一張有很多數字的健康報告，不一定能回答系統是否健康；如果成功、失敗與缺資料沒有被分開，儀表板反而可能製造錯誤決策。
本文從一份真實週報的異常訊號出發，說明企業如何建立可解釋、可追查、能支援成本決策的自動化監控。
▋ Belief：看得到數字，不代表看得懂系統
某份 AI 週健康報告中，有些排程顯示百分之百成功，例如成本報告四十四次全部成功、佇列處理一千零七十四次全部成功；另一些工作卻出現大量執行數、成功與失敗都為零，最後被顯示為成功率零。
更醒目的例子是，一個自動影片工作在一週內記錄九萬九千一百三十八次執行，卻沒有成功或失敗計數；行事曆提醒記錄二萬零七百七十一次，也同樣沒有結果分類。這些數字不能直接證明工作全部失敗，更可能代表狀態沒有被正確寫入、執行計數定義不同，或報表把「未知」誤算成「失敗」。
監控最危險的狀態不是紅燈，而是把「不知道」畫成一盞看似明確的燈。
零成功、零失敗，應該叫未知，不該叫零分
一個工作若執行六十三次，成功與失敗都是零，至少有三種可能：工作沒有回報狀態、報表沒有讀到正確日誌，或六十三代表掃描次數而非真正執行。若直接標示成功率零，管理者可能投入時間修理一個其實正常的工作，也可能忽略真正壞掉的監控管線。
因此，成功率公式必須有前提：只有在成功數加失敗數大於零時，比例才有意義。否則應顯示「未知」或「無足夠資料」，並另外建立資料完整度指標。這不是文字遊戲，而是避免營運資源被錯誤警報消耗。
高頻執行未必代表高價值，可能代表排程失控
一週九萬九千多次執行，平均密度明顯值得調查，但僅憑週報仍不能斷定根因。可能是排程頻率過高、重試機制沒有退避、同一事件被重複記錄，也可能只是統計口徑把內部輪詢都算成一次工作。
正確做法不是看到大數字就立刻刪除排程，而是回到日誌確認三件事：觸發來源、單次成本、是否產生有效成果。沒有這三項證據，任何修復都可能只是把症狀藏起來。
▋ Desire：你需要的是能支援決策的監控，不是更華麗的儀表板
企業真正想知道的通常只有幾件事：重要工作有沒有完成、失敗會不會傷害客戶、今天花了多少錢、異常是否有人處理，以及資料能不能追查。若報表無法回答這些問題，再多圖表也只是視覺噪音。
一套可用的健康系統，至少要把執行健康、資料健康、業務健康與成本健康分開。技術工作成功，不代表客戶收到成果；檔案產生，不代表內容正確；排程準時，也不代表費用合理。
四層健康指標，避免一個百分比包辦所有真相
- 執行層：工作是否啟動、結束、逾時或重試？
- 資料層：輸入是否存在、輸出是否完整、狀態欄位是否有值？
- 業務層：影片是否真的完成、提醒是否真的送達、報告是否有人可用？
- 成本層：單次執行花費多少、重試是否失控、閒置工作是否持續消耗資源？
例如，某佇列顯示三筆項目全部進入失敗與待處理死信區，這是明確的業務異常；某知識工作有三次明確失敗，也能追查原因。相較之下，沒有成功或失敗資料的工作，優先問題是可觀測性不足，而不是直接宣判服務故障。
日記覆蓋率與系統健康也不能混為一談
報告顯示近七天有六天日記，也有六天 AI 分析，覆蓋率都是百分之八十六；但健康日報七天全部缺報。前者說明內容流程大致持續，後者則說明健康監控沒有留下可用結果。兩者應分別處理，不能因日記正常就認定基礎設施健康，也不能因健康報告缺失就否定所有內容成果。
▋ Intention：建立一份會說真話的 AI 營運健康報告
第一步：先定義五種狀態，而不是只有成功與失敗
- 成功：完成技術執行，也通過成果驗收。
- 失敗：已知錯誤使成果無法交付。
- 降級：核心成果完成，但部分功能或品質下降。
- 未知：缺少狀態、日誌或驗收資料，無法判定。
- 未執行：排程未觸發，或本期本來就不應執行。
這五種狀態能把技術故障與監控缺口分開。管理者看到未知時，應修復資料回報；看到失敗時，才進入根因分析。兩者的處理人員、優先級與成本完全不同。
第二步：為每個工作補上最小證據鏈
每次執行至少應留下工作名稱、開始時間、結束時間、觸發來源、結果狀態、輸出位置與錯誤摘要。若工作會呼叫付費模型或外部服務，還要記錄可歸屬的用量與估算成本，但不得把金鑰或敏感資料寫入日誌。
證據鏈的目標不是蒐集所有細節，而是讓值班者能回答：「它為何啟動、做了什麼、結果在哪裡、花了多少、失敗後怎麼辦？」缺少其中任何一項，自動化都可能在無人注意時持續消耗。
第三步：替重試設定上限、退避與死信處理人
重試可以提高韌性，也可能放大成本。每個工作都應限制最大重試次數，失敗間隔逐步拉長，超過上限後移入待人工處理區。死信區不能只是數字墓園，必須有負責人、原因分類與處理期限。
週報中的三筆失敗佇列就是很好的提醒：若只把項目移入死信區卻沒有人檢查，它只是把失敗從主畫面搬到角落。治理的完成條件不是「系統捕捉到錯誤」，而是錯誤被判讀、處理或明確放棄。
第四步：用單位成果成本取代總執行數崇拜
CFO 不應只問本月 API 帳單，也要問每一項可用成果的成本。可以追蹤每份有效報告、每支成功影片、每次送達提醒或每筆完成佇列的平均成本。若執行次數上升但有效成果沒有增加，應檢查輪詢、重試與重複觸發。
同時，不要為了節省極少費用而犧牲可追查性。日誌、備份與警報本身有成本，但它們能降低長時間故障、資料遺失與人工排查的風險。好的成本治理不是花得最少，而是每一筆支出都有可解釋的營運價值。
第五步：設定每週三個人工問題
- 本週哪一個紅燈造成最大的業務影響？
- 哪一個未知狀態最可能掩蓋真實故障？
- 哪一個高頻工作沒有產生相稱成果？
這三個問題能防止團隊被大量零碎警報拖走。先處理影響，再補觀測，最後優化成本；不要依照表格從第一列一路修到最後一列。
一份誠實的健康報告，不需要假裝所有事情都能被量化。它必須清楚區分已知、未知與需要人工判斷的部分。當系統願意承認「目前不知道」，企業才有機會做出正確決策。
如果你的自動化已經很多，卻沒有人能清楚說明哪些真的成功、哪些正在重試、哪些持續花錢，現在該先修監控，再擴充功能。 立即預約 AI 系統健檢
