Intake AI · 現場最痛的一件事
每個月都有新的檔案送進來，格式還會變。過去只有一條路：有人一格一格看懂、判斷、搬進系統。這件事做對了沒有人看見，做錯了也不會有人發現——錯的那一格會安靜地變成病歷，下一個看到它的人不知道它是錯的。而這件事之所以值得花八年，是因為一個人的健康紀錄能不能被下一個照顧他的人接上，前提就是每一格都搬對了。地基不對，上面蓋得越聰明越危險。這一頁講的是平台裡負責這件事的那顆引擎——我們叫它 Intake AI——它怎麼運作，以及我們刻意不讓 AI 碰哪些地方。
痛在哪裡
「他院」那一欄，有一格是醫院名稱、一個換行、兩個英文字母。那兩個字母是疾病的縮寫。一格、兩件事，中間只有一個換行。搬資料的人得自己知道後面那截是疾病，還要知道它對應哪個診斷；漏掉了，這個人的病史就少一條——而且沒有人會發現少了。
同一份表裡還有：姓名和病歷號擠在同一格。血壓寫成「120/2」，舒張壓 2 不可能，那是打錯的，但原本要打什麼已經沒有人知道。有一欄的標題只叫「欄16」。另一欄標著「血壓」，裡面放的其實是心跳——照著欄位名搬，這個人的血壓就變成了他的心跳。
這些不是特例，是常態。表是人在忙的時候填的，欄位名是上一任留下來的，格式每年會變。而搬錯不會當場報錯，它會留在紀錄裡，等到下一次有人根據這筆紀錄做判斷。
上面都是改寫過的示意。我們保留的是這些格子真正的長相，不是任何真人的資料：真實檔案裡的姓名、病歷號與院所名稱不會出現在這裡，也不會離開機構自己的機房。
而她真正的工作不是搬資料，是照顧人。
它怎麼運作
難的地方不是「叫 AI 讀檔案」。難的是要讀得可靠、要能解釋為什麼這樣讀、而且不能把病歷送上雲端。所以順序是刻意排的：
真正的標題列在第幾行？一列是一個人，還是一次服務？有沒有橫向展開的場次、有沒有跨工作表？試算表本身就帶著這些事實（合併儲存格、儲存格格式），先讀它，不要用統計去猜。這一層完全沒有 AI。
關鍵是不能只看欄位名。欄位名會騙人，所以我們同時看那一整欄的值長什麼樣子：一整欄都是「137/67」就是血壓，出現「123/AC」就是飯前血糖，「V(114年)」是那一年做過。典型的檔案，這一層就解掉九成以上，完全不碰 AI。
有人確認過一次的配對會被記住，而且記的不只是欄位名，是「欄位名＋值的形狀＋當初判斷出的意思」的組合。所以同一個據點下個月的表、藥局每個月的表，第二次起連 AI 都跳過。
而且整批一次問完，不是每一欄問一次。用的是我們自己訓練的地端語意模型，跑在機構自己的機器上，不連網、不計費。模型只補確定性程式讀不出來的那一小塊，不准覆蓋已經確定的判斷；模型回傳壞掉的結果，就退回上一層，不會整批匯入失敗。
只問真的無解的——像 120/2 這種原值救不回來的格子。問的時候附上這一欄的值樣本和系統自己的猜測，不是丟一張空表格要人從頭對。人給的答案寫回記憶，下一次不用再問。
我們拿來檢查自己的指標只有一個：一份檔案匯進來，還需要人動手的欄位有幾個。這個數字要一直往零走。
我們刻意不做的事
每一格都送去問一次雲端模型，帳單會轉嫁到機構身上，而且地端這一層就不成立了。所以一份檔案的模型呼叫次數是「一次批次」或「零次」（記憶命中），永遠不會等於欄位數。
血壓寫 120/2，我們就標出來、保留原值，不「順手修成」120/82。系統可以猜錯一次讓人改，但不能悄悄把一個看起來合理的數字寫進病歷。
真的解出來的欄位會顯示它真正的意思；只認出形狀的，就老實說「我看得出這是一組編碼欄，但不知道它在問什麼，請你確認或給我一份對照表」。畫面上好看比較容易，但那會讓人以為已經檢查過了。
判斷用的模型跑在機構自己的機器上。病人資料不必離開機房，也不必為了讀懂一格字而簽一份跨境傳輸的同意。
我們怎麼知道它沒搬錯
因為搬錯不會當場報錯，所以唯一的辦法是一格一格去對。這六份是不同據點、不同人做的年度總表和電訪追蹤表，不是我們自己出的題目。系統把每一格送到哪裡，我們逐格檢查：1,088 筆裡有 9 筆送錯地方。
那 9 筆錯在哪，我們自己寫成報告。前面提到的「醫院名稱＋換行＋疾病縮寫」那一格就是其中一種：醫院名拆對了，疾病縮寫還黏在後面。每改一版我們就把六份重跑一次，因為修好一種黏法，不代表另一種也修好了。
還有一批資料我們不匯入：沒有姓名的電訪追蹤列、身分證格式判不出來的。這些直接標出來讓人處理，不猜、不硬塞。寧可讓人多看一眼，也不要讓一筆錯的紀錄悄悄進去。
1,088
六份真實總表逐格檢查的資料筆數
9
送錯地方的筆數，錯在哪都寫進報告
九成以上
典型檔案由確定性程式讀完、完全不碰 AI 的欄位
全在院內
判斷用的模型跑在機構自己的機器上，不上雲
為什麼這件事需要自己的模型
第四層要判斷的是「他院」欄裡的 CV、健檢名冊上的 L-CT、護理紀錄裡的皮蛇。我們試過市面上表現最好的中文模型，這些字幾乎都讀不出來，因為它們不存在於公開的訓練資料裡。所以我們自己訓練了一顆，然後開源。
還有一段是聲音。面談和家訪講完的話，本來也得回辦公室重打一遍；而長輩講的是台語。那是另一類模型的故事。