AI 模式配對（AI Pattern Matching）
學習目標：以 summarize/extract/classify/draft/analyze/retrieve/workflow assist 等模式辨識 AI 角色並保留 human responsibility。
確定問題之後，才問「AI 可能扮演什麼角色」。常見的協助模式包括：summarize（摘要）、extract（抽取結構化資訊）、classify（分類）、draft（草擬初稿）、analyze（分析資料找出模式）、retrieve（從既有資料中找答案）、workflow assist（在多步驟流程中協助銜接）。每一種模式都只是「協助」，最終的判斷、核准與責任仍在人身上，這是本課程 Human-AI-Human 的核心原則。
| 欄位 | 說明 |
|---|---|
| Summarize | 把長內容濃縮成重點 |
| Extract | 從文件中抽取結構化資訊 |
| Classify | 把項目分類或標記 |
| Draft | 草擬初稿供人修改 |
| Analyze | 從資料中找出模式或異常 |
| Retrieve | 從既有資料找答案 |
| Workflow assist | 在多步驟流程中協助銜接 |
工作情境
Lesson 1 的會議待辦落差問題，比對之後發現最貼近的模式是 extract（從會議紀錄中抽取待辦事項、負責人、期限）加上 classify（把待辦事項分成緊急/一般）。抽取結果仍需由會議主席在送出前確認正確性與遺漏項目。
- Summarize 情境：把一份 30 頁的評鑑報告整理成一頁重點給主管過目，主管仍需核閱完整報告。
- Extract 情境：從報名表中抽取姓名、單位、聯絡方式填入名冊，承辦人仍需抽樣核對。
- Classify 情境：把來信分成「請假」「請款」「申訴」三類，交由不同承辦人處理，分類結果仍可被人工調整。
- Draft 情境：草擬一封通知信初稿，由承辦人修改語氣與補充細節後才送出。
- Analyze 情境：從過去三年的採購資料找出單價異常偏高的項目，交由採購組進一步查核。
- Retrieve 情境：從內部規章中找出與某案例相關的條文，供承辦人參考後自行判斷適用。
- Workflow assist 情境：在多步驟簽核流程中，提醒下一位承辦人尚缺哪些附件，簽核決定仍由人做。
工作情境（對照案例：模式選錯）
某單位想處理「陳情案常常被誤判優先順序」的問題，卻直接選了 draft（草擬回覆信）當作協助模式。但真正的落差是「分類與排序」沒有做好，應該先選 classify（依性質與緊急程度分類）再視需要加上 draft，而不是跳過分類直接寫回信。
資訊
Human、AI、Human：人先確認問題與判斷，AI 在確認之後才協助執行，最終結果仍由人驗證與負責。
注意
資料安全提醒：本課程所有練習一律使用課程提供的模擬情境檔案，不含任何真實機構或個人資料。
自我檢測
下列哪一個做法最符合「AI 協助，人保留責任」？