如何试点使用人工智能复核设施数据

1. 明确任务和责任

把问题限定为：助手能否提取用电量和账单日期，同时标记不确定的数值？指定数据负责人、技术复核人员和上线决策人。事先确定停止条件以及必须由专业人员作出的判断。运用AI RMF的治理、情境分析、测量和风险管理职能来组织思考，不能将其当成质量证书。

2. 准备可追溯的数据

建立经授权的测试集，包含清晰、难以识别及不完整的账单，并去除无必要的个人信息。每个字段关联文件编号、页码、期间和单位。记录模型版本、指令和使用的来源清单；未经证据支持及复核，不得由系统编造排放因子或填补缺失值。

3. 扩大应用前，与人工基准比较

预留不参与参数调整的测试记录，与专业人员复核的基准数据比较。检查数值、单位、期间和缺失数据警报，记录错误，而不是提供定义不明的总体成功率。准确率应按字段类型和样本量说明：正确读取数字并不能证明分类或碳计算也正确。

• 与人工流程或简单规则比较，确认实际增加的价值。
• 测试期间重叠、单位变更和重复账单等情况。
• 记录复核决定和修改原因，同时保留原始数值。

4. 控制转入正式运行的过程

依据测试记录接受、修改或拒绝的决定，并确定复核负责人及再次评估的时间。重要数据和报告仍由人员批准；模型或文件类型变化后需要重新测试。第一项成果是试点记录、使用边界和培训计划，而不是自动生成的合规证明。