要用 AI 建立優先次序矩陣，先批准準則、權重和限制，再以確定性的方式計算；決定由人作出。

先建立有管治的 AI 工作流程。矩陣為一組界定清楚的內部選項排序；它不能取代項目計劃、受規管的採購評估、風險登記冊或管理層授權。

關鍵要點

評分之前，先界定決定、選項、決策負責人和硬性門檻。

為每項準則寫明目標、量度、方向、量表和證據來源。

在持份者看到各選項總分之前，先批准權重和評分規則。

未知的證據保持未知，不要把它變成零。

在受控的試算表或程式中計算，而不是靠生成的文字。

測試敏感度、優勢關係、重複計算、補償效應和紅線。

用 AI 建立優先次序矩陣支援甚麼決定？

優先次序矩陣按明確的準則比較一組固定的選項，讓決策者看清各種取捨。AHRQ 的決策矩陣指引描述了以下步驟：列出備選方案、選擇準則、分配權重、為備選方案評級、把評級乘以權重，然後比較總分。［1］這個次序很有用，但總分只是判斷的輸入，而不是自動得出的裁決。

寫一份決定陳述，包括：

需要作出的選擇或排序；
納入範圍的選項，以及加入新選項的截止點；
決策負責人和受影響的持份者；
實施期限和資源邊界；
硬性資格門檻和不可商議的限制；
證據日期和下一次覆核的觸發條件。

不要由通用提示產生的漂亮準則入手。分配維修人手的矩陣，與揀選研究構思或安排內部改善次序的矩陣並不相同。如果一個決定混合了互不相容的選擇，便把它拆成幾個階段。

硬性限制與評分有何分別？

硬性限制決定一個選項能否繼續推進；評分準則則用來比較符合資格的選項。把兩者混在一起，可能讓高分去補償一個本不應被交換的條件。

決策元素	處理方式	例子
強制性的法律或安全條件	通過／不通過門檻	已取得必要的批准
固定的預算上限	門檻或明確的可行性測試	估算成本在授權限額之內
策略貢獻	評分準則	對已批准目標有貢獻的證據
交付投入	方向明確的評分準則	按統一方法核實的人日
欠缺的證據	未知，而不是零	效益估算正等待驗證

先套用門檻，再計算總分。記錄是哪項證據確定了通過或不通過、由誰覆核，以及有否例外機制。AI 不能豁免門檻，亦不能創造例外。

如何建立優先次序準則、量表與權重？

從決策目標和持份者需要推導準則。英國政府分析職能（Government Analysis Function）把多準則決策分析形容為跨目標比較選項的方法，並強調準則、評分、權重、不確定性和敏感度。［2］

每項準則都需要：

欄位	作用
準則 ID 與版本	供覆核使用的穩定引用
目標	這項準則為何對決定重要
量度	觀察或計算的是甚麼證據
方向	越多越好、越少越好，還是落在目標區間較好
量表	每個容許評級的含義
證據來源	已批准的系統、研究、估算或負責人
權重來源	誰批准了相對重要性，以及理由
缺失值規則	如何處理未知證據
限制關連	任何不可補償的硬性門檻
覆核人	對證據質素負責的人

每個「選項—準則」組合使用一條紀錄。把以下這份可重用的欄位契約放在一起，這樣無須依賴敘述性筆記，亦能重建和審計矩陣：

紀錄組別	必填欄位
控制	`Decision ID/version`、`Owner`、`Review trigger`
候選項	`Option`、`Hard constraint`
準則	`Criterion ID`、`Objective`、`Measure`、`Direction`、`Scale`
偏好	`Weight`、`Weight source`
證據	`Evidence`、`Raw value`、`Confidence`、`Unknown state`
計算	`Rating`、`Weighted score`
穩健性	`Sensitivity case`
決策紀錄	`Decision`、`Dissent`

檢查重疊。「客戶影響」「受影響用戶數目」和「收入影響」可能部分計算的是同一效果。當人手是主要成本時，「投入」和「成本」亦可能重複。保留兩者之前，先畫出因果關係圖或說明兩者的分別。

使用能區分各選項的準則。如果每個選項的評級都相同，這項準則便不提供排序資訊，不過它仍可作為門檻或背景紀錄保留。

如何界定量表？

評分之前先界定錨點。除非每個數值都在同一單位和時間範圍下對應可觀察的證據，否則 1–5 分的量表毫無意義。

就效益準則而言，錨定量表可以使用經核實的結果區間。就交付投入而言，可以使用按同一規劃方法得出的標準估算區間。定性證據亦可評分，但錨點必須寫明怎樣的證據才能支持每個評級。

不要在不經意間混用原始單位和偏好評級。十日和十位客戶並不因為都有數字十便可以比較。按已批准的方法標準化，寫明數值越高還是越低越好，並在評級旁保留原始量度。

未知是獨立狀態。零代表經核實的「沒有」，或已批准量表的最低一級；它絕不能代表「我們沒有調查」。要決定含未知值的選項應排除、只顯示而不計總分、按區間測試，還是升級以收集證據。

如何批准權重？

權重表達的是持份者的偏好，而不是模型的知識。在展示各選項總分之前便批准權重，以免持份者為了令自己屬意的選項勝出而調整方法。

記錄：

參與決策的代表；
權重方法和主持過程；
理由和分歧；
標準化規則，例如權重合計 100%；
任何準則的最低要求或否決門檻；
日期、版本和批准權限。

AI 可以總結一次有紀錄的工作坊，或檢查權重是否符合某條數學規則。它不得決定權重數值、推斷已達成共識、未經授權便把互不相容的持份者偏好取平均，或把生成的數字當作專家判斷呈現。

如果持份者的價值取向有實質差異，便保留幾套獨立的權重並比較結果。一套混合後的權重可能掩蓋決策者需要看到的政策分歧。

如何整理證據？

使用證據紀錄冊，每個「選項—準則」組合一條紀錄，寫明來源、量度日期、方法、負責人、可信程度、局限和覆核人。所有選項採用相同的證據時段和單位。

AI 可以從已批准的文件擷取候選事實，把它們對應到準則 ID，並標示欠缺或矛盾的證據。要求它引用確切的紀錄、頁碼、表格或受控的數據查詢。沒有來源的流暢理由仍屬未核實。

請覆核人區分：

量度：觀察到或估算出的數值。
評級：對應到已批准量表上的數值。
權重：該準則經批准的重要程度。
加權分：確定性的計算結果。
決定：審閱總分和例外之後作出的授權判斷。

不要讓 AI 把這五個層次壓縮成一個「優先分數」。

如何撰寫 AI 提示？

提供決定契約、選項清單、準則詞典、已批准的權重、評級錨點、限制和證據紀錄冊。要求輸出一份矩陣草稿、一份例外報告和若干覆核問題。

指令應要求 AI：

保留所有選項、準則和來源的識別碼；
只使用所提供的證據；
未知值明確保持為未知；
不選擇權重或評級；
標示無法比較的單位、過時的證據和無根據的對應；
找出可能的重複計算，以及沒有區分作用的準則；
把硬性限制與可互相補償的評分分開；
只有在從受控計算輸出複製時，才傳回計算結果。

要寫得直接：AI 不決定權重或分數。它可以提出「這項證據是否達到錨點 3？」之類的問題，但必須由指定的覆核人回答並記錄理由。

如何計算及驗證優先次序矩陣？

在有版本控制的試算表或確定性程式中完成計算。鎖定公式儲存格，驗證容許的輸入，並請第二個人抽樣重現。

就簡單的加權總和而言，受控工具可以把每個已批准評級乘以其已批准的標準化權重，再把乘積相加。但這種方法假設量表和取捨容許互相補償。英國的多準則分析手冊把評分、權重、不確定性和敏感度視為方法中互相關連的部分來討論。［3］

驗證：

權重符合已批准的標準化規則；
評級數值都在各自量表範圍之內；
效益和成本的方向沒有倒轉；
缺失值沒有因試算表的預設設定而變成零；
門檻在排序之前執行；
公式涵蓋所有預定的行，而且沒有隱藏行；
只在顯示階段才四捨五入；
總分能從保存的輸入重現。

保留未四捨五入的結果作比較，但避免虛假的精確度。顯示為 73.42，並不代表證據能支持到小數點後兩位。

要測試哪些敏感度和偏差？

敏感度測試要回答：權重、評級或不確定證據出現合理變化時，排序會否改變？如果一個細小而合理的變化便會令結果倒轉，便應把這個排序形容為脆弱。

最少測試：

每個不確定評級在其已批准範圍內的變化；
具實質意義的替代權重組合；
剔除一項可能重複的準則；
合理的量度誤差或預測區間；
四捨五入前的同分和接近同分；
對門檻的不同詮釋和例外結果。

檢查優勢關係：如果選項 A 在每項準則上都不比 B 差，而且最少一項較好，那麼偏向 B 的結果可能揭示了方向或公式錯誤。檢查補償效應：很高的效益分數不能抹去強制性的安全或法律不合格。透過檢查證據規則是否一致套用，找出錨定效應和偏袒。

只有在計算完成後才把經覆核的結果視覺化。數據視覺化流程有助展示各項準則的貢獻，但圖表必須保留量表、不確定性，以及分數與決定之間的分別。

如何形成決定？

最終紀錄應顯示矩陣版本、符合資格的選項、假設、總分、敏感度結果、限制、分歧、決定、決策負責人、理由和覆核觸發條件。得分最高的選項不會自動入選。

負責人可能因為不可補償的限制、證據脆弱、組合平衡、先後依賴或矩陣以外的權限，而選擇一個得分較低的選項。只要理由透明而且符合政策，這樣做便屬正當。

需要全面處理貨幣化的成本和效益時，使用另一套成本效益分析。如果推動選擇的是連貫的未來情況，而不只是不確定的分數，便使用情景分析。

NIST 提醒要留意生成式 AI 中的虛構內容、資訊完整性、私隱、有害偏見和過度依賴。［4］盡量減少機密輸入，並確保由一位問責的人覆核證據擷取和最終決定。

總結

先界定選擇、選項、權限和硬性門檻。
建立互不重疊、設有錨定量表和證據規則的準則。
在各選項總分可見之前批准權重。
保留未知值，並以確定性工具計算。
測試公式完整性、敏感度、優勢關係、重複計算和補償效應。
把人的決定與矩陣分數分開記錄。

常見問題

AI 能選擇準則嗎？

它可以按所提供的目標提出問題，但必須由持份者批准準則，並確認這些準則與決定相關、可量度、互不重疊而且合法。

權重必須合計 100% 嗎？

不少加權總和方法會把權重標準化為 100%，但亦有其他有效的方法。始終如一地依循一種已批准的方法，並記錄如何詮釋權重。

未知等於零嗎？

不等於。零是已批准量表上經核實的數值；未知代表證據欠缺或尚未解決。把未知轉為零會令結果出現偏差。

能讓 AI 計算加權分嗎？

不要把生成的文字當作計算的權威依據。使用受控的試算表或確定性程式；如有需要，再請 AI 解釋經核實的輸出。

最高分一定獲選嗎？

不一定。分數為獲授權的決定提供參考，可能無法反映硬性限制、脆弱的證據、依賴關係或政策判斷。最終理由要另行記錄。

甚麼是重複計算？

當兩項準則獎勵或懲罰的實質上是同一效果，便出現重複計算。即使每項準則單獨看來都合理，它亦可能誇大這個因素的影響。

敏感度分析說明甚麼？

它說明權重、評級或不確定證據的合理變化會否改變排序。脆弱的結果需要更多證據，或需要更審慎的決定。

可用於採購評估嗎？

預設不可以。受規管的採購對已公佈的準則、保密、利益衝突、評分調和、紀錄和決定都有具體要求；請改用適用的採購程序。

免責聲明：本文提供一般性的決策支援資訊。請遵守你所屬機構的管治、風險、財務、法律、安全和紀錄要求。

來源：

Agency for Healthcare Research and Quality — Decision Matrix — https://digital.ahrq.gov/health-it-tools-and-resources/evaluation-resources/workflow-assessment-health-it-toolkit/all-workflow-tools/decision-matrix
UK Government Analysis Function — An Introductory Guide to Multi-Criteria Decision Analysis — https://analysisfunction.civilservice.gov.uk/policy-store/an-introductory-guide-to-mcda/
GOV.UK — Multi-Criteria Analysis Manual for Making Government Policy — https://www.gov.uk/government/publications/multi-criteria-analysis-manual-for-making-government-policy
NIST — Generative Artificial Intelligence Profile — https://www.nist.gov/publications/artificial-intelligence-risk-management-framework-generative-artificial-intelligence

Sources checked 2026 年 9 月 4 日。

如何用 AI 建立優先次序矩陣，而不讓 AI 替你評分