排程與自動化前，怎麼證明 AI 流程能穩定重跑？
用標準、變體、缺資料、錯誤與相同輸入重跑五類案例，記錄人工介入，再做 go 或 not yet 決定。
流程成功一次，只能證明它曾經成功，不能證明它適合排程。自動化前要用正常輸入、合理變體、缺資料與失敗情境重跑，記錄結果、人工介入與停止行為，再決定 go 或 not yet。
你手動執行一次每週摘要，結果很好，於是想排程每週自動發布。第二週資料少一份，Agent 自己補內容；第三週來源格式改變，流程仍回報完成。自動化把執行變快，也把未被看見的錯誤放大。
OpenAI 的 Workspace Agents 支援測試、發布版本與 schedule；草稿修改不會自動成為發布版本。OpenAI：Workspace Agents 功能可用不代表流程已準備好。
先測五種情境
- 標準案例：資料完整、格式正常。
- 合理變體：欄位順序、篇幅或內容類型改變。
- 缺資料：必要來源不存在時應停止或標記未知。
- 錯誤輸入：格式損壞、權限不足或工具失敗。
- 相同輸入重跑：結果是否保持可接受的一致性。
每次都記錄哪些步驟需要人救援。如果表面自動、實際每次都要重寫一半，流程還沒穩定。
NIST AI RMF 強調測試方法與結果要文件化、測試條件要接近實際使用，並持續監控。NIST：AI RMF Core 對小型工作流的翻譯是：不要只測最好的一筆。
先把邊界說清楚：OpenAI 官方資料說明 Workspace Agent 可測試、發布版本與排程，NIST 支持文件化及情境化測試；下面五種測試情境和 go／not yet 判斷，是我把這些原則轉成自動化前檢查的方法。
自動化的完成標準要比手動更嚴格
至少確認：
- 成功與失敗都有明確判斷。
- 缺資料不會被自行猜測補齊。
- 寫入、通知或發布前仍有批准點。
- 重複執行不會產生重複資料。
- 有執行紀錄、錯誤通知與停止方式。
- 能回到上一個安全版本。
練習：填自動化前證據表
流程與預定頻率：
五個測試案例：
每次輸入與結果：
需要人工介入的地方：
缺資料時的行為：
重複執行的影響：
錯誤如何通知：
如何停止與還原：
結論：go／not yet
仍需修正：not yet 不是失敗，而是阻止不穩定流程進入無人看管狀態。當流程有證據可重跑，下一步才是讓另一位同事依文件操作，確認方法不只存在你的腦中。