上一篇的結論是：把那些只活在資深員工腦子裡的判斷寫下來，AI 才有原料可用。
01一個簡單的問題，三個不同的答案
你問 AI 一個小學生都會的問題：我們去年最大的客戶是誰？
它想了一下，給你一個名字。你一看就覺得怪，這家沒那麼大。你換個問法再問一次，它給了另一個名字。你不死心，把「營收前三大」也一起要，它列出來的第三名，其實跟第一名是同一家公司。
你開始懷疑是不是 AI 太笨。但這題真的不難，難的地方你看不到：它在你給的資料裡，找到的根本不是一家公司，是三家。
業務系統裡，這個客戶叫「台灣積體電路製造股份有限公司」。財務系統裡，它是「台積電」。出貨單上，因為貨送到南科，寫的是「台積電十四廠」。三筆資料，三個名字，沒有任何一個欄位告訴 AI：這是同一家。
於是它老老實實地把一家公司拆成了三家，每一家的營收都只有實際的三分之一，然後從這個錯的基礎上，認真地算出一個錯的答案。
問題不在它算得對不對。在它拿到的東西，從一開始就是散的。
02同一個東西，五個名字
把那個客戶的例子放大，你會在公司每一個角落看到同一件事。
同一個產品，ERP 用型號、電商後台用品名、倉庫用一個只有揀貨員看得懂的簡碼。同一個員工，人資系統記身分證、打卡機記工號、專案軟體記英文暱稱。同一筆錢，會計認科目、業務認案子、老闆認的是「那個誰欠我們的」。
每一套系統內部都對，合起來就對不上。因為它們從來不是為了「合起來看」而設計的：各自上線、各自解決各自的問題、各自長出一套自己的叫法。當初沒有人預期，有一天你會想把它們全部倒進同一個地方，問一個橫跨所有系統的問題。
人腦不在乎這個。你的老員工看到「台積電十四廠」，自動知道就是台積電，因為他腦子裡有一張沒寫下來的對照表。AI 沒有那張表。你不給它一把共同的鑰匙，它就只能照字面認，字不一樣，就是不同的東西。
這不是 AI 的缺陷，是它誠實的代價。它不會像人一樣「猜你的意思」，它只會照你給的資料據實回答。資料是散的，答案就是散的。
03先修路，再跑 AI
到這裡，很多人的直覺是再買個更強的工具、換個更貴的模型。方向錯了。
模型再聰明，也變不出你資料裡沒有的那把鑰匙。這件事得往回做一層，做的不是 AI，是它底下的路——讓同一個客戶、同一個產品、同一筆錢，在所有系統裡認得出彼此。這層工作有個很不起眼的名字，叫資料治理，但你可以就把它想成水電煤：沒人會為了水管興奮，可是沒有它，後面什麼都跑不動。
先修路，再跑車。多數公司卡住，是因為把順序反過來了——車子（AI 工具）都買好了，路（乾淨、串得起來的資料）還沒鋪，於是那台車只能在你坑坑巴巴的資料上顛簸，然後你怪車不好。
實際跑起來大概是這個樣子。有公司買了自動報表工具，指望每週一早自己生出一份銷售週報。結果第一份就對不上：同一款產品在兩個系統是兩個型號，工具把它當成兩件在賣，數字全歪。試了兩週，大家默默地又回去用 Excel 手工拉，那套工具從此躺在後台沒人再開。錢花了，路沒修，車就是動不了。
為什麼路老是最後才修？因為它最不像成果。買一套 AI 客服，隔天就能開給大家看；花三週把客戶名稱統一，做完了畫面上什麼都沒變，只有你自己知道地基動了。一個看得見，一個看不見。可是那台看得見的車，跑的正是這條看不見的路。
04不必先大掃除，從一個問題往回修
好消息是，你不需要停下來把整間公司的資料先洗乾淨——那跟上一篇說的「全公司知識盤點」一樣，會變成一個沒有盡頭、最後沒人管的大工程。
換個方向：不是從資料往前掃，是從問題往回修。
挑一個你最想問、也最常問的問題——就那個「最大的客戶是誰」。然後只沿著這一題往回走：它要用到哪幾個系統的資料？同一個客戶在這幾個系統裡有幾種寫法？做一張對照表，把它們串成同一把鑰匙。只修這一條路，其他先不動。
那張表不必多漂亮，長這樣就夠用：
| 統一名稱 | 業務系統 | 財務系統 | 出貨單 |
|---|---|---|---|
| 台積電 | 台灣積體電路製造股份有限公司 | 台積電 | 台積電十四廠 |
| … |
一個客戶一列，把它散在各系統的叫法並排寫齊。往後 AI 讀到任何一欄，都知道指向同一格。就這麼一張幾十列的表，那個問了三次都沒答對的問題，第一次有了乾淨的答案。
修完，你會第一次得到一個問了很久、卻從來沒問對過的答案。更重要的是，你會知道這條路有多長、你的資料到底有多散——這比任何一場「數位轉型評估會議」都誠實。
然後才輪到下一題。一次一條路，跑得動再修下一條。
這件事做完，你上一篇辛苦寫下來的那些判斷，AI 才接得起來——因為它終於認得出，你講的那個客戶，跟系統裡的那三個名字，是同一個人。
資料散著，AI 就散著
回到那個問了三次都沒答對的問題。
不是 AI 笨。是「我們最大的客戶是誰」這句話，你的公司從來沒有一個地方，能一次回答得完整。答案的碎片散在三個系統裡，用三個名字，等著有人把它們串起來。過去這件事靠老員工的腦補，現在你想交給 AI，就得先把那把鑰匙，真的做出來、放進資料裡。
想知道你的資料到底有多散、哪一條路最該先修，可以先跑一次免費的體檢：填幾個關於你現有系統的問題，我們回你一份最該優先處理的資料缺口清單。不用簽約，也不用先動任何一個系統。
工具你隨時買得到。買不到的，是一條讓 AI 跑得動的路。
為品牌築根，為數位開路。