先看例外紀錄,把例外分四類:來源資料不乾淨、規則沒寫全、系統或格式改了、門檻設太緊。前兩類最常見,解法是回頭補規則與整理來源;第三類是維運問題;第四類放寬門檻就好。例外要有人每天清、每月改一次規則,先改最多的那一類,直通率會一輪一輪往上走。
上線第一個月例外多是正常的,第三個月還一樣多就是沒人在改。數位勞動力有限公司看過的情況裡,例外件堆積的原因很少是技術做壞,多半是沒人負責看例外紀錄、看了也沒有回頭改規則的機制。本頁先講怎麼判斷例外多是不是問題,再把例外分四類給對策,最後講上線前怎麼設計才不會一上線就爆。
例外件多,一定是自動化做壞了嗎?
不一定。上線初期例外多代表規則第一次碰到真實世界,是正常現象;該擔心的是趨勢:例外的比例一個月比一個月高、或是同一類例外一直出現卻沒人處理,這才是問題。
判斷的依據是例外紀錄,不是同仁的感覺。每一件例外都該有「哪一步停下來、為什麼停、人工最後怎麼處理」三個欄位,沒有這三個欄位的自動化等於沒有紀錄,出錯怎麼防、責任怎麼分那篇講的逐件紀錄就是為了這一刻。有紀錄,例外多就是一份待辦清單;沒紀錄,例外多只是一種焦慮。
另一個判斷依據是跟驗收時比。PoC 驗收時的直通率與例外比例是用真實資料算出來的基準,上線後如果明顯比驗收時差,通常是上線後碰到的資料跟 PoC 樣本不一樣,代表樣本當初選得太乾淨。PoC 驗收檢核表要求樣本必須包含實際發生過的異常案例,原因就在這裡。
例外分哪四類,各自怎麼認?
來源資料不乾淨、規則當初沒寫全、系統或格式變了、門檻設太緊,四類各有不同的訊號與對策。把一個月的例外紀錄照四類分一次,最多的那一類就是這個月該改的事。來源資料不乾淨這一類如果每個月都最多,問題在上線前就該處理,哪三種資料亂一定要先清那篇講怎麼分辨要先清的與可以邊跑邊清的。
| 類型 | 判斷訊號 | 誰處理 | 對策 |
|---|---|---|---|
| 來源資料不乾淨 | 同一個來源(某個客戶、某個平台、某台掃描機)的例外特別多;例外原因多是欄位缺漏、格式歪、看不清 | 業務窗口回頭要求來源改善;自動化端加前處理 | 跟來源談格式、換掃描方式、加一道整理步驟;改不了的來源另開一條規則 |
| 規則當初沒寫全 | 例外原因集中在幾種固定的情況,人工處理時每次做法都一樣 | 流程負責人整理成規則,交給建置方加進去 | 每月挑最多的那一類補規則;人工處理時做法一致的例外,都是可以寫成規則的例外 |
| 系統或格式變了 | 某一天開始例外突然暴增,而且集中在同一個步驟;之前好好的 | 維運方(自家 IT 或供應商) | 確認是系統改版、匯出格式變動還是來源換了版型,修正對應;把改版通知寫進合約 |
| 門檻或容差設太緊 | 例外件人工看了之後幾乎都「沒問題、直接放行」,很少真的要改 | 流程負責人與建置方一起調 | 放寬信心門檻或容差,但要用例外紀錄證明放寬後不會放過真正的錯 |
第二類有一個很好用的判斷法:人工處理那件例外的時候,做法是不是每次都一樣。每次都一樣,代表它其實有規則,只是當初盤點時沒人講出來,寫進去就好;每次都不一樣,代表它真的需要判斷,該留給人。盤點時把例外清單當主角那篇講的方法,上線後一樣適用,只是這次例外清單是系統幫你列的。
第三類的特徵是「突然」。前一天還好好的,某天開始同一個步驟全部停下來,幾乎都是系統改版、匯出格式被改、或來源換了版型。這類跟流程規則無關,是維運問題,上線後誰來顧那篇的每週檢查清單就是為了早一點發現這種情況。
「例外件不是自動化的失敗紀錄,是它替你列好的待辦清單。沒人看那份清單,才是失敗。」
例外件該由誰處理、多久回頭改規則?
例外件由流程的業務窗口每天清,規則每個月改一次,改的時候只挑最多的那一類。清例外的人與改規則的人可以不同,但清的人要回報「這個月哪一類最多」,不然改規則的人不知道該改什麼。
每天清的意思是例外件不過夜,因為例外堆積的第一個後果是同仁不等了、自己手工做,做完也不回頭告訴系統。清例外的工作要排進某個人的固定時段,而且要在合約的範圍與驗收口徑裡寫清楚哪些例外由企業處理、哪些由供應商處理,不然會變成雙方互等。
每月改一次的節奏是刻意的。改太勤,規則還沒跑夠多件就又改,看不出效果;改太慢,同一類例外多累積一個月的手工。每個月挑最多的那一類改掉,直通率會一輪一輪往上走,而且每一輪都看得到數字在動,這比一開始就追求「全部自動」實在得多。
哪些例外本來就該留給人,不該硬降?
金額或影響超過門檻的、客戶有爭議的、資料互相矛盾的、法規或合約要求人簽核的,四種例外本來就該轉人工,把它們「降掉」等於拿掉防線。例外率的目標是「只剩真正需要人的件」,不是零。
這一點常跟老闆的期待衝突,因為上線前聽到的是「全自動」。AI 數位員工做不到的事裡講的「百分之百正確不存在」在這裡的意思是:信心門檻存在的目的就是讓一部分件停下來給人看,門檻調到沒有例外的那一天,也是錯的結果直接流進正式資料的那一天。
比較實在的做法是把例外分成「該降的」與「該留的」兩欄,該降的用前面四類對策處理,該留的改善處理速度與介面,讓人處理一件的時間變短。哪些任務該留給人那篇的「查、填、比對、回覆」篩法,反過來用就是「該留的例外」的清單。
上線前怎麼設計,例外才不會一上線就爆?
四件事在建置時做好:PoC 樣本包含實際發生過的異常件、例外紀錄要能分類不能只寫「失敗」、信心門檻與容差要能調不用改程式、每一種例外都指定處理的人。做了這四件,上線後的例外是可以管理的清單;沒做,上線後只能關掉重來。
第二件最常被漏。很多自動化的例外紀錄只有「處理失敗」四個字,看不出是哪一類,於是每個月的分類工作變成人工翻紀錄。建置時就要求例外原因分類(缺欄位、格式不符、比對不到、信心不足、系統無回應),名詞辭典裡的例外處理與可觀測性兩條講的就是這件事。
第三件決定了上線後改規則要不要每次付錢。門檻與容差做成設定值,流程負責人自己能調,變更計價就只剩真正要改程式的情況。這一題只是導入前會卡住的其中一題,其他像要多少錢、資安怎麼顧、上線後誰來顧,中小企業導入前最常卡住的問題那一頁排在一起,每題先給短答;例外處理的機制與AI 數位員工的三層風險控管設計是同一套東西,定義頁有完整說明。
還不確定你的流程適不適合?
先用三分鐘快篩自評,或直接請顧問做免費流程盤點。
常見問題 FAQ
例外大多是資料太亂造成的,是不是該停下來先把資料整理完?
不用全部整理完,但要分清楚哪種亂。主檔重複、關鍵欄位空白、兩套系統代號對不上這三種會讓結果錯,要先清;日期格式不一、資料塞在備註欄這種規則寫得出來的,交給自動化邊跑邊清就好,清的工作本身就是流程的一部分。判斷方法是看例外紀錄裡「來源資料不乾淨」那一類的件在不在變少,而不是訂一個資料品質的百分比。
直通率要到多少才算正常?
沒有通用的數字,而且不該有。每個流程的來源資料品質、例外的複雜度都不同,同一個流程在不同公司的合理直通率也不一樣。該看的是兩件事:跟 PoC 驗收時的口徑比有沒有退步,以及上線後是不是一個月比一個月高。數位勞動力有限公司在驗收時會把直通率與欄位正確率分開算,上線後沿用同一套口徑追蹤。
例外件堆著沒人處理,會怎樣?
自動化會悄悄失效。例外件沒人清,同仁等不到結果就自己手工做,做完也不會回頭告訴系統,久了整條流程名義上在跑、實際上大家又回到手工,而且沒人記得它還在跑。例外件要有固定的人、固定的時間清,而且清完要回報哪一類最多,這是維運的核心工作。
可以讓 AI 自己處理例外嗎?
部分可以。信心不足的件可以讓 AI 做第二次判讀、去別的來源補查、或改用更嚴格的規則重跑一遍,這些都能降低轉人工的比例。但最後那一層判斷要留人:金額異常、客戶爭議、資料互相矛盾的案件,AI 再判一次只是多一個猜測。例外處理的目標是讓人只處理真正需要人的件,不是讓人消失。
例外太多,是不是該把自動化關掉?
先分類再決定。例外大半是來源資料與規則問題,關掉自動化不會讓來源資料變乾淨,只會讓同一批例外變成全部手工。該關掉的情況只有一種:例外的根本原因在系統端已經改了(改版、換格式),而且短期內修不回來,這時候暫停比讓它繼續產生錯的結果好。
