規則會老

設想一家網店的客服助手。上線那天，它按公司的退換貨政策和運費規則起草回覆，準確得讓客服同事驚喜。

三個月後，公司把退貨期由三十天改為十四天，免運費的門檻也調高了。沒有人想起要更新系統裡的規則。客服助手照舊工作，照舊流暢，照舊自信——引用的是舊政策。

第一次因此被客人投訴之後，客服同事不再相信它，悄悄回到自己記在筆記本上的答案。系統沒有壞，是它學會的規則老了。

AI 錯得特別理直氣壯

傳統軟件出錯，通常會報錯、會卡住，至少看起來不對勁。AI 出錯時，文字依然通順，格式依然整齊，語氣依然肯定。錯得越流暢，越難被發現。

這意味着 AI 系統上線之後，不能只等它「壞了再修」。它不會壞給你看，它只會慢慢偏。

偏差從四個地方來

• 業務變了。價格、政策、產品、流程，每一次調整都可能讓系統裡的規則過時。
• 資料變了。新類型的客人、新格式的文件，系統沒見過，就只能猜。
• 用的人變了。新同事的問法和老同事不同，系統的表現也會跟着變。
• 模型變了。供應商更新了底層模型，同一個問題可能得到不同的答案。

四樣之中，前兩樣最常見，也最容易被忽略——因為改政策的人，通常不知道政策也寫在系統裡。

三個角色，缺一不可

讓規則跟上，需要三種角色：

發現偏差的人。通常是前線，他們每天看着系統的輸出，最先知道哪裡不對。要讓他們有一個順手的地方記下來，而不是心裡嘀咕一句就算。

批准修改的人。必須是懂業務的人，不是技術人員。改一條退貨規則，是業務決定。

執行修改的人。負責把批准的改動放進系統，並保留舊版本——改錯了，要退得回去。

很多系統上線時，只安排了第三個角色。

一個簡單的習慣

每月開一次十五分鐘的「錯例會」：把這個月 AI 答錯、或被人手改過的例子拿出來，逐一決定——改規則、補資料，還是接受它就是會錯。

再盯一個數字：AI 輸出被人手修改的比例。這個比例若一個月比一個月高，規則正在老化，不必等客人來告訴你。

上線那天，是它開始變老的第一天

AI 系統不是做完就完的工程，更像一位需要定期帶教的新同事。誰負責發現問題、誰批准修改、誰執行，這些要在上線之前就寫下來。

規則一定會老。差別只在於，你是第一個知道，還是最後一個。