AI07 · AI 落地與轉型 詳細 ROADMAP
計畫文件，不會被 Quartz 渲染。
回主 roadmap → ai/ROADMAP.md
章節目標
把 AI 導入既有系統和組織。受眾：決策者、架構師、技術主管。本章是 AI 系列最「軟」的一章——技術不是最難的，管理和標準化才是。
跟其他章分工：
- AI04 / AI05 講怎麼實作（工程師視角）
- AI06 講工程師日常用 AI（個人工具）
- 本章講企業層級導入 AI（組織視角）
- AI08 講產業衝擊（跟本章的組織內部導入 vs 產業趨勢）
🌱 基本介紹
| # | 主題 | Slug | Stage | 大綱 |
|---|
| 01 | AI 導入全景 | 01-ai-adoption-landscape | 🌱 | 從 pilot 到 enterprise-wide 的完整 roadmap；技術 / 組織 / 資料 / 合規四個維度 |
❓ 為什麼需要
| # | 主題 | Slug | Stage | 大綱 |
|---|
| 02 | 為什麼 AI POC 成功但 production 失敗 | 02-why-poc-fails-in-prod | 🌱 | POC 資料乾淨 / 用戶 self-select / 預期寬鬆；prod 資料爛 / 用戶多樣 / SLA 嚴；這 gap 大多低估 |
| 03 | 為什麼 AI 專案要有 kill criteria | 03-why-kill-criteria | 🌱 | AI 不是每個場景都合；預設 exit 條件避免沉沒成本陷阱 |
🕰️ 演進
| # | 主題 | Slug | Stage | 大綱 |
|---|
| 04 | AI 導入方法論演進 | 04-adoption-methodology-evolution | 🌿 | 吸收自舊 09-ai-tools-workflow/01-05 5 篇方法論 |
🧠 知識型
F07-A 導入策略
| # | 主題 | Slug | Stage | 大綱 |
|---|
| 05 | 傳統系統 AI 化：從哪裡開始 | 05-legacy-system-ai | 🌱 | 找 high-leverage 低風險的切入點；不要一開始就改核心 |
| 06 | 既有系統接 AI 的架構模式 | 06-integration-patterns | 🌱 | Sidecar AI（不動主系統）/ Embedded AI / API Gateway / Agent Layer；跟 I02 / AI04 #07 AI Gateway 連動 |
| 07 | AI 導入的成本計算 | 07-cost-calculation | 🌱 | Token 成本 / infra 成本 / 人力 / opportunity cost；跟 I08 FinOps 連動 |
F07-B 風險管理
| # | 主題 | Slug | Stage | 大綱 |
|---|
| 08 | AI 專案的常見死法 | 08-common-failures | 🌱 | 需求不清 / 資料爛 / 沒 eval / 期望管理失敗 / team 能力 gap；從社群案例 + 自身觀察 |
| 09 | AI 專案的風險識別 | 09-risk-identification | 🌱 | 法規風險 / 準確性風險 / 成本失控 / vendor lock-in / 模型 deprecation |
F07-C 資料策略
| # | 主題 | Slug | Stage | 大綱 |
|---|
| 10 | 資料策略：AI 的燃料 | 10-data-strategy | 🌱 | 資料品質標準 / 標註流程 / 清洗 pipeline / 隱私脫敏；跟 I04 Data Ops 連動 |
F07-D 組織與合規
| # | 主題 | Slug | Stage | 大綱 |
|---|
| 11 | AI 團隊怎麼組 | 11-team-building | 🌱 | ML Engineer / AI Engineer / Prompt Engineer / AI Product Manager 角色區分；buy vs build vs partner |
| 12 | AI 合規與治理 | 12-compliance-governance | 🌱 | EU AI Act / 台灣 AI 基本法草案 / NIST AI RMF；企業內部規範；跟 I06 #34 Compliance Audit 連動 |
| 13 | AI 導入的度量指標 | 13-adoption-metrics | 🌱 | 效率提升 / 錯誤率 / 使用者滿意度 / ROI；避免 vanity metric（僅計次數不計品質） |
🔧 小實作注意事項
| # | 主題 | Slug | Stage | 大綱 |
|---|
| 14 | AI Pilot 規劃模板 | 14-pilot-planning-template | 🌱 | 目標 / 成功條件 / exit 條件 / 資源 / 時程 / 風險登記 |
| 15 | AI 政策文件模板 | 15-ai-policy-template | 🌱 | 公司內 AI 使用規範模板（data / secret / output review / IP） |
💣 Anti-pattern
| # | 主題 | Slug | Stage | 大綱 |
|---|
| 16 | AI 導入 Anti-patterns | 16-adoption-antipatterns | 🌱 | 老闆拍腦袋「我們要 AI 轉型」無目標；買 AI SaaS 沒跟流程整合；沒 eval 就上線；AI 負責 team 不跟 domain expert 協作；政策文件寫完沒教育；以為 model 越新越好忽略合規；導入 AI 卻不碰資料治理 |
🧰 對應檢查工具
| # | 主題 | Slug | Stage | 大綱 |
|---|
| 17 | AI 導入工具 | 17-adoption-tooling | 🌱 | Vendor assessment: Credo AI / Holistic AI；Policy management: OneTrust AI Governance；Cost tracking: Helicone / Portkey；Risk register: 公司內部 ticketing |
📎 補充
| # | 主題 | Slug | Stage | 大綱 |
|---|
| S01 | 5 人團隊 vs 500 人企業的 AI 策略差異 | s01-scale-based-strategy | 🌱 | 新創 agility vs 企業 governance；各自痛點跟做法差異 |
| S02 | AI 採購決策框架 | s02-ai-procurement-framework | 🌱 | Build / buy / partner；RFP 要問廠商什麼；契約條款（model change / data usage / termination） |
章節進度統計
- 知識主題：17 項 + 2 補充 = 19 項
- 🌿 growing：1（方法論 5 篇合併成 #04）
- 🌱 seed：16
跨系列連結