀錄表由我們自行設計，加入負責人在真實流程中必須釐清的人員、權限與後果。[NIST 的自願性 AI 風險管理框架](https://airc.nist.gov/airmf-resources/airmf/5-sec-core/)也要求組織在考慮 AI 系統時關注情境、監督與衡量；它並未背書這張工作表，也不認證任何任務。

## 需要準備什麼

你需要能取得自己負責或獲准評估的真實工作紀錄，例如任務日誌、行事曆、程序、受理佇列，或實際負責工作的人員。也需要私人儲存位置來保存決策圖和證據連結、一位具名的流程負責人，以及另一位有權質疑決策的人。註明盤點涵蓋哪個團隊或流程、哪些日期。不要為了製作決策圖而把機密原始資料交給 AI 服務。

預留尋找與審閱紀錄的時間。決策圖本身不需要 AI 帳號、付費 API 或購買軟體。日後測試可能需要另行授權、工具費用、員工審閱時間及錯誤預算。

## 1. 依實際執行情況盤點工作

列出任務前先設定盤點時段與範圍。記下每一列的來源，讓第二位讀者找得到。對每項重複任務，寫明觸發條件、真實輸入、目前執行者、所需產出、接收者和現有核准。請負責人確認紀錄遺漏的內容。未經查證的細節標為**未知**。

當產出、許可或後果改變時，拆分工作流程。過於寬泛的標籤可能掩蓋需要不同權限的交接。列數應如實反映工作，沒有目標數量。註明排除的團隊或期間，讓審閱者能發現缺少的任務，而不會把它誤認為不適合的候選。

**檢查：**審閱者能否循證據連結找到資料、確認任務負責人，並說清楚必須把什麼交付給誰？盤點不足時，先回到負責人的紀錄，不要急著排名。

## 2. 先描述檢查，再考慮工具

對每項產出，問自己：如果由產出者以外的人檢查，會看什麼？列出權威來源、精確的通過規則與必要判斷。審閱者如何發現遺漏，或看似合理卻錯誤的答案？檢查是否幾乎與完成任務一樣費力？記錄誰可以檢查，以及哪些審閱工作量已知、哪些仍未知。

將檢查機制標為**現有**、**擬議**或**未知**。「現有」表示目前工作流程已有檢查，並有其使用方式的證據。「擬議」表示你寫出可能的規則，但尚未證明它能抓出相關錯誤。兩者都不代表 AI 產出會通過。缺少權威依據或可行通過規則的任務，必須先準備，才能成為首次測試候選。

接著提出改編自[Karpathy 文章](https://karpathy.bearblog.dev/verifiability/)的三個獨立問題：失敗嘗試能否在沒有持續損害的情況下重設？能否在合理時間與成本內進行足夠次數的**獲准**嘗試？每次嘗試能否得到可靠檢查？逐項回答是、否或未知，並附本地證據。Karpathy 用這些特性討論 AI 最佳化；你的答案不決定職場是否允許使用 AI。

## 3. 記錄決策權與失敗成本

可檢查性只是決策的一部分。記下誰控制輸入資料、擬議 AI 用途及任何揭露是否獲准，以及哪些人可能受影響。明確規定未來工具能讀什麼、寫什麼，以及誰有權獨自核准一項操作。指出任何難以撤銷的後續步驟。把錯誤放行的可能成本與人工檢查、返工成本並列；沒有依據可供估算時，使用**未知**。

記錄結果檢查可能漏掉的情境：不成文規則、例外、變動的來源，或需要負責任人工判斷的決定。要求工具先詢問許可的提示詞，本身並不是許可或存取控制。[NIST 的 MAP 指引](https://airc.nist.gov/airmf-resources/playbook/map/)要求組織檢視使用情境、受影響人員、資料及監督；其[MEASURE 指引](https://airc.nist.gov/airmf-resources/playbook/measure/)討論測試方法與限制。兩者都是自願性指引，不是給某一列的核准章。

**檢查：**如果權利、揭露、誰可核准操作或可信的復原途徑尚不明確，就把這項不確定性留在紀錄中。完整的檢查機制無法解決它。

## 4. 分類各列，最多選擇一個首次候選

使用以下**本編輯部工作表分類**，每列附原因和證據連結：

- **有限測試候選：**能明確指定產出、檢查、重設途徑及另行核准測試所需的權限。這是待調查候選，不是自動化許可。
- **準備檢查機制：**任務已有描述，但其通過規則、權威依據或檢查者仍須定義或驗證。
- **僅限輔助人類：**有限的起草或分析可能有幫助，但具名人員仍保留有實質後果的判斷及核准。任何實際使用仍需要許可。
- **暫緩：**權利、情境、失敗後果、復原或其他必要證據尚未解決。

不要勉強把未知變成數字分數。只比較可能符合有限測試條件的列。記錄某一列優先的原因，包括審閱負擔與錯誤放行可能造成的損害。如果每列都有尚未解決的前提，選擇**目前沒有**也是完整決策。指出重新考慮所需的人員與證據。

## 5. 擬定驗收計畫，再請人審閱決策圖

為首個候選定義未來測試，但不要執行。指定允許的樣本與輸入界線、作為參照的現行工作途徑、預期產出、精確通過或失敗規則、檢查者及人工審閱者。提出嘗試次數、時間、工具費用及審閱工作量上限。說明何時停止、如何回到現行流程、誰可批准之後的測試，以及要記錄哪些結果：通過、遺漏、失敗、重試、審閱時間與全部成本。授權與實際觀察結果尚不存在時保持空白。如果產出能觸發外部操作，將該操作保留給具名的人工核准者。

請流程負責人和第二位獲授權審閱者檢查完整盤點。他們應質疑工作遺漏、來源準確性、檢查可行性、權利，以及選擇某候選或目前不選的理由。記錄每個人的實際決定及日期，包括分歧和釐清所需證據。他們接受決策圖不等於授權產品試用。任務、資料、權利、檢查或後果有變時，為該列註明新的決策日期，並保留先前紀錄。

如果之後批准工具試用，[我們另一篇為小企業單項任務選擇或拒絕 AI 工具的指南](https://bigchange.ai/blog/choose-ai-tool-small-business-task-guide)會從選好的任務開始。本決策圖在產品選擇與測試之前結束。

## 空白決策圖工作表

將欄位複製到私人文件或表格，每項真實任務新增一列，讓未知事實保持可見。不要用想像的工作填入空白。

**盤點表頭**

- 流程與範圍：\_\_\_\_
- 涵蓋日期／排除的工作：\_\_\_\_
- 流程負責人／決策圖決策負責人：\_\_\_\_
- 證據位置與存取規則：\_\_\_\_
- 決策圖日期與版本：\_\_\_\_

**每個任務列重複填寫**

- 任務 ID／負責人／證據連結與日期：\_\_\_\_
- 實際觸發條件、輸入及權威來源：\_\_\_\_
- 目前執行者、方法與核准：\_\_\_\_
- 必要產出與接收者：\_\_\_\_
- 通過規則、例外及檢查依據：\_\_\_\_
- 獨立檢查者及狀態（現有／擬議／未知）：\_\_\_\_
- 檢查可能漏掉什麼／檢查時間：\_\_\_\_
- 失敗嘗試的重設或撤銷／獲准重試及成本：\_\_\_\_
- 錯誤放行後果／後續操作／人類專屬判斷：\_\_\_\_
- 資料權利、隱私與揭露許可：\_\_\_\_
- 允許的讀寫／人工核准者及停止權限：\_\_\_\_
- 分類、原因、缺失證據及下一位負責人或行動：\_\_\_\_
- 決策日期／需要複審的事件：\_\_\_\_

**首次候選決策與擬議測試**

- 候選任務 ID，或「目前沒有」，及原因：\_\_\_\_
- 為何此列先於下一個符合條件的列：\_\_\_\_
- 獲准樣本及輸入、擬議工具或行動界線：\_\_\_\_
- 現行途徑參照、產出及精確通過／失敗規則：\_\_\_\_
- 檢查者、審閱者、例外及錯誤放行檢查：\_\_\_\_
- 擬議嘗試、時間、費用及審閱上限：\_\_\_\_
- 停止、重設及回到現行流程的規則：\_\_\_\_
- 後續試驗核准人／授權決定與日期：\_\_\_\_
- 實際嘗試、結果與成本（觀察前留白）：\_\_\_\_
- 流程負責人決定／日期：\_\_\_\_
- 第二位審閱者決定／日期、異議與解決：\_\_\_\_

## 大變化

可檢查的產出讓任務較容易評估，卻不代表周邊工作適合無人監督的 AI。第一個有用的決定，是建立可追溯的自有工作圖：必須交付什麼、如何找出錯誤、能否控制失敗嘗試，以及誰有權批准測試。答案可以是一個有限候選，也可以是目前沒有。本流程提出這份決策紀錄；BIG CHANGE 沒有在組織中測試它，也未衡量時間、品質或成本效益。

## 來源與延伸閱讀

- [Andrej Karpathy，《Verifiability》（2025 年 11 月 17 日）](https://karpathy.bearblog.dev/verifiability/)——關於可重設、高效率及可提供獎勵訊號環境的論述。它不提供這份職場工作表，也未核准任務自動化。
- [NIST AI Risk Management Framework 1.0 Core](https://airc.nist.gov/airmf-resources/airmf/5-sec-core/)——自願性框架中的情境、監督、衡量與決策安排；其功能不是有順序的檢查清單。
- [NIST AI RMF Playbook: MAP](https://airc.nist.gov/airmf-resources/playbook/map/)——針對使用情境、人員、資料、影響及人類角色的自願性提問。
- [NIST AI RMF Playbook: MEASURE](https://airc.nist.gov/airmf-resources/playbook/measure/)——關於測試方法、限制、獨立評估與持續審閱的自願性指引。

## Sources

- [Andrej Karpathy，Verifiability](https://karpathy.bearblog.dev/verifiability/) — 作者一手文章，主張可重設、高效率及可提供獎勵訊號的環境有利於 AI 最佳化。它未提供這份職場工作表，也不建立任務許可或適用性。
- [NIST AI Risk Management Framework 1.0 Core](https://airc.nist.gov/airmf-resources/airmf/5-sec-core/) — 用於情境、監督及衡量的自願性 govern/map/measure/manage 架構。其行動不是有順序的檢查清單，也不認證本方法。
- [NIST AI RMF Playbook: MAP](https://airc.nist.gov/airmf-resources/playbook/map/) — 關於情境、影響、資料及人類角色的自願性建議。用以啟發我們自行設計的工作表問題，不是對真實任務的核准。
- [NIST AI RMF Playbook: MEASURE](https://airc.nist.gov/airmf-resources/playbook/measure/) — 關於測試方法、限制與監督的自願性指引。本文提出的檢查機制均未經驗證。
- [BIG CHANGE，如何為小企業的一項任務選擇或拒絕 AI 工具](https://bigchange.ai/blog/choose-ai-tool-small-business-task-guide) — 選定任務後的相關下一步。本文不重複該指南的產品篩選或試用流程。